Automatic analysis of magnetograms for identification and classification of active regions using Deep Learning

  • Letícia Sousa de Oliveira Universidade Estadual de Campinas
  • André Leon Sampaio Gradvohl Universidade Estadual de Campinas https://orcid.org/0000-0002-6520-9740

Resumo

Alguns fenômenos que ocorrem no Sol têm consequências na Terra. Entre esses fenômenos, as explosões solares liberam grandes quantidades de radiação e energia que impactam a vida e os sistemas tecnológicos da Terra. Essas explosões nascem geralmente a partir de manchas solares, que derivam de atividades magnéticas solares. Uma estratégia para prever explosões solares é identificar as regiões ativas, i.\,e., um grupo de manchas solares com alto potencial de causar explosões solares. Este artigo relata o uso da técnica de aprendizado profundo para identificar e classificar regiões ativas a partir da análise de magnetogramas. Para realizar essas tarefas, montamos um conjunto magnetogramas e realizamos testes para escolher os melhores modelos de aprendizado profundo para identificação e classificação de regiões ativas. Os resultados dos melhores modelos alcançaram precisões superiores a \SI{80}{\percent} para as tarefas de identificação e classificação. Com base nesses resultados, implementamos um sistema em Python para automatizar o processo completo de identificação e classificação baseado na análise de magnetogramas.

Downloads

Não há dados estatísticos.
Publicado
2020-06-15
Como Citar
[1]
de Oliveira, L. e Gradvohl, A.L. 2020. Automatic analysis of magnetograms for identification and classification of active regions using Deep Learning. Revista Brasileira de Computação Aplicada. 12, 2 (jun. 2020), 67-79. DOI:https://doi.org/10.5335/rbca.v12i2.10531.
Seção
Artigo Original
Share |