論文の概要: Solarsystem: A Validated Lightweight Python Package for Planetary Positions and Solar-Lunar Event Calculations
- arxiv url: http://arxiv.org/abs/2606.27055v1
- Date: Thu, 25 Jun 2026 13:59:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.311753
- Title: Solarsystem: A Validated Lightweight Python Package for Planetary Positions and Solar-Lunar Event Calculations
- Title（参考訳）: 太陽系:惑星の位置と太陽-月イベント計算のための検証された軽量Pythonパッケージ
- Abstract要約: 太陽系は惑星の位置と太陽月イベント計算のための検証済みのPythonパッケージである。
このパッケージは、主要な惑星、選択された準惑星、センター・チロン、月に対して、ヘリオセントリックで地球中心的な位置を提供する。
追加機能には、一般的に使用される天文学参照システム間の座標変換が含まれる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This paper presents solarsystem, a validated lightweight and dependency-free Python package for planetary positions and solar-lunar event calculations. The package provides heliocentric and geocentric positions for the major planets, selected dwarf planets, the Centaur Chiron, and the Moon, together with sunrise, sunset, moonrise, moonset, and lunar illumination calculations. Additional functionality includes coordinate transformations between commonly used astronomical reference systems. The implemented algorithms employ analytical models that avoid reliance on external ephemeris datasets, resulting in a portable and computationally efficient solution suitable for a broad range of astronomical applications. An optional precession correction model is included, enabling calculations either in a precession-corrected reference frame or in a fixed epoch framework, depending on user requirements. The numerical performance of solarsystem was evaluated against the JPL DE440 planetary ephemerides using the Skyfield framework as a reference. Validation experiments spanning multiple bodies and extended temporal intervals demonstrate good agreement with the reference ephemerides, with mean planetary longitude and latitude deviations of approximately 0.44 and 0.16 arcminutes, respectively. Additional validation of solar and lunar event calculations yielded timing differences of only a few minutes relative to the reference solutions, while lunar illumination estimates differed by approximately 0.2%. The package can be installed directly through PyPI while the source code, documentation, validation notebooks and example workflows are publicly available through the project repository in https://github.com/IoannisNasios/solarsystem.
- Abstract（参考訳）: 本稿では,惑星の位置と太陽月イベント計算のための軽量で依存性のないPythonパッケージである太陽系について述べる。
このパッケージは、主惑星、選択された準惑星、ケンタウル・チロン、月、日の出、日の出、月の出、月の出、月の光の計算など、ヘリオセントリックで地球中心的な位置を提供する。
追加機能には、一般的に使用される天文学参照システム間の座標変換が含まれる。
実装されたアルゴリズムは、外部のエフェメリスデータセットへの依存を避ける分析モデルを用いており、その結果、幅広い天文学的応用に適したポータブルで計算的に効率的な解が得られる。
ユーザ要求に応じて、プリセッション補正参照フレームか固定エポックフレームワークのいずれかで計算を可能にするオプションのプリセッション補正モデルを含む。
太陽系の数値的な性能は、スカイフィールドの枠組みを基準として、JPL DE440惑星エフェメリドに対して評価された。
複数の天体にまたがる検証実験と時間間隔の延長は、それぞれ約0.44 と 0.16 の緯度偏差を持つ基準エフェメリドとよく一致している。
太陽と月のイベント計算のさらなる検証では、基準解に対してわずか数分の時間差しか得られず、月の照明推定はおよそ0.2%の時間差があった。
パッケージはPyPI経由で直接インストールでき、ソースコード、ドキュメント、検証ノートブック、サンプルワークフローはhttps://github.com/IoannisNasios/solarsystem.comのプロジェクトリポジトリから公開されている。
関連論文リスト
- SolarWM: Open Data and Scalable Training for Long-Horizon Video World Models [88.64689505355055]
