Rymdv

1
Rymdväder och prognoser

• Rymdens fysik2003-09-02
• Peter Wintoft

2
Varför naturvetenskap?
Prognoser!
3
Its difficult to make predictions,
4
Modeller baserade på fysikaliska lagar
Ex.1 Tvåkropparsproblemet
Ex.2 Flerkropparsproblemet
Som ovan men differentialekvationerna skrivs om
till differensekvationer och löses numeriskt.
5
Merkurius passage den 7 maj 2003.
6
Solfläckstalet Rz k ( f 10g )
7
(No Transcript)
8
Fouriertransformy(t) a0 a1 sin (wt f1 )
a2 sin (2wt f2 )
9
(No Transcript)
10
(No Transcript)
11
(No Transcript)
12
Är solfläckscykeln kaotisk?

• Vad är kaos?
• Lika utgångsläge ger exponentiellt ökande
  avstånd.
• Systemet är begränsat.
• Kan man förutsäga utvecklingen av ett kaotiskt
  system?
• Ja! Men det begränsar hur långt in i framtiden
  man kan göra prognoser.

13
CMECoronal Mass Ejection (Koronamassutkastning)
14
(No Transcript)
15
Advanced Composition Explorer (ACE)
Indices
Models
http//www.srl.caltech.edu/ACE/
16
December 1980
17
Linjär korrelation 0.13
18
Empiriska modeller

• Ofullständig förståelse av fysiken
• Otillräckliga randvillkor från observationer
• Numeriska lösningar för resurskrävande

19
Neuronnät
Hur finner man vikterna?
20
(No Transcript)
21
(No Transcript)
22
Accuracy of the onset time of large slopes in Dst
23
Effect of data gaps
24
Sammanfattning

• Grundläggande förståelse av systemet
• Fysikaliska lagar
• Topologi
• Hitta typiska tidsskalor
• Linjärt eller icke-linjärt?
• Är systemet dynamiskt, dvs har det minne?
• Är systemet kaotiskt?
• Välj lämplig modell (t.ex. neuronnät)

25
SLUT!
26
(No Transcript)
27
Those who cannot remember the past are condemned
to repeat it.
George Santayana
http//www.scienceandyou.org/articles/ess_01.shtml