Fugu-MT 論文翻訳(概要): Analysis and Predictive Modeling of Solar Coronal Holes Using Computer Vision and ARIMA-LSTM Networks

論文の概要: Analysis and Predictive Modeling of Solar Coronal Holes Using Computer Vision and ARIMA-LSTM Networks

arxiv url: http://arxiv.org/abs/2405.09802v3
Date: Wed, 31 Jul 2024 08:28:48 GMT
ステータス: 処理完了
システム内更新日: 2024-08-01 20:15:23.062753
Title: Analysis and Predictive Modeling of Solar Coronal Holes Using Computer Vision and ARIMA-LSTM Networks
Title（参考訳）: コンピュータビジョンとARIMA-LSTMネットワークを用いた太陽コロナホールの解析と予測モデリング
Authors: Juyoung Yun, Jungmin Shin,
Abstract要約: 本研究ではコンピュータビジョン技術を用いてコロナホール領域を検出し,その大きさを推定する。我々は,コロナホールの領域の傾向を分析し,その地域を7日間にわたって様々な太陽地域にわたって予測する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: In the era of space exploration, coronal holes on the sun play a significant role due to their impact on satellites and aircraft through their open magnetic fields and increased solar wind emissions. This study employs computer vision techniques to detect coronal hole regions and estimate their sizes using imagery from the Solar Dynamics Observatory (SDO). Additionally, we utilize hybrid time series prediction model, specifically combination of Long Short-Term Memory (LSTM) networks and ARIMA, to analyze trends in the area of coronal holes and predict their areas across various solar regions over a span of seven days. By examining time series data, we aim to identify patterns in coronal hole behavior and understand their potential effects on space weather.
Abstract（参考訳）: 宇宙探査の時代には、太陽上のコロナホールは、オープン磁場による衛星や航空機への影響と太陽風の放出の増加により重要な役割を担っている。本研究では,SDO(Solar Dynamics Observatory)の画像を用いて,コロナホール領域を検出し,その大きさを推定するコンピュータビジョン技術を用いた。さらに,Long Short-Term Memory(LSTM)ネットワークとARIMAを組み合わせたハイブリッド時系列予測モデルを用いて,コロナホール領域のトレンドを分析し,その地域を7日間にわたって予測する。時系列データを調べることで、コロナホールの挙動のパターンを特定し、宇宙気象に対するその潜在的な影響を理解することを目指している。

関連論文リスト

MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文参考訳（メタデータ） (2024-08-20T13:45:49Z)
Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
論文参考訳（メタデータ） (2024-07-12T18:00:02Z)
Extreme Solar Flare Prediction Using Residual Networks with HMI Magnetograms and Intensitygrams [0.0]
HMI強度図とマグネティックグラムを用いた極端太陽フレアの予測手法を提案する。強度図から太陽点を検出し、磁気グラムから磁場パッチを抽出することにより、極度のクラスフレアを分類するためにResidual Network(ResNet)を訓練する。我々のモデルは高精度で、極端太陽フレアを予測し、宇宙天気予報を改善するための堅牢なツールを提供する。
論文参考訳（メタデータ） (2024-05-23T16:17:16Z)
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)
Improving day-ahead Solar Irradiance Time Series Forecasting by Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文参考訳（メタデータ） (2023-06-01T19:54:39Z)
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)
Predictive Modeling of Coronal Hole Areas Using Long Short-Term Memory Networks [0.0]
太陽上に存在するコロナホールは磁場線と比較的低温で区別される本研究は、コンピュータビジョンを利用して、コロナホール領域をピンポイントし、太陽ダイナミクス観測所の画像を用いてその次元を推定する。本研究は, コロナホールの面積に関する時系列データから, コロナホールの挙動のパターンを明らかにすることを目的とする。
論文参考訳（メタデータ） (2023-01-17T07:22:54Z)
Deep Learning Models of the Discrete Component of the Galactic Interstellar Gamma-Ray Emission [61.26321023273399]
H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
論文参考訳（メタデータ） (2022-06-06T18:00:07Z)
Simultaneous Multivariate Forecast of Space Weather Indices using Deep Neural Network Ensembles [3.3935755618642367]
太陽放射束と地磁気指数は、太陽活動とその影響の重要な指標である。本稿では,時系列データの分布を学習するための,長期記憶ニューラルネットワークに基づくモデルを提案する。太陽画像データと時系列データを含む場合、根平均二乗誤差を30～40%改善する。
論文参考訳（メタデータ） (2021-12-16T17:42:49Z)
SCSS-Net: Solar Corona Structures Segmentation by Deep Learning [0.0]
太陽コロナの構造は、直接的または間接的に地球に影響を与える可能性のある宇宙の気象過程の主要な要因である。本研究では,EUVスペクトルで観測された太陽コロナ構造の自動セグメンテーション法を開発した。このモデルの出力は、太陽活動と地球への宇宙気象の影響の間の関係について、より統計的に研究するために使われる。
論文参考訳（メタデータ） (2021-09-22T16:51:50Z)
Multi-Channel Auto-Calibration for the Atmospheric Imaging Assembly using Machine Learning [20.247229396526855]
現在の技術キャリブレーション技術は周期的観測ロケットに依存している。畳み込みニューラルネットワーク(CNN)に基づく代替キャリブレーション手法を提案する。以上の結果から,cnnモデルでは観測ロケット実験の結果を合理的な精度で総合的に再現できることがわかった。
論文参考訳（メタデータ） (2020-12-27T22:43:37Z)

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。