| 研究課題/領域番号 |
15K17620
|
|---|
| 研究機関 | 国立研究開発法人情報通信研究機構 |
|---|
研究代表者 |
西塚 直人 国立研究開発法人情報通信研究機構, 電磁波計測研究所 宇宙環境インフォマティクス研究室, 研究員 (10578933)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2018-03-31
|
| キーワード | フレア予測 / 太陽フレア / 宇宙天気予報 / ベクトル磁場 / 機械学習 / ビッグデータ解析 |
|---|
| 研究実績の概要 |
本研究では、太陽フレアの予測精度を上げるために衛星ベクトル磁場観測データを用いてフレア発生確率を予測し、従来の予報手法と組み合わせた新予報モデルを開発する。平成27年度は、観測データベース作成と解析環境の整備、マニュアル解析によるフレア予測手法の検討、および機械学習を用いたフレア予測モデルを作成した。またリアルタイムデータを取得し、予報会議でベクトル磁場データを表示できる環境を整備した。
観測データは過去5年のベクトル磁場・視線方向磁場・彩層データ(1600Å)をそれぞれ取得保存し、IDL/SSWにて解析できる環境を整備した。Xクラス40例、Mクラス400例のフレア観測を含み、「理論予測モデル」(草野モデル)と比較した結果、全Xフレア中の約2割で理論モデルの提唱する磁場構造の歪みが確認された。一方で、8割はもっと複雑な磁場構造をしており、磁気中性線上に現れるトリガー磁場も客観的に判別難しく、単純にはこの理論モデルを予報に適応できないという結論に至った。
そこで、より一般的に各活動領域の特徴量を集めて、統計的機械学習を用いてフレア予測を行う方法を検討した。まず太陽全面画像をもとに活動領域を検出し、次に各領域に対して磁気中性線、磁場強度、磁束量、面積、自由エネルギーなどの特徴量と時間変化量を求めた。そして特徴量データベースを作成し、機械学習を適用した結果、人手よりずっと良い予測精度の達成に成功した。本成果は日本天文学会で口頭発表し、現在１編目の論文投稿準備をしている。同時並行して、米国ウェブサイトから変換済ベクトル磁場データを毎日自動的にリアルタイム取得し、予報会議にて目で確認できる体制を作った。これにより、有効な特徴量を経験的に検証できるようになり、かつ新予報モデルのリアルタイム化に向けての下準備ができた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
平成27年度は観測データベースの構築と解析環境の整備、およびマニュアル解析によるフレア予測手法の検討を予定していたが、機械学習専門家との研究協力体制を上手く作ることができ、H28年度に計画していた機械学習を用いたフレア予測のモデル化まで研究を進展させることができた。研究は、過去データを用いたフレア予測モデル開発と、リアルタイムデータを用いた予報会議での運用と、２系統に分けて行っている。
フレア予測モデル開発では、新旧複数の機械学習手法を使いながら予測精度の比較を行い、新しい機械学習法にも挑戦した。また磁場データだけでなく、世界初で彩層発光データも基にした予測モデルに拡張した。予測モデルのプロトタイプとしては予報スコアを出すところまで完成したため、国内学会で発表し、論文執筆を開始した。予報会議での実用化に向けては、まずは他機関による変換済磁場データをリアルタイム取得して表示できる体制を作り、新開発モデルをリアルタイム運用するための道筋を立てた。 全体的に見て、当初の計画以上に大きく進展していると評価できる。
|
| 今後の研究の推進方策 |
平成28年度も継続して機械学習を用いたフレア予報モデルの開発を行いつつ、予報会議での実用化を目指す。磁場の歪みや浮上磁場の出現は各活動領域の特徴量として抽出し、機械学習によってフレア前兆磁場構造の類似構造を識別しながら予測するモデルを開発する。平成28年度の研究計画は、前年度に前倒しして開始できた部分もあるが、基本的にそのままの内容で実施する。
平成28年度は、フレア予測モデル開発に関して、有効な特徴量をベクトル磁場と彩層発光の過去観測データから選出し直して特徴量データベースに追加・更新し、予報精度の向上を図る。さらに機械学習手法の改善も行う。精度の良い予測モデルが完成したら、その手法と予測結果を論文投稿する。また国際学会での発表も行って、成果をアピールする。また、予測精度向上がある程度達成し、予測モデルの論文投稿まで至ったら、次に作成統計データベースを元にした物理的側面の考察を行う。具体的には、浮上磁場出現とフレア発生確率との関係、浮上磁場の出現からフレア発生に至るまでの時間、McIntosh分類に基づくフレア予測との比較などを考察する。
さらに計画が予定よりも早く進行した際には、申請者らの開発したフレア予測モデルのリアルタイム運用の準備をする。現在は、海外で計算済みの準リアルタイムデータを予報会議にて表示できる体制まで構築しているが、次に観測生データを取得してその場で高速解析処理を行って、予報会議に表示できるようなシステム開発に着手する。
|
