Μελέτη των περιοδικοτήτων του ηλιακού κύκλου χρησιμοποιώντας μεθόδους ανάλυσης χρονοσειρών

Study of the periodicities of the solar cycle using time series analysis methods (Αγγλική)

  1. MSc thesis
  2. Μπουλαλάς, Δημοσθένης
  3. Προχωρημένες Σπουδές στη Φυσική (ΠΣΦ)
  4. 26 Σεπτεμβρίου 2021 [2021-09-26]
  5. Ελληνικά
  6. 115
  7. Περιβολαρόπουλος, Λέανδρος
  8. Περιβολαρόπουλος, Λέανδρος | Παπαδόπουλος, Κωνσταντίνος
  9. Ηλιακός κύκλος | Χρονοσειρές | Ανάλυση Fourier | Ανάλυση Wavelet
  10. 2
  11. 5
  12. 116
  13. Περιέχει : πίνακες, διαγράμματα, εικόνες, αρχείο με κώδικα
    • Στην εργασία αυτή μελετάμε την ηλιακή δραστηριότητα, κυρίως όπως αυτή εκφράζεται με την εμφάνιση και εξέλιξη των ηλιακών κηλίδων στη φωτόσφαιρα και τον τρόπο που αυτή μεταβάλλεται, διαμορφώνοντας τον γνωστό 11­ετή ηλιακό κύκλο. Θα περιγράψουμε διάφορους δείκτες που προσδιορίζουν την ηλιακή δραστηριότητα, όπως οι International Sunspot Number, Sunspot area, συγκρίνωντάς τους. Επίσης, χρησιμοποιώντας μεθόδους ανάλυσης χρονοσειρών (Fourier transform, wavelets) θα προσπαθήσουμε να ανακαλύψουμε μεσοπρόθεσμες και μακροπρόθεσμες μεταβολές στις συνιστώσες του ηλιακού κύκλου. Τέλος, θα συζητήσουμε την χρήση πρωτοποριακών τεχνικών πέραν των κλασσικών στατιστικών μοντέλων, όπως μηχανική μάθηση και ιδιαίτερα των νευρωνικών δικτύων, όσον αφορά στη δυνατότητα πρόβλεψης του ανερχόμενου 25ου ηλιακού κύκλου
    • In this work we study solar activity, mainly as it is expressed by the appearance and evolution of sunspots in the photosphere and the way it changes, forming the well­known 11­year solar cycle. We will describe various indicators that determine solar activity, such as the International Sunspot Number, Sunspot area, comparing them. Also, using time series analysis methods (Fourier transform, wavelets) we will try to discover Intermediate­term and long­term changes in the components of the solar cycle. Finally, we will discuss the use of innovative techniques in addition to the classical statistical models, such as machine learning and especially neural networks, in terms of the ability to predict the rising 25th solar cycle.
  14. Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές