文献

J-GLOBAL ID：202202249680627100   整理番号：22A0552359

SuperDARN観測への機械学習の適用による高緯度対流モデルの開発【JST・京大機械翻訳】

Development of a High-Latitude Convection Model by Application of Machine Learning to SuperDARN Observations

著者 (3件)： Bristow W. A. (Pennsylvania State University, University Park, PA, USA) ,  Topliff C. A. (Georgia Institute of Technology, Atlanta, GA, USA) ,  Cohen M. B. (Georgia Institute of Technology, Atlanta, GA, USA)
資料名： Space Weather  (Space Weather)
巻： 20  号： 1  ページ： e2021SW002920  発行年： 2022年 
JST資料番号： W2746A  ISSN： 1542-7390  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習(ML)を用いて導出した北半球高緯度対流の新しいモデルを提案した。MLアルゴリズムランダムフォレスト回帰を,ポテンシャルマッピング技術,Map-Potential(Ruohoniemi&Baker,1998,https://doi.org/10.1029/98ja01288)で処理したSuper Dual Auroral Radar Network(SuperDARN)観測から得た速度のデータベースに適用した。このモデルを訓練するために用いた特徴は,惑星間磁場成分B_x,B_y,およびB_zであった。太陽風速,v_sw;オーラル指数,A_uおよびA_l;そして,地磁気指数,SYM-H。SuperDARN速度を南北と東西成分に分離して,緯度で2°,MLTで1hrのビンサイズで55°から磁気極まで走る磁気局所時間-磁気緯度格子に区分した。格子の各ビンの各速度成分に対して,個別モデルを作成した。各ビンにおけるモデルが互いに独立しているとしても,モデルを凝集体で見るとコヒーレント対流パターンが形成されることが分かった。結果としての対流パターンは,サブストームサイクルに対する期待と整合する方法で,拡大と収縮によるオーラル指数の変化に応答する。さらに,モデルの予測と速度観測値の間の平均二乗差は,ML技術で形成されなかった既存の気候学に対して計算した同じ量よりも実質的に低いことが分かった。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コヒーレンス ,  太陽 ,  *対流 ,  風速 ,  データベース ,  *観測 ,  *緯度 ,  磁気 ,  気候学 ,  サブストーム ,  惑星間磁場 ,  北半球 ,  *高緯度 ,  *観測網 ,  *機械学習
準シソーラス用語： *SuperDARN , 【Automatic Indexing@JST】

分類 (2件)： 電離層・熱圏  (DC04050O) ,  磁気圏  (DC04060Z)

タイトルに関連する用語 (7件)： SuperDARN ,  観測 ,  機械学習 ,  高緯度 ,  対流 ,  モデル ,  開発