When Astronomy Meets AI: Manazel For Crescent Visibility Prediction in Morocco

要約

各ヒジュリ月の初めの正確な決定は、宗教的、文化的、および行政目的に不可欠です。
Manazel（コードとデータセットはhttps://github.com/lairgiyassir/manazelで入手できます）は、13年間の三日月形の可視性データを活用して、月輪の視認性予測に広く使用されている標準であるOdeh Criterionを改善することにより、モロッコでこの課題に対処します。
この研究では、2つの重要な特徴、視力弧（ARCV）と三日月の総幅（W）を統合して、月の視認性評価の精度を高めます。
ロジスティック回帰アルゴリズムを利用する機械学習アプローチが採用され、三日月の可視性条件を分類し、98.83％の予測精度を達成します。
このデータ駆動型の方法論は、Hijri月の開始を決定し、さまざまなデータ分類ツールを比較し、モロッコでの月カレンダー計算の一貫性を改善するための堅牢で信頼できるフレームワークを提供します。
調査結果は、天文学的な用途における機械学習の有効性を示し、三日月の視界のモデリングのさらなる強化の可能性を強調しています。

要約(オリジナル)

The accurate determination of the beginning of each Hijri month is essential for religious, cultural, and administrative purposes. Manazel (The code and datasets are available at https://github.com/lairgiyassir/manazel) addresses this challenge in Morocco by leveraging 13 years of crescent visibility data to refine the ODEH criterion, a widely used standard for lunar crescent visibility prediction. The study integrates two key features, the Arc of Vision (ARCV) and the total width of the crescent (W), to enhance the accuracy of lunar visibility assessments. A machine learning approach utilizing the Logistic Regression algorithm is employed to classify crescent visibility conditions, achieving a predictive accuracy of 98.83%. This data-driven methodology offers a robust and reliable framework for determining the start of the Hijri month, comparing different data classification tools, and improving the consistency of lunar calendar calculations in Morocco. The findings demonstrate the effectiveness of machine learning in astronomical applications and highlight the potential for further enhancements in the modeling of crescent visibility.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google