KR102056719B1

KR102056719B1 - 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템 및 방법

Info

Publication number: KR102056719B1
Application number: KR1020180152402A
Authority: KR
Inventors: 이재진; 박우연; 박근찬; 이종길; 백지혜
Original assignee: 한국 천문 연구원
Priority date: 2018-11-30
Filing date: 2018-11-30
Publication date: 2019-12-17

Abstract

본 발명은 보다 정확한 지자기 예측을 할 수 있고, 보다 범용성이 확장된 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템 및 방법에 관한 것으로, 정지궤도 위성에서 측정한 자기장 정보 및 우주정보를 수집하는 데이터 수집부(100), 24시간동안의 상기 자기장 정보를 원형좌표계의 벡터로 표현한 후 벡터합해 자기장 정보를 가공하는 자기데이터 가공부(200) 및 상기 데이터 수집부(100)에서 수집한 정보와 상기 자기데이터 가공부(200)에서 가공된 정보를 입력자료로 활용하는 인공신경망을 통해 Dst 지수를 예측하는 Dst 지수 예측부(300)를 포함하는 것을 특징으로 한다.

Description

정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템 및 방법{Prediction system and method for the disturbance storm time index using magnetic field from geosynchronous orbit}

본 발명은 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템 및 방법에 관한 것이다.

우주시대를 맞이하면서 인류는 활동 무대가 지구를 벗어나 우주로 확장되고 있으며, 우주에 관한 활용 및 우주환경의 변화에 의한 영향 또한 늘어날 것으로 판단되고 있으며, 이러한 우주에 관한 활용의 몇몇 예로써 지구 궤도상에 위치하는 다양한 위성, 전파망원경, 우주정거장과 같은 궤도 장치 및 지구에서 발사되어 우주공간상의 목표물을 탐사하는 탐사선이 있을 수 있다.

상술한 위성, 전파망원경, 우주정거장 및 탐사선은 우주의 환경에 영향을 받을 수밖에 없는데, 태양의 활동에 따라 변화하는 태양풍은 지구의 자기장을 교란시켜, 우주상에 위치하는 위성, 전파망원경, 우주정거장 및 탐사선 뿐 아니라 지구 표면에 설치된 다양한 전자장비들의 오작동을 유발하고 있어, 이러한 지자기 변화의 관측/예측은 매우 중요해지고 있다.

지구의 자기장 변화는 지구로 도달하는 태양풍의 물리량 증가와 행성간 자기장의 큰 변화에 의해 발생하며, 지구 자기장이 급격히 변화하는 지자기폭풍의 세기는 Dst 지수를 통해 간접적으로 나타낼 수 있다.

Dst 지수는 4개의 지상 관측소에서 측정한 지자기 수평성분(H) 의 변화량을 평균하여 구한다. 관측된 자기장의 H성분은 Sq전류, 자기권 꼬리 전류, 환전류 (Ring Current)등에 의한 유도 자기장을 포함한다. 이 중 지구 자기장 교란과 큰 관련이 있는 환전류에 의한 효과만을 보기 위해 각 관측소에서 H성분을 관측하고, 최근 5년 동안 각 월별로 제일 조용한 날(Quiet day)들을 뽑아 평균하여 기준선을 만들어 빼준 후, 관측소의 지자기 위도의 cosine 값으로 나누어 주어 적도상에 있는 환전류만에 의한 지자기 변화 값으로 환산한다. 이렇게 얻어진 각 관측소의 H 성분 변화값을 평균하여 Dst 지수를 구한다.

이러한 Dst 지수의 예측 연구들은 태양풍 입자 및 행성간 자기장의 변화에 기반하고 있는데, Dst 지수는 지구 자기장 폭풍이 진행되는 동안 지구 정지궤도위성에서 급격한 변화를 보이기 때문에, 지구 정지궤도위성에서 측정한 자기장의 세기를 입력인자로 활용하여 종래의 예측 방식보다 정확하게 예측할 수 있는 Dst 지수 예측 시스템 및 방법을 개발할 필요가 있다.

1. "자기폭풍 기간 중 정지궤도 공간에서의 입자 유입률과 Dst 지수 사이의 상관 관계", 한국우주과학회지 v.20 no.2, 2003년, pp.109-122, 문가희, 안병호 2. "Storm-time magnetic configurations at geosynchronous orbit: Comparison between the main and recovery phases", JOURNAL OF GEOPHYSICAL RESEARCH, VOL. 112, A05202, 2007년, S. Ohtani, Y. Ebihara, and H. J. Singer

본 발명은 상기한 바와 같은 문제점을 해결하기 위해 안출된 것으로써, 본 발명에 의한 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템 및 방법의 목적은 종래 Dst 지수를 예측하는 인공신경망 모델에서 정지궤도 위성에서 측정된 자기장 정보를 추가적인 입력인자로 활용하여, 보다 정확한 지자기 지수(Dst 지수)의 예측을 할 수 있고, 범용성을 확장할 수 있는 정지궤도관측 자기장 자료를 이용한 우수기상 요소와 Dst 지수 예측 시스템 및 방법을 제공함에 있다.

