Please use this identifier to cite or link to this item:
http://openlibrary.ge/handle/123456789/10628
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor | Mikheil Nodia Institute of Geophysics of Ivane Javakhishvili Tbilisi State University | en |
dc.contributor | University Texas at Dallas | en |
dc.contributor.author | Takadze, G. | en |
dc.contributor.author | Larry, D. | en |
dc.contributor.author | Wascak, J. | en |
dc.date.accessioned | 2024-10-27T18:48:55Z | - |
dc.date.available | 2024-10-27T18:48:55Z | - |
dc.date.issued | 2024 | - |
dc.identifier.citation | საერთაშორისო 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.citation | International 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.uri | http://openlibrary.ge/handle/123456789/10628 | - |
dc.description.abstract | This 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 Keras | en |
dc.language.iso | en | en |
dc.subject | დედამიწა და მის გარსები | ka_GE |
dc.subject | გეოფიზიკური პროცესები | ka_GE |
dc.subject | კომპლექსური გეოფიზიკური მონიტორინგი | ka_GE |
dc.subject | Earth and its Envelopes | en |
dc.subject | Geophysical Processes | en |
dc.subject | Complex Geophysical Monitoring | en |
dc.subject | HAVOK model | en |
dc.subject | Space weather | en |
dc.subject | Lorenz system | en |
dc.subject | Mackey-Glass system | en |
dc.subject | Chaos theory | en |
dc.subject | Time series prediction | en |
dc.subject | Air quality | en |
dc.subject | Solar activity | en |
dc.subject | Supernovae | en |
dc.subject | Python | en |
dc.subject | Julia | en |
dc.subject | Keras | en |
dc.title | Harnessing HAVOK and Machine Learning for Cosmic Ray Forecasting | en |
dc.type | Article | en |
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 | Size | Format | |
---|---|---|---|---|
30_MM-180.pdf | Harnessing HAVOK and Machine Learning for Cosmic Ray Forecasting | 504.23 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.