JP2002365376A - 地球磁気圏における電磁擾乱の予測方法及び装置 - Google Patents
地球磁気圏における電磁擾乱の予測方法及び装置Info
- Publication number
- JP2002365376A JP2002365376A JP2001172484A JP2001172484A JP2002365376A JP 2002365376 A JP2002365376 A JP 2002365376A JP 2001172484 A JP2001172484 A JP 2001172484A JP 2001172484 A JP2001172484 A JP 2001172484A JP 2002365376 A JP2002365376 A JP 2002365376A
- Authority
- JP
- Japan
- Prior art keywords
- observation value
- solar wind
- observation
- magnetosphere
- disturbance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【課題】 太陽風の観測値を用い、ニューラルネットワ
ーク手法によって、高精度な地球磁気圏における電磁擾
乱の予測が可能な方法を創出すると共に、その装置を開
発すること。 【解決手段】 ニューラルネットワーク手法における重
み係数を、太陽風の観測における所定の観測値を入力し
て決定する構成において、該観測値が、磁気嵐の発生時
における擾乱時観測値と、磁気嵐が発生していない通常
時における通常時観測値とをそれぞれ３：７ないし７：
３の比率で混合して作成し、これによる予測方法及び装
置を提供する。
ーク手法によって、高精度な地球磁気圏における電磁擾
乱の予測が可能な方法を創出すると共に、その装置を開
発すること。 【解決手段】 ニューラルネットワーク手法における重
み係数を、太陽風の観測における所定の観測値を入力し
て決定する構成において、該観測値が、磁気嵐の発生時
における擾乱時観測値と、磁気嵐が発生していない通常
時における通常時観測値とをそれぞれ３：７ないし７：
３の比率で混合して作成し、これによる予測方法及び装
置を提供する。
Description
【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は磁気嵐の予測等の宇
宙天気予報につながる地球磁気圏における電磁擾乱の予
測方法及び装置に関するものである。特に、太陽風の観
測値を基に、ニューラルネットワーク手法を用いて予測
する方法に関する。
宙天気予報につながる地球磁気圏における電磁擾乱の予
測方法及び装置に関するものである。特に、太陽風の観
測値を基に、ニューラルネットワーク手法を用いて予測
する方法に関する。
【０００２】
【従来の技術】衛星を用いた数時間以内という短期の高
品質な定量的宇宙天気予報は、近年、急速に実用化が進
んだ。そして、宇宙放射線等予測に重要な役割を果たす
磁気嵐の予報が、業務的に行われる様になっている。こ
のような予報は、通信障害、地球上における送電設備や
パイプラインといったインフラの損傷、宇宙空間におけ
る人工衛星の破壊、宇宙飛行士の負傷等を防止する上で
非常に重要な技術であり、多様な情報の提供と共に、そ
の精度の向上が急がれている。
品質な定量的宇宙天気予報は、近年、急速に実用化が進
んだ。そして、宇宙放射線等予測に重要な役割を果たす
磁気嵐の予報が、業務的に行われる様になっている。こ
のような予報は、通信障害、地球上における送電設備や
パイプラインといったインフラの損傷、宇宙空間におけ
る人工衛星の破壊、宇宙飛行士の負傷等を防止する上で
非常に重要な技術であり、多様な情報の提供と共に、そ
の精度の向上が急がれている。
【０００３】太陽風と地球磁気圏応答は非線形であるた
め、その予測手法も多岐に分かれ、優劣を競い合ってい
るが、未だ非常に高精度な予測方法は確立されておら
ず、十分な予測精度を持った予測方法、予測装置が提供
されているとは言い難い。その中で、ニューラルネット
ワーク手法（以下、ＮＮ法と呼ぶ。）を用いて予測した
結果は比較的良好な精度を示しているが、擾乱時におけ
る観測値のみに着目して、ＮＮ法で用いる重み係数を決
定する従来の方法では、かならずしもＮＮ法の効果を十
分に生かし切れず、高精度な予測精度を実現するには至
っていない。
め、その予測手法も多岐に分かれ、優劣を競い合ってい
るが、未だ非常に高精度な予測方法は確立されておら
ず、十分な予測精度を持った予測方法、予測装置が提供
されているとは言い難い。その中で、ニューラルネット
ワーク手法（以下、ＮＮ法と呼ぶ。）を用いて予測した
結果は比較的良好な精度を示しているが、擾乱時におけ
る観測値のみに着目して、ＮＮ法で用いる重み係数を決
定する従来の方法では、かならずしもＮＮ法の効果を十
分に生かし切れず、高精度な予測精度を実現するには至
っていない。
【０００４】
【発明が解決しようとする課題】本発明は、上記従来技
術の有する問題点に鑑みて創出されたものであり、その
目的は、太陽風の観測値を用い、ニューラルネットワー
ク手法によって、高精度な地球磁気圏における電磁擾乱
の予測が可能な方法を創出すると共に、その装置を開発
することである。
術の有する問題点に鑑みて創出されたものであり、その
目的は、太陽風の観測値を用い、ニューラルネットワー
ク手法によって、高精度な地球磁気圏における電磁擾乱
の予測が可能な方法を創出すると共に、その装置を開発
することである。
【０００５】
【課題を解決するための手段】本発明は、上記の課題を
解決するために、次のような地球磁気圏における電磁擾
