Solar Coronal Hole Analysis and Prediction using Computer Vision and LSTM Neural Network

要約

人類が宇宙を探索し始めるにつれて、宇宙天気の重要性が明らかになってきました。
宇宙気象現象の一種であるコロナホールが航空機や人工衛星の運航に影響を与える可能性があることがわかっています。
コロナホールは、開いた磁力線と比較的低い温度を特徴とする太陽の領域であり、その結果、平均よりも高い速度で太陽風の放出がもたらされます。
この研究では、地球へのコロナホールの影響に備えるため、コンピュータービジョンを使用してコロナホール領域を検出し、太陽力学観測所 (SDO) からの画像に基づいてそのサイズを計算します。
太陽の各領域のコロナホールを比較し、相関関係を分析します。
次に、深層学習技術、特に長期短期記憶 (LSTM) メソッドを実装して、コロナホール領域データの傾向を分析し、7 日間にわたるさまざまな太陽領域のサイズを予測します。
この研究は、コロナホール領域の時系列データを分析することで、コロナホールの挙動のパターンと傾向を特定し、それらが宇宙気象現象にどのような影響を与えるかを理解することを目的としています。
この研究は、地球や技術システムに影響を与える可能性のある宇宙気象現象を予測し、それに備える能力を向上させるための重要な一歩を表しています。

要約(オリジナル)

As humanity has begun to explore space, the significance of space weather has become apparent. It has been established that coronal holes, a type of space weather phenomenon, can impact the operation of aircraft and satellites. The coronal hole is an area on the sun characterized by open magnetic field lines and relatively low temperatures, which result in the emission of the solar wind at higher than average rates. In this study, To prepare for the impact of coronal holes on the Earth, we use computer vision to detect the coronal hole region and calculate its size based on images from the Solar Dynamics Observatory (SDO). We compare the coronal holes for each region of the Sun and analyze the correlation. We then implement deep learning techniques, specifically the Long Short-Term Memory (LSTM) method, to analyze trends in the coronal hole area data and predict its size for different sun regions over 7 days. By analyzing time series data on the coronal hole area, this study aims to identify patterns and trends in coronal hole behavior and understand how they may impact space weather events. This research represents an important step towards improving our ability to predict and prepare for space weather events that can affect Earth and technological systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google