Statistical Analysis and Supervised Machine Learning Modeling of the Magnetopause and Near-Earth Plasma Regions
Statistická analýza a modelování magnetopauzy a plazmových oblastí v okolí Země pomocí supervizovaného strojového učení
dizertační práce (OBHÁJENO)
Zobrazit/
Trvalý odkaz
http://hdl.handle.net/20.500.11956/202919Identifikátory
SIS: 234806
Kolekce
- Kvalifikační práce [11987]
Konzultant práce
Pi, Gilbert
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Physics of Plasmas and Ionized Media
Katedra / ústav / klinika
Katedra fyziky povrchů a plazmatu
Datum obhajoby
9. 9. 2025
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Prospěl/a
Klíčová slova (česky)
magnetopause crossings|magnetopause machine learning model|magnetopause empirical model|solar wind parameter propagation|model inaccuracies|random forest|neural networksKlíčová slova (anglicky)
solar wind parameter propagation|model inaccuracies|random forest|neural networks|magnetopause crossings|magnetopause empirical model|magnetopause machine learning modelNázev práce: Statistická analýza a modelování magnetopauzy a plazmových oblastí v okolí Země pomocí supervizovaného strojového učení Autor: Maryam Aghabozorgi Nafchi Katedra: Katedra fyziky povrchů a plazmatu Vedoucí prác: Prof. RNDr. František Němec, Ph.D. Rok: 2025 Abstrakt: Empirické modely polohy magnetopauzy typicky předpokládají předdefino- vaný tvar a funkční závislosti na relevantních parametrech. Provedli jsme statistickou studii efektu meziplanetárního magnetického pole využívající téměř 15000 přesečení mag- netopauzy. Ukázali jsme, že poloha magnetopauzy podstatným způsobem závisí na orien- taci tohoto magnetického pole a vykazuje ranní-večerní asymetrii způsobenou By složkou během nízkých Alfvénových Machových čísel. Získané výsledky byly ověřeny pomocí glo- bálního magnetohydrodynamického modelu. Dále jsme využili techniky strojového učení k vytvoření modelu magnetopauzy založeného výhradně na identifikovaných přesečeních, čímž jsme odstranili omezení apriorních předpokladů ohledně jejího tvaru a závislostí. Rovněž jsme ukázali limit přesnosti modelů magnetopauzy plynoucí ze šíření odpovídají- cích parametrů slunečního větru z L1 bodu. Nakonec jsme využili metodu náhodného lesa a neuronové sítě pro klasifikaci slunečního větru, forešoku, magnetoobálky a magnetosféry na základě anotovaných...