論文の概要: Aurora Hunter: A Two-Stage Framework for Probabilistic Visibility Forecasting

• arxiv url: http://arxiv.org/abs/2605.24038v2
• Date: Tue, 26 May 2026 03:38:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:40.98515
• Title: Aurora Hunter: A Two-Stage Framework for Probabilistic Visibility Forecasting
• Title（参考訳）: Aurora Hunter:確率的可視性予測のための2段階フレームワーク
• Authors: Zongyuan Ge, Chenwaner Zhang, Haoyang Li, Hantai Zhang, Wei Zhou, Wenxin Gu, Zhaoming Wang,
• Abstract要約: オーロラの可視性は、宇宙気象研究やオーロラ観光に重要である。 因子を分解する2段階のカスケードであるAurora Hunterを紹介します。 ステージ1は、トロムソ+キルナのデータに基づいて訓練された51の物理駆動的特徴を用いて、XGでP(occurring)を予測する。 ステージ2は、21の雲と月の照度特徴を用いて、ロジスティック回帰でP(明度観測)を予測する。
• 参考スコア（独自算出の注目度）: 18.993346884784327
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Forecasting aurora borealis visibility matters for space weather research and aurora tourism. Visibility at a site and night depends on two distinct factors: (1) whether aurora is physically occurring, driven by solar wind-magnetosphere coupling, and (2) whether observing conditions allow naked-eye detection, mainly cloud cover and lunar illumination. We present Aurora Hunter, a two-stage cascade that decouples these factors. Stage 1 predicts P(occurring) with XGBoost using 51 physics-driven features trained on joint Tromso+Kiruna data (about 16,600 hourly samples, 2015-2023) with labels from the Tromso AI all-sky image classifier. Stage 2 predicts P(clear observation given occurring) with logistic regression using 21 cloud-cover and lunar-illumination features trained only on aurora-occurring hours. The cascade P(visible)=P(occurring)*P(clear|occurring) reaches ROC-AUC 0.937 (Tromso test, 2019-2020) and 0.905 (independent Kiruna, 2024), improving a single-stage baseline by +0.087. Held-out Skibotn data (2022-2025) confirm cross-site generalization. SHAP identifies the Kp x nightside interaction, MLT position, and auroral oval distance as dominant predictors (39% combined). Prototype: https://aurora-hunter.onrender.com.
• Abstract（参考訳）: オーロラの可視性予測は、宇宙気象研究やオーロラ観光にとって重要な課題である。 場所と夜の可視性は,(1)オーロラが太陽風と磁気圏の結合によって物理的に起こっているか,(2)観測条件が肉眼で検出できるか,という2つの要因に依存している。 これらの要因を分離する2段階のカスケードであるAurora Hunterを紹介します。 ステージ1は、Tromso+Kirunaデータ(約16,600時間サンプル、2015-2023)とTromso AIのオールスキー画像分類器のラベルでトレーニングされた51の物理駆動機能を用いて、XGBoostでP(occurring)を予測する。 ステージ2は、オーロラ発生時間のみにトレーニングされた21の雲と月照りの特徴を用いて、ロジスティック回帰でPを予測する。 P(visible)=P(occurring)*P(clear|occurring) は ROC-AUC 0.937 (Tromso test, 2019-2020) と 0.905 (independent Kiruna, 2024) に到達し、+0.087で単段基底線を改良した。 Skibotnデータ(2022-2025)は、クロスサイト一般化を確認する。 SHAPはKpxナイトサイド相互作用、MLT位置、オーロラ楕円距離を支配的な予測因子(39%の組み合わせ)として同定する。 Prototype: https://aurora-hunter.onrender.com

