基于神经网络方法的外辐射带相对论电子通量模型
空间物理
2022-01-05 v2 等离子体物理
摘要
我们提出了一种基于机器学习、利用神经网络方法描述地球外辐射带中 >1.8 MeV 相对论电子通量的模型。外辐射带相对论电子神经网络模型（ORIENT-R）仅以太阳风条件和地磁指数为输入。我们首次表明，仅使用太阳风条件和地磁指数即可确定外辐射带的状态，而无需任何初始和边界条件。决定外辐射带动力学的最重要特征为 AL、太阳风流速与密度以及 SYM-H 指数。ORIENT-R 以 0.95 的相关系数和约 2 的不确定性因子重现样本外相对论电子通量。ORIENT-R 在样本外地磁暴期间重现辐射带动力学，与观测结果吻合良好。此外，ORIENT-R 在 2018 年 3 月至 2019 年 10 月完全样本外的时段内运行，此时 AL 指数终止并被预测的 AL 指数所替代（lasp.colorado.edu/~lix）。它以 0.92 的相关系数和约 3 的样本外不确定性因子重现电子通量。进一步，ORIENT-R 捕捉到了低地球轨道（LEO）SAMPEX 的电子通量趋势，该数据集在时间和空间上均为完全样本外。总之，ORIENT-R 模型可在短时空尺度（即地磁暴）与极长时空尺度（即太阳周期）变化下，重现外辐射带的输运、加速、衰减与骤降。
引用
@article{arxiv.2109.10532,
title = {Relativistic electron flux model in the outer radiation belt using a neural network approach},
author = {Xiangning Chu and Donglai Ma and Jacob Bortnik and W. Kent Tobiska and Alfredo Cruz and S. Dave Bouwer and Hong Zhao and Qianli Ma and Kun Zhang and Daniel N. Baker and Xinlin Li and Harlan Spence and Geoff Reeves},
journal= {arXiv preprint arXiv:2109.10532},
year = {2022}
}
备注
37 pages, 8 figures