Deep Flare Net (NICT)

◆ サンプル画像

画像01

画像02

画像03

◆ 予測モデルの説明

・深層学習を用いた太陽フレア予測モデルDeep Flare Net (DeFN)は、リアルタイムで
太陽衛星観測データを取得し、今後24時間に発生する太陽フレアの予測を行います。

・フレアの規模は大きい方からX,M,Cクラスと呼び、DeFNではXクラス、Mクラス以上、
Cクラス以上のフレアが発生するかどうかを決定論的予測(○×予測)します。

・学習データには、NASAのSDO衛星HMI光球視線方向磁場, ベクトル磁場画像、AIA
紫外線画像(131Å, 1600Å), NOAAの気象衛星GOES X線データを用いています。

・フレアの発生する領域は活動領域と呼ばれ、黒点など磁場が強い特徴があります。
予測では太陽画像から磁場強度の強い領域(40ガウス以上)を自動検出しています。

・磁場の弱い領域でも稀にフレアは発生しますが予測していません。また周縁部で
起こるフレアも予測できません。SDOベクトル磁場データの欠損時も予測しません。

・活動領域には予報毎に番号がつきます。領域No.と右側グラフのNo.が対応します。
Xクラス、Mクラス以上、Cクラス以上と3つの異なるモデルで予測を行っています。

・棒グラフで50％を超えた時、フレアが起こると予測します。50％はフレア発生頻度
分布の中央値に相当し、フレアの見逃しが少ないのがDeFNの特長です。

・Mクラス以上の太陽全面での発生確率Pを右上に表示します。各領域での発生確率を
p₁,p₂,p₃...とする時、P=1-(1-p₁)(1-p₂)(1-p₃)...で計算します。

・モデルの予測性能の詳細は、下記論文の分割表をご確認下さい。
- Nishizuka et al. 2021, Earth, Planets and Space, 73, 64
- Nishizuka et al. 2018, The Astrophysical J., 858, 113
- Nishizuka et al. 2017, The Astrophysical J., 835, 156

・DeFNの学習データベース、深層学習予測モデルも無償公開しています。
- データベース公開 (WDC@NICT)
- 予測コードの公開 (GitHub)

◆謝辞
・本研究は一部、科研費JP18H04451の補助を受けて実施しました。

現在の太陽活動

宇宙天気予報 (NICT公式)