乱の予測方法を創出する。本発明による予測方法は、太
陽風に対する地球磁気圏の反応を、ニューラルネットワ
ーク手法を用いて予測する方法である。そして、該手法
における重み係数を、太陽風の観測における所定の観測
値を入力して決定する。その際、該観測値として、磁気
嵐の発生時における擾乱時観測値と、磁気嵐が発生して
いない通常時における通常時観測値とをそれぞれ３：７
ないし７：３の比率で混合して作成した値を用いる。
解決するために、次のような地球磁気圏における電磁擾
乱の予測方法を創出する。本発明による予測方法は、太
陽風に対する地球磁気圏の反応を、ニューラルネットワ
ーク手法を用いて予測する方法である。そして、該手法
における重み係数を、太陽風の観測における所定の観測
値を入力して決定する。その際、該観測値として、磁気
嵐の発生時における擾乱時観測値と、磁気嵐が発生して
いない通常時における通常時観測値とをそれぞれ３：７
ないし７：３の比率で混合して作成した値を用いる。
【０００６】ここで、上記観測値が、惑星間の磁場の大
きさと、該磁場の大きさを独立した方位の３成分に分解
した時の各成分の大きさとを含んで構成されるデータで
あってもよい。また、該観測値が、太陽風の密度を含ん
で構成されるデータでもよいし、太陽風の速度を含んで
構成されるデータでもよい。これらは単独でも、任意に
組み合わせてもよい。
きさと、該磁場の大きさを独立した方位の３成分に分解
した時の各成分の大きさとを含んで構成されるデータで
あってもよい。また、該観測値が、太陽風の密度を含ん
で構成されるデータでもよいし、太陽風の速度を含んで
構成されるデータでもよい。これらは単独でも、任意に
組み合わせてもよい。
【０００７】また、本発明には次のような地球磁気圏に
おける電磁擾乱の予測装置を提供する。すなわち、地球
磁気圏における電磁擾乱の予測装置であって、太陽風に
対する地球磁気圏の反応を、ニューラルネットワーク手
法を用いて予測する。その際、該手法における重み係数
を、太陽風の観測における所定の観測値を入力して決定
する。そして、本発明による予測装置では、磁気嵐の発
生時における擾乱時観測値と、磁気嵐が発生していない
通常時における通常時観測値とをそれぞれ３：７ないし
７：３の比率で混合して作成した値を上記観測値として
用い、予測を行う。
おける電磁擾乱の予測装置を提供する。すなわち、地球
磁気圏における電磁擾乱の予測装置であって、太陽風に
対する地球磁気圏の反応を、ニューラルネットワーク手
法を用いて予測する。その際、該手法における重み係数
を、太陽風の観測における所定の観測値を入力して決定
する。そして、本発明による予測装置では、磁気嵐の発
生時における擾乱時観測値と、磁気嵐が発生していない
通常時における通常時観測値とをそれぞれ３：７ないし
７：３の比率で混合して作成した値を上記観測値として
用い、予測を行う。
【０００８】ここで、上記観測値が、惑星間の磁場の大
きさと、該磁場の大きさを独立した方位の３成分に分解
した時の各成分の大きさと、を含んで構成されるデータ
であってもよい。また、該観測値が、太陽風の密度を含
んで構成されるデータでもよいし、太陽風の速度を含ん
で構成されるデータでもよい。これらは単独でも、任意
に組み合わせてもよい。
きさと、該磁場の大きさを独立した方位の３成分に分解
した時の各成分の大きさと、を含んで構成されるデータ
であってもよい。また、該観測値が、太陽風の密度を含
んで構成されるデータでもよいし、太陽風の速度を含ん
で構成されるデータでもよい。これらは単独でも、任意
に組み合わせてもよい。
【０００９】
【発明の実施の形態】以下、本発明の実施方法を実施例
に基づいて説明する。なお、本発明の実施形態は以下に
限定されず、その趣旨から逸脱しない範囲内で任意に変
更可能である。図１に本発明におけるニューラルネット
ワーク手法（以下、ＮＮ法と呼ぶ。）の概念図を示す。
本実施例で用いるＮＮ法は、隠れ層（２）から入力層
（３）にフィードバック接続（４）を備えた２層の逆伝
搬式ネットワークである。
に基づいて説明する。なお、本発明の実施形態は以下に
限定されず、その趣旨から逸脱しない範囲内で任意に変
更可能である。図１に本発明におけるニューラルネット
ワーク手法（以下、ＮＮ法と呼ぶ。）の概念図を示す。
本実施例で用いるＮＮ法は、隠れ層（２）から入力層
（３）にフィードバック接続（４）を備えた２層の逆伝
搬式ネットワークである。
【００１０】入力としては、惑星間の磁場の大きさ、該
磁場の大きさを独立した方位の３成分に分解した時の各
成分の大きさ、太陽風の密度、太陽風の速度の６個の情
報を実入力Ｉ（５）として、さらに２０個の見かけ入力
Ｖ（６）の入力を行う。見かけ入力Ｖ（６）には上記フ
ィードバック情報が再び入力される。出力はＤｓｔ指数
である。該指数は地球を取り巻く環状の電流が地球磁場
をどのくらいうち消すかを示す指数であり、ナノテスラ
（ｎＴ）単位で表される。入力時系列中の時間tにおけ
る隠れ層からのＤｓｔ出力は次の式で表される。
磁場の大きさを独立した方位の３成分に分解した時の各
成分の大きさ、太陽風の密度、太陽風の速度の６個の情
報を実入力Ｉ（５）として、さらに２０個の見かけ入力
Ｖ（６）の入力を行う。見かけ入力Ｖ（６）には上記フ
ィードバック情報が再び入力される。出力はＤｓｔ指数
である。該指数は地球を取り巻く環状の電流が地球磁場
をどのくらいうち消すかを示す指数であり、ナノテスラ
（ｎＴ）単位で表される。入力時系列中の時間tにおけ
る隠れ層からのＤｓｔ出力は次の式で表される。
【式１】
【式２】 ここで、Ｒは実入力の数、Ｓは見かけ入力の数、Ｉk tは
ｔにおける各実入力値、Ｖj t-1は入力時系列中の時間ｔ
