Resumo: As explosões solares são liberações intensas de energia eletromagnética que ocorrem normalmente em regiões solares ativas do Sol com fortes campos magnéticos, conhecidas como manchas solares. A radiação de uma explosão solar pode atingir a atmosfera da Terra em poucos minutos. As explosões solares de alta intensidade, como as de classes M e X, podem impactar significativamente as tecnologias e atividades da Terra, incluindo satélites, telecomunicações e sistemas de energia. Portanto, é fundamental desenvolver sistemas de previsão com boas taxas de acerto para explosões solares de alta intensidade. Um modelo de previsão que monitora a evolução de regiões solares ativas pode analisar vários atributos para prever quais regiões podem tornar-se precursoras de explosões solares. As pesquisas recentes têm se concentrado cada vez mais em modelos de aprendizagem profunda que acompanham a evolução destas regiões ativas. No entanto, as explosões de classe M e X são relativamente raras no ciclo solar, resultando em conjuntos de dados desequilibrados que dificultam o desenvolvimento de modelos de previsão eficazes. Para enfrentar esse desafio, propusemos a adoção de modelos baseados em transformers, treinados com o método de ajuste fino para previsão de explosões solares de classes >=M, usando sequências de imagens de magnetogramas visíveis como entrada. Também aplicamos técnicas de aumento de dados, aumentando artificialmente as amostras positivas de explosões solares de classe M e X, para lidar com os desequilíbrios nos conjuntos de treinamento e validação. Nossos modelos ajustados superaram o estado da arte, alcançando um escore de True Skill Statistic (TSS) de aproximadamente 0,8 para explosões >=classe M, no horizonte de previsão de 48 h...
O resumo poderá ser visualizado no texto completo da tese digital Ver menos

Abstract: Solar flares are intense releases of electromagnetic energy typically occurring in active solar regions with strong magnetic fields, known as sunspots. The radiation from a solar flare can reach Earth's atmosphere within minutes. High-intensity solar flares, such as M- and X-class, can significantly impact Earth's technologies and activities, including satellites, telecommunications, and power systems. Therefore, it is essential to develop forecasting systems with good accuracy rates for high-intensity solar flares. A forecasting model that monitors the evolution of active solar regions can analyze various attributes to predict which regions might become precursors to solar flares. Recent research has increasingly focused on deep-learning models that track the evolution of these active regions. However, M- and X-class flares are relatively rare within the solar cycle, resulting in imbalanced datasets that complicate the development of effective forecasting models. To address this challenge, we proposed adopting Transformer-based models trained with the fine-tuning method for forecasting flares of >=M-class, using sequences of line-of-sight magnetogram images as input. We also applied data augmentation techniques, artificially increasing positive samples of M- and X-class flares, to handle the imbalances in the training and validation sets. Our fine-tuned models outperformed state-of-the-art methods, achieving a True Skill Statistic (TSS) score of approximately 0.8 for >=M-class flares within the 48 h forecasting horizon...
Abstract is available with the full the electronic document Ver menos