◆ サンプル画像
画像01 画像02 画像03 画像04 画像05 画像06 画像07

◆ 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。

Deep Flare Net-Quadro (DeFN-Q)はオリジナル予測モデルDeFNから4クラス決定論
 的予報用に拡張し、よりフレア規模の予測精度を向上したモデルです。

・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。

・フレアの規模は大きい方からX,M,Cクラスと呼び、DeFN-QではXクラス、Mクラス、
 Cクラス、Cクラス未満のどの規模のフレアが発生するかを決定論的予測します。

円グラフで一番大きな確率のフレア規模のフレアが起こると予測します。DeFNと同様、
 フレアの見逃しが少ないのがDeFN-Qの特長です。


・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。

・活動領域には予報毎に番号がつきます。領域No.と円グラフのNo.が対応します。
 Xクラス、Mクラス、Cクラス、フレアなしを1つのモデルで予測できます。

・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。

・Mクラス以上の太陽全面での発生確率Pを上部に表示します。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. submitted

・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。
 また本予報Web siteは一部、電波利用料の補助を受けて作成しました。


現在の太陽活動
現在の太陽活動

宇宙天気予報 (NICT公式)
宇宙天気予報ページ(NICT) Deep Flare Net banner WASAVIES banner WDC/NICT NICT宇宙環境研究室