論文の概要: Discovering Governing Equations of Geomagnetic Storm Dynamics with Symbolic Regression

• arxiv url: http://arxiv.org/abs/2504.18461v1
• Date: Fri, 25 Apr 2025 16:14:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:53.841439
• Title: Discovering Governing Equations of Geomagnetic Storm Dynamics with Symbolic Regression
• Title（参考訳）: シンボリック回帰による地磁気嵐動のゲバニング方程式の発見
• Authors: Stefano Markidis, Jonah Ekelund, Luca Pennati, Andong Hu, Ivy Peng,
• Abstract要約: 地磁気嵐は、太陽風の相互作用によって引き起こされる地球の磁気圏の大規模な乱れである。 外乱嵐時(Dst)指数は、地球規模の磁場変動を測定することで、地磁気嵐強度を定量化する。 本研究は、Dst指数の時間的進化を記述するデータ駆動方程式の導出にシンボリック回帰を適用した。
• 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: Geomagnetic storms are large-scale disturbances of the Earth's magnetosphere driven by solar wind interactions, posing significant risks to space-based and ground-based infrastructure. The Disturbance Storm Time (Dst) index quantifies geomagnetic storm intensity by measuring global magnetic field variations. This study applies symbolic regression to derive data-driven equations describing the temporal evolution of the Dst index. We use historical data from the NASA OMNIweb database, including solar wind density, bulk velocity, convective electric field, dynamic pressure, and magnetic pressure. The PySR framework, an evolutionary algorithm-based symbolic regression library, is used to identify mathematical expressions linking dDst/dt to key solar wind. The resulting models include a hierarchy of complexity levels and enable a comparison with well-established empirical models such as the Burton-McPherron-Russell and O'Brien-McPherron models. The best-performing symbolic regression models demonstrate superior accuracy in most cases, particularly during moderate geomagnetic storms, while maintaining physical interpretability. Performance evaluation on historical storm events includes the 2003 Halloween Storm, the 2015 St. Patrick's Day Storm, and a 2017 moderate storm. The results provide interpretable, closed-form expressions that capture nonlinear dependencies and thresholding effects in Dst evolution.
• Abstract（参考訳）: 地磁気嵐は太陽風の相互作用によって引き起こされる地球の磁気圏の大規模な乱れであり、宇宙と地上のインフラに大きなリスクをもたらす。 外乱嵐時(Dst)指数は、地球規模の磁場変動を測定することで、地磁気嵐強度を定量化する。 本研究は、Dst指数の時間的進化を記述するデータ駆動方程式の導出にシンボリック回帰を適用した。 我々は、太陽風密度、バルク速度、対流電場、動的圧力、磁気圧など、NASA OMNIwebデータベースの履歴データを使用する。 進化的アルゴリズムに基づく記号回帰ライブラリであるPySRフレームワークは、dDst/dtと主太陽風を結び付ける数学的表現を識別するために使用される。 結果として得られるモデルは複雑性の階層構造を含み、Burton-McPherron-RussellモデルやO'Brien-McPherronモデルのような確立された経験モデルとの比較を可能にする。 最も優れたシンボルレグレッションモデルは、物理的解釈性を維持しながら、特に中程度の地磁気嵐時に、ほとんどの場合において優れた精度を示す。 2003年のハロウィン・ストーム、2015年のセントパトリックズ・デイ・ストーム、2017年の穏健な嵐など、歴史的な嵐に関するパフォーマンス評価がある。 結果は、Dst進化における非線形依存としきい値の影響を捉える、解釈可能な、クローズドフォーム表現を提供する。

