Embedding Ordinality to Binary Loss Function for Improving Solar Flare Forecasting

要約

この論文では、固有の順序フレア特性をバイナリ クロス エントロピー (BCE) 損失関数に埋め込むことにより、バイナリ フレア予測問題を最適化することを目的とした新しい損失関数を提案します。
この変更は、データの順序特性に基づいてモデルに優れたガイダンスを提供し、モデルの全体的なパフォーマンスを向上させることを目的としています。
私たちの実験では、転移学習を備えた ResNet34 ベースのモデルを採用し、$-$90$^{\circ にわたる活動領域 (AR) パッチのマグネトグラムの形状ベースの特徴を利用することで、$\geq$M クラスのフレアを予測します。
}$ から $+$90$^{\circ}$ の太陽経度を入力データとして使用します。
評価指標として複合スキル スコア (CSS) を使用します。これは、モデルのパフォーマンスをランク付けして比較するために、True Skill Score (TSS) と Heidke Skill Score (HSS) の幾何平均として計算されます。
この研究の主な貢献は次のとおりです: (i) 順序性をバイナリ損失関数にエンコードする新しいアプローチを導入し、太陽フレア予測への応用を示します。(ii) 各 AR のフレア予測を可能にすることで太陽フレア予測を強化します。
長手方向の制限なしに太陽円盤全体を観察し、性能を評価および比較します。
(iii) 提案された損失関数で最適化された候補モデルは、$\pm$30$^\circ$ 内の AR パッチに対して $\sim$7%、$\sim$4%、$\sim$3% の改善を示します。
標準紀元前と比較した場合の、CSS での太陽経度 $\pm$60$^\circ$ と $\pm$90$^\circ$ です。
さらに、CSS=0.34 (
TSS=0.50 および HSS=0.23)、太陽フレア予測のための AR ベースのモデルの範囲を拡大します。
これにより、太陽フレア予測の信頼性が向上し、より効果的な予測機能が実現します。

要約(オリジナル)

In this paper, we propose a novel loss function aimed at optimizing the binary flare prediction problem by embedding the intrinsic ordinal flare characteristics into the binary cross-entropy (BCE) loss function. This modification is intended to provide the model with better guidance based on the ordinal characteristics of the data and improve the overall performance of the models. For our experiments, we employ a ResNet34-based model with transfer learning to predict $\geq$M-class flares by utilizing the shape-based features of magnetograms of active region (AR) patches spanning from $-$90$^{\circ}$ to $+$90$^{\circ}$ of solar longitude as our input data. We use a composite skill score (CSS) as our evaluation metric, which is calculated as the geometric mean of the True Skill Score (TSS) and the Heidke Skill Score (HSS) to rank and compare our models’ performance. The primary contributions of this work are as follows: (i) We introduce a novel approach to encode ordinality into a binary loss function showing an application to solar flare prediction, (ii) We enhance solar flare forecasting by enabling flare predictions for each AR across the entire solar disk, without any longitudinal restrictions, and evaluate and compare performance. (iii) Our candidate model, optimized with the proposed loss function, shows an improvement of $\sim$7%, $\sim$4%, and $\sim$3% for AR patches within $\pm$30$^\circ$, $\pm$60$^\circ$, and $\pm$90$^\circ$ of solar longitude, respectively in terms of CSS, when compared with standard BCE. Additionally, we demonstrate the ability to issue flare forecasts for ARs in near-limb regions (regions between $\pm$60$^{\circ}$ to $\pm$90$^{\circ}$) with a CSS=0.34 (TSS=0.50 and HSS=0.23), expanding the scope of AR-based models for solar flare prediction. This advances the reliability of solar flare forecasts, leading to more effective prediction capabilities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google