Extreme Solar Flare Prediction Using Residual Networks with HMI Magnetograms and Intensitygrams

要約

太陽フレア、特に C、M、X クラスの太陽フレアは、衛星の運用、通信システム、電力網に重大なリスクをもたらします。
我々は、HMI 強度グラムと磁力図を使用して極端な太陽フレアを予測するための新しいアプローチを紹介します。
強度グラムから黒点を検出し、マグネトグラムから磁場パッチを抽出することにより、極端なクラスのフレアを分類するために残差ネットワーク (ResNet) をトレーニングします。
私たちのモデルは高い精度を実証し、極端な太陽フレアを予測し、宇宙天気予報を改善するための堅牢なツールを提供します。
さらに、HMI マグネトグラムは、フレアの大きさを予測するために重要な特徴をより適切に捕捉することにより、他の SDO AIA 画像と比較してディープラーニングに役立つデータを提供することを示します。
この研究は、太陽フレア予測における磁場を特定することの重要性を強調し、宇宙天気の影響を軽減するための実用的な意味を持つ太陽活動予測の大幅な進歩を示しています。

要約(オリジナル)

Solar flares, especially C, M, and X class, pose significant risks to satellite operations, communication systems, and power grids. We present a novel approach for predicting extreme solar flares using HMI intensitygrams and magnetograms. By detecting sunspots from intensitygrams and extracting magnetic field patches from magnetograms, we train a Residual Network (ResNet) to classify extreme class flares. Our model demonstrates high accuracy, offering a robust tool for predicting extreme solar flares and improving space weather forecasting. Additionally, we show that HMI magnetograms provide more useful data for deep learning compared to other SDO AIA images by better capturing features critical for predicting flare magnitudes. This study underscores the importance of identifying magnetic fields in solar flare prediction, marking a significant advancement in solar activity prediction with practical implications for mitigating space weather impacts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google