상기한 바와 같은 문제점을 해결하기 위한 본 발명에 의한 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템은, 정지궤도 위성에서 측정한 자기장 정보 및 우주정보를 수집하는 데이터 수집부(100), 24시간동안의 상기 자기장 정보를 원형좌표계의 벡터로 표현한 후 벡터합해 자기장 정보를 가공하는 자기데이터 가공부(200) 및 상기 데이터 수집부(100)에서 수집한 정보와 상기 자기데이터 가공부(200)에서 가공된 정보를 입력자료로 활용하는 인공신경망을 통해 Dst 지수를 예측하는 Dst 지수 예측부(300)를 포함하는 것을 특징으로 한다.

또한, 상기 Dst 지수 예측부(300)는 상기 우주정보를 이용해 현 시점으로부터 향후 24시간 이내에 예측되는 Dst 지수의 최소값

을 연산한 후, 상기

을 이용해 24시간 이내의 소정 시간 이후의 Dst 지수의 제1차 예측값을 연산하고, 상기 제1차 예측값, 상기 자기데이터 가공부(200)에서 가공된 자기장 정보 및 상기 우주정보를 입력자료로 활용하는 인공신경망을 통해 Dst 지수를 예측하는 것을 특징으로 한다.

또한, 상기 우주정보는 태양풍 정보, 행성간 자기장 측정정보 및 Dst 지수 측정정보를 포함하는 것을 특징으로 한다.

또한, 상기 정지궤도 위성은 적어도 하나 이상인 것을 특징으로 한다.

또한, 상기 정지궤도 위성은 2개 이상이고, 상기 정지궤도 위성은 서로 다른 경도상에 위치하는 것을 특징으로 한다.

또한, 상기 제1차 예측값은 현재 측정되는 Dst 지수가 상기

에 도달하기 이전이면 수학식 1에 의해 구해지는 것을 특징으로 한다.

[수학식 1]

(여기서

는

시간 이후에 예측되는 Dst 지수,

, 여기서

는 아래 수학식 2에 의해 구해짐)

[수학식 2]

(여기서

는 태양풍 속도,

는 행성간 자기장 z성분의 세기,

는 행성간 자기장 전체 세기,

는 행성간 자기장 y성분의 세기)

또한, 상기 제1차 예측값은 현재 측정되는 Dst 지수가 상기

에 도달한 이후에, -20nT 이하이거나 상기

가 -50nT 이하인 경우 수학식 3에 의해 구해지며, 상기 제1차 예측값은 현재 측정되는 Dst 지수가 -20nT 이상이거나 상기

가 -50nT 이상인 경우 수학식 4에 의해 구해지는 것을 특징으로 한다.

[수학식 3]

[수학식 4]

(수학식 3 및 4에서

는 i시간 후의 Dst 지수의 예측값,

는 현재 Dst 지수값,

는 행성간 자기장 He 성분의 벡터합)

또한, 상기 Dst 지수 예측부(300)의 계산 결과를 출력하는 출력부(400)를 더 포함하는 것을 특징으로 한다.

또한, 상기 Dst 지수 예측부(300)에서 예측한 Dst 지수와 예측 대상 시점에 측정된 Dst 지수 측정정보를 비교하는 검증부(500)를 포함하는 것을 특징으로 한다.

본 발명의 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 방법은 a) 정지궤도 위성에서 측정된 자기장 정보 및 우주정보를 수집하는 단계, b) 24시간동안의 상기 자기장 정보를 원형좌표계의 벡터로 표현한 후 벡터합해 자기장 정보를 가공하는 단계 및 c) 상기 a) 단계에서 수집한 정보와 및 상기 b) 단계에서 가공된 정보를 입력자료로 활용하는 인공신경망을 통해 Dst 지수를 예측하는 단계를 포함한다.

또한, 상기 c) 단계는 상기 우주정보를 이용해 현 시점으로부터 향후 24시간 이내에 예측되는 Dst 지수의 최소값

을 연산한 후, 상기

을 이용해 24시간 이내의 소정 시간 이후의 Dst 지수의 제1차 예측값을 연산하고, 상기 제1차 예측값, 상기 b) 단계에서 가공된 자기장 정보 및 상기 우주정보를 입력 자료로 활용하는 인공신경망을 통해 Dst 지수를 예측하는 것을 특징으로 한다.

또한, 상기 우주정보는 태양풍 정보, 행성간 자기장 측정정보 및 Dst 지수 측정정보를 더 포함하는 것을 특징으로 한다.

또한, 상기 정지궤도 위상은 적어도 하나 이상인 것을 특징으로 한다.

