Pronóstico del índice planetario Kp usando modelos autoregresivos

2014 
Resumen El indice geomagnetico Kp se deriva del indice K a partir de las mediciones de trece estaciones localizadas alrededor de la Tierra entre las latitudes geomagneticas 48◦ y 63◦. Este indice se procesa cada tres horas, es cuasi-logaritmico y estima la actividad geomagnetica. Los valores de Kp estan dentro de un rango de 0 a 9 y conforman un conjunto de 28 valores discretos, se utiliza como uno de los parametros de entrada en muchos modelos ionosfericos y magnetosfericos. El objetivo de este trabajo es utilizar datos historicos del indice Kp para desarrollar una metodologia que permita hacer un pronostico del mismo en un intervalo de tiempo, como minimo, de tres horas. Se prueban cinco diferentes modelos de pronostico de los indices geomagneticos Kp y ap. Se utilizan como datos de entrada a los modelos, una serie temporal de valores del indice 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 ultimo valor medido del indice Kp (las proximas 9 horas). El modelo AR resulta ser el de menor costo computacional y ofrece buenos resultados. El modelo ARIMA es eficiente para la prediccion del indice Kp en condiciones de perturbacion geomagnetica. Este trabajo ofrece una forma rapida y eficiente de hacer una prediccion del indice Kp, sin necesidad de usar datos de satelites que muchas veces demoran en ser publicados. Aunque se informa que los resultados del pronostico son mejores cuando se utilizan datos de satelites. Segun datos publicados, la correlacion lineal entre los valores pronosticados y los valores reales esta entorno de un 77 %, valor que es mejor que el 68.5% obtenido en este trabajo. Sin embargo, teniendo en cuenta que se trabajo solamente sobre la serie temporal estocastica del Kp, este valor de correlacion puede considerarse satisfactorio.
    • Correction
    • Cite
    • Save
    • Machine Reading By IdeaReader
    7
    References
    0
    Citations
    NaN
    KQI
    []