Bakgrund

Den supraledande gravimetern vid Onsala rymdobservatorium mäter kontinuerligt förändringarna i tyngdkraften (”lilla-g”). Man kan få mycket precisa skattningar av förändringen i tyngden från timme till timme, typiskt på en nivå av nanometer per sekundkvadrat. En del av förändringarna över timmar till dagar härrör från atmosfären – dess tryck på marken och dess vertikala täthetsstruktur. Dessutom driver lufttrycket och vindarna vattnet i det närbelägna Kattegat. Även denna föränderliga massa påverkar gravimetern. Vad gravimetern mäter är som oftast en kombination av Newtons attraktion, i vårt fall från rörliga massor, och att jordytan höjs och sänks och tyngd avtar med höjd (-3 nm/s² per millimeter). Se http://holt.oso.chalmers.se/hgs/SCG.

Problembeskrivning

Förändringen i lilla-g på grund av atmosfärens påverkan är rätt komplicerad att modellera. En enda tidskonstant koefficient för lufttrycket, g_p som beskriver dg/dp räcker visserligen långt, till 90% av signalen, men för de resterande 10% krävs ett helt batteri med observationer och modellerade koefficienter. Man kan enkelt uttrycka det så att dg/dp är icke-stationär. Vi funderar på om inte g_p varierar med vädertyp, d.v.s. storleken på lufttrycksområden, deras banor, hastigheten för fronter etc. Noggrannare uttryckt: Vi har väderobservationer och havsnivåmätningar på platsen ur vilka man skulle kunna skönja mönster. Frågan hur g_p relaterar till mönstren sopar arenan för neurala nät.

Arbetssätt

En datormodell som använder sig av konceptet neurala nätverk skall utvecklas. Observationsdata (mycket!) finns på en server på Onsala rymdobservatorium. Målsättningen är att få den resterande signalen från gravimetern så liten som möjligt.

Projektet är också lämpligt för studenter på GU-Fysik.