haku: @keyword neuroverkot / yhteensä: 24
viite: 7 / 24
| Tekijä: | Mattinen, Maija Katariina |
| Työn nimi: | Modeling and Forecasting of Local Geomagnetic Activity |
| Paikallisen geomagneettisen aktiivisuuden ennustaminen ja mallinnus | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2010 |
| Sivut: | 66 Kieli: eng |
| Koulu/Laitos/Osasto: | Informaatio- ja luonnontieteiden tiedekunta |
| Oppiaine: | Sovellettu matematiikka (Mat-2) |
| Valvoja: | Salo, Ahti |
| Ohjaaja: | Viljanen, Ari ; Syrjäsuo, Mikko |
| Digitoitu julkaisu: | https://aaltodoc.aalto.fi/handle/123456789/98013 |
| OEVS: | Digitoitu arkistokappale on julkaistu Aaltodocissa
|
| Sijainti: | P1 Ark Aalto 197 | Arkisto |
| Avainsanat: | geomagnetic activity forecasting artificial neural networks geomagneettinen aktiivisuus ennustaminen neuroverkot |
| Tiivistelmä (fin): | Työssä tutkitaan paikallisen geomagneettisen aktiivisuuden mallintamista ja rakennetaan paikallinen ennustemalli. Monet nykyiset ennustemallit ovat globaaleja, mutta lokaalien avaruussään aiheuttamien haittojen estämiseksi on tärkeää kehittää luotettavia paikallisennusteita. Työssä luodaan matemaattinen ennustemalli, joka on sekä kvantitatiivinen että luotettava. Tavoitteena on, että uusi malli on Ilmatieteen laitoksen (IL) nykyistä operatiivistä ennustemallia parempi. Työssä tutkitaan ja testataan neuroverkkojen hyödyntämistä ennustuksessa. Työssä kehitetty ANN4-malli verifioidaan soveltamalla sitä testiaineistoon ja vertaamalla saatuja ennusteita havaittuihin arvoihin. Mallin ennustuskykyä verrataan myös nykyiseen IL:n ennustemalliin. ANN4-malli käyttää 5-minuuttista aurinkotuulidataa magnetometridatan lisäksi. Malli osaa ajoittaa magneettisten myrskyjen alkamisen. ANN4-malli ennustaa kvantitatiivisesti magneettikentän x-komponentin vaihteluvälin seuraavalle tunnille. Yli puolet ajasta ennustevirhe on kymmenen nanoteslaa. Nämä ominaisuudet tekevät ANN4- ennustemallista IL:n nykyistä mallia paremman. |
| Tiivistelmä (eng): | In this thesis, we study the modeling and forecasting of local geomagnetic activity and develop a local prediction model. Many existing forecasting models predict global activity but in order to prevent harmful and costly space weather effects on ground one needs reliable local forecasts. We build a mathematical prediction model that gives a quantitative and reliable short-term activity forecasts. The goal of this thesis is to obtain an advanced model compared to the present forecasting model at the Finnish Meteorological Institute (FMI). We examine the forecasting abilities of artificial-neural-network-based models. The ANN4-model developed in this thesis is verified by using a test set and by comparing model outputs with actual observations. In addition, the forecasting ability is compared to the current model at the FMI. ANN4-model uses 5-minute solar wind data with magnetometer data. With ANN4 one can forecast a start of a geomagnetic storm. ANN4-model forecasts the range of x component of the geomagnetic field for next hour. The forecasts are within 10 nT over 50% of time. These characteristics make ANN4-model better than the current forecasting model at the FMI. |
| ED: | 2010-06-10 |
INSSI tietueen numero: 39788
+ lisää koriin
INSSI