Автокорреляции фрагментов цикла чисел Вольфа и прогноз на полцикла солнечной активности

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Рассмотрены автокорреляции фрагментов ряда чисел Вольфа (версия V2) с целью прогнозирования на 6 лет (полцикла солнечной активности). Из физических и оптимальных соображений использовались фрагменты, подобные полутора циклам. Тестирование успешно осуществлялось на достаточно надежных парах фрагментов ряда, состоящих из фиксированного и сдвигаемого по времени фрагмента. Для тестирования выбиралась пара, если коэффициент корреляции при совмещении составляющих ее частей был 0.91 и более. Использовалась оригинальная модификация фиксированного фрагмента и следующих за ним участков ряда. Аналогичным образом сделаны прогнозы на 6 лет после 2023 г., исходящие из фрагмента (2008.5−2023.5), имеющего коэффициенты корреляция от 0.81 до 0.96 с фрагментами (1978.5−1993.5), (1901.5−1916.5), (1922.5−1937.5), (1964.5−1979.5), (1985.5−2000.5). Максимальное значение числа Вольфа (161 ± 30) ожидается в середине 2024 г.

Полный текст

Доступ закрыт

Об авторах

С. В. Яковлева

Институт земного магнетизма, ионосферы и распространения радиоволн им. Н.В. Пушкова РАН

Автор, ответственный за переписку.
Email: svyakov@inbox.ru
Россия, Троицк

С. В. Старченко

Институт земного магнетизма, ионосферы и распространения радиоволн им. Н.В. Пушкова РАН

Email: sstarchenko@mail.ru
Россия, Троицк

Список литературы

  1. Бондарь Т.Н., Ротанова Н.М., Обридко В.Н. Прогнозирование временного ряда чисел Вольфа для 23-го солнечного цикла // Письма в Aстрон. журн. Т. 22. № 8. С. 628−630. 1996.
  2. Витинский Ю.И. Цикличность и прогнозы солнечной активности. Л.: Наука, 258 c. 1973.
  3. Ишков В.Н. Периоды “пониженной” и “повышенной” солнечной активности: наблюдательные особенности и ключевые факты / Сб. “Солнечная и солнечно-земная физика – 2013”. Ред. А.В. Степанов и Ю.А. Наговицын. СПб.: Изд. ВВМ. С. 111−114. 2013.
  4. Ишков В.Н., Шибаев И.Г. Циклы солнечной активности: общие характеристики и современные границы прогнозирования // Изв. РАН. Сер. физическая. Т. 70. № 10. С.1439–1442. 2006.
  5. Гневышев М.Н., Оль А.И. О 22-летнем цикле солнечной активности // Астрон. журн. Т. 25. № 1. С. 18−20. 1948.
  6. Наговицын Ю.А., Огурцов М.Г. Грандиозные минимумы и максимумы солнечной активности и климата Земли: последнее тысячелетие и картина будущего “в общих чертах” / Тр. 7-й Международной Пулковской конференции “Климатические и экологические аспекты солнечной активности”. Пулково, 7-11 июля 2003 г. СПб.: ГАО РАН. С. 321−326. 2003.
  7. Обридко В. Н., Наговицын Ю. А. Солнечная активность, цикличность и методы прогноза. СПб.: Изд. ВВМ, 466 c. 2017.
  8. Обридко В.Н., Шельтинг Б.Д. Об отрицательной корреляции между солнечной активностью и скоростью вращения Солнца // Письма в Aстрон. журн. Т. 42. № 9. С. 694–700. 2016. https://doi.org/10.7868/S0320010816080040
  9. Ожередов В.А., Бреус Т.К., Обридко В.Н. Прогнозирование полного 24-го цикла солнечной активности несколькими вариантами авторегрессии и методом предвестника // Геофизические процессы и биосфера. Т. 10. № 3. С. 51−65. 2011.
  10. Старченко С.В., Яковлева С.В. Корреляция временных рядов чисел Вольфа и их производных // Геомагнетизм и аэрономия. Т. 62. № 2. С. 144−154. 2022. https://doi.org/10.31857/S001679402202016X
  11. Abdel-Rahman H.I., Marzouk B.A. Statistical method to predict the sunspots number // NRIAG Journal of Astronomy and Geophysics. V. 7. N 2. P. 175−179. 2018. https://doi.org/10.1016/j.nrjag.2018.08.001
  12. Abdusamatov K.I. Optimal prediction of the peak of the next 11-year activity cycle and of the peaks of several succeeding cycles on the basis of long-term variations in the solar radius or solar constant // Kinemat. Phys. Celest. V. 23. N 3. P. 97–100. 2007. https://doi.org/10.3103/S0884591307030026
  13. Brajša R., Verbanac G., Bandić M., Hanslmeier A., Skokić I., Sudar D. A prediction for the 25th solar cycle maximum amplitude // Astron. Nachr. V. 343. N 3. ID e13960. 2022. https://doi.org/10.1002/asna.202113960
  14. Dmitrieva I.V., Kuzanyan K.M., Obridko V.N. Amplitude and period of the dynamo wave and prediction of the solar cycle // Sol. Phys. V.195. N 1. P. 209–218. 2000. https://doi.org/10.1023/A:1005207828577
  15. Hathaway D.H. The solar cycle // Living Rev. Sol. Phys. V. 12. N 1. ID 4. 2015. https://doi.org/10.1007/lrsp-2015-4
  16. Hathaway D.H., Wilson R.M. Geomagnetic activity indicates large amplitude for sunspot cycle 24 // Geophys. Res. Lett. V. 33. N 18 ID L18101. 2006. https://doi.org/10.1029/2006GL027053
  17. Hathaway D.H., Wilson R.M., Reichmann E.J. A synthesis of solar cycle prediction techniques // J. Geophys. Res. – Space. V. 104. N. 10. P. 22375–22388. 1999. https://doi.org/10.1029/1999JA900313
  18. Leamon R.J., McIntosh S.W., Chapman S.C., Watkins N.W. Response to “Limitations in the Hilbert transform approach to locating solar cycle terminators” by R. Booth // Sol. Phys. V. 296. N 10. ID 151. 2021. https://doi.org/10.1007/s11207-021-01897-z
  19. McIntosh S.W., Chapman S., Leamon R.J., Egeland R., Watkins N.W. Overlapping magnetic activity cycles and the sunspot number: Forecasting sunspot cycle 25 amplitude // Sol. Phys. V. 295. N 12. ID 163. 2020. https://doi.org/10.1007/s11207-020-01723-y
  20. Nagovitsyn Y.A., Ivanov V.G. Solar сycle рairing and рrediction of сycle 25 // Sol. Phys. V. 298. N 3. ID 37. 2023. https://doi.org/10.1007/s11207-023-02121-w
  21. Nandy D. Progress in solar cycle predictions: Sunspot cycles 24–25 in perspective // Sol. Phys. V. 296. N 3. ID 54. 2021. https://doi.org/10.1007/s11207-021-01797-2
  22. Pesnell W.D. Solar cycle predictions (invited review) // Sol. Phys. V. 281. N 1. P. 507–532. 2012. https://doi.org/10.1007/s11207-012-9997-5
  23. Petrovay K. Solar cycle prediction // Living Rev. Sol. Phys. V. 17. N 1. ID 2. 2020. https://doi.org/10.1007/s41116-020-0022-z
  24. Pishkalo M.I. Preliminary рrediction of solar cycles 24 and 25 dased on the correlation between сycle рarameters // Kinemat. Phys. Celest. V. 24. N 5. P. 242–247. 2008. https://doi.org/10.3103/S0884591308050036
  25. Zhu H., Zhu W., He M. Solar cycle 25 prediction using an optimized long short-term memory mode with F10.7 // Sol. Phys. V. 297. N 12. ID 157. 2022. https://doi.org/10.1007/s11207-022-02091-5

