| 研究実績の概要 |
本研究の目的は、高速太陽風による宇宙嵐をより精度良く予測するために、太陽衛星観測画像に機械学習手法を適応した新予測手法を開発することである。地球周辺で起こる太陽風の擾乱（宇宙嵐）は、主に太陽フレアと高速太陽風に起因する。宇宙嵐が起こると、地磁気が乱れて放射線帯で高エネルギー電子数が上昇し、衛星運用障害にもつながる。
本研究では、高速太陽風による宇宙嵐をより精度良く予測するために、太陽衛星観測画像から抽出したデータベースを作成し、それを学習データとした機械学習予測手法の開発を行った。太陽面磁場観測データ(SDO衛星)やコロナグラフ観測データ(SOHO衛星)、太陽風観測データ(ACE衛星, DSCOVR衛星, WIND衛星)を蓄積してデータベースを整備し、その中でコロナ質量放出等の高速太陽風となる現象の前兆現象をとらえる特徴量データベースを作成した。さらに太陽フレア予測モデルに使用した深層学習アルゴリズムを応用し、本宇宙嵐予測モデルに適用した。これにより、24時間以内に発生する高速太陽風の発生を予測することができるようになった。
また本研究期間には、太陽フレア予測モデルDeep Flare Net (DeFN)の運用化と予測評価を行いつつ、予測精度と信頼度の向上、４値予測モデルへの拡張を行った。BSSという新しい評価指標を用いることで信頼度を各段に向上することに成功した。さらに、X, M, Cクラスのフレアが起きるか起きないかを予測する4クラス同時確率予報手法も確立した。これらのモデルは先の宇宙嵐予測モデルと一緒にリアルタイム予報できるシステムを開発した。また本研究成果は論文を執筆し、査読付き論文に投稿した。
|
