Prévisions précises et exactes à court terme des événements de particules énergétiques solaires avec des classificateurs de séries temporelles multivariées

Les événements de particules énergétiques solaires (SEP) sont l'un des aspects les plus cruciaux de la météo spatiale qui nécessitent une surveillance et une prévision continues à l'aide de méthodes robustes. Nous démontrons une preuve de concept utilisant un cadre de classification supervisée basé sur les données sur un ensemble de données de séries temporelles multivariées couvrant les cycles solaires 22, 23 et 24. Nous mettons en œuvre un modèle d'ensemble qui fusionne les résultats de trois canaux de protons (E10 MeV, 50 MeV et 100 MeV) et le flux X des bandes longues (1-8) du satellite environnemental opérationnel géostationnaire. Notre tâche est une classification binaire, de sorte que l'objectif du modèle est de distinguer les événements SEP forts des non-événements. Ici, les événements SEP forts sont ceux qui franchissent le seuil "S1" du Centre de prévision de la météo spatiale pour les tempêtes de rayonnement solaire, tandis que les flux de protons en dessous sont des événements SEP faibles. De plus, nous considérons les périodes de non-occurence des SEP suivant une éruption avec des magnitudes C6.0 pour maintenir un déséquilibre naturel de la distribution des échantillons. Dans notre ensemble de données, il y a 244 événements SEP forts constituant la classe positive. Il y a 189 événements faibles et 2 460 périodes "SEP-quiet" pour la classe négative. Nous expérimentons avec un classificateur de statistiques récapitulatives, le plus proche voisin et la forêt de séries temporelles supervisées (STSF), et comparons leurs performances pour valider nos méthodes pour des fenêtres de prédiction de 5 minutes jusqu'à 60 minutes. Nous constatons que le STSF fonctionne mieux dans toutes les circonstances. Pour un seuil de classification optimal de 0.3 et une fenêtre de prédiction de 60 minutes, nous obtenons : TSS = 0.850, HSS = 0.878, GSS = 0.783.