Rymdväder och prognoser Rymdens fysik 2003-09-02 Peter Wintoft.

En presentation över ämnet: "Rymdväder och prognoser Rymdens fysik 2003-09-02 Peter Wintoft."— Presentationens avskrift:

1 Rymdväder och prognoser Rymdens fysik 2003-09-02 Peter Wintoft

2 Varför naturvetenskap? Prognoser!

3 It’s difficult to make predictions, especially about the future. Yogi Berra

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

8 Fouriertransform: y(t) = a 0 + a 1 sin (  t +  1 ) + a 2 sin (2  t +  2 ) + …

9

10

11

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 CME: Coronal Mass Ejection (Koronamassutkastning)

14

15 Advanced Composition Explorer (ACE) Models Indices 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

21

22 Accuracy of the onset time of large slopes in Dst tt

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

27 Those who cannot remember the past are condemned to repeat it. George Santayana http://www.scienceandyou.org/articles/ess_01.shtml