[論文レビュー] Short-term forecast of the total and spectral solar irradiance

L. E. A. Vieira, Thierry Dudok de Wit+1 more|arXiv (Cornell University)|Nov 21, 2011

Solar and Space Plasma Dynamics参考文献 20被引用数 3

ひとこと要約

本論文では、近接リアルタイムの太陽磁気計画図および強度画像を用いて、3日先までの全波長およびスペクトル太陽放射照度を予測するレイヤー再帰型ニューラルネットワーク（LRN）モデルを提示する。115–180 nm帯では24時間予測で5%未満の誤差を達成するが、180–310 nm帯では機器の劣化に起因する誤差が約20%に増加する。

ABSTRACT

Among several heliophysical and geophysical quantities, the accurate evolution of the solar irradiance is fundamental to forecast the evolution of the neutral and ionized components of the Earth's atmosphere.We developed an artificial neural network model to compute the evolution of the solar irradiance in near-real time. The model is based on the assumption that that great part of the solar irradiance variability is due to the evolution of the structure of the solar magnetic field. We employ a Layer-Recurrent Network (LRN) to model the complex relationships between the evolution of the bipolar magnetic structures (input) and the solar irradiance (output). The evolution of the bipolar magnetic structures is obtained from near-real time solar disk magnetograms and intensity images. The magnetic structures are identify and classified according to the area of the solar disk covered. We constrained the model by comparing the output of the model and observations of the solar irradiance made by instruments onboard of SORCE spacecraft. Here we focus on two regions of the spectra that are covered by SORCE instruments. The generalization of the network is tested by dividing the data sets on two groups: the training set; and, the validation set. We have found that the model error is wavelength dependent. While the model error for 24-hour forecast in the band from 115 to 180 nm is lower than 5%, the model error can reach 20% in the band from 180 to 310 nm. The performance of the network reduces progressively with the increase of the forecast period, which limits significantly the maximum forecast period that we can achieve with the discussed architecture. The model proposed allows us to predict the total and spectral solar irradiance up to three days in advance.

研究の動機と目的

• 太陽表面の磁気活動に基づいて、全波長およびスペクトル太陽放射照度を近接リアルタイムで予測するモデルの開発。
• 特にSORCEミッションの終焉に伴い、太陽スペクトル放射照度の継続的モニタリングが制限されている問題に対処する。
• 太陽放射照度変動の正確でタイムリーな予測を提供することで、宇宙天気および大気モデルの改善を図る。
• 磁気構造の円盤上被覆率による分類と、その時間的変化のモデル化により、予測誤差を低減する。
• 既存の経験的モデルの制限を克服し、低遅延かつ継続的な運用予測を可能にする。

提案手法

• 進化する双極磁気構造と太陽放射照度出力の非線形関係をモデル化するため、レイヤー再帰型ネットワーク（LRN）を採用する。
• 太陽円盤の磁気計画図および強度画像を用いて、磁気構造の円盤上被覆率に基づき抽出・分類する。
• 構造を4つのカテゴリに分類：小規模の一時的領域（被覆率 <16.7 ppm）、中程度（16.7–24.8 ppm）、大規模な活動区域、 sunspots（ umbrae および penumbrae ）。
• SORCEのSOLSTICEおよびXPS機器による観測データを用いて、115–310 nmおよび0.1–34 nm波長範囲のスペクトル放射照度の係数を制約する。
• 一般化性能のテストおよび異なる時間予測範囲における予測精度の評価のため、データを訓練集合と検証集合に分割する。
• 磁気構造の時間的変化を捉えるために、LRNアーキテクチャにフィードバック機構を適用する。

実験結果

リサーチクエスチョン

• RQ1 近接リアルタイムの太陽表面磁場観測のみを用いて、ニューラルネットワークモデルが全波長およびスペクトル太陽放射照度を正確に予測できるか？
• RQ2 特にUV（115–310 nm）および極端紫外（0.1–34 nm）帯において、予測精度はどのように異なるか？
• RQ3 機器の劣化が、特に180–310 nm帯で予測性能に与える影響は何か？
• RQ4 予測時間窓の延長（例：12時間、24時間、48時間、72時間）に伴い、予測誤差はどのように変化するか？
• RQ5 太陽表面磁気フラックス輸送モデルを統合することで、モデルの性能を向上させられるか？

主な発見

• 本モデルは、リアルタイムの太陽磁気データを用いて、全波長およびスペクトル太陽放射照度を最大3日先まで正確に予測可能である。
• 115–180 nm帯の24時間予測では、誤差が5%未満にとどまり、中程度UV帯域での高い精度を示している。
• 180–310 nm帯では、予測誤差が約20%に上昇しており、これはMUV測定の劣化と精度低下に起因すると考えられる。
• 予測時間窓が延長するにつれて予測精度が段階的に低下し、現在のアーキテクチャでは実用的な予測期間は約3日程度に制限される。
• 磁気構造の円盤上被覆率による分類により、モデルの性能が顕著に向上し、太陽放射照度変動のより良い表現が可能になった。
• リアルタイム予測サービスは http://www.lpc2e.cnrs-orleans.fr/~soteria で公開されており、運用上の宇宙天気応用を支援している。