−１における応答として隠れ層（２）からのフィードバ
ックされた出力である。さらに、ｗkjは入力層（３）と
隠れ層（２）との結合の強さを示す重み係数、Ｗjは隠
れ層（２）のhyperbolic tangentをとって変換した値と
Ｄｓｔ出力（７）との結合の強さを示す重み係数であ
る。
ｔにおける各実入力値、Ｖj t-1は入力時系列中の時間ｔ
−１における応答として隠れ層（２）からのフィードバ
ックされた出力である。さらに、ｗkjは入力層（３）と
隠れ層（２）との結合の強さを示す重み係数、Ｗjは隠
れ層（２）のhyperbolic tangentをとって変換した値と
Ｄｓｔ出力（７）との結合の強さを示す重み係数であ
る。
【００１１】従って、重み係数は２６×２０＋２０の計
５４０個であり、これらが定まれば本ＮＮ法によるＤｓ
ｔ出力を得ることができる。ここでは隠れ層として２０
個の値をとったが、１０ないし４０個程度の範囲で任意
に設定することができる。また、入力として上記のよう
な太陽風密度、速度、ベクトル磁場の全てを用いずに、
いずれかのパラメータ又はその組み合わせや、これら以
外に、他の任意の観測データを用いてもよく、その場
合、上記式のデータ個数が変更されることは言うまでも
ない。入力に用いたパラメータについては後述する。
５４０個であり、これらが定まれば本ＮＮ法によるＤｓ
ｔ出力を得ることができる。ここでは隠れ層として２０
個の値をとったが、１０ないし４０個程度の範囲で任意
に設定することができる。また、入力として上記のよう
な太陽風密度、速度、ベクトル磁場の全てを用いずに、
いずれかのパラメータ又はその組み合わせや、これら以
外に、他の任意の観測データを用いてもよく、その場
合、上記式のデータ個数が変更されることは言うまでも
ない。入力に用いたパラメータについては後述する。
【００１２】このようなＮＮ法において、本実施例では
入力データに従来と異なる構成をとることにより、好適
な地球磁気圏における電磁擾乱の予測を可能にしてい
る。すなわち、従来の手法では、磁気嵐の発生時におけ
る観測値や人工データを重み係数を決定する学習データ
として用いていたが、本発明では次のように構成する。
図２にＤｓｔ指数の観測値と予測値と表す観測データを
示す。図２において実線（１０）が観測値、点線（１
１）が予測値である。観測データから分かるとおり、Ｄ
ｓｔ指数は磁気嵐の発生時に負の方向に大きく変動（１
２や１３等）が生じ、この指数の変化を予め予測するこ
とが本発明による方法及び装置の目的である。そして、
通常時には微変動（１４等）のみでほぼ一定のグラフを
描いている。
入力データに従来と異なる構成をとることにより、好適
な地球磁気圏における電磁擾乱の予測を可能にしてい
る。すなわち、従来の手法では、磁気嵐の発生時におけ
る観測値や人工データを重み係数を決定する学習データ
として用いていたが、本発明では次のように構成する。
図２にＤｓｔ指数の観測値と予測値と表す観測データを
示す。図２において実線（１０）が観測値、点線（１
１）が予測値である。観測データから分かるとおり、Ｄ
ｓｔ指数は磁気嵐の発生時に負の方向に大きく変動（１
２や１３等）が生じ、この指数の変化を予め予測するこ
とが本発明による方法及び装置の目的である。そして、
通常時には微変動（１４等）のみでほぼ一定のグラフを
描いている。
【００１３】従来はこのうち前者の大変動（１２や１３
等）の部分のみを抽出し、学習データとして用いていた
が、これでは十分な精度を得ることができなかった。そ
こで、本発明では、通常時の微変動と、擾乱時の大変動
とのデータを組み合わせて学習データを作成し、該デー
タに基づく重み係数を備えた予測方法及び装置の提供を
図る。例えば、実施例として約５０の擾乱時を含む計９
０５８時間の学習データを作成する。このとき、３９７
１時間はＤｓｔ値が−５０ｎＴ以上の通常時のデータを
用いる。この時間は全学習データの概ね４４％であり、
このように１：１に近い割合で通常時のデータと擾乱時
のデータとを組み合わせると、好適な予測が可能である
ことが分かっている。
等）の部分のみを抽出し、学習データとして用いていた
が、これでは十分な精度を得ることができなかった。そ
こで、本発明では、通常時の微変動と、擾乱時の大変動
とのデータを組み合わせて学習データを作成し、該デー
タに基づく重み係数を備えた予測方法及び装置の提供を
図る。例えば、実施例として約５０の擾乱時を含む計９
０５８時間の学習データを作成する。このとき、３９７
１時間はＤｓｔ値が−５０ｎＴ以上の通常時のデータを
用いる。この時間は全学習データの概ね４４％であり、
このように１：１に近い割合で通常時のデータと擾乱時
のデータとを組み合わせると、好適な予測が可能である
ことが分かっている。
【００１４】この時、上記の組み合わせ方法としては、
擾乱時のデータの抽出には平常時から擾乱時に至る開始
時と、擾乱時から通常時に至る終了時までの期間のデー
タを抽出し、平常時と組み合わせるときのデータ値の連
続性を確保する。特に平常時においても擾乱の開始時の
Ｄｓｔ値や、終了時のＤｓｔ値と略同一な値で推移する
平常時データを採用することによって、学習データは値
が連続した自然なデータとすることができる。
擾乱時のデータの抽出には平常時から擾乱時に至る開始
時と、擾乱時から通常時に至る終了時までの期間のデー
タを抽出し、平常時と組み合わせるときのデータ値の連
続性を確保する。特に平常時においても擾乱の開始時の
Ｄｓｔ値や、終了時のＤｓｔ値と略同一な値で推移する
平常時データを採用することによって、学習データは値
が連続した自然なデータとすることができる。
【００１５】通常時と擾乱時を組み合わせる割合につい