또한, 상기 제1차 예측값은 현재 측정되는 DST 지수가 상기

[수학식 1]

(여기서

는

시간 이후에 예측되는 Dst 지수,

, 여기서

는 아래 수학식 2에 의해 구해짐)

[수학식 2]

(여기서

는 태양풍 속도,

는 행성간 자기장 z성분의 세기,

는 행성간 자기장 전체 세기,

는 행성간 자기장 y성분의 세기)

또한, 상기 제1차 예측값은 현재 측정되는 DST 지수가 상기

에 도달한 이후에, -20nT 이하이거나 상기

[수학식 3]

[수학식 4]

(수학식 3 및 4에서

는 i시간 후의 Dst 지수의 예측값,

는 현재 Dst 지수값,

는 행성간 자기장 He 성분의 벡터합)

상기한 바와 같은 본 발명에 의한 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템 및 방법에 의하면, 종래의 Dst 지수의 예측에 활용하던 태양풍 정보, 행성간 자기장 정보, 지상에서 측정하는 Dst 지수와 같은 입력인자에 정지궤도 위성에서 관측한 자기장 정보를 입력인자로 더 사용하므로, Dst 예측의 정확도가 높아지는 효과가 있다.

도 1은 본 발명의 일실시예에 의한 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템의 블록도.
도 2는 지구와 정지궤도 위성들의 개략도.
도 3은 24시간 원형좌표계로 표현한 지구자기장 측정 그래프.
도 4는 지자기 폭풍시 Dst 지수의 변화를 나타낸 그래프.
도 5는 Feed-forward 인공신경망의 개략도.

이하 첨부된 도면을 참고하여 본 발명에 의한 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템의 바람직한 실시예에 관하여 상세히 설명한다.

본 발명의 일실시예에 의한 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템은 지상에 설치될 수 있으나, 본 발명에서 예측 시스템이 설치되는 장소는 이에 한정하지 않는다.

도 1은 본 발명의 일실시예에 의한 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템의 구성들을 블록형태로 도시한 것이다.

도 1에 도시된 바와 같이, 본 발명의 일실시예에 의한 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템은, 데이터 수집부(100), 자기데이터 가공부(200), Dst 지수 예측부(300), 출력부(400) 및 검증부(500)를 포함할 수 있다.

데이터 수집부(100)는 정지궤도 위성에서 측정한 정지궤도에서의 자기장 정보와 이 외의 우주정보들을 수집하며, 데이터 수집부(100)에서 수집하는 우주정보들은 태양풍 정보, 행성간 자기장 측정정보 및 현재 측정되는 Dst 지수 정보일 수 있다.

데이터 수집부(100)는 상술한 바와 같은 정보들을 수집하기 위해 위성 또는 기관들과 연동될 수 있다.

보다 구체적으로, 본 실시예에서 데이터 수집부(100)는 본 실시예에서 필요한 태양풍 정보를 DSCOVR(Deep Space Climate Observatory, 심우주 기후관측 위성)위성의 탑재체인 PlasMag(Plasma Magnetometer)으로부터 수집할 수 있다.

데이터 수집부(100)는 DSCOVR 위성의 PlasMag로부터 수집되는 태양풍 정보를 인터넷의 웹사이트를 통해 수집할 수 있으며, 데이터 수집부(100)가 DSCOVR의 PlasMag에서 수집하는 구체적인 태양풍 정보는 DSCOVR 위성의 PlasMag에서 관측한 태양풍 입자 자료로써, 입자의 밀도, 입자의 속도 및 온도에 대한 정보를 포함할 수 있다.

데이터 수집부(100)는 태양풍 정보와 마찬가지로 행성간 자기장 정보 또한 DSCOVR 위성의 PlasMag로부터 수집할 수 있으며, DSCOVR 위성의 PlasMag에서 수집하는 구체적인 행성간 자기장 정보는 행성간 자기장의 총 세기, 위성의 위치(DSCOVR위성의 위도, 경도, 고도를 포함하는 3차원적인 위치), 위성의 행성간 자기장의 방향별 세기일 수 있다.

행성간 자기장(Interplanetary Magnetic Field, IMF)은 태양계 행성들 사이의 태양풍에 의해 이동된 태양 자기장을 나타내는 용어이다.

DSCOVR 위성의 PlasMag로부터 수집되는 행성간 자기장의 방향별 세기는 GSM 좌표계에서 각각의 방향으로의 자기장의 세기(Bx, By, Bz로 표현될 수 있음)일 수 있다.

데이터 수집부(100)는 상술한 태양풍 정보와 행성간 자기장의 세기 외에도, 정지궤도에서의 자기장 정보를 정지궤도 위성으로부터 수집할 수 있으며, 이때 데이터 수집부(100)는 적어도 하나 이상의 정지궤도 위성에서 측정되는 자기장 정보를 수집할 수 있되, 두 개 이상의 정지궤도 위성으로부터 측정되는 자기장 정보를 수집할 경우, 각각의 정지궤도 위성은 경도를 기준으로 소정 경도만큼 떨어진 정지궤도 위성일 수 있다.

