Detecció automàtica de començaments abruptes de tempestes magnètiques utilitzant xarxes neuronals

Abstract

L’objectiu d’aquesta tesi és la detecció automàtica de començaments abruptes de tempestes magnètiques (Sudden Commencements, SC). Per assolir aquest objectiu primerament hem situat el fenomen d’estudi, els SCs, dintre el marc general del geomagnetisme. Els SCs són un fenomen que es caracteritza per un augment sobtat del camp geomagnètic. Presenta unes característiques clares com són un temps d’inici ben definit, la simultaneïtat a tot el planeta i una font ben establerta com és l’augment abrupte de la pressió del vent solar. Però també presenta una morfologia complexa depenent on està situat l’observatori en qüestió, les diferències morfològiques depenen de la latitud i l’hora local dels observatoris. Hem fet un esforç per entendre la història de l’estudi dels SCs, per veure les seves dificultats i l'evolució tant de la nomenclatura com de la seva definició.

Actualment la morfologia dels SCs està ben explicada a través del model físic d’Araki [Araki, 1994]. Hem estudiat a fons un cas particular, des de l’increment de la pressió del vent solar fins als registres dels observatoris terrestres. Així, hem pogut veure les diferències entre l’aspecte dels SCs observats per diferents satèl•lits i a terra, on presenta una morfologia molt més complexa per l’acció dels corrents ionosfèrics i els corrents existents a la magnetosfera. Amb aquest cas particular hem vist la complexitat del fenomen i també hem mostrat la validesa del model teòric.

Pel que fa a la detecció dels SCs hem explicat l’estat actual del procés d’elaboració de les llistes d’esdeveniments i les seves dificultats que fan necessari la cerca d’un mètode de detecció automàtic. Per abordar aquest repte hem optat per treballar en xarxes neuronals per la seva capacitat d’aprendre a partir de casos. A efecte de valorar la idoneïtat de les xarxes neuronals per resoldre problemes en el camp del geomagnetisme, les hem aplicat per un problema concret: obtenir índexs d’activitat magnètica locals a partir d’índexs globals. Obtenint, per aquest cas, resultats satisfactoris especialment en situacions d’activitat magnètica moderada o alta.

Com a resultat fonamental d’aquesta tesi, presentem un mètode basat en les xarxes neuronals capaç de detectar els SCs de forma automàtica, ràpida, sistemàtica i essent coherent amb el mètode manual. Aquest nou mètode pot treballar tant amb dades de molts observatoris, però també amb pocs observatoris treballa satisfactòriament. Si treballem amb els observatoris de baixa latitud, on la forma dels SCs normalment s’assembla més a una funció esglaó, podem assegurar que la llista produïda amb la xarxa és totalment coherent amb les llistes tradicionals.

El objetivo de esta tesis es la detección automática de comienzos abruptos de tormentas magnéticas (Sudden Commencements, SC). Para alcanzar este objetivo, en primer lugar, hemos situado el fenómeno de estudio, los SCs, dentro del marco general del geomagnetismo. Los SCs son un fenómeno que se caracteriza por un aumento repentino del campo geomagnético. Presenta unas características claras como son un tiempo de inicio bien definido, simultaneidad en todo el planeta y una fuente bien conocida como es el aumento abrupto de la presión del viento solar. Pero también presenta una morfología compleja dependiendo de donde está situado el observatorio en cuestión, las diferencias morfológicas dependen de la latitud y la hora local de los observatorios. Hemos hecho un esfuerzo para entender la historia del estudio de los SCs, para ver sus dificultades y la evolución tanto de su nomenclatura como de su definición.

Actualmente, la morfología de los SCs está bien explicada a través del modelo físico de Araki [Araki, 1994]. Hemos estudiado a fondo un caso particular, desde el incremento de la presión del viento solar hasta los registros de los observatorios terrestres. Así, hemos podido ver las diferencias entre el aspecto de los SCs observados por diferentes satélites y en tierra, donde presenta una morfología mucho más compleja por la acción de las corrientes ionosféricas y las corrientes existentes en la magnetosfera. Con este caso particular hemos visto la complejidad del fenómeno y también hemos mostrado la validez del modelo teórico.

Respecto a la detección de los SCs, hemos explicado el estado actual del proceso de elaboración de las listas de sucesos y sus dificultades que hacen necesario la búsqueda de un método automático. Para abordar este reto hemos optado por trabajar con redes neuronales por su capacidad de aprender a partir de casos. A efectos de valorar la idoneidad de las redes neuronales para resolver problemas en el campo del geomagnetismo, las hemos aplicado para un problema concreto: obtener índices de actividad magnética locales a partir de índices globales. Obteniendo, para este caso, resultados satisfactorios especialmente en situaciones de actividad magnética moderada o alta.

Como resultado fundamental de esta tesis, presentamos un método basado en redes neuronales capaz de detectar los SCs de forma automática, rápida, sistemática y siendo coherente con el método manual. Este nuevo método puede trabajar con datos de muchos observatorios, pero también con pocos observatorios trabaja satisfactoriamente. Si trabajamos con los observatorios de baja latitud, donde la forma de los SCs normalmente se parece más a una función escalón, podemos asegurar que la lista producida con la red neuronal es totalmente coherente con las listas tradicionales.

The aim of this thesis is the automatic detection of sudden commencements of magnetic storms (SC). To achieve this goal we first located the phenomenon of study, SC, within the general framework of geomagnetism. The SC is a phenomenon characterized by a sudden increase of the geomagnetic field. Its characteristics are a clear and well-defined onset time, simultaneity across the globe and a well-established source such as the sudden increase of solar wind pressure. But it also presents a complex morphology depending on where the specific observatory is located; the morphological differences depend on the local time and latitude of the observatories. We have made an effort to understand the history of the study of SCs to see their difficulties and therefore the evolution of the nomenclature and its definition.

Currently, the morphology of the SCs is well explained through the physical model of Araki [Araki, 1994]. We have studied deeply a particular case, from the increase pressure of the solar wind to the observations on the Earth. Thus, we could see the differences between the appearance of SCs observed by various satellites and on the Earth, where SC presents a much more complex morphology by the action of ionospheric currents and currents existing in the magnetosphere. In this particular case we have seen the complexity of the phenomenon and have shown the validity of the theoretical model.

Regarding the detection of SCs we have explained the current state of the process of drawing up lists of events and its difficulties that make necessary to search for an automatic detection method. To deal with this challenge we have chosen to work with neural networks for its ability to learn from cases. For the purposes of assessing the suitability of neural networks to solve problems in the field of geomagnetism, we have applied to a specific problem: get local magnetic activity indices from global indices. We have obtained for this case satisfactory result, especially in cases of moderate or high magnetic activity.

As a fundamental result of this thesis, we present a method based on neural networks able to detect SCs automatically, quickly, systematically and consistent with the manual method. This new method can both work with data from many observatories, but also works successfully with few observatories. If we work with low-latitude observatories, where the shape of the SCs usually is more like a step function, we can ensure that the list produced by the network is fully consistent with the traditional lists.