ては、その他の予測試験から勘案した場合、通常時のデ
ータを概ね３０％から７０％の割合で擾乱時に組み合わ
せると好適である。特に、本実施例による予測装置が参
照する人工衛星や周辺装置の特性において好適であるの
は、静止時が４０％ないし６０％の場合であった。これ
らは周辺装置によっても影響するため、本発明において
は上記３０ないし７０％の範囲内で各機器に適した組み
合わせを用いることができる。
ては、その他の予測試験から勘案した場合、通常時のデ
ータを概ね３０％から７０％の割合で擾乱時に組み合わ
せると好適である。特に、本実施例による予測装置が参
照する人工衛星や周辺装置の特性において好適であるの
は、静止時が４０％ないし６０％の場合であった。これ
らは周辺装置によっても影響するため、本発明において
は上記３０ないし７０％の範囲内で各機器に適した組み
合わせを用いることができる。
【００１６】さらに、組み合わせて作成した学習データ
の全時間長についても、本実施例では約１万時間とした
が、これらも任意に変更可能である。ただし、いたずら
に長いと、ＮＮ法における収束に時間がかかる、或いは
収束せず、却って適切な重み係数を決定することができ
ない。したがって、該学習データの時間も概ね５０００
時間から２万時間の範囲で作成されることが望ましい。
の全時間長についても、本実施例では約１万時間とした
が、これらも任意に変更可能である。ただし、いたずら
に長いと、ＮＮ法における収束に時間がかかる、或いは
収束せず、却って適切な重み係数を決定することができ
ない。したがって、該学習データの時間も概ね５０００
時間から２万時間の範囲で作成されることが望ましい。
【００１７】図２で示されるとおり、本発明による予測
方法ならびに予測装置を用いて予測した値は観測値と非
常に近く、予測精度の高さが示されている。実際、Ｄｓ
ｔ指数が数値的に若干異なる場合が稀に見られる他は、
その傾向はほぼ完全な一致を見ており、極めて高精度な
予測が可能になったことが裏付けられている。従来、こ
れほどの予測精度を有する予測方法・予測装置は提供さ
れておらず、本発明の有用性は非常に高い。
方法ならびに予測装置を用いて予測した値は観測値と非
常に近く、予測精度の高さが示されている。実際、Ｄｓ
ｔ指数が数値的に若干異なる場合が稀に見られる他は、
その傾向はほぼ完全な一致を見ており、極めて高精度な
予測が可能になったことが裏付けられている。従来、こ
れほどの予測精度を有する予測方法・予測装置は提供さ
れておらず、本発明の有用性は非常に高い。
【００１８】次に、上記入力に用いた各パラメータの性
質について説述する。まず、太陽風密度をパラメータと
して導入した場合、次のようにＤｓｔ出力に影響を及ぼ
す。すなわち、密度が増大するとダイナミック圧カが増
大し、Ｚ方向のベクトル磁場（以下、Ｂｚと呼ぶ。）が
正の時、Ｄｓｔ指数を正方向への押し上げる。しかし、
Ｂｚが負の時には、押し下げの効果が出てくる。太陽風
のダイナミック圧カは、Ｄｓｔ指数を正の方向に押し上
げる方向で働くことが知られている。ここで、密度増大
は必ずしも、Ｄｓｔ指数を正の方向に押し上げるだけで
はないことがＮＮ法や、その他のシミュレーションから
考えられるため、この点につき検討する。
質について説述する。まず、太陽風密度をパラメータと
して導入した場合、次のようにＤｓｔ出力に影響を及ぼ
す。すなわち、密度が増大するとダイナミック圧カが増
大し、Ｚ方向のベクトル磁場（以下、Ｂｚと呼ぶ。）が
正の時、Ｄｓｔ指数を正方向への押し上げる。しかし、
Ｂｚが負の時には、押し下げの効果が出てくる。太陽風
のダイナミック圧カは、Ｄｓｔ指数を正の方向に押し上
げる方向で働くことが知られている。ここで、密度増大
は必ずしも、Ｄｓｔ指数を正の方向に押し上げるだけで
はないことがＮＮ法や、その他のシミュレーションから
考えられるため、この点につき検討する。
【００１９】図３に、南向き磁場を５時間ずつ持続時間
を増加させた時の、Ｄｓｔ指数の変化を示す。ここで、
Ｓ点（２０）から２時間をかけて１ｃｍ3当たり５個か
ら２０個に増加させている。太陽風中でＢｚが−１０ｎ
Ｔで続く限界は２５〜３０時間程度であるので、Ｂｚの
谷は５時間から始まり（２０）、５時間ずつ長くなり３
０時間（２４）で計算をうち切った。
を増加させた時の、Ｄｓｔ指数の変化を示す。ここで、
Ｓ点（２０）から２時間をかけて１ｃｍ3当たり５個か
ら２０個に増加させている。太陽風中でＢｚが−１０ｎ
Ｔで続く限界は２５〜３０時間程度であるので、Ｂｚの
谷は５時間から始まり（２０）、５時間ずつ長くなり３
０時間（２４）で計算をうち切った。
【００２０】密度の効果を調べるため、太陽風の速度は
３５０km/secで変化無しとする。継続時間は２０時間と
し、密度変化が全くない場合、すなわち姶めから終わり
まで５個に固定されている場合を点線で表した。まず始
めは、−１０ｎＴのＢｚが５時間続き復帰する。密度増
加によるダイナミック圧力が増す場合は、始めにＤｓｔ
指数を正の方向に押し上げる。やがて５時間後Ｂｚが負
から正に戻ると、嵐の回復相になるが、正の方向にＤｓ
ｔ指数を押し上げている。密度の山の終了時（ダイナミ
ツク圧力の減少時）にＤｓｔ指数は負の方向に下降す
る。
３５０km/secで変化無しとする。継続時間は２０時間と
し、密度変化が全くない場合、すなわち姶めから終わり
まで５個に固定されている場合を点線で表した。まず始
めは、−１０ｎＴのＢｚが５時間続き復帰する。密度増
加によるダイナミック圧力が増す場合は、始めにＤｓｔ
指数を正の方向に押し上げる。やがて５時間後Ｂｚが負
から正に戻ると、嵐の回復相になるが、正の方向にＤｓ
ｔ指数を押し上げている。密度の山の終了時（ダイナミ
