Bayesian推断和全局敏感性分析用于环境太阳风预测。
摘要：环境太阳风在传播行星际日冕物质抛射和驱动太空天气地磁暴方面起着重要作用。一种计算效率高且被广泛使用的方法用于预测地球附近环境太阳风径向速度，涉及三个模型的耦合：势场源表面模型、Wang-Sheeley-Arge (WSA)模型和日球层上风外推模型。然而，该模型链具有11个不确定参数，这些参数主要是由于经验关系和简化物理假设而导致的非物理参数。因此，我们提出了一个全面的不确定性量化(UQ)框架，能够成功地量化和减少模型链中的参数不确定性。该UQ框架利用基于方差的全局敏感性分析，然后通过马尔可夫链蒙特卡罗贝叶斯推断来学习最有影响力的参数的后验密度。敏感性分析结果表明，五个最有影响力的参数都是WSA参数。另外，我们还展示了这些有影响力参数的后验密度在不同的卡林顿旋转期之间变化很大。这些有影响力的参数试图对模型链中缺失的物理进行过度补偿，凸显了增强模型链对WSA参数选择的稳健性的必要性。从学习到的后验密度生成的集合预测显著减少了地球附近太阳风速度预测的不确定性。
作者：Opal Issan, Pete Riley, Enrico Camporeale, Boris Kramer
论文ID：2305.08009
分类：Space Physics
分类简称：physics.space-ph
提交时间：2023-05-16