論文の概要: Interpreting LSTM Prediction on Solar Flare Eruption with Time-series
Clustering
- arxiv url: http://arxiv.org/abs/1912.12360v2
- Date: Mon, 9 Mar 2020 21:36:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-09 22:57:49.128978
- Title: Interpreting LSTM Prediction on Solar Flare Eruption with Time-series
Clustering
- Title(参考訳): 時系列クラスタリングによる太陽フレア噴火のLSTM予測の解釈
- Authors: Hu Sun (1), Ward Manchester (2), Zhenbang Jiao (1), Xiantong Wang (2),
Yang Chen (1 and 3) ((1) Department of Statistics, University of Michigan,
Ann Arbor, (2) Climate and Space Sciences and Engineering, University of
Michigan, Ann Arbor, (3) Michigan Institute for Data Science, University of
Michigan, Ann Arbor)
- Abstract要約: 本研究では,Long Short Term Memory (LSTM)モデルによる太陽フレア予測のポストホック解析を行った。
LSTMモデルを用いて二分分類を行い,次の時間に発生するM/Xクラスフレアの確率を予測する。
我々の研究は、SHARPパラメータのサブセットが、強い太陽フレアの噴火が差し迫っている重要な信号を含んでいることを示している。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We conduct a post hoc analysis of solar flare predictions made by a Long
Short Term Memory (LSTM) model employing data in the form of Space-weather HMI
Active Region Patches (SHARP) parameters calculated from data in proximity to
the magnetic polarity inversion line where the flares originate. We train the
the LSTM model for binary classification to provide a prediction score for the
probability of M/X class flares to occur in next hour. We then develop a
dimension-reduction technique to reduce the dimensions of SHARP parameter (LSTM
inputs) and demonstrate the different patterns of SHARP parameters
corresponding to the transition from low to high prediction score. Our work
shows that a subset of SHARP parameters contain the key signals that strong
solar flare eruptions are imminent. The dynamics of these parameters have a
highly uniform trajectory for many events whose LSTM prediction scores for M/X
class flares transition from very low to very high. The results demonstrate the
existence of a few threshold values of SHARP parameters that when surpassed
indicate a high probability of the eruption of a strong flare. Our method has
distilled the knowledge of solar flare eruption learnt by deep learning model
and provides a more interpretable approximation, which provides physical
insight to processes driving solar flares.
- Abstract(参考訳): 長期短期記憶モデル(lstm)による太陽フレア予測のポストホック解析を行い、フレアの発生源である磁極反転線近傍のデータから算出した空間平均hmi能動領域パッチ(sharp)パラメータを用いて解析した。
LSTMモデルを用いて二分分類を行い,次の時間に発生するM/Xクラスフレアの確率を予測する。
そこで我々は,シャープパラメータ(lstm入力)の次元を削減し,シャープパラメータの異なるパターンを低値から高い予測スコアへ変換する次元還元手法を開発した。
我々の研究は、SHARPパラメータのサブセットが、強い太陽フレアの噴火が差し迫っている重要な信号を含んでいることを示している。
これらのパラメータの力学は、M/XクラスフレアのLSTM予測スコアが非常に低い値から非常に高い値に遷移する多くの事象に対して非常に均一な軌道を持つ。
その結果,強いフレアが噴出する確率が高いことを示す鋭いパラメータのしきい値がいくつか存在することが示された。
提案手法は, 深層学習モデルで学習した太陽フレア噴火の知識を蒸留し, より解釈可能な近似を行い, 太陽フレアを駆動する過程の物理的知見を提供する。
関連論文リスト
- Forecasting SEP Events During Solar Cycles 23 and 24 Using Interpretable
Machine Learning [38.321248253111776]