ツク圧力の減少時）にＤｓｔ指数は負の方向に下降す
る。
【００２１】Ｂｚが−１０ｎＴで１０時間、南向きを続
ける時は、始め正の方向にＤｓｔ指数を押し上げ、初期
相（プレッシャーパルス）（２３）を形成するが、やが
て時間と共に密度の増加が無い場合に比べＤｓｔ指数は
落ち込んで行く。回復相ではＢｚが正になっているので
密度の山は相対的に正の方向にＤｓｔ指数を押し上げ、
密度の山が終了するとともに、Ｄｓｔ指数を滅少させ
る。密度増加効果は主相で、時間と共に徐々にＤｓｔ指
数を減少させている。これは、密度の上昇により、ある
タイムラグで、プラズマシートの密度が上昇し、環電流
の種が増加するためと考えられる。嵐の最小Ｄｓｔ指数
は、南向きＢｚ時間の継続と共に減少するが、時間と共
に鈍ってくる。環電流の損失項によるものである。その
内の1つとしての電荷交換は、単純には密度の増大と共
に増加すると考えられるので、南向きＢｚの増加による
Ｄｓｔ指数減少に、ブレーキがかかる事となる。
ける時は、始め正の方向にＤｓｔ指数を押し上げ、初期
相（プレッシャーパルス）（２３）を形成するが、やが
て時間と共に密度の増加が無い場合に比べＤｓｔ指数は
落ち込んで行く。回復相ではＢｚが正になっているので
密度の山は相対的に正の方向にＤｓｔ指数を押し上げ、
密度の山が終了するとともに、Ｄｓｔ指数を滅少させ
る。密度増加効果は主相で、時間と共に徐々にＤｓｔ指
数を減少させている。これは、密度の上昇により、ある
タイムラグで、プラズマシートの密度が上昇し、環電流
の種が増加するためと考えられる。嵐の最小Ｄｓｔ指数
は、南向きＢｚ時間の継続と共に減少するが、時間と共
に鈍ってくる。環電流の損失項によるものである。その
内の1つとしての電荷交換は、単純には密度の増大と共
に増加すると考えられるので、南向きＢｚの増加による
Ｄｓｔ指数減少に、ブレーキがかかる事となる。
【００２２】次に、パラメータにおける太陽風速度の影
響を検討する。図４にＳ点において速度を上昇させた時
のＤｓｔ出力の変化を示す。密度の山は５時間継続する
のみであり、速度はＳ点で上昇し、３５０km/secより６
００km/secに達するが２０時間経過してから緩やかに減
速し３５０km/secに戻る場合である。南向きＢｚは密度
の試験と同様に５時間ずつ増してゆき、３０時間で終了
する各Ｄｓｔ曲線が実線で示してある。密度、速度変化
の無い場合は、上記図３と同様であり、点線で示され
る。
響を検討する。図４にＳ点において速度を上昇させた時
のＤｓｔ出力の変化を示す。密度の山は５時間継続する
のみであり、速度はＳ点で上昇し、３５０km/secより６
００km/secに達するが２０時間経過してから緩やかに減
速し３５０km/secに戻る場合である。南向きＢｚは密度
の試験と同様に５時間ずつ増してゆき、３０時間で終了
する各Ｄｓｔ曲線が実線で示してある。密度、速度変化
の無い場合は、上記図３と同様であり、点線で示され
る。
【００２３】速度増加はダイナミック圧力の増加と共に
Ｖ×Ｂｚによる夕方向き電場の増加をもたらす。時刻Ｓ
から離れるに従い、Ｄｓｔ指数は負の方向に発達し、Ｂ
ｚの正への反転に伴い、回復相となるが、全て点線より
低い曲線を描く。南向きＢｚにより（タ方向き電場）、
プラズマシートの粒子を、地球側に電場ドリフトで押し
やり、環電流の種を作り出す事によると考えられる。速
度の山が、Ｂｚの南向き時間より長く保たれている場合
は、主相の最小値は時刻と共に減少してゆく。この夕方
向き電場が徐々に弱まる場合を想定する。速度の山は図
４においては２０時間で緩やかに減少する。Ｄｓｔ指数
の最小値は時間と共に減少するが、その傾向は時間と共
に緩やかとなる。
Ｖ×Ｂｚによる夕方向き電場の増加をもたらす。時刻Ｓ
から離れるに従い、Ｄｓｔ指数は負の方向に発達し、Ｂ
ｚの正への反転に伴い、回復相となるが、全て点線より
低い曲線を描く。南向きＢｚにより（タ方向き電場）、
プラズマシートの粒子を、地球側に電場ドリフトで押し
やり、環電流の種を作り出す事によると考えられる。速
度の山が、Ｂｚの南向き時間より長く保たれている場合
は、主相の最小値は時刻と共に減少してゆく。この夕方
向き電場が徐々に弱まる場合を想定する。速度の山は図
４においては２０時間で緩やかに減少する。Ｄｓｔ指数
の最小値は時間と共に減少するが、その傾向は時間と共
に緩やかとなる。
【００２４】以上に示すように、太陽風の密度、速度と
もにパラメータとして加えることにより、その変化がな
い場合に比して、顕著な効果が認められる。従って、本
実施例では共に、ＮＮ法におけるパラメータとして導入
している。ただし、前述の通り、本発明の実施にあたっ
ては、これらのいずれかのみを導入しても良いし、また
別の観測値を用いてもよい。
もにパラメータとして加えることにより、その変化がな
い場合に比して、顕著な効果が認められる。従って、本
実施例では共に、ＮＮ法におけるパラメータとして導入
している。ただし、前述の通り、本発明の実施にあたっ
ては、これらのいずれかのみを導入しても良いし、また
別の観測値を用いてもよい。
【００２５】本発明は、以上の構成により、地球磁気圏
における電磁擾乱の予測装置を提供し、該装置で用いた
予測方法も含め、好適な予測を実現するものであり、予
測装置は、パーソナルコンピュータ等にソフトウェアを
組み込んで実現してもよいし、専用の予測装置を提供し
てもよい。また、予測方法は、本発明の範囲内において
適宜変更可能であり、他の予測方法と組み合わせて実施
することもできる。
における電磁擾乱の予測装置を提供し、該装置で用いた
予測方法も含め、好適な予測を実現するものであり、予
測装置は、パーソナルコンピュータ等にソフトウェアを
組み込んで実現してもよいし、専用の予測装置を提供し
