%0 Journal Article
%4 sid.inpe.br/plutao/2014/12.01.14.05.45
%2 sid.inpe.br/plutao/2014/12.01.14.05.46
%@issn 1729-3790
%F lattes: 8030262077949409 2 OjedaNarSavRosMen:2014:PrDeÍn
%T Pronóstico del índice planetario Kp usando modelos autoregresivos
%D 2014
%A Ojeda, Arian,
%A Nardin, Clezio Marcos De,
%A Savio, Siomel,
%A Rosa, Reinaldo Roberto,
%A Mendes Junior, Odim,
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@electronicmailaddress ojeda.gonzalez.a@gmail.com
%@electronicmailaddress clezio.denardin@inpe.br
%@electronicmailaddress siomel@gmail.com
%@electronicmailaddress reinaldo@lac.inpe.br
%@electronicmailaddress odim.mendes@inpe.br
%B Ciencias de la Tierra y el Espacio
%V 15
%N 1
%P 67-76
%K Geomagnetic Index, Space Weather, Space Weather Forecast.
%X El índice geomagnético Kp se deriva del índice K a partir de las mediciones de trece estaciones localizadas alrededor de la Tierra entre las latitudes geomagnéticas 48◦ y 63◦. Este índice se procesa cada tres horas, es cuasi-logarítmico y estima la actividad geomagnética. Los valores de Kp están dentro de un rango de 0 a 9 y conforman un conjunto de 28 valores discretos, se utiliza como uno de los parámetros de entrada en muchos modelos ionosféricos y magnetosféricos. El objetivo de este trabajo es utilizar datos históricos del índice Kp para desarrollar una metodología que permita hacer un pronóstico del mismo en un intervalo de tiempo, como mínimo, de tres horas. Se prueban cinco diferentes modelos de pronóstico de los índices geomagnéticos Kp y ap. Se utilizan como datos de entrada a los modelos, una serie temporal de valores del índice 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 último valor medido del índice Kp (las próximas 9 horas). El modelo AR resulta ser el de menor costo computacional y ofrece buenos resultados. El modelo ARIMA es eficiente para la predicción del índice Kp en condiciones de perturbación geomagnética. Este trabajo ofrece una forma rápida y eficiente de hacer una predicción del índice Kp, sin necesidad de usar datos de satélites que muchas veces demoran en ser publicados. Aunque se informa que los resultados del pronóstico son mejores cuando se utilizan datos de satélites. Según datos publicados, la correlación lineal entre los valores pronosticados y los valores reales está entorno de un 77 %, valor que es mejor que el 68.5% obtenido en este trabajo. Sin embargo, teniendo en cuenta que se trabajó solamente sobre la serie temporal estocástica del Kp, este valor de correlación 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.
%@language es
%O Setores de Atividade: Pesquisa e desenvolvimento científico.