論文の概要: A novel neural network-based approach to derive a geomagnetic baseline for robust characterization of geomagnetic indices at mid-latitude
- arxiv url: http://arxiv.org/abs/2410.02311v1
- Date: Thu, 3 Oct 2024 08:51:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-04 04:00:02.731854
- Title: A novel neural network-based approach to derive a geomagnetic baseline for robust characterization of geomagnetic indices at mid-latitude
- Title（参考訳）: 中緯度における地磁気指標のロバスト評価のための新しいニューラルネットワークに基づく地磁気ベースラインの導出
- Authors: Rungployphan Kieokaew, Veronika Haberle, Aurélie Marchaudon, Pierre-Louis Blelly, Aude Chambodut,
- Abstract要約: 地磁気測定から得られた地磁気指標は、太陽と地球との相互作用の強度を特徴付ける。
次世代の地磁気指標を導出するためには、太陽による摂動を伴わない静かな活動レベルを定義する「地磁気ベースライン」を確立することが望ましい。
本稿では,フランス・シャンボン・ラ・フォレ(Chambon-la-Foret)のデータに着目し,時間依存性の静かな変化を表すベースラインを導出する手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Geomagnetic indices derived from ground magnetic measurements characterize the intensity of solar-terrestrial interaction. The \textit{Kp} index derived from multiple magnetic observatories at mid-latitude has commonly been used for space weather operations. Yet, its temporal cadence is low and its intensity scale is crude. To derive a new generation of geomagnetic indices, it is desirable to establish a geomagnetic `baseline' that defines the quiet-level of activity without solar-driven perturbations. We present a new approach for deriving a baseline that represents the time-dependent quiet variations focusing on data from Chambon-la-For\^et, France. Using a filtering technique, the measurements are first decomposed into the above-diurnal variation and the sum of 24h, 12h, 8h, and 6h filters, called the daily variation. Using correlation tools and SHapley Additive exPlanations, we identify parameters that dominantly correlate with the daily variation. Here, we predict the daily `quiet' variation using a long short-term memory neural network trained using at least 11 years of data at 1h cadence. This predicted daily quiet variation is combined with linear extrapolation of the secular trend associated with the intrinsic geomagnetic variability, which dominates the above-diurnal variation, to yield a new geomagnetic baseline. Unlike the existing baselines, our baseline is insensitive to geomagnetic storms. It is thus suitable for defining geomagnetic indices that accurately reflect the intensity of solar-driven perturbations. Our methodology is quick to implement and scalable, making it suitable for real-time operation. Strategies for operational forecasting of our geomagnetic baseline 1 day and 27 days in advance are presented.
- Abstract（参考訳）: 地磁気測定から得られた地磁気指標は、太陽と地球との相互作用の強度を特徴付ける。
中央緯度における複数の磁気観測所から派生した \textit{Kp} 指数は、一般に宇宙気象観測に用いられている。
しかし、その時間周期は低く、強度スケールは粗い。
次世代の地磁気指標を導出するためには、太陽による摂動を伴わない静かな活動レベルを定義する「ベースライン」を確立することが望ましい。
本稿では,フランス,シャンボン・ラ・フォー・フェットのデータに着目し,時間依存性の静かな変化を表すベースラインを導出する新しい手法を提案する。
フィルタリング技術を用いて、測定はまず上記の日変化と24h, 12h, 8h, 6hの合計に分解される。
相関ツールとSHapley Additive exPlanationsを用いて、日々の変動と大きく相関するパラメータを同定する。
