Astronomical seeing prediction at paranal observatory

Abstract

La visión o visibilidad astronómica (en inglés, seeing) es una variable de turbulencia óptica que refiere al efecto distorsionador de la atmósfera sobre las imágenes capturadas por los observatorios de objetos astronómicos. Este parámetro se puede calcular en tiempo real con diferentes instrumentos, entre ellos, el Differential Image Motion Monitor (DIMM). Sin embargo, los observatorios requieren usualmente una predicción de antemano para poder planificar la observación de algún objeto astronómico. Aquí es donde entra el área de simulación numérica y aprendizaje de máquinas, siendo dos enfoques muy utilizados en la predicción de variables atmosféricas. El Observatorio Europeo Austral (ESO, por sus siglas en inglés) es la organización intergubernamental de ciencia y tecnología más importante en astronomía, la cual opera en tres sitios diferentes: La Silla, Paranal y Chajnantor. De estos, Paranal es el enfoque de esta tesis, donde se encuentra el Very Large Telescope (VLT). Así, el objetivo de este trabajo es predecir el valor promedio del seeing una hora hacia el futuro, utilizando datos provenientes de la ESO y un marco enteramente enfocado en aprendizaje de máquinas.

En esta tesis se ha desarrollado una modificación extensa de la base de datos proveniente de la ESO, junto con un análisis de esta, con el fin de generar los mejores resultados posibles. Además, se han probado de manera exhaustiva diferentes modelos para evaluarlos y seleccionar el óptimo en términos de predicción.

El resultado obtenido fue de 0.151 de RMSE y 0.753 de Success Rate, lo que refleja una mejora en un 14.2% y un 4.15%, respectivamente, con respecto al modelo de predicción actual. Esto se traduce a predicciones más precisas junto con un mayor porcentaje de observaciones que cumplieron los requisitos de seeing solicitados. Comparado con el modelo que se usa actualmente en la ESO, esta nueva implementación refleja, en promedio, 28 horas ganadas sobre ejecuciones que cumplen los requisitos de seeing por semestre, donde 18 son de las observaciones más importantes y 10 son de aquellas de menor grado. Junto a esto, se redujo, en promedio, 40 horas el tiempo en el cual se usa el telescopio para una ejecución fallida por semestre, es decir, se observan más ejecuciones de calidad, se ocupa menos el telescopio en ejecuciones que no cumplen los requisitos solicitados y se gana la capacidad de llenar la cola de nuevas OBs (Observation Blocks), es decir, ejecutar nuevas observaciones astronómicas.

Astronomical seeing is an optical turbulence variable that refers to the distorting effect of the atmosphere on images captured by observatories of astronomical objects. This parameter can be calculated in real-time using different instruments, including the Differential Image Motion Monitor (DIMM). However, observatories usually require a prediction in advance to plan the observation of an astronomical object. This is where numerical simulation and machine learning come into play, as they are two widely used approaches for predicting atmospheric variables. The European Southern Observatory (ESO) is the most important intergovernmental science and technology organization in astronomy, operating in three different sites: La Silla, Paranal, and Chajnantor. Among these, Paranal is the focus of this thesis, where the Very Large Telescope (VLT) is located. Thus, the objective of this work is to predict the average value of seeing one hour into the future, using data from the ESO and an entirely machine learning-focused framework. In this thesis, an extensive modification of the database from the ESO has been developed, along with an analysis of it, to generate the best possible results. Additionally, different models have been exhaustively tested to evaluate and select the optimal one in terms of prediction. The result obtained was 0.151 RMSE and 0.753 Success Rate, reflecting improvements of 14.2% and 4.15%, respectively, compared to the current prediction model. This translates to more accurate predictions along with a higher percentage of observations meeting the requested seeing requirements. Compared to the model currently used at the ESO, this new implementation reflects an average gain of 28 hours per semester for executions that meet the seeing requirements, with 18 hours from the most important observations and 10 hours from those of lower rank. Additionally, the time spent using the telescope for failed executions was reduced by an average of 40 hours per semester. This means more high-quality executions are observed, the telescope is used less for executions that do not meet the required standards, and there is increased capacity to fill the queue with new OBs (Observation Blocks), that is, to conduct new astronomical observations.