関連論文リスト

• FujiView: Multimodal Late-Fusion for Predicting Scenic Visibility [2.8019744694531554]
  本稿では,Webカメラ画像と気象データとを融合させて景観の可視性を予測するためのフレームワークとデータセットを提案する。 我々のレイトフュージョンアプローチは、画像由来のクラス確率と数値的な気象特徴を組み合わせることで、視界を5つのカテゴリに分類する。 データセットは現在、富士山周辺の40台以上のカメラから、同時かつ予測された気象条件と組み合わせて10万枚以上のウェブカメラ画像で構成されている。
  論文  参考訳（メタデータ） (2026-02-25T19:53:01Z)
• Observability of Acausal and Uncorrelated Optical-Quasar Pairs for Quantum-Mechanical Experiments [0.0]
  天上のほぼ対向方向の高赤方偏移源は、光の時間的議論によって、放出された光子間の因果関係を保証できる。 1つのユーティリティーは真のランダム数生成で、2つの独立した望遠鏡を通してそれらを検知し、それぞれが最新の色に基づいてスイッチを切り替える。 Gemini双対8m望遠鏡からの光度分析を、よく分離された明るい恒星のアーカイブデータを用いて行った。 ソフトウェアPDQは既知のクエーサーの膨大なカタログを検索し、明度と可視性のある人物を報告し、因果関係のない無相関光子を検証するのに適している。
  論文  参考訳（メタデータ） (2025-04-11T19:15:37Z)
• ORACLE: A Real-Time, Hierarchical, Deep-Learning Photometric Classifier for the LSST [0.3276793654637396]
  ORACLEは、時間的・変動的な天体物理学現象のリアルタイム・文脈的分類のための最初の階層的深層学習モデルである。 ORACLEは Gated Recurrent Units (GRU) を備えたリカレントニューラルネットワークである LSST Astronomical Time-Series Classification Challenge から$sim$0.5M のイベントをトレーニングし、1日の測光観測のみを用いて、最上位(過渡対可変)のマクロ平均精度 0.96 を達成した。
  論文  参考訳（メタデータ） (2025-01-02T19:00:05Z)
• Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
  我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。 次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。 気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
  論文  参考訳（メタデータ） (2024-08-08T06:47:21Z)
• Simulating Nighttime Visible Satellite Imagery of Tropical Cyclones Using Conditional Generative Adversarial Networks [10.76837828367292]
  可視光(VIS)画像は熱帯サイクロン(TC)の監視に重要であるが、夜間は利用できない。 本研究では,夜間のVIS画像を生成するために,CGAN(Conditional Generative Adversarial Networks)モデルを提案する。
  論文  参考訳（メタデータ） (2024-01-22T03:44:35Z)
• 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)
• LASER: A Neuro-Symbolic Framework for Learning Spatial-Temporal Scene Graphs with Weak Supervision [58.6039004982056]
  本稿では,ビデオキャプションのみを用いて,ジェネレータの訓練を可能にするニューロシンボリックフレームワークを提案する。 アライメントアルゴリズムは、微分可能なシンボリック推論を利用することにより、弱い監督の課題を克服する。 提案手法を,OpenPVSG,20BN,MUGENの3つのビデオデータセット上で評価した。
  論文  参考訳（メタデータ） (2023-04-15T22:24:05Z)
• Weather2K: A Multivariate Spatio-Temporal Benchmark Dataset for Meteorological Forecasting Based on Real-Time Observation Data from Ground Weather Stations [9.061222268562249]
  本稿では,新しいベンチマークデータセットであるWeather2Kを提案する。 リアルタイム、信頼性、多様性の観点から、既存の天気予報データセットの欠陥を補うことを目的としている。 データは、600万平方キロメートルの面積をカバーする2,130の地上気象観測所から収集された。
  論文  参考訳（メタデータ） (2023-02-21T07:46:08Z)
• Probabilistic two-stage detection [83.9604523643406]
  現状の1段階検出器から2段階の確率的検出器を構築する方法を示す。 その結果、検出器は1段と2段の両方の前駆体よりも高速で精度が高い。
  論文  参考訳（メタデータ） (2021-03-12T18:56:17Z)

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。