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