جلد 12، شماره 3 - ( مجله پژوهش فيزيك ايران، پاييز 1391 )                   جلد 12 شماره 3 صفحات 205-211 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Sadeghi M, Safari H. Application of genetic algorithm and support vector machine for probing nanoflare parameters. IJPR. 2012; 12 (3) :205-211
URL: http://ijpr.iut.ac.ir/article-1-1154-fa.html
صادقی محمد، صفری حسین. کاربرد الگوریتم ژنتیک و ماشین بردار پشتیبان در جستجوی پارامترهای نانوشراره‌های تاج خورشید. مجله پژوهش فيزيك ايران. 1391; 12 (3) :205-211

URL: http://ijpr.iut.ac.ir/article-1-1154-fa.html


دانشگاه زنجان ، m_sadeghi@znu.ac.ir
چکیده:   (8991 مشاهده)

  نانو شراره‌ها شعله‌های کوچک ناگهانی ناشی از انفجارهای زمینه خورشید هستند. تعیین انرژی و توزیع فراوانی انرژی نانو شراره‌ها دارای اهمیت می‌باشد. طبق مشاهدات اخیر، فراوانی دامنه انرژی نانو شراره‌ها از قانون توانی پیروی می‌کند. با توجه به نظریه پارکر، اگر نما در قانون توانی بزرگ‌تر از مقدار بحرانی 2 باشد، نانوشراره ها سهم قابل ملاحظه‌ای در گرمایش تاج خواهند داشت. در اینجا، تابش‌های فرابنفش دور از ناحیه‌های فعال و آرام تاج از روزهای 11 و 12 ژوئن 2007 (ثبت شده از استریو)، تحلیل می‌شوند. منحنی‌های نوری از یک الگوی شبیه‌سازی نانو شراره‌ای با سه پارامتر اصلی (نما در قانون توانی، آهنگ شراره‌ای و زمان شراره‌ای) ایجاد می‌شوند. با استفاده از الگوریتم ژنتیک طول منحنی‏های نوری کاهش می‌یابند. یک روش خودکار دسته‌بندی (ماشین بردار پشتیبان) برای استخراج مجموعه پارامترهای منحنی‌های نوری مشاهداتی استفاده می‌شوند. مقدار متوسط کمیت نما در قانون توانی در بازه 2.5-2.7 به دست آمده است. زمان شراره‌ای در حدود 80 دقیقه استخراج شده است.

متن کامل [PDF 578 kb]   (2305 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA code

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به مجله پژوهش فیزیک ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2019 All Rights Reserved | Iranian Journal of Physics Research

Designed & Developed by : Yektaweb