Predicción de Índices Aurorales (AU/AL)

Autor: Prof. Sylvan Blunier

Los índices AU y AL miden la intensidad de los electrochorros aurorales en la ionósfera terrestre. AU refleja el electrochorro auroral del este (positivo) y AL el del oeste (negativo). Ambos son indicadores clave de la actividad geomagnética en latitudes polares y permiten estimar la energía depositada por el viento solar en la magnetosfera.

Metodología: El modelo desarrollado por el Prof. Blunier predice AU y AL de forma independiente a partir de siete parámetros del viento solar medidos por satélites en el punto de Lagrange L1: las tres componentes del campo magnético interplanetario (B_x, B_y, B_z), la velocidad, densidad, temperatura y presión dinámica del plasma solar. Para capturar el tiempo de tránsito entre L1 y la magnetosfera, el modelo incorpora el historial de cada variable con retardos de hasta 10 horas, resultando en 77 predictores por cada instante de tiempo.

La predicción se realiza mediante regresión lineal multivariable, entrenada sobre datos históricos de tormentas geomagnéticas. Actualmente los datos observados de AU/AL están disponibles con rezago desde el Laboratorio de Kyoto, por lo que esta predicción permite estimar el estado auroral actual a partir del viento solar en tiempo real.

Descargar Paper (Próximamente)

Predicción del Número de Manchas Solares (SSN)

Autor: Miguel Acevedo (En curso)

Las manchas solares son regiones de intensa actividad magnética en la superficie del Sol cuyo número varía cíclicamente con un período de aproximadamente 11 años. El conteo mensual de manchas, conocido como SSN (Sunspot Number), es el indicador fundamental para determinar la fase del ciclo solar — actualmente el Ciclo 25 — y tiene implicaciones directas en la frecuencia de erupciones solares, eyecciones de masa coronal y perturbaciones geomagnéticas.

Metodología: El modelo utiliza un enfoque de búsqueda de análogos históricos sobre el registro de manchas solares del SILSO (Royal Observatory of Belgium). Para cada mes a predecir, se buscan en el registro histórico las secuencias más similares al período reciente, comparando ventanas de tiempo de duración variable (parámetro τ). Este método opera mes a mes de forma independiente, lo que permite que la predicción funcione en cualquier momento del ciclo solar sin asumir en qué etapa se encuentra.

Una vez identificados los análogos, se ponderan según su grado de similitud con el período objetivo para construir un ensamble de trayectorias posibles. Se han evaluado distintos esquemas de ponderación, incluyendo pesos exponenciales y criterios de lógica difusa (fuzzy logic). Se presentan dos variantes del modelo: M2, que utiliza únicamente el SSN histórico como variable predictora, y MV, que incorpora adicionalmente el índice de flujo de radio solar F10.7 como segunda variable predictora, con el objetivo de evaluar si esta señal —físicamente correlacionada con la actividad magnética solar— mejora el pronóstico respecto al modelo univariado.

Ver Reporte de Metodología (PDF)

Pronóstico de Índice Dst y Tormentas Magnéticas

Autor: Santiago Amengual (En curso)

Este modelo está diseñado para el pronóstico del índice Disturbance Storm Time (Dst), el cual mide la intensidad de la corriente de anillo. Su objetivo es proporcionar una alerta temprana ante la llegada de tormentas geomagnéticas severas que puedan afectar la infraestructura tecnológica.

Metodología: Desarrollo de algoritmos avanzados de aprendizaje profundo (Deep Learning) aplicados a la física magnetosférica. La investigación busca mejorar la precisión de los modelos actuales durante la fase principal de las tormentas más intensas mediante el procesamiento de datos de viento solar en tiempo real.

Documentación Técnica (Próximamente)