[P-EM10] Space Weather and Space Climate

[PEM10-P04] 特徴量圧縮と重み付け画像を用いた太陽フレア予測モデルの開発

*朝妻 航祐¹、飯田 佑輔¹、久保 友樹¹ (1.新潟大学)

キーワード：太陽フレア

太陽フレアは，黒点周辺の磁場に蓄積されたエネルギーが解放される爆発現象である．2024年度連合大会にて発表した久保らの研究では，特徴圧縮を用いることとモデル学習を段階的に行うことで，少ないデータから効率的に多パラメータモデルを学習できることを示した．本研究では，久保らの研究を基にして，さらに重み付け画像を用いることにより磁気中性線付近の磁場構造を効率的に捉えることで，予測モデルの高精度化を目指した．

データセットは，2010年5月から2017年12月までのSDO/HMIによるSHARPデータセットを使用し，約14万枚の磁場画像を3時間間隔でサンプリングした．フレア発生のラベルデータにはSWANデータセットを用い，24時間以内にMクラス以上のフレアが発生した場合を「フレア発生」と分類した．訓練データと検証データは期間分割を行った．

モデルの構築手順を示す．まず，前処理された磁場画像に対して，CAE（Convolutional Autoencoder）を学習した．次に，各磁場画像から磁気中性線を抽出し，その線からの距離に基づいて磁場強度の差分画像に重み付けを行った．その後，重み付けされた差分画像に対して，新たにCAEを学習した．続いて，両CAEから抽出した特徴量を各時刻の入力として，フレア発生の有無を出力とするLSTMを学習した．最後に，両方のCAEのエンコーダ部分とLSTMを一貫して学習を行った．

作成されたモデルはTSS=0.928を達成し，久保らの研究(TSS=0.820)や他の先行研究を上回る高い予測精度を示した．これは，磁気中性線による重み付けが有効に働いた結果だと解釈できる．