본 실시예에서 서로 소정 경도만큼 떨어진 두 개 이상의 정지궤도 위성을 사용하는 이유는, 정지궤도 위성의 특성상 공전주기가 지구의 자전속도와 동일하여, 단일의 정지궤도 위성을 사용하여 지구의 정지궤도 상의 360도 주변 모든 위치에서의 자기장 정보를 얻기 위해(단일의 정지궤도 위성이 지구의 정지궤도 상의 360도를 모두 지나가면서 자기장 정보를 수집하기 위해) 24시간이 소요되기 때문에, 모든 지역시(지구의 정지궤도상의 모든 위치)에서의 측정되는 자기장 정보를 업데이트하기 위해서는 24시간이 소요되어, 이 시간을 줄이기 위한 것이다.

도 2는 상술한 정지궤도 위성의 개수에 따른 자기장 정보의 취합시간을 상세히 설명하기 위해 북극 상공에서 바라본 지구(10)와 정지궤도상의 위성들을 개략적으로 도시한 것이다.

도 2에 도시된 바와 같이, 도면의 가장 상부부터 시계방향으로 정지궤도 위성들인 제1위성(11), 제2위성(12) 및 제3위성(13)이 배치되어 있으며, 각각의 위성은 순서대로 GOES-West위성, GOES-East위성 및 2018년 말 발사 예정인 천리안 위성 2A이다.

도 2에 도시된 바와 같이 제2위성(12)인 GOES-West위성은 서경 135도에 위치해 있고, 제1위성(11)인 GOES-East위성은 서경 75도에 위치해 있으며, 제3위성(13)인 천리안 위성 2A는 동경 128.2도에 위치할 예정인데, 제1위성(11), 제2위성(12) 및 제3위성(13) 중 한 개만을 사용할 경우 지구(10)를 공전하기 시작해,(위성이 공전하는 동안 지구(10)는 같은 방향으로 자전함) 원 위치까지 복귀하여, 지구의 정지궤도의 모든 부분을 지나면서 자기장을 측정하기까지 24시간이 소요된다. 이러할 경우 상술한 바와 같이, Dst 지수의 예측값을 얻기 위한 계산식(또는 인공신경망)에서 과거 24시간 이전의 관측값을 사용하기 때문에, 실제 측정되는 Dst 지수와의 오차가 커질 수 있고, 실제 지상에서 측정되는 Dst 지수에 비해 느린 반응을 보일 수 있기 때문이다.

본 발명은 상술한 바와 같은 문제점을 극복하기 위해 제1위성(11), 제2위성(12) 및 제3위성(13) 중 두 개 이상을 조합하여 사용할 수 있다. 제1위성(11)과 제2위성(12) 두 개의 위성을 조합하는 예를 설명하면, 제1위성(11) 및 제2위성(12)은 모두 지구자전방향(도 2에서 시계반대방향)으로 회전한다. 서경 75도에 위치한 제1위성(11)이 제2위성(12)의 위치인 서경 135도까지 회전하며 자기장을 측정할 동안 제2위성(12) 또한 지구자전방향으로 회전하면서 제2위성(12)과 제1위성(11) 사이의 비교적 짧은 궤도에서 지구자기장을 측정할 수 있으므로, 24시간보다 짧은 시간인 19시간만에 모든 정지궤도상에서 측정되는 자기장 정보의 갱신 주기를 개선할 수 있다.

제1위성(11), 제2위성(12) 및 제3위성(13)을 모두 조합해 사용할 경우 13.5시간이 소요될 수 있다. 즉, 서로 일정 경도만큼 떨어진 다수개의 정지궤도 위성을 조합할 경우, 24시간 지역시의 자기장 측정 정보를 보다 빠르게 수집하여, 측정자료의 갱신주기를 개선할 수 있다.

데이터 수집부(100)에서 정지궤도 위성으로부터 수집하는 정지궤도 상의 자기장 세기는, 행성간 자기장과 마찬가지로 방향별 성분으로 나타낼 수 있으며, 구체적으로는 지구자전축에 수평한 방향의 자기장 성분인 Hp, 지구방향 자기장인 He 및 동쪽방향 자기장인 Hn으로 나타낼 수 있으며, 모든 자기장 성분을 합한 전체 자기장 Ht로도 나타낼 수 있다.

데이터 수집부(100)는 현재 측정되는 Dst 지수를 외부의 기관으로부터 수집할 수 있으며, 해당 기관은 World Data Center for Geomagnetism일 수 있다.

단, 데이터 수집부(100)에서 상술한 데이터들은 수집하는 위성 또는 기관은 일 예일뿐, 본 발명은 데이터 수집부(100)에서 수집하는 데이터들의 소스를 한정하지 않는다.

도 1에 도시된 자기데이터 가공부(200)는 데이터 수집부(100)에서 수집된 데이터들을 가공하여 후술할 Dst 지수 예측부(300)에서 사용 가능하도록 한다.

도 3은 자기데이터 가공부(200)에서 자기장 정보를 가공하는 것을 개략적으로 설명하기 위한 것이다.