我々は、データ準備から長距離推論まで、インタラクティブなビデオワールドモデルを構築するための完全にオープンな基盤であるSolarWMを紹介した。
SolarWMは、再構成可能なマルチソースデータエンジンとバックボーンネイティブ適応フレームワークとの結合に対処する。
Wan2.2、LTX-2.5、MiniMax-H3に基づく4つの5B-33Bモデルを、ネイティブ表現と目的を保存しながらインスタンス化する。
結果として生じる因果モデルにより、わずか5秒のシーケンスでトレーニングされた数分から数時間のロールアウトをリアルタイムに対話することができる。
論文 参考訳（メタデータ） (2026-09-02T17:59:41Z) - AI and Open-data Driven Scalable Solar Power Profiling [48.72868465736126]
本稿では、オープンデータからソーラーパネルを検出し、都市レベルのソーラーパワープロファイルを生成するための、オープンでスケーラブルなフレームワークを提案する。
ファンデーションビジョンAIモデルを利用して、オープンソースの衛星画像からソーラーパネルを検出する。
このフレームワークは、プロプライエタリなイメージ、手動ラベリング、クローズドソースモデルへの依存を減らし、ソーラープランニングと分析のための透明でスケーラブルなアプローチを提供する。
論文 参考訳（メタデータ） (2026-05-04T15:37:52Z) - EOS-Bench: A Comprehensive Benchmark for Earth Observation Satellite Scheduling [59.18180569653578]
本稿では,スケジューリング手法の体系的および再現性評価のための総合的なフレームワークであるEOS-Benchを紹介する。
高忠実度軌道力学とプラットフォーム制約を統合することで、EOS-Benchは1,390のシナリオと13,900のベンチマークインスタンスを生成する。
その結果,EOS-Benchはスケールと条件をまたいだ解法性能を効果的に区別できることがわかった。
論文 参考訳（メタデータ） (2026-04-28T15:49:46Z) - SolarCrossFormer: Improving day-ahead Solar Irradiance Forecasting by Integrating Satellite Imagery and Ground Sensors [0.8808021343665318]
SolarCrossFormerは、日頭照射予測のための新しいディープラーニングモデルである。
地上の気象観測所のネットワークから衛星画像と時系列を合成する。
スイスのあらゆる場所で、最大24時間前の地平線を15分間の解像度で予測する。
論文 参考訳（メタデータ） (2025-09-19T09:57:40Z) - Enhancing Solar Driver Forecasting with Multivariate Transformers [0.7652747219811166]
我々は、時系列変換器(PatchTST)を用いたF10.7、S10.7、M10.7、Y10.7ソーラードライバ予測のためのフレームワークを開発する。
太陽活動の高レベルと低レベルを均等に表現するために、太陽運転者の歴史的分布とトレーニングセットの間の距離に基づいて、試料を重み付けするためのカスタム損失関数を構築した。
論文 参考訳（メタデータ） (2024-06-22T13:26:14Z) - Self-Localized Collaborative Perception [49.86110931859302]
我々は,新しい自己局在型協調認識システムであるMathttCoBEVGlue$を提案する。
$mathttCoBEVGlue$は、エージェント間の相対的なポーズを提供する新しい空間アライメントモジュールである。
$mathttCoBEVGlue$は任意のローカライゼーションノイズとアタックの下で最先端の検出性能を達成する。
論文 参考訳（メタデータ） (2024-06-18T15:26:54Z) - 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) - An Image Processing approach to identify solar plages observed at 393.37
nm by the Kodaikanal Solar Observatory [0.0]
本研究では,高台カナル太陽観測所から得られたCa K波長太陽データ中の太陽プラッジを自動同定するアルゴリズムを提案する。
このアルゴリズムは、画像中のすべての視覚的識別可能なプラージュにアノテートし、対応する計算されたプラージュ指数を出力する。
提案アルゴリズムは太陽プラッジの同定に有効で信頼性の高い手法であり,太陽活動の研究に役立てることができる。
論文 参考訳（メタデータ） (2022-09-21T19:55:10Z) - Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。
本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
論文 参考訳（メタデータ） (2022-04-24T15:23:25Z) - Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge
TPU [58.720142291102135]
本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。
我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
論文 参考訳（メタデータ） (2022-04-07T08:53:18Z) - A Machine-Learning-Ready Dataset Prepared from the Solar and
Heliospheric Observatory Mission [0.0]
太陽画像から標準データセットを生成するためのPythonツールを提案する。
我々のツールは、SoHO(Solar and Heliospheric Observatory)とSolar Dynamics Observatory(Solar Dynamics Observatory)の両方のミッションから得られるすべての画像製品で動作する。
論文 参考訳（メタデータ） (2021-08-04T21:23:29Z) - Exoplanet Validation with Machine Learning: 50 new validated Kepler
planets [13.986963122264633]
現在知られている4000個の太陽系外惑星のうち30%以上が「検証」によって発見されている。
本稿では,事前確率を考慮した確率論的惑星検証を行うための機械学習アルゴリズムを実証する。
論文 参考訳（メタデータ） (2020-08-24T15:35:21Z)
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。