[논문 리뷰] Forecast of Daily Major Flare Probability Using Relationships between Vector Magnetic Properties and Flaring Rates

Daye Lim, Yong‐Jae Moon외 5명|arXiv (Cornell University)|2019. 07. 26.

Solar and Space Plasma Dynamics참고 문헌 30인용 수 11

한 줄 요약

이 연구는 SDO/HMI의 벡터 자기장 파am터와 관측된 플레어 빈도 간의 힘의 법칙 관계를 사용하여 매일의 주요 태양 플레어(M- 및 X-클래스)에 대한 확률 예측 모델을 개발한다. 2010–2018년 동안 15,764개의 HARPs를 분석하여 총 무부호 자기장 파am터—특히 $H_{C\text{,total}}$, $ ho_{\text{tot}}$, 및 $J_{z\text{,total}}$—가 가장 높은 예측 성능을 보이며, 최적화된 진짜 기술 통계(TSS)와 헤이드케 기술 점수(HSS)를 제공함을 보여준다.

ABSTRACT

We develop forecast models of daily probability of major flares (M- and X-class) based on empirical relationships between photospheric magnetic parameters and daily flaring rates from May 2010 to April 2018. In this study, we consider ten magnetic parameters characterizing size, distribution, and non-potentiality of vector magnetic fields from Solar Dynamics Observatory (SDO)/Helioseismic and Magnetic Imager (HMI) and Geostationary Operational Environmental Satellites (GOES) X-ray flare data. The magnetic parameters are classified into three types: the total unsigned parameters, the total signed parameters, and the mean parameters. We divide the data into two sets chronologically: 70% for training and 30% for testing. The empirical relationships between the parameters and flaring rates are used to predict flare occurrence probabilities for a given magnetic parameter value. Major results of this study are as follows. First, major flare occurrence rates are well correlated with ten parameters having correlation coefficients above 0.85. Second, logarithmic values of flaring rates are well approximated by linear equations. Third, the total unsigned and signed parameters achieved better performance for predicting flares than the mean parameters in terms of verification measures of probabilistic and converted binary forecasts. We conclude that the total quantity of non-potentiality of magnetic fields is crucial for flare forecasting among the magnetic parameters considered in this study. When this model is applied for operational use, this model can be used using the data of 21:00 TAI with a slight underestimation of 2 - 6.3%.

연구 동기 및 목표

• 벡터 자기장 특성들을 사용하여 매일의 주요 태양 플레어(M- 및 X-클래스)에 대한 확률 예측 모델을 개발하기 위해.
• 주요 플레어 발생 빈도와 가장 잘 상관관계가 있는 SHARP 자기장 파am터를 특정하기 위해.
• TSS, HSS, FAR와 같은 검증 지표를 사용하여 예측 성능을 평가하기 위해.
• 운영적 사용을 위해 탐지율과 임의 경고율을 균형 잡는 데 최적의 확률 임계값을 결정하기 위해.

제안 방법

• 연구는 2010년 5월부터 2018년 4월까지 수집된 SDO/HMI 데이터에서 유래한 15,764개의 HMI 활성역패치(HARPs)를 사용하며, 시간 순서에 따라 훈련 세트(11,040개)와 테스트 세트(4,724개)로 분할한다.
• 플레어 발생 빈도는 각 HARPs당 M- 및 X-클래스 플레어 수를 일수로 나누어 계산되며, 자기장 파am터 값에 따라 50개의 하위군으로 그룹화된다.
• 각 10개의 SHARP 자기장 파am터와 로그 플레어 발생 빈도 간의 힘의 법칙 관계를 적합하여 플레어 발생 확률을 모델링한다.
• 적합된 힘의 법칙 식을 사용하여 예측 확률을 유도하고, 진짜 기술 통계(TSS), 헤이드케 기술 점수(HSS), 임의 경고율(FAR)과 같은 검증 점수를 사용하여 성능을 평가한다.
• 총 무부호, 총 부호, 평균 값의 세 가지 파am터 유형 간 성능을 비교하며, TSS와 HSS를 최대화하기 위해 확률 임계값을 최적화한다.
• 기계학습 기반 파am터 순위 매기기(예: Bobra & Couvidat, 2015의 F-스코어)를 사용하여 경험적 결과를 검증한다.

실험 결과

연구 질문

• RQ1 어느 SHARP 자기장 파am터가 매일의 주요 플레어 발생 빈도와 가장 강한 경험적 상관관계를 보이는가?
• RQ2 자기장 파am터와 플레어 빈도 간의 힘의 법칙 관계가 매일의 주요 플레어 발생 확률을 얼마나 잘 예측할 수 있는가?
• RQ3 검증 지표 측면에서 총 무부호 파am터가 총 부호 파am터나 평균 파am터보다 우수한가?
• RQ4 예측 기술을 극대화하면서 임의 경고율을 최소화하는 데 최적의 확률 임계값은 무엇인가?
• RQ5 기존의 비잠재적 자기장 지표(예: 전류 헬리시티 및 자유 에너지)에 대한 이전 연구 결과와 비교해 볼 때 결과는 어떻게 다른가?

주요 결과

• 10개의 SHARP 자기장 파am터가 주요 플레어 발생 빈도와 강한 상관관계(CC ≥ 0.86)를 보이며, 강력한 경험적 관계를 나타낸다.
• 로그 플레어 빈도는 자기장 파am터의 선형 함수로 잘 근사되며, 이는 힘의 법칙 모델링의 타당성을 뒷받침한다.
• 총 무부호 파am터($H_{C\text{,total}}$, $ ho_{\text{tot}}$, $J_{z\text{,total}}$)가 총 부호 및 평균 파am터보다 가장 높은 최적화된 TSS와 HSS를 달성하며, 성능이 뛰어나다.
• 상위 성능 파am터 중에서 $H_{C\text{,total}}$, $ ho_{\text{tot}}$, $J_{z\text{,total}}$는 Bobra & Couvidat (2015)의 단변량 F-스코어에서도 상위 순위를 차지하여 그 예측적 중요성이 확인된다.
• 실제 예측에서 총 부호 파am터는 무부호 파am터보다 더 높은 예측 확률을 제공하며, 운영적 사용에서의 상충 관계를 시사한다.
• 최적화된 HSS 임계값은 모든 검증 지표에서 중간 수준의 값을 보이며, 탐지율과 임의 경고율 사이의 균형 잡힌 상황을 나타낸다.