てもよい。また、予測方法は、本発明の範囲内において
適宜変更可能であり、他の予測方法と組み合わせて実施
することもできる。
【００２６】
【発明の効果】本発明は、以上の構成を備えるので、次
の効果を奏する。請求項１に記載の地球磁気圏における
電磁擾乱の予測方法によると、擾乱時と通常時の観測値
とを混合してニューラルネットワーク手法における重み
係数を決定することにより、高精度な予測方法を提供す
ることができる。また、データの構成を変更することで
精度の向上が図れるので、低コストな予測方法を実現す
ることができる。
の効果を奏する。請求項１に記載の地球磁気圏における
電磁擾乱の予測方法によると、擾乱時と通常時の観測値
とを混合してニューラルネットワーク手法における重み
係数を決定することにより、高精度な予測方法を提供す
ることができる。また、データの構成を変更することで
精度の向上が図れるので、低コストな予測方法を実現す
ることができる。
【００２７】請求項２に記載の地球磁気圏における電磁
擾乱の予測方法によると、上記ニューラルネットワーク
の入力として、ベクトル磁場を導入することができるの
で、高精度な予測方法に寄与する。
擾乱の予測方法によると、上記ニューラルネットワーク
の入力として、ベクトル磁場を導入することができるの
で、高精度な予測方法に寄与する。
【００２８】請求項３に記載の地球磁気圏における電磁
擾乱の予測方法によると、上記ニューラルネットワーク
の入力として、太陽風の密度を導入することができるの
で、高精度な予測方法に寄与する。
擾乱の予測方法によると、上記ニューラルネットワーク
の入力として、太陽風の密度を導入することができるの
で、高精度な予測方法に寄与する。
【００２９】請求項４に記載の地球磁気圏における電磁
擾乱の予測方法によると、上記ニューラルネットワーク
の入力として、太陽風の速度を導入することができるの
で、高精度な予測方法に寄与する。
擾乱の予測方法によると、上記ニューラルネットワーク
の入力として、太陽風の速度を導入することができるの
で、高精度な予測方法に寄与する。
【００３０】さらに、本発明は次の効果も奏する。請求
項５に記載の地球磁気圏における電磁擾乱の予測装置に
よると、擾乱時と通常時の観測値とを混合してニューラ
ルネットワーク手法における重み係数を決定することに
より、高精度な予測装置を実現することができる。ま
た、データの構成を変更することで精度の向上が図れる
ので、低コストな予測装置を実現することができる。
項５に記載の地球磁気圏における電磁擾乱の予測装置に
よると、擾乱時と通常時の観測値とを混合してニューラ
ルネットワーク手法における重み係数を決定することに
より、高精度な予測装置を実現することができる。ま
た、データの構成を変更することで精度の向上が図れる
ので、低コストな予測装置を実現することができる。
【００３１】請求項６に記載の地球磁気圏における電磁
擾乱の予測装置によると、上記ニューラルネットワーク
の入力として、ベクトル磁場を導入することができるの
で、高精度な予測装置を実現することができる。
擾乱の予測装置によると、上記ニューラルネットワーク
の入力として、ベクトル磁場を導入することができるの
で、高精度な予測装置を実現することができる。
【００３２】請求項７に記載の地球磁気圏における電磁
擾乱の予測装置によると、上記ニューラルネットワーク
の入力として、太陽風の密度を導入することができるの
で、高精度な予測装置を実現することができる。
擾乱の予測装置によると、上記ニューラルネットワーク
の入力として、太陽風の密度を導入することができるの
で、高精度な予測装置を実現することができる。
【００３３】請求項８に記載の地球磁気圏における電磁
擾乱の予測装置によると、上記ニューラルネットワーク
の入力として、太陽風の速度を導入することができるの
で、高精度な予測装置を実現することができる。
擾乱の予測装置によると、上記ニューラルネットワーク
の入力として、太陽風の速度を導入することができるの
で、高精度な予測装置を実現することができる。
【図１】本発明におけるニューラルネットワーク手法の
概念図
概念図
【図２】太陽風の観測データ
【図３】太陽風密度をパラメータとする効果
【図４】太陽風速度をパラメータとする効果
１ 本発明におけるニューラルネットワーク ２ 隠れ層 ３ 入力層 ４ フィードバック ５ 実入力 ６ 見かけ入力 ７ Ｄｓｔ出力
Claims (8)
- 【請求項１】太陽風が地球磁気圏と作用して引き起こす
電磁擾乱を予測する予測方法が、 太陽風に対する地球磁気圏の反応を、ニューラルネット
ワーク手法を用いて予測する方法であって、 該ニューラルネットワーク手法における重み係数を、 太陽風の観測における所定の観測値を入力して決定する
構成において、 該観測値が、 磁気嵐の発生時における擾乱時観測値と、 磁気嵐が発生していない通常時における通常時観測値と
をそれぞれ３：７ないし７：３の比率で混合して作成し
た値であることを特徴とする地球磁気圏における電磁擾
乱の予測方法。 - 【請求項２】前記観測値が、 惑星間の磁場の大きさと、 該磁場の大きさを独立した方位の３成分に分解した時の
各成分の大きさと、 を含んで構成される請求項１に記載の予測方法。 - 【請求項３】前記観測値が、 太陽風の密度を含んで構成される請求項１又は２に記載
の予測方法。 - 【請求項４】前記観測値が、 太陽風の速度を含んで構成される請求項１ないし３に記
載の予測方法。 - 【請求項５】地球磁気圏における電磁擾乱の予測装置で
あって、 太陽風に対する地球磁気圏の反応を、ニューラルネット
ワーク手法を用いて予測し、 該ニューラルネットワーク手法における重み係数を、 太陽風の観測における所定の観測値を入力して決定する
