Lektion 4 - rymdväder, effekter och prognoser
Effekter
Förutsägelser med AI
Internationella rymdvädersinitiativ
Effekter av rymdvädret på teknologiska system
Koronahål och den snabba solvinden
Satellitanomalier
Halo koronamassutkastning den14 juli, 2000
QuickTime och en
GIF-dekomprimerare
krävs för att kunna se bilden.
Satelliter fick problem den 14-16 juli, 2000
Proton fluxen (pfu) > 10 MeV,
24000 pfu (15 juli, 12.30 UT).
Tredje störst uppmätta!
Störst på 43 000 pfu, (24 mars 1991).
Andra störst på40 000 pfu
(20 oktober 1989).
”Proton event”-en orsakade problem för ACE (36 tim), SOHO
(solpanel 1 år äldre), WIND (2 dagar), GOES , Ørsted, Akebono
(Japansk satellit, vars elektronik skadades),”star trackers” ombord
kommersiella satelliter, och ASCA (Japansk X-ray satellit) slutade helt
att fungera.
Solproton-händelser är
farliga för astronauter
Mellan Apollo 16 och 17 inträffade
en proton-event, som skulle ha
varit dödlig för astronauterna inom
10 timmar (över 4000 mSv).
Strålningsrisk vid flygning
Piloter och kabinpersonal
får oftare cancer.
Utav 300 passagerare på
höglattitud-flygningar, får
en cancer efter en intensiv
”proton event”.
Ny EU lag:
Gravid flygpersonal får inte
utsättas för mer än
1 (1-6) millisievert/year
Norrskensovalen
Jordmagnetiskt
inducerade
strömmar mätt av
SydGas
Den jordmagnetiska stormen (Ap=152,15/7),
15-16 juli, påverkade elkraftsystemen
El-kraftsystem från norra Main till sydöstra USA upplevde kraftiga störningar.
Kraftiga GIC uppmättes, spänningsfluktuationer förekom i 325 kV kraftsystemen,
en transformater skadades osv. I Sverige rapporterades bara mindre störningar.
Artificiella neurala nätverk (ANN)
Grundkomponenten i varje ANN är en
artificiell neuron eller en neuron (som är en
abstrakt modell av en naturlig neuron).
Neuronen mottager en indata vektor x
och beräknar sedan utdatan y=f(Swixi).
x1
w1
x2
w2
f(Swixi)
wn
y
xn
x1 =+ 1
x2 =-1
x6 =+ 1
x3 =+ 1
x5 =-1
x4 =+ 1
Värdet y är neuronens tillstånd. Om
f=sgn då får neuronen värdet (+1,-1).
Neurala nätverk är dynamiska (dvs förändras
med tiden). Tillståndet vid tiden t för det
generella nätverket till vänster beskrives av
tillstånsvektorn X(t)=(+1,-1,+1,+1,-1,+1)T.
De olika tillstånden med tiden, beskriver en
bana (trajectory). Banans ändpunkter kallas
”fundamental memories” eller ”attractors”
(”strange chaotics” e.g.)
Supervised neural network
Recurrent neural network
Unsupervised neural network
Rymdfarkosten ACE
Workshops i Lund
AI Applications in Solar-Terrestrial Physics - 1993
- 1997
- 2001
Deltagare under 1997 workshop
Sol- och rymdväder idag!
Lunds Regional Warning Center
Slut och summering