関連論文リスト

• ClimateBench-M: A Multi-Modal Climate Data Benchmark with a Simple Generative Method [61.76389719956301]
  我々は、ERA5の時系列気候データ、NOAAの極度の気象イベントデータ、NASAの衛星画像データを調整するマルチモーダル気候ベンチマークであるClimateBench-Mに貢献する。 また,各データモダリティの下では,天気予報,雷雨警報,作物の分断作業において,競争性能を向上できる簡易かつ強力な生成手法を提案する。
  論文  参考訳（メタデータ） (2025-04-10T02:22:23Z)
• A novel neural network-based approach to derive a geomagnetic baseline for robust characterization of geomagnetic indices at mid-latitude [0.0]
  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。
  論文  参考訳（メタデータ） (2024-10-03T08:51:26Z)
• 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)
• TriQXNet: Forecasting Dst Index from Solar Wind Data Using an Interpretable Parallel Classical-Quantum Framework with Uncertainty Quantification [2.1940162009107382]
  地磁気嵐はGPS、衛星通信、電力網などの重要なインフラを破壊する可能性がある。 本研究は、Dst予測のためのハイブリッド古典量子ニューラルネットワークであるTriQXNetを紹介する。 我々のモデルは、古典的および量子コンピューティング、共形予測、およびハイブリッドアーキテクチャ内に説明可能なAI(XAI)を統合する。
  論文  参考訳（メタデータ） (2024-07-09T08:30:42Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• HurriCast: An Automatic Framework Using Machine Learning and Statistical Modeling for Hurricane Forecasting [5.806235734006766]
  ハリケーンは、その破壊的な影響により、アメリカにおいて大きな課題を呈している。 これらのリスクを緩和することは重要であり、この取り組みの中心は保険業界である。 本研究では,ARIMAモデルとK-MEANSを組み合わせることで,ハリケーンの傾向をより正確に把握する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-12T19:48:52Z)
• Simulation of Atlantic Hurricane Tracks and Features: A Deep Learning Approach [0.0]
  本稿では機械学習(ML)とディープラーニング(DL)技術を用いて,HURDAT2データベースモデルで利用可能な入力データ(ストーム特徴)から取得する。 この目的を追求するために、嵐中心を経度と緯度で表す軌道モデルと、中央の圧力と最大風速1-min$の風速を10$mの高度で表す強度モデルが作成された。 嵐シミュレーションモデルの有効性はニューオーリンズ、マイアミ、ハッテラス岬の3つの例で実証されている。
  論文  参考訳（メタデータ） (2022-08-12T13:14:25Z)
• A Deep Learning Approach to Dst Index Prediction [1.3212032015497979]
  乱れ嵐時(Dst)指数は、宇宙気象研究において重要かつ有用な測定である。 本稿では,Dst Transformerと呼ばれる新しい深層学習手法を提案する。
  論文  参考訳（メタデータ） (2022-05-05T05:37:06Z)
• An advanced spatio-temporal convolutional recurrent neural network for storm surge predictions [73.4962254843935]
  本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。 本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2022-04-18T23:42:18Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• Semi-Supervised Video Deraining with Dynamic Rain Generator [59.71640025072209]
  本稿では,降雨層に適合する動的降雨発生器を用いた半教師付きビデオデレーシング手法を提案する。 具体的には、1つのエミッションモデルと1つのトランジションモデルから成り、空間的物理的構造と時系列の雨の連続的な変化を同時にエンコードする。 ラベル付き合成およびラベルなしの実データのために、それらの基礎となる共通知識を十分に活用するために、様々な先行フォーマットが設計されている。
  論文  参考訳（メタデータ） (2021-03-14T14:28:57Z)
• DeepClimGAN: A High-Resolution Climate Data Generator [60.59639064716545]
  地球系モデル(ESM)は、気候変動シナリオの将来の予測を生成するためにしばしば用いられる。 妥協として、エミュレータはかなり安価であるが、ESMの複雑さを全て備えているわけではない。 本稿では, ESMエミュレータとして, 条件付き生成逆数ネットワーク(GAN)の使用を実証する。
  論文  参考訳（メタデータ） (2020-11-23T20:13:37Z)

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。

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。