予測装置において、 該観測値が、 磁気嵐の発生時における擾乱時観測値と、 磁気嵐が発生していない通常時における通常時観測値と
をそれぞれ３：７ないし７：３の比率で混合して作成し
た値であることを特徴とする地球磁気圏における電磁擾
乱の予測装置。 - 【請求項６】前記観測値が、 惑星間の磁場の大きさと、 該磁場の大きさを独立した方位の３成分に分解した時の
各成分の大きさと、 を含んで構成される請求項５に記載の予測装置。 - 【請求項７】前記観測値が、 太陽風の密度を含んで構成される請求項５又は６に記載
の予測装置。 - 【請求項８】前記観測値が、 太陽風の速度を含んで構成される請求項５ないし７に記
載の予測装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001172484A JP3486675B2 (ja) | 2001-06-07 | 2001-06-07 | 地球磁気圏における電磁擾乱の予測方法及び装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001172484A JP3486675B2 (ja) | 2001-06-07 | 2001-06-07 | 地球磁気圏における電磁擾乱の予測方法及び装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002365376A true JP2002365376A (ja) | 2002-12-18 |
| JP3486675B2 JP3486675B2 (ja) | 2004-01-13 |
Family
ID=19014098
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001172484A Expired - Lifetime JP3486675B2 (ja) | 2001-06-07 | 2001-06-07 | 地球磁気圏における電磁擾乱の予測方法及び装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3486675B2 (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1316256C (zh) * | 2005-01-25 | 2007-05-16 | 华北电力大学（北京） | 电网地磁感应电流监测方法及装置 |
| RU2446495C1 (ru) * | 2010-12-22 | 2012-03-27 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Национальный исследовательский ядерный университет "МИФИ" | Способ обнаружения гелиосферных возмущений |
| CN104007486A (zh) * | 2014-06-05 | 2014-08-27 | 中国气象局气象探测中心 | 主被动遥感相结合的大气温湿度廓线处理方法及系统 |
| JP2016031282A (ja) * | 2014-07-29 | 2016-03-07 | 国立大学法人京都大学 | 宇宙天気予報システムを構築するための機械学習方法及び当該方法によって構築された宇宙天気予報方法 |
| CN107179430A (zh) * | 2017-05-25 | 2017-09-19 | 云南电网有限责任公司电力科学研究院 | 一种中低纬局域电网中地磁感应电流的风险评估方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104573816B (zh) * | 2014-12-18 | 2017-12-26 | 中国电子科技集团公司第二十二研究所 | 微波辐射计遥感大气参数的神经网络聚类方法 |
-
2001
- 2001-06-07 JP JP2001172484A patent/JP3486675B2/ja not_active Expired - Lifetime
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1316256C (zh) * | 2005-01-25 | 2007-05-16 | 华北电力大学（北京） | 电网地磁感应电流监测方法及装置 |
| RU2446495C1 (ru) * | 2010-12-22 | 2012-03-27 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Национальный исследовательский ядерный университет "МИФИ" | Способ обнаружения гелиосферных возмущений |
| CN104007486A (zh) * | 2014-06-05 | 2014-08-27 | 中国气象局气象探测中心 | 主被动遥感相结合的大气温湿度廓线处理方法及系统 |
| JP2016031282A (ja) * | 2014-07-29 | 2016-03-07 | 国立大学法人京都大学 | 宇宙天気予報システムを構築するための機械学習方法及び当該方法によって構築された宇宙天気予報方法 |