도 3에 도시된 바와 같이, 본 실시예에서 자기데이터 가공부(200)는 정지궤도 위성에서 24시간동안 측정된 자기장 정보를 시간을 변수로 하는 원형좌표계로 표현하고, 자기장 정보를 시간별로 표시해 일종의 벡터로 표현할 수 있다.

자기데이터 가공부(200)에서 정지궤도위성에서 관측된 자기장 정보를 도 3에 도시된 바와 같이 특정 시점 이전 24시간동안의 원형좌표계로 표현하여 가공하는 이유는, 예측하고자 하는 지자기지수(Dst 지수)가 정지궤도 위성에 측정되는 자기장의 세기와 연관이 있어 정지궤도 위성에서 측정되는 자기장의 세기가 지자기지수를 예측하기 위한 연관식을 도출하는데 필요한 변수이지만 일정 주기(예를 들어 하루 또는 12시간)로 크게 변화하기 때문이다. 따라서 정지궤도 위성에서 측정되는 자기장의 세기(방향별로 표현할 수 있음)를 각 지역시마다 원형좌표계료 표현한 후, 모든 벡터를 합하여 Dst 지수를 예측하는데 사용할 수 있다.

도 3a와 같은 태양활동이 비교적 조용할 때의 벡터합은 그 값이 작아 원형에 가까워 전지구 지자기 지수인 Kp값이 작을 것이다. 그러나 도 3b와 같이 태양활동에 의해 지구 자기장에 변화가 생길 경우, 지구의 낮 영역, 밤 영역에 따라 지구 자기장의 He, Hp 성분의 세기가 크게 변하기 때문에 벡터합이 커져, 원형이 아닌 특정 지역시가 돌출되는 형상이 되어, 전지구 지자기 지수인 Kp값이 커질 것이다.

자기데이터 가공부(200)에서 도 3과 같이 수행하는 데이터 가공은 단순히 정지궤도 위성에서 측정하는 자기장에 국한되지 않으며, 소정 시간동안 수집하는 행성간 자기장 정보 또한 도 3과 같이 원형좌표계와 벡터합을 통해 가공될 수 있다.

Dst 지수 예측부(300)는 데이터 수집부(100)에서 수집된 정지궤도 자기장 정보, 우주정보 및 자기데이터 가공부(200)에서 가공된 자기장 정보를 활용하여 Dst 지수를 예측한다.

먼저, 지자기폭풍이 발생함에 따라 달라지는 Dst 지수에 관하여 간략히 설명한다.

도 4는 일반적으로 지자기폭풍이 발생했을 때의 Dst 지수를 그래프화한 것이다.

도 4에 도시된 바와 같이, 일반적으로 지자기 폭풍이 발생했을 경우 초기에는 Dst 지수가 수십nT(나노 테슬라) 만큼 상승한 후, 이후 급격히 감소해 도 4의 점선이 표시된 부분, 즉 Dst 지수의 최소값까지 감소할 수 있다. Dst 지수가 급격히 상승한 후 급격히 감소해 Dst 지수의 최소값까지 감소하는 시기를 주상이라고 하며, 주상 이후 Dst 지수가 원래 수준으로 회복되는 기간을 회복기라고 한다.

본 실시예에서 Dst 지수 예측부(300)는 현 시점에서 24시간 이후까지의 Dst 지수 중 최소값을 예측하고, 현재 측정되는 Dst 지수값이 Dst 지수의 최소값에 도달하기까지의 기간 이전과 이후를 각각 다른 경험식을 적용하여 제1차 예측값을 연산한다.

먼저, 제1차 예측값 중, 현재 측정되는 Dst 지수가

에 도달하기 까지 이전에 예측되는 Dst 지수인

는 아래 수학식 1을 통해 연산한다.

[수학식 1]

(여기서

는

시간 이후에 예측되는 Dst 지수,

)

수학식 1에서의 Dst 지수의 최소값인

은 아래 수학식 2를 통해 연산할 수 있다.

[수학식 2]

(여기서

는 태양풍 속도,

는 행성간 자기장 z성분의 세기,

는 행성간 자기장 전체 세기,

는 행성간 자기장 y성분의 세기)

수학식 1이 적용된 이후, 즉 t시간이

이상이 되면 조건에 따라 각기 다른 수학식을 적용하여 Dst 지수의 제1차 예측값을 연산한다.

먼저, 제1차 예측값은 현재 측정되는 Dst 지수가 상기

에 도달한 이후에, -20nT 이하이거나 상기

가 -50nT 이하인 경우(지자기 폭풍이 발생하고 있는 경우) 수학식 3에 의해 구해지며, 현재 측정되는 Dst 지수가 -20nT 이상이거나 상기

가 -50nT 이상인 경우(지자기 폭풍이 발생하지 않고 안정적인 경우) 수학식 4에 의해 구해진다.

