Rymdväder och prognoser Rymdens fysik Peter Wintoft
Varför naturvetenskap? Prognoser!
It’s difficult to make predictions, especially about the future. Yogi Berra
Modeller baserade på fysikaliska lagar Ex.1: Tvåkropparsproblemet Ex.2: Flerkropparsproblemet Som ovan men differentialekvationerna skrivs om till differensekvationer och löses numeriskt.
Merkurius passage den 7 maj 2003.
Solfläckstalet: Rz = k ( f + 10g )
Fouriertransform: y(t) = a 0 + a 1 sin ( t + 1 ) + a 2 sin (2 t + 2 ) + …
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.
CME: Coronal Mass Ejection (Koronamassutkastning)
Advanced Composition Explorer (ACE) Models Indices
December 1980
Linjär korrelation = 0.13
Empiriska modeller Ofullständig förståelse av fysiken Otillräckliga randvillkor från observationer Numeriska lösningar för resurskrävande
Neuronnät Hur finner man vikterna?
Accuracy of the onset time of large slopes in Dst tt
Effect of data gaps
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)
SLUT!
Those who cannot remember the past are condemned to repeat it. George Santayana