ARCANE – Early Detection of Interplanetary Coronal Mass Ejections
H. T. Rüdisser, G. Nguyen, J. Le Louëdec, E. E. Davies, C. Möstl
行星际日冕物质抛射(ICME)是空间天气扰动的主要驱动因素,对技术基础设施和人类活动都构成了风险。 自动检测太阳风原位数据中的ICME对于早期预警系统至关重要。 虽然已经提出了几种方法在时间序列数据中识别这些结构,但稳健的实时检测仍然是一个重大挑战。 在这项工作中,我们介绍了ARCANE - 第一个明确设计用于在现实操作约束下流式传输太阳风数据的早期ICME检测的框架,无需观察整个结构即可实现事件识别。 我们的方法通过将基于机器学习的方法与基于阈值的基线进行比较来评估检测模型的优势和局限性。 ResUNet++模型以前在科学数据上验证过,大大优于基线,特别是在检测高影响事件方面,同时在低影响情况下保持稳健的性能。 值得注意的是,我们发现使用实时太阳风(RTSW)数据而不是高分辨率科学数据只能导致最小的性能下降。 尽管操作设置面临挑战,但我们的检测管道实现了0.53的F1得分,平均检测延迟为事件持续时间的21.5,而只看到最少的数据量。 随着更多数据的出现,性能显著提高。 这些结果标志着在空间天气监测方面迈出了实质性的一步,并为增强实时预测能力奠定了基础。
Interplanetary coronal mass ejections (ICMEs) are major drivers of space weather disturbances, posing risks to both technological infrastructure and human activities. Automatic detection of ICMEs in solar wind in situ data is essential for early warning systems. While several methods have been proposed to identify these structures in time series data, robust real-time detection remains a significant challenge. In this work, we present ARCANE - the first framework explicitly designed for early IC...
