@Article{OjedaNarSavRosMen:2014:PrDeÍn,
               author = "Ojeda, Arian and Nardin, Clezio Marcos De and Savio, Siomel and 
                         Rosa, Reinaldo Roberto and Mendes Junior, Odim",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)}",
                title = "Pron{\'o}stico del {\'{\i}}ndice planetario Kp usando modelos 
                         autoregresivos",
              journal = "Ciencias de la Tierra y el Espacio",
                 year = "2014",
               volume = "15",
               number = "1",
                pages = "67--76",
                 note = "{Setores de Atividade: Pesquisa e desenvolvimento 
                         cient{\'{\i}}fico.}",
             keywords = "Geomagnetic Index, Space Weather, Space Weather Forecast.",
             abstract = "El {\'{\i}}ndice geomagn{\'e}tico Kp se deriva del 
                         {\'{\i}}ndice K a partir de las mediciones de trece estaciones 
                         localizadas alrededor de la Tierra entre las latitudes 
                         geomagn{\'e}ticas 48\◦ y 63\◦. Este {\'{\i}}ndice 
                         se procesa cada tres horas, es cuasi-logar{\'{\i}}tmico y estima 
                         la actividad geomagn{\'e}tica. Los valores de Kp est{\'a}n 
                         dentro de un rango de 0 a 9 y conforman un conjunto de 28 valores 
                         discretos, se utiliza como uno de los par{\'a}metros de entrada 
                         en muchos modelos ionosf{\'e}ricos y magnetosf{\'e}ricos. El 
                         objetivo de este trabajo es utilizar datos hist{\'o}ricos del 
                         {\'{\i}}ndice Kp para desarrollar una metodolog{\'{\i}}a que 
                         permita hacer un pron{\'o}stico del mismo en un intervalo de 
                         tiempo, como m{\'{\i}}nimo, de tres horas. Se prueban cinco 
                         diferentes modelos de pron{\'o}stico de los {\'{\i}}ndices 
                         geomagn{\'e}ticos Kp y ap. Se utilizan como datos de entrada a 
                         los modelos, una serie temporal de valores del {\'{\i}}ndice Kp 
                         desde 1932 hasta el 15/12/2012 a las 21:00 horas UT. La finalidad 
                         del modelo es pronosticar los tres valores posteriores al 
                         {\'u}ltimo valor medido del {\'{\i}}ndice Kp (las pr{\'o}ximas 
                         9 horas). El modelo AR resulta ser el de menor costo computacional 
                         y ofrece buenos resultados. El modelo ARIMA es eficiente para la 
                         predicci{\'o}n del {\'{\i}}ndice Kp en condiciones de 
                         perturbaci{\'o}n geomagn{\'e}tica. Este trabajo ofrece una forma 
                         r{\'a}pida y eficiente de hacer una predicci{\'o}n del 
                         {\'{\i}}ndice Kp, sin necesidad de usar datos de sat{\'e}lites 
                         que muchas veces demoran en ser publicados. Aunque se informa que 
                         los resultados del pron{\'o}stico son mejores cuando se utilizan 
                         datos de sat{\'e}lites. Seg{\'u}n datos publicados, la 
                         correlaci{\'o}n lineal entre los valores pronosticados y los 
                         valores reales est{\'a} entorno de un 77 %, valor que es mejor 
                         que el 68.5% obtenido en este trabajo. Sin embargo, teniendo en 
                         cuenta que se trabaj{\'o} solamente sobre la serie temporal 
                         estoc{\'a}stica del Kp, este valor de correlaci{\'o}n puede 
                         considerarse satisfactorio. ABSTRACT: The geomagnetic Kp index is 
                         derived from the K index measurements obtained from thirteen 
                         stations located around the Earth geomagnetic latitudes between 
                         48\◦ and 63\◦. This index is processed every three 
                         hours, is quasi-logarithmic and estimates the geomagnetic 
                         activity. The Kp values fall within a range of 0 to 9 and are 
                         organized as a set of 28 discrete values. The data set is 
                         important because it is used as one of the many input parameters 
                         of magnetospheric and ionospheric models. The objective of this 
                         work is to use historical data from the Kp index to develop a 
                         methodology to make a prediction in a time interval of at least 
                         three hours. Five different models to forecast geomagnetic indices 
                         Kp and ap are tested. Time series of values of Kp index from 1932 
                         to 15/12/2012 at 21:00 UT are used as input to the models. The 
                         purpose of the model is to predict the three measured values after 
                         the last measured value of the Kp index (it means the next 9 hours 
                         values). The AR model provides the lowest computational cost with 
                         satisfactory results. The ARIMA model is efficient for predicting 
                         Kp index during geomagnetic disturbance conditions. This paper 
                         provides a quick and efficient way to make a prediction of Kp 
                         index, without using satellite data. Although it is reported that 
                         the forecast results are better when satellite data are used. In 
                         the literature we find that the linear correlation between 
                         predicted values and actual values is 77 %, which is better than 
                         the 68.5% obtained in this work. However, taking into account that 
                         our results are based only on Kp stochastic time series, the 
                         correlation value can be considered satisfactory.",
                 issn = "1729-3790",
                label = "lattes: 8030262077949409 2 
                         OjedaNarSavRosMen:2014:PrDe{\'{\I}}n",
             language = "es",
        urlaccessdate = "01 maio 2024"
}