[论文解读] Forecast of Daily Major Flare Probability Using Relationships between Vector Magnetic Properties and Flaring Rates

Daye Lim, Yong‐Jae Moon+5 more|arXiv (Cornell University)|Jul 26, 2019

Solar and Space Plasma Dynamics参考文献 30被引用 11

一句话总结

本研究利用太阳动力学天文台/赫兹曼成像仪（SDO/HMI）的矢量磁场参数与观测耀斑率之间的幂律关系，开发了一种用于预测每日大耀斑（M级和X级）的概率模型。通过对2010–2018年间的15,764个HARPs进行分析，结果表明，总无符号磁场参数——尤其是$H_{C\text{,total}}$、$\rho_{\text{tot}}$和$J_{z\text{,total}}$——在优化的真实技能统计量（TSS）和命中率技能指数（HSS）下表现最佳。

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%.

研究动机与目标

• 利用矢量磁场特性开发一种用于大耀斑（M级和X级）的每日概率预测模型。
• 识别与大耀斑发生率最相关联的SHARP磁场参数。
• 使用TSS、HSS和FAR等验证指标评估预测性能，涵盖不同参数类型（无符号与有符号、总量与平均值）。
• 确定最优概率阈值，以在实际应用中平衡检测率与误报率。

提出的方法

• 本研究使用2010年5月至2018年4月期间从SDO/HMI数据中获取的15,764个HMI活动区斑块（HARPs），按时间顺序划分为训练集（11,040个）和测试集（4,724个）。
• 通过将M级和X级耀斑数量除以每个HARP的天数，计算耀斑发生率，并根据磁场参数值将结果分为50个子组。
• 在每个SHARP磁场参数与对数耀斑发生率之间拟合幂律关系，以建立耀斑概率的模型。
• 利用拟合的幂律方程推导预测概率，并通过真实技能统计量（TSS）、Heidke技能得分（HSS）和误报率（FAR）等验证评分评估性能。
• 模型在三种参数类型之间比较性能：总无符号、总带符号和平均值，并通过优化概率阈值以最大化TSS和HSS。
• 采用基于机器学习的参数排序方法（如Bobra & Couvidat, 2015提出的F分数）验证经验发现。

实验结果

研究问题

• RQ1 哪些SHARP磁场参数与每日大耀斑发生率表现出最强的经验相关性？
• RQ2 磁场参数与耀斑率之间的幂律关系在预测每日大耀斑概率方面表现如何？
• RQ3 在验证指标方面，总无符号参数是否优于总带符号或平均参数？
• RQ4 能最大化预测技能同时最小化误报率的最优概率阈值是什么？
• RQ5 与先前关于电流螺旋度和自由能等非势场磁场指标的研究结果相比，本研究结果如何？

主要发现

• 10个SHARP磁场参数与大耀斑发生率表现出强相关性（皮尔逊相关系数CC ≥ 0.86），表明存在稳健的经验关系。
• 对数耀斑率可被磁场参数的线性函数良好近似，支持采用幂律建模方法。
• 总无符号参数（$H_{C\text{,total}}$、$\rho_{\text{tot}}$、$J_{z\text{,total}}$）在优化后的TSS和HSS方面表现最佳，优于总带符号和平均参数。
• 在表现最佳的参数中，$H_{C\text{,total}}$、$\rho_{\text{tot}}$和$J_{z\text{,total}}$在Bobra & Couvidat（2015）的单变量F分数中也排名最高，证实了其预测重要性。
• 在实际预测中，总带符号参数产生的预测概率高于无符号参数，表明在实际应用中存在权衡。
• 优化后的HSS阈值在所有验证指标中均呈现中等水平，表明命中率与误报率之间达到了良好平衡。