机器学习为美国本土66,935座变电站预警空间天气风险

摘要

在 Microsoft Research 暑期实习期间开发的一套机器学习流水线，可为美国本土66,935座变电站分别给出空间天气风险估计。系统融合太阳风观测、Auroral Electrojet（AE）与Disturbance Storm Time（Dst）指数预报、物理约束、当地地质与地电导率以及电网设施数据，在潜在影响到来前30至60分钟发出地点特定的预警。评估期内，该流水线识别出近80%的重大空间天气事件。文中指出，空间天气预报难点在于涉及多个耦合系统：太阳风变化迅速、与地球磁层的相互作用不规则，且地面效应取决于当地条件——基岩电阻率高的地区所受地磁感应电流（GICs）可能强于地质更易导电的地区。