.png){kind=icon}
返回
Shedding Light on the Solar Dynamo Using Data-driven Bayesian Parameter Inference
.png){kind=icon}
OA
AI
DOI：10.3847/1538-4357/adfec3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们使用一个零维随机发电机模型，描述太阳磁场环向和极向分量的耦合振荡行为。该模型包含一个时间延迟，源于假设这两个场分量在空间上分离的位置生成，以及α效应在由下限和上限阈值定义的范围外对环向磁场振幅的抑制。我们应用两种不同的基于模拟的贝叶斯推断方法来校准模型参数。第一种方法采用基于比较从观测数据中提取的相关特征与模拟数据对应特征的模拟退火近似贝叶斯计算算法。第二种方法利用一种称为自动后验变换的顺序神经网络后验密度估计方法。推断过程使用了两种不同的数据集：观测到的太阳黑子记录和基于树木年轮中14C宇宙成因放射性核素的近期千年太阳活动重建。不同的方法和数据集产生了模型参数的显著一致的后验分布。贝叶斯推断结果证实了先前出版物中提出的假说，即太阳发电机可能运行在接近一个临界分叉点，其特征是共存两种类似于正常和极大极小期的模式。我们表明，尽管模型简单，校准后的发电机模型可用于预测太阳活动周期。
期刊
T
IF:
0
论文数:
1.5K
被引数:
5
机构
引用论文
Adding Further Pieces to the Synchronization Puzzle: QBO, Bimodality, and Phase Jumps为同步性谜题增添更多片段：QBO、双模性和相位跳跃.png)
Solar PhysicsOAAI
Solar PhysicsIF2.4
OAAI分享收藏Monte Carlo sampling methods using Markov chains and their applications基于马尔可夫链的蒙特卡罗抽样方法及其应用Biometrika
BiometrikaIF0
PREAI
分享收藏分享收藏
查看更多内容