1. Georgia Integrated Library Information System Consortium's Digital Repositary
  2. თსუ - მიხეილ ნოდიას სახელობის გეოფიზიკის ინსტიტუტი
  3. სამეცნიერო კონფერენციები = Scientific conferences
  4. საერთაშორისო სამეცნიერო კონფერენცია „კომპლექსური გეოფიზიკური მონიტორინგი საქართველოში: ისტორია, თანამედროვე პრობლემები, ქვეყნის მდგრადი განვითარების ხელშეწყობა“ - International Scientific Conference “Complex Geophysical Monitoring in Georgia: History, Modern Problems, Promoting Sustainable Development of the Country” - (2024)
Please use this identifier to cite or link to this item: http://openlibrary.ge/handle/123456789/10628
Full metadata record
DC FieldValueLanguage
dc.contributorMikheil Nodia Institute of Geophysics of Ivane Javakhishvili Tbilisi State Universityen
dc.contributorUniversity Texas at Dallasen
dc.contributor.authorTakadze, G.en
dc.contributor.authorLarry, D.en
dc.contributor.authorWascak, J.en
dc.date.accessioned2024-10-27T18:48:55Z-
dc.date.available2024-10-27T18:48:55Z-
dc.date.issued2024-
dc.identifier.citationსაერთაშორისო სამეცნიერო კონფერენცია „კომპლექსური გეოფიზიკური მონიტორინგი საქართველოში: ისტორია, თანამედროვე პრობლემები, ქვეყნის მდგრადი განვითარების ხელშეწყობა“, შრომები, ISBN 978-9941-36-272-9, ივ. ჯავახიშვილის სახ. თბილისის სახელმწიფო უნივერსიტეტის გამომცემლობა, თბილისი, საქართველო, 17-19 ოქტომბერი, 2024 წ., გვ. 117 - 120.ka_GE
dc.identifier.citationInternational Scientific Conference “Complex Geophysical Monitoring in Georgia: History, Modern Problems, Promoting Sustainable Development of the Country”, Proceedings, ISBN 978-9941-36-272-9, Publish House of Iv. Javakhishvili Tbilisi State University, Tbilisi, Georgia, October 17-19, 2024, pp. 117 - 120.en
dc.identifier.urihttp://openlibrary.ge/handle/123456789/10628-
dc.description.abstractThis research explores an innovative approach to forecasting cosmic ray activity by integrating the HAVOK model with machine learning algorithms. The study uses data from the Tbilisi Cosmic Rays Observatory, spanning from 2012 to 2020. The focus is on analyzing chaotic systems, including the Lorenz and Mackey-Glass models, to validate the HAVOK-ML method for predicting cosmic ray flux. The results demonstrate the method’s potential to enhance space weather forecasts, with broader applications in predicting solar activity, supernovae, gamma-ray bursts, and air quality monitoring. The model is implemented using Python, Julia, and machine learning frameworks like Kerasen
dc.language.isoenen
dc.subjectდედამიწა და მის გარსებიka_GE
dc.subjectგეოფიზიკური პროცესებიka_GE
dc.subjectკომპლექსური გეოფიზიკური მონიტორინგიka_GE
dc.subjectEarth and its Envelopesen
dc.subjectGeophysical Processesen
dc.subjectComplex Geophysical Monitoringen
dc.subjectHAVOK modelen
dc.subjectSpace weatheren
dc.subjectLorenz systemen
dc.subjectMackey-Glass systemen
dc.subjectChaos theoryen
dc.subjectTime series predictionen
dc.subjectAir qualityen
dc.subjectSolar activityen
dc.subjectSupernovaeen
dc.subjectPythonen
dc.subjectJuliaen
dc.subjectKerasen
dc.titleHarnessing HAVOK and Machine Learning for Cosmic Ray Forecastingen
dc.typeArticleen
Appears in Collections:საერთაშორისო სამეცნიერო კონფერენცია „კომპლექსური გეოფიზიკური მონიტორინგი საქართველოში: ისტორია, თანამედროვე პრობლემები, ქვეყნის მდგრადი განვითარების ხელშეწყობა“ - International Scientific Conference “Complex Geophysical Monitoring in Georgia: History, Modern Problems, Promoting Sustainable Development of the Country” - (2024)

Files in This Item:
File Description SizeFormat 
30_MM-180.pdfHarnessing HAVOK and Machine Learning for Cosmic Ray Forecasting504.23 kBAdobe PDFThumbnail
View/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.