Nombre del Estudiante: M.Sc. Felipe Meza Obando  

Profesor Tutor: Dr.-Ing. Juan Luis Crespo Mariño

Comité Asesor: Por definir

Correo: fmezacr@gmail.com 

 

Resumen de Propuesta Doctoral

En este trabajo se investiga la aplicación de diversos mecanismos de aprendizaje automático, para estimar una serie de parámetros necesarios en el estudio de las condiciones del medio interplanetario en los alrededores de la tierra y llevar a cabo predicciones del clima espacial. Primeramente, se desarrollará una etapa de pre-procesado para construir una base de datos completa de los parámetros asociados a los pares de eventos CME-ICME, dicha base de datos será utilizada como parámetros de entrada en el sistema de aprendizaje automático encargado de llevar a cabo las predicciones, entre tales parámetros se encuentra el tiempo de tránsito de las CMEs desde que su origen es observado en el disco solar hasta su detección en la tierra como un ICME.

Durante el tránsito de las CMEs en el medio interplanetario, estos pueden interactuar con otros que fueron eyectados cerca, temporal y espacialmente, uno del otro. Debido a este fenómeno, los resultados de las predicciones del tiempo de tránsito de las CMEs dirigidas a la tierra, podrían verse influenciados. Es por esta razón que adicionalmente se desarrollará un modelo de interacción basado también en técnicas de aprendizaje automático, en el cual se espera determinar la posible interacción entre dos o más CMEs. Dicho modelo incorporado como parámetro de entrada en la predicción, podría minimizar el error en el tiempo de tránsito predicho para las CMEs dirigidas hacia la tierra.

La velocidad de propagación de las CMEs no sólo es un importante parámetro de entrada en el sistema de predicción, sino que también es estimada a partir de la emisión en rayos X suaves (SXR) y microondas a 9 GHz asociados a su origen [Salas-Matamoros et al, 2016], por lo anterior, el sistema completo será incorporado al Radio Telescopio Solar (RT-SAC) ubicado en el recinto de Santa Cruz de la Universidad de Costa Rica para el desarrollo de predicciones del clima espacial en tiempo real.