机器学习解释外辐射带增强和消减事件
摘要：外辐射带电子通量对不同太阳风和地磁指数的响应进行了研究，使用了一种可解释的机器学习方法。我们重建了19个增强事件和7个减少事件期间的电子通量变化，并首次对叠加时刻结果进行了特征归因分析。我们发现，初始衰减后的次暴风序列的强度和持续时间决定了电子通量的整体增强或减少，而太阳风压力驱动了两种类型事件中的初始衰减。来自71个事件的进一步统计结果确认了这一点，并显示出由结果通量水平和平均AL指数之间的显着相关性，表明观测到的“减少”事件更准确地描述为“非增强”事件。我们的新颖的SHESEA（SHAP增强叠加时刻分析）方法可以用作各种物理系统中的洞察发现工具。
作者：Donglai Ma, Jacob Bortnik, Qianli Ma, Man Hua, Xiangning Chu
论文ID：2307.09192
分类：Space Physics
分类简称：physics.space-ph
提交时间：2023-07-19