我々は、新しいデータプロダクトの予測可能性を評価するために、一連の機械学習戦略を用いて、事後SEPイベントの予測を行う。
データ量の増大にもかかわらず、予測精度は 0.7 + 0.1 に達し、これはこれらのベンチマークに合致するが、公表されたベンチマークを超えない。
論文 参考訳(メタデータ) (2024-03-04T23:12:17Z) - Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳(メタデータ) (2024-01-22T14:02:56Z) - The Bigger the Better? Rethinking the Effective Model Scale in Long-term
Time Series Forecasting [57.00348861248051]
時系列予測は時系列分析において重要なフロンティアである。
階層的な分解で拡張された軽量トランスフォーマーであるHDformerを紹介する。
HDformerは既存のLTSFモデルよりも優れており、パラメータは99%以上少ない。
論文 参考訳(メタデータ) (2024-01-22T13:15:40Z) - Residual Diffusion Modeling for Km-scale Atmospheric Downscaling [51.061954281398116]
台湾上空2kmの高解像度気象モデルを用いて,コスト効率の低いダウンスケーリングモデルを訓練した。
textitCorrDiffは、RMSEとCRPSを巧みに表現し、極端な場合でもスペクトルと分布を忠実に回復する。
グローバルな予測のスケールダウンは、これらのメリットの多くを成功裏に維持し、マシンラーニングの天気予報のエンドツーエンドなグローバルなスケールの可能性を先導する。
論文 参考訳(メタデータ) (2023-09-24T19:57:22Z) - Towards Interpretable Solar Flare Prediction with Attention-based Deep
Neural Networks [1.1624569521079424]
太陽フレア予測は宇宙天気予報の中心的な問題である。
我々は、フルディスクのバイナリフレア予測を行うための注意に基づくディープラーニングモデルを開発した。
本モデルでは、フルディスク磁気画像から、アクティブ領域に対応する顕著な特徴を学習することができる。
論文 参考訳(メタデータ) (2023-09-08T19:21:10Z) - Explaining Full-disk Deep Learning Model for Solar Flare Prediction
using Attribution Methods [0.6882042556551611]
本研究では,太陽フレア予測モデルを提案する。
実際のスキル統計(TSS)とハイドケスキルスコア(HSS)を用いて、モデル全体の性能を評価する。
我々の分析では、太陽フレアのフルディスク予測が活動領域(AR)の特徴と一致していることが判明した。
論文 参考訳(メタデータ) (2023-07-29T03:18:56Z) - To Repeat or Not To Repeat: Insights from Scaling LLM under Token-Crisis [50.31589712761807]
大規模言語モデル(LLM)は、事前トレーニング中にトークンに悩まされていることで知られており、Web上の高品質なテキストデータは、LSMのスケーリング制限に近づいている。
本研究では,事前学習データの再学習の結果について検討し,モデルが過度に適合する可能性が示唆された。
第2に, マルチエポック劣化の原因となる要因について検討し, データセットのサイズ, モデルパラメータ, トレーニング目標など, 重要な要因について検討した。
論文 参考訳(メタデータ) (2023-05-22T17:02:15Z) - A Comparative Study on Generative Models for High Resolution Solar
Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。
スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文 参考訳(メタデータ) (2023-04-14T14:40:32Z) - Solar Flare Index Prediction Using SDO/HMI Vector Magnetic Data Products
with Statistical and Machine Learning Methods [6.205102537396887]
太陽フレア、特にMクラスとXクラスのフレアは、しばしばコロナ質量放出(CME)と関連している。
本稿では,ARのフレア生産性を定量化する,ARのフレア指数(Frare Index,FI)の予測に対する統計的および機械学習のアプローチを紹介する。
論文 参考訳(メタデータ) (2022-09-28T02:13:33Z) - Time-to-Green predictions for fully-actuated signal control systems with
supervised learning [56.66331540599836]
本稿では,集約信号とループ検出データを用いた時系列予測フレームワークを提案する。
我々は、最先端の機械学習モデルを用いて、将来の信号位相の持続時間を予測する。
スイスのチューリッヒの信号制御システムから得られた経験的データに基づいて、機械学習モデルが従来の予測手法より優れていることを示す。
論文 参考訳(メタデータ) (2022-08-24T07:50:43Z) - Model-Agnostic Hybrid Numerical Weather Prediction and Machine Learning
Paradigm for Solar Forecasting in the Tropics [0.0]
数値天気予報(NWP)と機械学習(ML)の手法は、太陽の予測に人気がある。
しかし、NWPモデルは複数の物理パラメータ化が可能であり、サイト固有のNWP最適化が必要である。
地域NWPモデルが、パラメータ化の可能なグローバル気候モデルで使用される場合、これはさらに複雑である。
本研究では, 4つの放射線モデルに対して, 代替手法を提案し, 評価した。
論文 参考訳(メタデータ) (2021-12-09T14:49:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。