[수학식 3]

[수학식 4]

(수학식 3 및 4에서

는 i시간 후의 Dst 지수의 예측값,

는 현재 Dst 지수값,

는 행성간 자기장 He 성분의 벡터합)

Dst 지수 예측부(300)는 Dst 지수의 예측값의 정확도를 보다 높이기 위해, 제1차 예측값과 데이터 수집부(100)에서 수집한 정보들을 입력값으로 하는 인공신경망 모델을 통해 정확도 높인다.

본 인공신경망 모델에서는 인공신경망의 훈련을 위해 1999년부터 2008년까지의 자료를 이용하였고, 이 알고리즘은 도 5에 도시된 바와 같은 기본적인 Feed-forward 인공신경망을 사용한다. 가중치와 바이어스들의 훈련의 기술에는 오류 역전파 학습법(Back-propagation)을 사용한다. 본 알고리즘의 인공신경망의 기본구조는 입력층, 은닉층, 출력층을 하나씩 사용하고 은닉층은 H=tanh(I) 형태의 비선형 함수인 쌍곡탄젠트(hyperbolic tangent)함수로, 출력층은 O=H 형태의 선형함수로 계산한다. 수식으로 표현하면 각각 다음과 같다.

여기서 Hj는 은닉층의 계산 결과이고 Ok는 출력층의 계산 결과이다. N, M은 각각 은닉층과 출력층의 노드의 수를 의미한다. wh와 wo, b들은 각각 훈련을 통해 얻은 가중치와 바이어스들이다. 입력 자료 Ii는 태양풍 밀도, 속도, 행성간 자기장 세기와 z성분 세기 그리고 위에서 설명한 정지궤도자기장 자료 Hpsize, Hesize, 마지막으로 경험식으로 구한 Dst 지수의 예측값이다. 변수들은 계산 전에 각 변수별로 -1 ~ 1로 일반화(normalization) 해야 한다. Ok로 얻어진 예측 Dst 지수는 반대로 비일반화(denormalization)해야 한다.

필요한 가중치와 바이어스를 얻기 위해서 위의 수식계산에 의해 최적의 해를 찾는 것이 필요하다. 이를 위해 비선형적인 함수의 최소값을 반복적으로 찾아가는 알고리즘은 기울기 강하 학습법(Gradient descent learning method)을 쓴다. 이를 다층구조의 인공신경망에 적용한 것이 오류역전파 학습 알고리즘(Error back-propagation learning algorithm)이라 한다. 위의 수식을 Ok, Hj 순서로 미분한 식을 써서 오류의 크기를 점차적으로 줄여나간다.

인공신경망의 최적 구조는 경험적으로 정해야 하기 때문에 다양한 구조를 시험해 봐야 한다. 그 결과 이 신경망의 최적 구조는 은닉층의 노드갯수를 15개, 출력층의 노드갯수를 1개 그리고 입력층은 7개의 노드를 쓴다. 그리고 훈련 속도와 정확도에 영향을 미치는 학습률(Learning rate)은 0.001로 고정하고 500회 반복하여 훈련했다. 입력층에 태양풍 밀도, 태양풍 속도, 행성간 자기장 bz 성분 세기, 행성간 자기장 b 전체 세기, 정지궤도 자기장 he 성분의 24 시간 벡터합, hp 성분의 벡터합, Dst 지수의 현재, 1시간 전, 2시간 전의 값, 그리고 경험식을 통해 얻은 Dst 지수 예측값을 입력 인자로 사용해 출력층에서 최종적으로 1 ~ 24시간 후의 Dst 지수 예측값을 출력한다.

1999년부터 2008년까지 약 9년 동안의 1시간 평균 자료들을 이용하여, 좋은 효율의 훈련을 위해 1시간 후의 Dst 지수부터 24시간 후의 Dst 지수까지 각각 따로 훈련해 총 24개의 알고리즘을 만들어 알고리즘 별로 필요한 가중치들을 따로 제공하게 된다.

Dst 지수 예측부(300)에서 인공신경망 알고리즘은 매시간 정시에 실행될 수 있으며, DSCOVR 위성의 PlasMag에서 측정되는 태양풍 정보, 행성간 자기장 정보 및 정지궤도위성에서 얻는 자기장 정보는 1시간으로 평균한 자료를 입력 자료로 사용할 수 있다.

출력부(400)는 Dst 지수 예측부(300)의 예측 결과를 출력하며, 출력되는 예측결과를 별도의 파일로 저장해 데이터베이스화 할 수 있다.

검증부(500)는 Dst 지수 예측부(300)에서 예측한 Dst 지수와 예측 대상 시점에 실제 측정된 Dst 지수 측정정보를 비교하며, 예측한 Dst 지수와 실제 Dst 지수의 오차가 기준치 이상일 경우, 최근의 Dst 지수를 이용해 인공신경망을 재학습시켜, 인공신경망의 정확도를 향상시킬 수 있다.

이하 본 발명의 일실시예에 의한 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 방법에 관하여 상세히 설명하며, 본 발명의 일실시예에 의한 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 방법은 상술한 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템을 사용하여 구현될 수 있다.