ここでは、少なくとも11年間のデータを1時間周期でトレーニングした長い短期記憶ニューラルネットワークを用いて、日々の「クイット」変動を予測する。
この日中静けさ変化は、上記の日中変動を支配的とする内在的地磁気変動に関連する世俗的傾向の線形外挿と組み合わせて、新しい地磁気基底線を生成する。
既存のベースラインとは異なり、我々のベースラインは地磁気嵐に敏感である。
したがって、太陽による摂動の強度を正確に反映した地磁気指標を定義するのに適している。
我々の手法は実装が簡単で拡張性も高く、リアルタイム操作に適しています。
地磁気ベースライン1日27日の運用予測について概説した。
関連論文リスト
- Unlearning-based Neural Interpretations [51.99182464831169]
静的関数を用いて定義される現在のベースラインは、バイアスがあり、脆弱であり、操作可能であることを示す。
UNIは、学習不可能で、偏りがなく、適応的なベースラインを計算し、入力を最も急な上昇の未学習方向に向けて摂動させることを提案する。
論文 参考訳（メタデータ） (2024-10-10T16:02:39Z) - Contrastive Representation Learning for Predicting Solar Flares from Extremely Imbalanced Multivariate Time Series Data [1.024113475677323]
太陽フレアは太陽の磁束の急激な急上昇であり、技術基盤に大きなリスクをもたらす。
本稿では,多変量時系列データに対する新しいコントラクティブ表現学習手法であるConTREXを紹介する。
提案手法は, 太陽フレア (SWAN-SF) 多変量時系列ベンチマークデータセットにおいて, 有望な太陽フレア予測結果を示すものである。
論文 参考訳（メタデータ） (2024-10-01T01:20:47Z) - 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) - Forecasting Geoffective Events from Solar Wind Data and Evaluating the Most Predictive Features through Machine Learning Approaches [0.0]
本研究では,機械学習技術を利用した地磁気障害の予測について検討した。
この問題は,SYM-H地磁気活動指数の50ドルnT未満の低下を事前に1時間予測することを目的とした2値分類としてアプローチされている。
地磁気嵐の発生を適切に予測するためのニューラルネットワークの最適性能を示す。
論文 参考訳（メタデータ） (2024-03-14T20:13:26Z) - A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
様々な動物が環境の手がかりを使って正確なナビゲーションをしている。
動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。
提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
論文 参考訳（メタデータ） (2024-02-06T13:20:56Z) - Supervised low-rank semi-nonnegative matrix factorization with frequency regularization for forecasting spatio-temporal data [6.725792598352138]
周波数正規化を伴う半負行列分解(SMF)を用いた時間データの予測手法を提案する。
提案手法による結果は,地球物理学の分野におけるこれまでの研究に匹敵するが,より明瞭な解釈性を提供する。
論文 参考訳（メタデータ） (2023-11-15T01:23:13Z) - Point Cloud Denoising via Momentum Ascent in Gradient Fields [72.93429911044903]
ニューラルネットワークを用いて雑音点雲から勾配場を推定する勾配法を提案した。
そこで我々は, 過去の反復情報を利用して, 点の軌道を決定する運動量勾配上昇法を開発した。
実験により, 提案手法は, 様々な点群, ノイズタイプ, 騒音レベルを有する最先端手法よりも優れていた。
論文 参考訳（メタデータ） (2022-02-21T10:21:40Z) - Identification of Flux Rope Orientation via Neural Networks [0.0]
畳み込みニューラルネットワーク(CNN)を用いて,埋込磁束ロープの向きを予測する。
我々の研究は、解析的フラックスロープデータから磁場ベクトルを訓練したCNNを用いている。
1995～2015年における風観測ICMEに対するトレーニングネットワークの評価結果について報告する。
論文 参考訳（メタデータ） (2022-02-11T20:59:26Z) - 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) - Real-time gravitational-wave science with neural posterior estimation [64.67121167063696]
ディープラーニングを用いた高速重力波パラメータ推定のための前例のない精度を示す。
LIGO-Virgo Gravitational-Wave Transient Catalogから8つの重力波事象を解析した。
標準推論符号と非常に密接な定量的な一致を見いだすが、推定時間がO(day)から1イベントあたり1分に短縮される。
論文 参考訳（メタデータ） (2021-06-23T18:00:05Z) - TadGAN: Time Series Anomaly Detection Using Generative Adversarial
Networks [73.01104041298031]
TadGANは、GAN(Generative Adversarial Networks)上に構築された教師なしの異常検出手法である。
時系列の時間相関を捉えるために,ジェネレータと批評家のベースモデルとしてLSTMリカレントニューラルネットワークを用いる。
提案手法の性能と一般化性を示すため,いくつかの異常スコアリング手法を検証し,最も適した手法を報告する。
論文 参考訳（メタデータ） (2020-09-16T15:52:04Z)
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。