| CN107179430A (zh) * | 2017-05-25 | 2017-09-19 | 云南电网有限责任公司电力科学研究院 | 一种中低纬局域电网中地磁感应电流的风险评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3486675B2 (ja) | 2004-01-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhao et al. | Tidal deformabilities and neutron star mergers | |
| US20190346513A1 (en) | Determining a state of health of a battery and providing an alert | |
| Lamour et al. | Extension of charge-state-distribution calculations for ion-solid collisions towards low velocities and many-electron ions | |
| JP2004501354A (ja) | 宇宙気象予報方法及びシステム | |
| Vandegriff et al. | Forecasting space weather: Predicting interplanetary shocks using neural networks | |
| Ridley | A new formulation for the ionospheric cross polar cap potential including saturation effects | |
| Vallee et al. | Noise versus chaos in acousto-optic bistability | |
| JP2002365376A (ja) | 地球磁気圏における電磁擾乱の予測方法及び装置 | |
| Kahler et al. | Forecasting E> 50-MeV proton events with the proton prediction system (PPS) | |
| Collier et al. | Multispacecraft observations of sudden impulses in the magnetotail caused by solar wind pressure discontinuities: Wind and IMP 8 | |
| CN117268332B (zh) | 一种建筑物不均匀沉降的监测方法及系统 | |
| CN113899381A (zh) | 用于生成路线信息的方法、装置、设备、介质和产品 | |
| Kan | A globally integrated substorm model: Tail reconnection and magnetosphere‐ionosphere coupling | |
| Suzuki et al. | Complex behaviour of a simple partial-discharge model | |
| Totten et al. | Application of the empirically derived polytropic index for the solar wind to models of solar wind propagation | |
| Madshaven et al. | Conductivity and capacitance of streamers in avalanche model for streamer propagation in dielectric liquids | |
| CN110727719B (zh) | 一种基于动力松弛逼近的闪电定位资料同化方法 | |
| Robinson et al. | Database of episode-integrated solar energetic proton fluences | |
| Rezinkina | Modeling of the dendrite shape variation with applied electric field strength in poly (ethylene) | |
| Korsós et al. | An application of the weighted horizontal magnetic gradient to solar compact and eruptive events | |
| CN116882594B (zh) | 基于有限递归和深度学习的地磁ap指数中期预报方法 | |
| CN115437009B (zh) | 钻孔数据处理方法、装置、电子设备和计算机可读介质 | |
| CN110955955B (zh) | 一种基于对数拟合的尘埃等离子体数值计算提速方法 | |
| US20020165704A1 (en) | Method for extrapolating model parameters of spice | |
| Buonsanto | Evidence for polarization electric fields in the daytime F region above Millstone Hill |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20030924 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 3486675 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| EXPY | Cancellation because of completion of term |