太陽フレア予測における機械学習手法の比較研究

概要

複数の機械学習アルゴリズムを用いた太陽フレア予測精度の定量的比較。本研究では、SDO/HMI磁場観測データから抽出した25種類の活動領域パラメータを特徴量として、ランダムフォレスト、勾配ブースティング、深層ニューラルネットワーク、およびサポートベクターマシンの4手法について、Mクラス以上のフレア発生予測性能を体系的に評価した。True Skill Statistic（TSS）およびHeidke Skill Score（HSS）を用いた定量比較の結果、勾配ブースティング手法が最も安定した予測性能を示し、24時間前予測においてTSS=0.82を達成した。また、SHAP値解析により、磁場勾配と磁気ヘリシティが予測に最も寄与する物理量であることを明らかにした。