[논문 리뷰] Testing and forecasting the time series of the solar activity by singular spectrum analysis

А.И. Лоскутов, И. А. Истомин외 2명|ArXiv.org|2000. 10. 13.

Statistical and numerical algorithms참고 문헌 19인용 수 14

한 줄 요약

이 논문은 솔라 활동을 분석하고 예측하기 위한 강력한 방법으로 단일 스펙트럼 분석(SSA)을 제안한다. 월프 sunspot 수치를 사용하여 시간적 시리즈를 분해함으로써, SSA는 11년 주기의 태양 활동 주기를 정확하게 포착하고, 향후 16년간의 예측을 가능하게 하며, 2011년경에 상대적으로 활동이 낮은 최고점(최대기)을 예측한다.

ABSTRACT

To study and forecast the solar activity data a quite perspective method of singular spectrum analysis (SSA) is proposed. As known, data of the solar activity are usually presented via the Wolf numbers associated with the effective amount of the sunspots. The advantages and disadvantages of SSA are described by its application to the series of the Wolf numbers. It is shown that the SSA method provides a sufficiently high reliability in the description of the 11-year solar cycle. Moreover, this method is appropriate for revealing more long cycles and forecasting the further solar activity during one and a half of 11-year cycle.

연구 동기 및 목표

• 단일 스펙트럼 분석(SSA)이 태양 활동 시계열을 분석하고 예측하는 데 효과적인지 평가하기 위해.
• 물리적 모델링 없이 관측된 데이터만을 사용하여 SSA가 11년 주기의 태양 활동 주기를 신뢰성 있게 재구성하고 예측할 수 있는지 판단하기 위해.
• SSA가 주로 11년 주기 외의 장기 주기들을 탐지하고 한 주기 이상을 예측하는 데 얼마나 유능한지 조사하기 위해.
• 짧고 비정상적이며 저차원적인 태양 활동 데이터를 다룰 때, 전통적 방법과 비교해 SSA의 성능을 평가하기 위해.

제안 방법

• 지정된 임베딩 차원 τ를 사용하여 지연 임bedding을 적용해 원본 월프 수치 시계열을 궤적 행렬로 변환하기 위해.
• 시계열 상관관계를 포착하기 위해 궤적 행렬 X에서 공분산 행렬 C = (1/n)XX^T를 계산하기 위해.
• 공분산 행렬의 고유값 분해 C = VΛV^T를 수행하여 주성분(고유벡터)과 고유값을 추출하기 위해.
• 유의미한 성분에 해당하는 주요 고유삼중체(고유값-고유벡터 쌍)를 선택하여 시계열을 재구성하기 위해.
• 재구성된 성분을 사용해 데이터를 스무딩하고 주기성을 추출하며, 성분 시계열을 연장하여 1단계 앞서 예측하기 위해.
• 각 예측 단계에서 고유벡터를 갱신하고 성분을 재추정함으로써 정확도를 향상시키기 위해 반복 보정을 적용하기 위해.

실험 결과

연구 질문

• RQ1 SSA는 과거 월프 수치 데이터만을 사용하여 11년 주기의 태양 활동 주기를 정확하게 재구성하고 예측할 수 있는가?
• RQ2 SSA는 주로 11년 주기 외의 장기 주기들을 어느 정도 탐지하고 모델링할 수 있는가?
• RQ3 제한된 데이터 길이로 인해 1.5개의 태양 주기(약 16년) 동안 태양 활동을 예측할 때 SSA의 성능은 어떠한가?
• RQ4 데이터 전처리(예: 로그 변환)가 태양 활동에 대한 SSA의 예측 성능에 어떤 영향을 미치는가?
• RQ5 비정상적이며 길이가 짧은 태양 시계열을 다룰 때, SSA는 푸리에 및 상관 기반 방법과 비교해 어떻게 성능을 발휘하는가?

주요 결과

• SSA는 비교적 짧은 데이터 스펙트럼(약 250년)에도 불구하고 11년 주기의 태양 활동 주기를 매우 높은 신뢰도로 포착한다.
• 이 방법을 통해 태양 활동을 최대 16년 전망할 수 있으며, 한 주기와 반 주기 분량의 예측을 신뢰할 만한 정확도로 수행할 수 있다.
• 2011년경 예측된 태양 최고점은 상대적으로 약한 것으로 예측되어 평균 이하의 활동 기간임을 시사한다.
• 예측 과정에서 반복 보정을 적용하면 각 단계에서 고유벡터를 갱신함으로써 예측 정확도가 향상된다.
• 데이터의 로그 변환은 고유구조에 큰 영향을 주지 않기 때문에, 의미 있는 성분을 추출하기 위해 필수적인 것은 아니다.
• 단계 누적 오차 및 성분 선택에 명확한 규칙 부족 등의 제한점이 있음에도 불구하고, SSA는 전통적인 스펙트럼 방법에 대한 태양 활동 예측의 유의미한 대안을 제공한다.