2 resultados
Resultados de Busca
Agora exibindo 1 - 2 de 2
Item Principal component analysis in the modeling of HILDCAAs during the Solar Minimum of Cycle 23/24(Elsevier) Klausner, Virginia; Lamin, Isabelle Cristine Pellegrini; Ojeda-González, Arian; Macedo, Humberto Gimenes; Cândido, Claudia Maria Nicoli; Prestes, Alan; Cezarini, Marina VedelagoIn this article, we propose a new approach to model the high-intensity, long-duration, continuous AE (Auroral Electrojet) activity (HILDCAA) by relaxing one of the criteria originally designed, based on the interplanetary features during the unusual Solar Minimum of Cycle 23/24 (SMC23/24). This relaxation does not intend to suppress or modify the original HILDCAAs’ conception, but propose a new view of the same phenomena by enlarging the sample of events, which in turn may improve space weather monitoring and prediction programs. To assess and classify the Alfvénity associated with HILDCAAs, the values of 4h-Windowed Pearson Cross-Correlation (4WPCC) between the IMF components and the solar wind speed components observed in situ at the Lagrangian point L1 (1 AU) were evaluated. The principal component analysis (PCA) was performed on the dataset and, from the first three principal components, which represent 65% of the accumulative percent variance, we applied principal component regression (PCR) in each of the following parameters: the AE index, the Interplanetary Magnetic Field (IMF) components, the plasma density, the solar wind speed, the temperature, the IMF magnitude, and the SYM-H geomagnetic index. Furthermore, we applied Multiple Linear Regression (MLR) to establish a linear model to express the AE index in terms of the PCR-based model parameters. The AE MLR-based model demonstrated to hold a prognosis potential for HILDCAAs. Despite that, this model is only suitable for the SMC23/24. In this sense, this model might be implemented a real-time analysis for short-term HILDCAA prognosis in the near future.Item Identificação e análise de eventos HILDCAA/HILDCAA* para o ano de 1998 usando Python(Universidade do Vale do Paraíba) Lamin, Isabelle Cristine Pellegrini; Klausner, Virginia; Ojeda González, Arian; Prestes, Alan; Pillat, Valdir Gil; Cezarini, MarinaO artigo visa o desenvolvimento de um novo algoritmo via Python para estudar eventos de Atividade Auroral Contínua do Índice AE (Eletrojato Auroral), de Grande Intensidade e Longa Duração, HILDCAAs e HILDCAAs* (no qual * corresponde ao fenômeno HILDCAA flexibilizado). Este algoritmo é baseado e validado por meio do algoritmo previamente desenvolvido por Prestes et al. (2017a) em MATLAB. O intuito deste novo algoritmo proposto aqui é tornar o fluxograma deste acessível a todos os usuários, além de complementar e atualizar o algoritmo em MATLAB já existente. Um importante aspecto é o fato da linguagem de programação de alto nível Python ser uma ferramenta gratuita. Ademais, o artigo também objetiva a comparação dos eventos encontrados no ano de 1998 neste trabalho com aqueles obtidos por Prestes et al. (2017a) e Guarnieri (2006). A nova flexibilização adotada aqui não tem a intensão de suprimir ou modificar a concepção original das HILDCAAs, mostra que os eventos encontrados aqui continuam associados aos fenômenos HSSs/CIRs (Feixes Rápidos do Vento Solar/Regiões de Interações Corrotantes).