تحلیل آنتروپی چندمقیاسه و همبستگی بلندبرد چرخه های مختلف لکه های خورشیدی
محل انتشار: مجله فیزیک زمین و فضا، دوره: 52، شماره: 1
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 115
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JESPHYS-52-1_007
تاریخ نمایه سازی: 1 تیر 1405
چکیده مقاله:
تحولات و رفتار پویای خورشید به عنوان نزدیک ترین ستاره به زمین حائز اهمیت است. لکه (لک) های شیدسپهری به عنوان معیاری از فعالیت خورشید هستند که به مکان تجمع گاه های میدان های مغناطیسی خورشید نیز شناخته می شوند. داده های مورداستفاده از ابتدای چرخه ۱۵ تا انتهای چرخه ۲۴ فعالیت خورشیدی از پایگاه داده ای SILSO واقع در رصدخانه سلطنتی بلژیک جمع آوری شده اند. در این مقاله، ما به بررسی پیچیدگی سری زمانی چرخه های مختلف لکه های خورشیدی در چارچوب آنتروپی و و تحلیل همبستگی بلندبرد آنها مبتنی بر تحلیل محدوده بازمقیاس گذاری شده (تحلیل R/S) می پردازیم. ابتدا، با اعمال رویکرد آنتروپی چندمقیاسه روی سری زمانی چرخه های مختلف لکه های خورشید، این سامانه پیچیده را در ضریبمقیاس های گوناگون مورد بررسی قرار می دهیم. نتایج سطح زیر نمودار آنتروپی های چند مقیاسه نشان دادند که میزان این نوع آنتروپی در چرخه ۲۴ و چرخه ۲۰ به ترتیب کمترین و بیشترین مقدار را به خود اختصاص می دهد که به ترتیب نشان دهنده میزان پیچیدگی کمتر و بیشتر این چرخه ها است. همچنین، با استفاده از نمای هرست به دست آمده از اعمال محدوده بازمقیاس گذاری شده روی سری زمانی لکه های چرخه ها که همگی در بازه ۸۱/۰ تا ۸۶/۰ قرار دارند دریافتیم که همه چرخه ها دارای همبستگی بلندبرد هستند. ما در این مقاله، نشان دادیم که در بین چرخه ها، چرخه ۲۰ دارای بیشترین حافظه بلندبرد در میان دیگر چرخه ها است. در نهایت، دریافتیم که با برازش تابع نمایی-توانی به صورت به میانگین آنتروپی های چندمقیاسه که هم دارای جمله توانی افزایشی و هم دارای جمله نمایی کاهشی است می توان پایداری سامانه را بعد از عبور از ضریب مقیاس های گذار توضیح داد.
کلیدواژه ها:
نویسندگان
Mohsen Javaherian
مرکز تحقیقات نجوم و اخترفیزیک مراغه (ریام)، دانشگاه مراغه، مراغه، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :