微软研究院开发的一个机器学习流水线为美国本土的66,935个变电站生成了位置特定的地磁感应电流（GIC）风险评估。该系统将太阳风预报与局部地质数据相结合，在特定风险出现前为电网运营商提供30至60分钟的提前预警。

  • 该流水线使用梯度提升模型来估计dB/dt，即与GIC风险相关的磁场变化率。
  • 它在重大事件（≥10 nT/min）、严重事件（≥20 nT/min）和极端事件（≥50 nT/min）中的检测率分别达到76.5%、81.2%和64.1%。
  • AE预测器记录了410.2 nT的RMSE，而Dst预测器在62.2%的高峰活动小时内优于Burton方程。
  • 对所有变电站进行推理大约需要333毫秒，从而能够快速评估多种场景。

这种方法使公用事业公司能够优先考虑工程审查，并根据精确的地理暴露情况考虑针对性的保护措施，例如调整无功功率储备。