본 발명의 일실시예에 의한 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 방법은 a) 단계, b) 단계 및 c) 단계를 포함할 수 있다.

a) 단계는 정지궤도 위성에서 측정된 자기장 정보 및 우주정보를 수집한다.

a) 단계에서 사용하는 정지궤도 위성은 단일개 또는 다수개일 수 있다. 정지궤도 위성이 단일개일 경우, 지구를 중심으로 하는 지구주변 모든 궤도에서 측정되는 자기장정보를 측정하는데 24시간이 걸리지만, 서로 다른 위치에 있는 다수개의 정지궤도 위성을 조합할 경우 지구주변 모든 궤도에서 측정되는 자기장정보를 측정하는데 24시간 이하가 된다.

a) 단계에서 수집하는 상기 우주정보는 태양풍 정보, 행성간 자기장 측정정보 및 Dst 지수 측정정보를 더 포함할 수 있으며, 각각의 정보는 위성 또는 외부 기관을 통해 상술한 정보들을 수집할 수 있다.

b) 단계는 현재시각 이전 24시간동안의 상기 자기장 정보를 원형좌표계의 벡터로 표현한 후 벡터합해 자기장 정보를 가공하는 단계로, 구체적으로는 b) 단계는 현재시각 이전 24시간동안의 상기 자기장 정보를 원형좌표계의 벡터로 표현한 후 벡터합해 자기장 정보를 가공하는 단계로, b) 단계를 통해 가공된 자기장 정보는 현재시각 이전 24시간동안의 자기장 변화가 심하지 않을 경우 원형에 가깝고, 자기장 변화가 심할 경우 원형이 아닌 특정 지역시가 돌출된 형상이 될 것이다.

c) 단계는 상기 a) 단계에서 수집한 정보와 및 상기 b) 단계에서 가공된 정보를 입력자료로 활용하는 인공신경망을 통해 Dst 지수를 예측한다.

구체적으로 c) 단계는 상기 우주정보를 이용해 현 시점으로부터 향후 24시간 이내에 예측되는 Dst 지수의 최소값

을 연산한 후, 상기

을 이용해 24시간 이내의 소정 시간 이후의 Dst 지수의 제1차 예측값을 연산하고, 상기 제1차 예측값, 상기 b) 단계에서 가공된 자기장 정보 및 상기 우주정보를 입력 자료로 활용하는 인공신경망을 통해 Dst 지수를 예측한다.

상기 제1차 예측값은 현재 측정되는 DST 지수가 상기

에 도달하기 이전이면 수학식 1에 의해 구해질 수 있다.

[수학식 1]

(여기서

는

시간 이후에 예측되는 Dst 지수,

, 여기서

는 아래 수학식 2에 의해 구해짐)

[수학식 2]

(여기서

는 태양풍 속도,

는 행성간 자기장 z성분의 세기,

는 행성간 자기장 전체 세기,

는 행성간 자기장 y성분의 세기)

상기 제1차 예측값은 현재 측정되는 DST 지수가 상기

에 도달한 이후에, -20nT 이하이거나 상기

가 -50nT 이상인 경우 수학식 4에 의해 구해진다.

[수학식 3]

[수학식 4]

(수학식 3 및 4에서

는 i시간 후의 Dst 지수의 예측값,

는 현재 Dst 지수값,

는 행성간 자기장 He 성분의 벡터합)

본 발명은 상기한 실시예에 한정되지 아니하며, 적용범위가 다양함은 물론이고, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 다양한 변형 실시가 가능한 것은 물론이다.

10 : 지구
11 : 제1위성
12 : 제2위성
13 : 제3위성
100 : 데이터 수집부
200 : 자기데이터 가공부
300 : Dst 지수 예측부
400 : 출력부
500 : 검증부

Claims

정지궤도 위성에서 측정한 자기장 정보 및 우주정보를 수집하는 데이터 수집부(100);
예측을 시작하는 현재시각 이전의 24시간동안의 상기 자기장 정보를 원형좌표계의 벡터로 표현한 후 벡터합해 자기장 정보를 가공하는 자기데이터 가공부(200); 및
상기 데이터 수집부(100)에서 수집한 정보와 상기 자기데이터 가공부(200)에서 가공된 정보를 입력자료로 활용하는 인공신경망을 통해 Dst 지수를 예측하는 Dst 지수 예측부(300);
를 포함하는 것을 특징으로 하는 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템.
제1항에 있어서,
상기 Dst 지수 예측부(300)는 상기 우주정보를 이용해 현 시점으로부터 향후 24시간 이내에 예측되는 Dst 지수의 최소값
을 연산한 후, 상기
을 이용해 24시간 이내의 소정 시간 이후의 Dst 지수의 제1차 예측값을 연산하고, 상기 제1차 예측값, 상기 자기데이터 가공부(200)에서 가공된 자기장 정보 및 상기 우주정보를 입력자료로 활용하는 인공신경망을 통해 Dst 지수를 예측하는 것을 특징으로 하는 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템.
제1항에 있어서,
상기 우주정보는 태양풍 정보, 행성간 자기장 측정정보 및 Dst 지수 측정정보를 포함하는 것을 특징으로 하는 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템.
제1항에 있어서,
상기 정지궤도 위성은 적어도 하나 이상인 것을 특징으로 하는 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템.
제4항에 있어서,
상기 정지궤도 위성이 2개 이상이고, 상기 정지궤도 위성은 서로 다른 경도상에 위치하는 것을 특징으로 하는 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템.
제2항에 있어서,
상기 제1차 예측값은 현재 측정되는 Dst 지수가 상기
에 도달하기 이전이면 수학식 1에 의해 구해지는 것을 특징으로 하는 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템.
[수학식 1]

