基于一种新型神经网络（潜在学习）的地磁活动与太阳风参数关系的调查
摘要：基于现场太阳风观测预测地磁条件可以避免源自太阳的大型电磁干扰引发的灾害，以保护生命和经济活动。本研究旨在使用一种可解释的神经网络方法（称为潜在学习）研究全球磁层活动水平代表的Kp指数与太阳风条件之间的关系。基于神经网络的数据分析很难解释，但潜在学习通过专注于“输入神经元的潜力”来学习，并可以确定网络所使用的哪些输入是显著的。利用潜在学习的全部优势，我们提取了在向南行星磁场条件下扰动磁层的影响性太阳风参数。潜在学习的输入参数是来自OMNI太阳风数据库的1998年至2019年之间的地心太阳黄道(GSE)坐标系中的磁场三个分量(Bx, By, -Bz(Bs))、太阳风流速(Vx)和质子数密度(Np)。此外，我们将这些输入参数根据Kp水平分为两组（目标）：Kp = 6-9（正目标）和Kp = 0-1+（负目标）。为了确保正负目标的数量相等，随机选择了负目标样本。潜在学习的结果显示，太阳风流速是在向南行星磁场条件下增加Kp的一个影响参数，这与之前关于Kp指数与太阳风速度的统计关系以及基于磁场和太阳风等离子参数的Kp公式的研究结果相一致。基于这种新的神经网络，我们的目标是构建一个更加准确和参数依赖的空间天气预报模型。
作者：Ryozo Kitajima, Motoharu Nowada, and Ryotaro Kamimura
论文ID：2203.04546
分类：Space Physics
分类简称：physics.space-ph
提交时间：2022-10-12