論文の概要: Predicting Swarm Equatorial Plasma Bubbles Via Supervised Machine Learning

• arxiv url: http://arxiv.org/abs/2209.13482v1
• Date: Tue, 27 Sep 2022 15:55:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 16:50:08.746973
• Title: Predicting Swarm Equatorial Plasma Bubbles Via Supervised Machine Learning
• Title（参考訳）: 機械学習による群れ赤道プラズマ気泡の予測
• Authors: S. Reddy, C. Forsyth, A. Aruliah, D. Kataria, A.Smith, J. Bortnik, E. Aa and G. Lewis
• Abstract要約: 赤道プラズマ気泡(Equatorial Plasma Bubbles、EPBs)は、F層の底面から外気圏に向かって上昇する低密度プラズマの配管である。 SWARM衛星に搭載されたプロセッサによって検出されたEDBの確率を予測するために,ランダムな森林回帰器を構築した。 太陽風速が増加するにつれて、EDBの確率は減少する。
• 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: Equatorial Plasma Bubbles (EPBs) are plumes of low density plasma that rise up from the bottomside of the F layer towards the exosphere. EPBs are known causes of radio wave scintillations which can degrade communications with spacecraft. We build a random forest regressor to predict and forecast the probability of an EPB [0-1] detected by the IBI processor on-board the SWARM spacecraft. We use 8-years of Swarm data from 2014 to 2021 and transform the data from a time series into a 5 dimensional space consisting of latitude, longitude, mlt, year, and day-of-the-year. We also add Kp, F10.7cm and solar wind speed. The observations of EPBs with respect to geolocation, local time, season and solar activity mostly agrees with existing work, whilst the link geomagnetic activity is less clear. The prediction has an accuracy of 88% and performs well across the EPB specific spatiotemporal scales. This proves that the XGBoost method is able to successfully capture the climatological and daily variability of SWARM EPBs. Capturing the daily variance has long evaded researchers because of local and stochastic features within the ionosphere. We take advantage of Shapley Values to explain the model and to gain insight into the physics of EPBs. We find that as the solar wind speed increases the probability of an EPB decreases. We also identify a spike in EPB probability around the Earth-Sun perihelion. Both of these insights were derived directly from the XGBoost and Shapley technique.
• Abstract（参考訳）: 赤道プラズマ気泡(Equatorial Plasma Bubbles、EPBs)は、F層の底面から外気圏に向かって上昇する低密度プラズマの配管である。 EPBは、宇宙船との通信を劣化させる電波シンチレーションの原因として知られている。 SWARM 衛星に搭載された IBI プロセッサによって検出された EPB[0-1] の確率を予測・予測するためのランダムな森林回帰器を構築した。 2014年から2021年までの8年間のswarmデータを使用して、時系列から緯度、経度、mlt、年、そして日々の5次元空間にデータを変換します。 また、Kp、F10.7cm、太陽風速も加える。 位置、局地時間、季節、太陽活動に関するESBの観測は既存の活動とほとんど一致しているが、地磁気活動の関連性は明らかになっていない。 この予測は88%の精度を持ち、epb特有の時空間スケールでよく機能する。 このことは、XGBoost法がSWARM EPBの気候学的および日々の変動を捉えることができることを証明している。 電離圏内の局所的・確率的特徴から、日々のばらつきを捉えることは、長い間研究者を遠ざけてきた。 我々は、シェープ値を利用してモデルを説明し、EDBの物理に関する洞察を得る。 太陽風速が増加するにつれて、EDBの確率は減少する。 また,地球-太陽近日点周辺のepb確率の急上昇も確認した。 これらの知見はXGBoostとShapleyの技術から直接導出された。