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Изменение среднегодовых числа Вольфа W с 1830 по 2023 г. в версии V2 из (http://sidc.oma.be/silso/datafiles). Цифрами обозначены максимумы рассматриваемых циклов, Wmax — максимальное значение в цикле, σ — стандартное отклонение.

Скачать (186KB)
3. Рис. 2. Результат Теста 1. Черным цветом показан ряд значений Wi исследуемого интервала. Серым цветом показан ряд значений Wj некоторого интервала в прошлом с высоким коэффициентом парной корреляции r = 0.93. Этот интервал сдвинут до совмещения с исследуемым интервалом. Штриховой линией и подписью NORM обозначен нормализованный ряд Fl. Цифрами обозначены максимумы рассматриваемых циклов. Коэффициент детерминации составляет соответственно: 0.86 (слева) и 0.75 (справа), см. табл. 2 выше.

Скачать (128KB)
4. Рис. 3. Результат Теста 2. Черным цветом показан ряд значений Wi исследуемого интервала. Серым цветом показан ряд значений Wj некоторого интервала в прошлом с высоким коэффициентом парной корреляции r = 0.93. Этот интервал сдвинут до совмещения с исследуемым интервалом. Штриховой линией и подписью NORM обозначен нормализованный ряд Fl. Цифрами обозначены максимумы рассматриваемых циклов. Коэффициент детерминации составляет соответственно: 0.80 и 0.96 (см. табл. 2 выше).

Скачать (137KB)
5. Рис. 4. Результат Теста 3. Черным цветом показан ряд значений Wi исследуемого интервала. Серым цветом показан ряд значений Wj некоторого интервала в прошлом с высоким коэффициентом парной корреляции r = 0.93. Этот интервал сдвинут до совмещения с исследуемым интервалом. Штриховой линией и подписью NORM обозначен нормализованный ряд Fl. Цифрами обозначены максимумы рассматриваемых циклов. Коэффициент детерминации составляет соответственно: 0.74 и 0.97 (см. табл. 2 выше).

Скачать (152KB)
6. Рис. 5. Результаты аппроксимации 16-летнего интервала (2008.5−2022.5) через нормировку коррелируемых фрагментов: Fit1 (1878.5−1892.5), Fit2 (1901.5−1916.5), Fit3 (1922.5−1937.5), Fit4 (1964.5−1979.5), Fit5 (1985.5−2000.5) и соответствующие прогнозы до 2029.5. На рисунке (а) с 2008.5, а на укрупненном рисунке (б) с 2019.5. Mean Fit – осредненное значение нормализованной кривой Fl. Среднеквадратичное отклонение σ = ± 29.75. Осредненный коэффициент детерминации R2 коррелируемых фрагментов со сдвигаемым фрагментом (2008.5−2022.5) составляет 0.8 ± 0.1 (подробнее см. табл. 3).

Скачать (360KB)

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».