Прогнозирование Dst -индекса методом линейного регрессионного анализа

Рубрика: 
Космическая и атмосферная физика
Парновский, АС
Косм. наука технол. 2008, 14 ;(3):048-054
https://doi.org/10.15407/knit2008.03.048
Язык публикации: русский
Аннотация: 
Целью работы является построение феноменологической регрессионной зависимости Dst -индекса от параметров солнечного ветра и использования этой зависимости для прогнозирования. Магнитосфера рассматривается как черный ящик, то есть не используются никакие модели или предположения. В работе получена зависимость, которая обеспечивает прогнозирование Dst -индекса на 9 часов вперед. При этом коэффициент корреляции регрессионного значения Dst  с измеренным составляет от 98.6% при прогнозировании на 1час до 79.3% при прогнозировании на 9 часов. В работе также обсуждается, как вид статистически значимых регрессоров может способствовать пониманию физического механизма влияния параметров солнечного ветра на геомагнитную активность.
Ключевые слова: Dst -индекс, регрессионный анализ, солнечный ветер
 
Полный текст (PDF)
References: 
1.  Акасофу С.-И., Чепмен С. Солнечно-земная физика. — М.: Мир, 1975.—900 с.
2.  Baker D. N., Klimas A. J., McPherron R. L., Buchner J. The evolution from weak to strong geomagnetic activity: An interpretation in terms of deterministic chaos // Geophys. Res. Lett—1990.—17.—P. 41—44.
3.  Campbell W. H. Geomagnetic storms, the Dst ring-current myth and lognormal distributions // J. Atmos. and Terr. Phys.—1996.—58, N 10.—P. 1171 — 1187.
4.  Dungey J. W. Interactions of solar plasma with the geomag­netic field // Planet. Space Sci.—1963.—10.—P. 233— 237.
5.  Feldstein Y. I. Modelling of magnetic field of magnetos-pheric ring current as function of interplanetary medium parameters // Space Sci. Rev.—1992.—59.—P. 83—105.
6.  Temerin M., Xinlin Li. A new model for the prediction of Dsfon the basis of the solar wind // J. Geophys. Res.—2002.—107, N A12..—P. SMP 31-1.

7.  Wu J.-G., Lundstedt H. Geomagnetic storm predictions from solar wind data with the use of dynamic neural networks // J. Geophys. Res.—1997.—102, N A7.— P. 14255—14268.