関連論文リスト

• Matbench Discovery -- A framework to evaluate machine learning crystal stability predictions [2.234359119457391]
  Matbench Discoveryは、安定した無機結晶探索における機械学習(ML)エネルギーモデルの展開をシミュレートする。 i) 熱力学的安定性と生成エネルギーの分離と, (ii) ドメイン内と分布外性能の分離に対処する。
  論文  参考訳（メタデータ） (2023-08-28T22:29:57Z)
• Towards Faster Non-Asymptotic Convergence for Diffusion-Based Generative Models [49.81937966106691]
  我々は拡散モデルのデータ生成過程を理解するための非漸近理論のスイートを開発する。 従来の研究とは対照的に,本理論は基本的だが多目的な非漸近的アプローチに基づいて開発されている。
  論文  参考訳（メタデータ） (2023-06-15T16:30:08Z)
• ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [56.001808843574395]
  選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。 アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。 本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
  論文  参考訳（メタデータ） (2023-04-07T23:51:07Z)
• Earthquake Magnitude and b value prediction model using Extreme Learning Machine [2.8935588665357077]
  パラメトリック特徴および非パラメトリック特徴を計算し、非パラメトリック特徴をパラメトリック特徴を用いて算出した。 グテンベルク・リヒター法則、全再帰法、地震エネルギー放出法を用いて、9ドルの地震特性を計算した。 このモデルは堅牢であることが証明され、早期警告システムで実装できる。
  論文  参考訳（メタデータ） (2023-01-23T23:27:22Z)
• Identifying the Causes of Pyrocumulonimbus (PyroCb) [0.49472103277582824]
  ピロCb(極端の山火事から発生する吹雪雲)の観測データから,最初の因果発見分析を行った。 Invariant Causal Predictionは、pyroCb形成の因果的要因を理解するためのツールの開発に使用された。
  論文  参考訳（メタデータ） (2022-11-16T12:42:41Z)
• Photoelectric Factor Prediction Using Automated Learning and Uncertainty Quantification [0.0]
  光電率(PEF)は、異なる種類の貯水池岩を識別するための重要な井戸検層ツールである。 岩石鉱物の比は、PEFログと他の井戸ログを組み合わせることで決定できる。 しかし、古い井戸の丸太やバリウムベースの泥で掘削された井戸など、一部のケースではPEFログが欠落する可能性がある。
  論文  参考訳（メタデータ） (2022-06-17T18:03:38Z)
• Flexible Amortized Variational Inference in qBOLD MRI [56.4324135502282]
  データから酸素抽出率(OEF)と脱酸素血液量(DBV)をより明瞭に決定する。 既存の推論手法では、DBVを過大評価しながら非常にノイズの多い、過小評価されたEFマップが得られる傾向にある。 本研究は, OEFとDBVの可算分布を推定できる確率論的機械学習手法について述べる。
  論文  参考訳（メタデータ） (2022-03-11T10:47:16Z)
• Prediction of liquid fuel properties using machine learning models with Gaussian processes and probabilistic conditional generative learning [56.67751936864119]
  本研究の目的は、代替燃料の物理的特性を予測するためのクロージャ方程式として機能する、安価で計算可能な機械学習モデルを構築することである。 これらのモデルは、MDシミュレーションのデータベースや、データ融合-忠実性アプローチによる実験的な測定を用いて訓練することができる。 その結果,MLモデルでは,広範囲の圧力および温度条件の燃料特性を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2021-10-18T14:43:50Z)
• When in Doubt: Neural Non-Parametric Uncertainty Quantification for Epidemic Forecasting [70.54920804222031]
  既存の予測モデルは不確実な定量化を無視し、誤校正予測をもたらす。 不確実性を考慮した時系列予測のためのディープニューラルネットワークの最近の研究にもいくつかの制限がある。 本稿では,予測タスクを確率的生成過程としてモデル化し,EPIFNPと呼ばれる機能的ニューラルプロセスモデルを提案する。
  論文  参考訳（メタデータ） (2021-06-07T18:31:47Z)
• Superiority of Simplicity: A Lightweight Model for Network Device Workload Prediction [58.98112070128482]
  本稿では,歴史観測に基づく時系列予測のための軽量な解を提案する。 ニューラルネットワークと平均予測器という2つのモデルからなる異種アンサンブル法で構成されている。 利用可能なFedCSIS 2020チャレンジデータセットの総合的なR2$スコア0.10を達成している。
  論文  参考訳（メタデータ） (2020-07-07T15:44:16Z)
• Inference in Bayesian Additive Vector Autoregressive Tree Models [0.0]
  本稿では,Vector Autoregressive(VAR)モデルとBayesian Additive regression Tree(BART)モデルを組み合わせることを提案する。 得られたBAVARTモデルは、研究者から多くを入力することなく、任意の非線形関係をキャプチャすることができる。 我々は、米国の金利構造とユーロ圏経済という2つのデータセットに適用する。
  論文  参考訳（メタデータ） (2020-06-29T19:37:09Z)

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。