“所有人員注意！所有人員注意！太陽風暴將於6分鐘後抵達月表！”

“你這預報是真的嗎？”“剛才不還有一小時呢嗎？”

《流浪地球2》中，太陽風暴就這樣在不靠譜的預警中，襲擊了月球表面上的人類聯合實驗基地。

人類，能夠準確預測太陽風暴麼？

1989年3月，美國和加拿大怪事頻發，在加拿大的魁北克地區發生了一場史無前例的大停電事件，使整個魁北克地區陷入了一片黑暗中，而在停電發生時，距離魁北克省四五百公里處的的紐約州，還出現了一條條炫麗的粉紅色極光，然而這背後的罪魁禍首竟是一場巨大的太陽風暴！

後來NASA公佈了一組有關太陽的250多個異常資料，該資料顯示，在大斷電前，太陽經歷了一場大規模的風暴，在這期間太陽以熱和光的形式發出耀斑，這些耀斑平均8分鐘到達地球，並便攜帶了驚人數量的等離子電荷直衝地球，從而引發了地球磁暴，而磁暴產生的大量電流使輸電線路嚴重過載，進而發生了此次大斷電事件。

為何預測太陽風暴十分複雜？

預測太陽風暴並開發針對這些極端事件的早期響應系統是一項艱鉅的任務。其中，考慮到太陽風暴的罕見程度，可用於訓練演算法的歷史案例非常少。這使得常見的機器學習方法（如監督學習）不足以預測太陽風暴。此外，現存的衛星在地球的不同位置收集太空天氣資訊，導致資料量巨大。

NASA 正在與亞馬遜雲科技專業服務和Amazon ML Solutions Lab合作，使用無監督學習和異常檢測來探索與太陽風暴等極端事件。藉助亞馬遜雲科技強大的技術，可以一次篩選多達 1,000 組資料集來進行預測超級風暴的分析，並訓練計算機模型，以識別太陽風暴即將爆發的訊號。NASA的方法將太陽風驅動因素和地球周圍的磁場水平聯絡起來，從而在資料中找出異常。

如何使用亞馬遜雲科技來監測？

NASA 使用 Amazon SageMaker 中內建的Random Cut Forest (RCF) 演算法與各種地面和衛星儀器編譯的太陽物理學資料集來訓練並檢測異常模型，這樣更易於觀察，因為當在圖中檢視時，這些異常資料很容易與典型的資料區分開；對於每個資料點，RCF 都會關聯一個異常分數，低分值表示資料點被認為是正常的，高分值則表示資料中存在異常。

Amazon ML Solutions Lab 使用無伺服器流式資料管道應用程式來實現實時監控；該管道處理來自航天器的現場觀測資料，以實時檢測異常情況併發出警報，流式傳輸管道利用 Amazon Kinesis Data Streams 來確定異常分數。

Amazon Kinesis Firehose可以將實時資料流式傳輸到 Amazon S3，用於記錄傳輸和模式轉換為 Parquet。除了實時警報之外，模型結果還永久儲存在 Amazon S3 中，可以在其中使用 Amazon SageMaker 進一步分析它們，並使用 Amazon QuickSight 進行視覺化，從而允許建立和釋出包含 ML Insights 的互動式儀表板。

我們始終知曉，地球不僅僅是人類的居所，更是與人類和諧共生的共同體，

秉持著對家園的責任與擔當，

亞馬遜雲科技始終以自身的技術密切關注人類的生存環境與生物環境，

願以數字科技為人與地球帶來更加積極的影響。

《流浪地球2》太陽風暴要來了？亞馬遜雲科技帶你看神秘宇宙！

為何預測太陽風暴十分複雜？

如何使用亞馬遜雲科技來監測？

相關文章