%0 Thesis
%4 sid.inpe.br/mtc-m18@80/2009/04.13.13.16
%2 sid.inpe.br/mtc-m18@80/2009/04.13.13.16.34
%T Previsão do índice geomagnético dst utilizando redes neurais artificiais e árvore de decisão
%J Geomagnetic DST index forecast using artificial neural networks and decision tree
%D 2009
%8 2009-02-13
%9 Dissertação (Mestrado em Computação Aplicada)
%P 132
%A Muralikrishna, Amita,
%E Rosa, Reinaldo Roberto (presidente),
%E Silva, José Demísio Simões da (orientador),
%E Lago, Alisson Dal (orientador),
%E Alarcon, Walter Demetrio Gonzalez,
%E Osório, Fernando Santos,
%I Instituto Nacional de Pesquisas Espaciais (INPE)
%C São José dos Campos
%K Redes neurais artificiais, clima espacial, DST, tempestade magnética, árvore de decisão, perceptron múltiplas camadas, backpropagation, artificial neural networks, space weather, magnetic storm, decision tree, multilayer perceptron.
%X A Terra sofre constante influência da atividade solar através do vento solar, que traz consigo estruturas resultantes, principalmente, de eventos solares como explosões solares e ejeções coronais de massa. A interação quase estática do vento solar com o campo geomagnético forma a estrutura denominada magnetosfera, que funciona como um escudo, que protege o planeta do plasma provindo do Sol. No entanto, em função das características que as estruturas de origem solar adquirem ao longo do meio interplanetário, pode haver penetração de parte dessa matéria para dentro da magnetosfera. Como conseqüência, diversos tipos de distúrbios podem ser gerados no planeta, como, por exemplo, as auroras e as tempestades geomagnéticas, as quais podem ocasionar diversos danos aos sistemas tecnológicos, entre outros prejuízos. Este trabalho aborda a relação entre as características do meio interplanetário durante o avanço de estruturas interplanetárias em direção à Terra e os efeitos sentidos pelo campo geomagnético, como resposta a essas características. O foco principal é a previsão do comportamento do campo geomagnético, medido, neste trabalho, pelo índice geomagnético Dst, levando-se em conta, principalmente, as três coordenadas do campo magnético interplanetário. As ferramentas escolhidas para resolver o problema não-linear foram as técnicas: Rede Neural Artificial do tipo Perceptron de Múltiplas Camadas, treinada com algoritmo backpropagation, Mapa Auto-organizável de Kohonen e Árvore de Decisão com algoritmo J48. Foi possível comprovar algumas relações e questionar a existência de outras com a Árvore de Decisão e prever, com ótimo percentual de eficiência, o índice geomagnético Dst com a Rede MLP. ABSTRACT: The Earth suffers constant influence of the solar activity through the solar wind, which brings with it the resulting structures, mainly phenomena like solar flares and coronal mass ejection. The almost static interaction between the solar wind and the geomagnetic field forms a structure called magnetosphere, which acts as a shield that protects the planet from radiation and solar plasma. However, depending on the characteristics that these structures of solar origin acquire throughout the interplanetary medium, a part of the energy and matter may penetrate into the magnetosphere. As a result, different types of disturbances can be generated on the planet, for example, the aurora and the geomagnetic storms, which can cause damage to various technological systems, among other losses. The present work formulates the relationship between the characteristics of the interplanetary medium during the progress of the interplanetary structures towards the Earth and the effects observed on the geomagnetic field, in response to these characteristics. The main focus is on forecasting the behavior of the geomagnetic field, represented in this work by the Dst index, using for that, mainly, the three interplanetary magnetic field components. The tools chosen here to solve the non-linear problem were the Multi-layer Perceptrons Artificial Neural Network, trained with the backpropagation algorithm; the Kohonen Self-Organizing Map and the Decision Tree with the J48 algorithm. It was possible to establish some relationships and to question the existence of others with the Decision Tree, and predict the geomagnetic Dst index with great percentage efficiency with the Artificial Neural Network.
%@language pt
%3 publicacao.pdf