(여기서
는
시간 이후에 예측되는 Dst 지수,
, 여기서
는 아래 수학식 2에 의해 구해짐)
[수학식 2]

(여기서
는 태양풍 속도,
는 행성간 자기장 z성분의 세기,
는 행성간 자기장 전체 세기,
는 행성간 자기장 y성분의 세기)
제6항에 있어서,
상기 제1차 예측값은 현재 측정되는 Dst 지수가 상기
에 도달한 이후에, -20nT 이하이거나 상기
가 -50nT 이하인 경우 수학식 3에 의해 구해지며,
상기 제1차 예측값은 현재 측정되는 Dst 지수가 -20nT 이상이거나 상기
가 -50nT 이상인 경우 수학식 4에 의해 구해지는 것을 특징으로 하는 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템.
[수학식 3]

[수학식 4]

(수학식 3 및 4에서
는 i시간 후의 Dst 지수의 예측값,
는 현재 Dst 지수값,
는 행성간 자기장 He 성분의 벡터합)
제1항에 있어서,
상기 Dst 지수 예측부(300)의 계산 결과를 출력하는 출력부(400)를 더 포함하는 것을 특징으로 하는 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템.
제1항에 있어서,
상기 Dst 지수 예측부(300)에서 예측한 Dst 지수와 예측 대상 시점에 측정된 Dst 지수 측정정보를 비교하는 검증부(500)를 포함하는 것을 특징으로 하는 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 시스템.
a) 정지궤도 위성에서 측정된 자기장 정보 및 우주정보를 수집하는 단계;
b) 예측을 시작하는 현재시각 이전의 24시간동안의 상기 자기장 정보를 원형좌표계의 벡터로 표현한 후 벡터합해 자기장 정보를 가공하는 단계; 및
c) 상기 a) 단계에서 수집한 정보와 및 상기 b) 단계에서 가공된 정보를 입력자료로 활용하는 인공신경망을 통해 Dst 지수를 예측하는 단계;
를 포함하는 것을 특징으로 하는 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 방법.
제10항에 있어서,
상기 c) 단계는 상기 우주정보를 이용해 현 시점으로부터 향후 24시간 이내에 예측되는 Dst 지수의 최소값
을 연산한 후, 상기
을 이용해 24시간 이내의 소정 시간 이후의 Dst 지수의 제1차 예측값을 연산하고, 상기 제1차 예측값, 상기 b) 단계에서 가공된 자기장 정보 및 상기 우주정보를 입력 자료로 활용하는 인공신경망을 통해 Dst 지수를 예측하는 것을 특징으로 하는 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 방법.
제10항에 있어서,
상기 우주정보는 태양풍 정보, 행성간 자기장 측정정보 및 Dst 지수 측정정보를 더 포함하는 것을 특징으로 하는 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 Dst 지수 예측 방법.
제10항에 있어서,
상기 정지궤도 위성은 적어도 하나 이상인 것을 특징으로 하는 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 DST 지수 예측 방법.
제11항에 있어서,
상기 제1차 예측값은 현재 측정되는 DST 지수가 상기
에 도달하기 이전이면 수학식 1에 의해 구해지는 것을 특징으로 하는 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 DST 지수 예측 방법.
[수학식 1]

(여기서
는
시간 이후에 예측되는 Dst 지수,
, 여기서
는 아래 수학식 2에 의해 구해짐)
[수학식 2]

(여기서
는 태양풍 속도,
는 행성간 자기장 z성분의 세기,
는 행성간 자기장 전체 세기,
는 행성간 자기장 y성분의 세기)
제11항에 있어서,
상기 제1차 예측값은 현재 측정되는 DST 지수가 상기
에 도달한 이후에, -20nT 이하이거나 상기
가 -50nT 이하인 경우 수학식 3에 의해 구해지며,
상기 제1차 예측값은 현재 측정되는 DST 지수가 -20nT 이상이거나 상기
가 -50nT 이상인 경우 수학식 4에 의해 구해지는 것을 특징으로 하는 정지궤도 관측 자기장 자료를 이용한 우주기상 요소와 DST 지수 예측 방법.
[수학식 3]

[수학식 4]

(수학식 3 및 4에서
는 i시간 후의 Dst 지수의 예측값,
는 현재 Dst 지수값,
는 행성간 자기장 He 성분의 벡터합)