Predicting the energetic proton flux with a machine learning regression algorithm

要約

宇宙天気による危険をリアルタイムで監視および警報するシステムの必要性は、過去 20 年間で大幅に増加しました。
宇宙ミッションの運用と計画における最も重要な課題の 1 つは、太陽陽子現象 (SPE) の予測です。
これに関連して、人工知能と機械学習技術が新たなフロンティアを切り開き、統計的予測アルゴリズムに新たなパラダイムを提供しました。
これらのモデルの大部分は、SPE の発生を予測することを目的としています。つまり、分類アプローチに基づいています。
この研究では、電子束のみから得られる特徴を利用して、エネルギー陽子束を最大 1 時間先まで予測できる、シンプルで効率的な機械学習回帰アルゴリズムを紹介します。
このアプローチは、深宇宙環境と地球近傍環境の両方における放射線リスクの監視システムを改善するのに役立つ可能性があります。
このモデルは、特に火星から離れた場所など、フレアの特性と発生源の位置がリアルタイムで利用できない場合に、ミッションの運用と計画に非常に関連します。

要約(オリジナル)

The need of real-time of monitoring and alerting systems for Space Weather hazards has grown significantly in the last two decades. One of the most important challenge for space mission operations and planning is the prediction of solar proton events (SPEs). In this context, artificial intelligence and machine learning techniques have opened a new frontier, providing a new paradigm for statistical forecasting algorithms. The great majority of these models aim to predict the occurrence of a SPE, i.e., they are based on the classification approach. In this work we present a simple and efficient machine learning regression algorithm which is able to forecast the energetic proton flux up to 1 hour ahead by exploiting features derived from the electron flux only. This approach could be helpful to improve monitoring systems of the radiation risk in both deep space and near-Earth environments. The model is very relevant for mission operations and planning, especially when flare characteristics and source location are not available in real time, as at Mars distance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google