پيش بيني شراره هاي خورشيدي نوع M و X با استفاده از الگوي يادگيري ماشيني

Prediction of M and X Solar flares by Using Machine Learning Algorithm

شراره ها از جمله پدیده های خورشیدی هستند كه شناخت درست آنها و اطلاع از زمان وقوع شان به دلیل تأثیری كه بر اقلیم زمین، آب و هوای فضا و ارتباطات مخابراتی روی زمین دارند، برای انسان بسیار مهم است. شراره های انفجارهای مغناطیسی هستند كه به طور ناگهانی روی می دهند. تاكنون سازوكار دقیق آزادسازی انرژی و وقوع این پدیده به طور كامل درك نشده است. از این رو پیش بینی شراره ها بر پایه ی احتمالات است. مشاهدات قویاً پیشنهاد می كنند كه وقوع شراره وابستگی صریحی به ویژگی های میدان مغناطیسی خورشید دارد. در اینجا سعی شده است تا با تكیه بر این اصل و با استفاده از تحلیل داده های میدان مغناطیسی برداری سطح خورشید ثبت شده توسط تلسكوپ فضایی اس دی او، احتمال وقوع شراره های نوع M و X را تا 18 ساعت قبل از رخداد آنها محاسبه كنیم. برای پردازش تصاویر از گشتاورزرنیك و جهت دسته بندی این داده ها از الگوریتم ماشین بردار پشتیبان استفاده شده است. محاسبات انجام شده امكان پیش بینی این شراره ها با دقتی در حدود 94 درصد را تأیید می كنند.

The study and prediction of solar flares are amongst extremely important tasks for humans, due to their thorough impact on Earth’s climate, space weather, and communications. Flares are abrupt magnetic explosions in the Sun. The exact mechanism for energy release of flares and their occurrence is unknown. Hence the only way for prediction of solar flares is based on probabilistic methods. Observations strongly suggest that the occurrence of a flare is highly dependent on the magnetic field features of the Sun. In the present paper we attempt to elicit the corresponding probabilities for M and X flares up to 18 hours before their ignition by exploiting solar magnetic field data which is collected by the Solar Dynamic Observatory (SDO). For this goal, Zernike moments and Support Vector Machine algorithm are applied in order to analyze these data. Our calculations guarantee nearly 94 percent accuracy in prediction of solar flares.