[논문 리뷰] Short-term forecast of the total and spectral solar irradiance

L. E. A. Vieira, Thierry Dudok de Wit외 1명|arXiv (Cornell University)|2011. 11. 21.

Solar and Space Plasma Dynamics참고 문헌 20인용 수 3

한 줄 요약

이 논문은 근접 실시간 태양 자기장도 및 강도 영상을 사용하여 최대 3일 전까지 총 일광 및 스펙트럼 일광 조도를 예측하는 계층 순환 신경망(LRN) 모델을 제시한다. 115–180 nm 범위에서 24시간 예측의 오차가 5% 미만으로 나타나고, 기기 열화 영향으로 인해 180–310 nm 대역에서는 오차가 약 20%로 증가한다.

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.

연구 동기 및 목표

• 태양 표면 자기장 활동을 기반으로 근접 실시간으로 총 일광 및 스펙트럼 일광 조도를 예측하는 모델을 개발하기 위해.
• 특히 SORCE 임무의 수명 종료가 다가옴에 따라 지속적인 태양 스펙트럼 조도 모니터링의 한계를 해결하기 위해.
• 정확하고 시의적절한 일광 조도 변동성 예측을 제공하여 우주 날씨 및 대기 모델링을 향상시키기 위해.
• 자기 구조의 디스크 커버리지 분류 및 시간에 따른 진화 모델링을 통해 예측 오차를 감소시키기 위해.
• 기존의 경험적 모델의 한계를 극복하고, 낮은 지연과 지속 가능성을 확보하여 운영용 예측을 가능하게 하기 위해.

제안 방법

• 진화하는 이중극 자기 구조와 태양 조도 출력 간의 비선형 관계를 모델링하기 위해 계층 순환 네트워크(LRN)를 활용한다.
• 자기 구조를 그들의 부분적 디스크 커버리지 기반으로 추출하고 분류하기 위해 근접 실시간 태양 디스크 자기장도 및 강도 영상을 사용한다.
• 구조를 네 가지 범주로 분류한다: 소형 일시적 영역(채움 요소 <16.7 ppm), 중간 크기(16.7–24.8 ppm), 대규모 활성 지역, 그리고 태양흑점(어둠진과 반어둠진 포함).
• 115–310 nm 범위의 스펙트럼 조도에 대해 SORCE의 SOLSTICE 및 XPS 기기에서 확보한 관측치를 사용하여 신경망 계수를 제약한다.
• 일반화 능력 테스트 및 다양한 예측 수평에서의 정확도 평가를 위해 데이터를 훈련 및 검증 세트로 분할한다.
• 자기 구조 진화의 시간적 의존성을 포착하기 위해 LRN 아키텍처에 피드백 메커니즘을 적용한다.

실험 결과

연구 질문

• RQ1 근접 실시간 태양 표면 자기장 관측치만을 사용하여 신경망 모델이 총 일광 및 스펙트럼 일광 조도를 정확하게 예측할 수 있는가?
• RQ2 특히 자외선(115–310 nm) 및 극자외선(0.1–34 nm) 범위에서 예측 정확도가 스펙트럼 대역에 따라 어떻게 달라지는가?
• RQ3 기기 열화 영향이 특히 180–310 nm 범위에서 예측 성능에 미치는 영향은 무엇인가?
• RQ4 예측 수평이 증가함에 따라 예측 오차는 어떻게 변화하는가(예: 12시간, 24시간, 48시간, 72시간)?
• RQ5 태양 표면 자기류 운반 모델을 통합함으로써 모델 성능을 향상시킬 수 있는가?

주요 결과

• 모델은 실시간 태양 자기장 데이터를 사용하여 최대 3일 전까지 총 일광 및 스펙트럼 일광 조도를 성공적으로 예측한다.
• 115–180 nm 대역에서 24시간 예측의 오차는 5% 이하로 나타나 중자외선 범위에서 높은 정확도를 보인다.
• 180–310 nm 대역에서는 예측 오차가 약 20%로 증가하며, 이는 주로 MUV 측정의 열화 및 정확도 저하 때문일 가능성이 높다.
• 장기 예측 수평이 증가할수록 예측 정확도가 점차 떨어지며, 현재 아키텍처로는 약 3일 이내의 실용적 예측 윈도우에 국한된다.
• 자기 구조의 디스크 커버리지 기반 분류를 통해 모델 성능이 크게 향상되어 태양 조도 변동성의 더 나은 표현이 가능해진다.
• 실시간 예측 서비스는 http://www.lpc2e.cnrs-orleans.fr/~soteria 에 공개되어 있으며, 운영용 우주 날씨 응용을 지원한다.