Fachhochschule Nordwestschweiz FHNW

Titelseite
Bericht
GitHub Repository
Dataset

Klassifikation von Sonneneruptionen mittels Machine Learning und e-Callisto Netzwerk

Zusammenfassung

Das Projekt "Klassifikation von Sonneneruptionen mittels Machine Learning und dem e-Callisto Netzwerk" zielt darauf ab, Sonneneruptionen automatisch zu klassifizieren, um das manuelle Erfassen der Labels zu ersetzen. Es wurden Daten des e-Callisto-Netzwerks verwendet, um verschiedene Deep-Learning-Modelle wie ResNet und eigens entwickelte CNNs für binäre Klassifikationen zu trainieren.

Schlüsselbegriffe

Python, PyTorch, e-Callisto, ecallisto_ng, Bildklassifikation, Computer Vision, Sonneneruptionen, Machine Learning, CNN

Zielsetzung

Das Hauptziel ist es, die Sonneneruptionen automatisch zu klassifizieren. Falls ein Modell zuverlässige Klassifikationen generiert, könnte es die manuelle Erstellung von Labels ablösen.

Ausgangslage

Die Datenbasis für das Projekt stammt vom E-Callisto-Netzwerk. Dieses sammelt global Daten zur Sonnenaktivität mittels Radiospektrometern. Wir können dabei auf eine Zeitreihendatenbank zugreifen, in der die Daten in Viertelsekundenintervallen zur Verfügung stehen. Die Labels für die Sonneneruptionen wurden manuell gelabelt und befinden sich in einzelnen Text-Dokumenten.

Ergebnisse

Die besten Ergebnisse erzielte ResNet50 mit einem Recall von 0.88 und einer Precision von 0.69. Allerdings zeigte sich, dass die Modelle die Validierungsdaten nicht gut lernen konnte. Es wird empfohlen, die Untersuchung mit 15-Minuten-Daten fortzusetzen, insbesondere das Verhalten im Training der ersten Epoche zu untersuchen. Kann das Problem beim Training nicht verstanden und korrigiert werden, können alternative Methoden erkundet werden. Zudem wurde ein Datensatz mit gelabelten 15-Minuten-Bildern veröffentlicht, mit dem zukünftige Modelle trainiert werden können. Zusätzlich wurde eine API für die Sonneneruptionserkennung entwickelt, welche die Sonnenspektren und die von den Modellen gegebene Gewissheit visualisiert, um beim manuellen Labeling zu unterstützen.