پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 162 |
| تعداد شماره‌ها | 6,623 |
| تعداد مقالات | 71,546 |
| تعداد مشاهده مقاله | 126,902,787 |
| تعداد دریافت فایل اصل مقاله | 99,952,789 |
شبکه پیچیده لک‌های خورشیدی | ||
| فیزیک زمین و فضا | ||
| مقاله 14، دوره 49، شماره 3، آبان 1402، صفحه 765-779 اصل مقاله (1.6 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jesphys.2023.354203.1007497 | ||
| نویسندگان | ||
| پریچهر محمدی گونه1؛ اکبر غیبی فطرت1؛ حسین صفری* 1؛ زهره محمدی گونه2 | ||
| 1گروه فیزیک، دانشکده علوم، دانشگاه زنجان، زنجان، ایران. | ||
| 2آزمایشگاه افزاره‌های نانومتری، دانشکده مهندسی برق و کامپیوتر، دانشگاه شهید بهشتی، تهران، ایران. | ||
| چکیده | ||
| خورشید به‌عنوان جسم خارج از زمین در جو زمین و هوا-فضا تأثیر قابل‌‌ملاحظه‌ای دارد. بروز لک‌ها شواهدی از دینامیک پیچیده خورشید بوده و نمایانگر فعالیت خورشید هستند. ظهور لک‌ها در شید سپهر نمایانگر پیچیدگی میدان مغناطیسی در خورشید است. سری زمانی تعداد لک‌های خورشید در طی چند صد سال گذشته ثبت شده و این سری زمانی دارای تغییرات معنی‌دار است. دوره‌های تناوب متنوعی از لک‌های خورشیدی ثبت شده است و دامنه فعالیت در بازه‌های مختلف زمانی دارای تغییرات بوده که بیانگر پیچیدگی در سری زمانی لک‌های خورشیدی است. در این پژوهش، با بهره‌گیری از داده‌های لک‌های خورشید (زمان و تعداد آنها) شبکه پیچیده در حال رشد با شرط پدیداری ساخته شده است. ما نشان دادیم که توزیع درجات شبکه پیچیده سری زمانی لک‌های خورشیدی از یک تابع قانون توانی پیروی می‌کند. همچنین نمای درجه توانی توزیع درجات بزرگ‌تر از مقدار سه به‌دست آمده است که نشان‌دهنده شبکه‌ای بدون مقیاس و جهان-کوچک است. جهان‌کوچک بودن شبکه پیچیده سری زمانی لک‌های خورشیدی نشانگر طول مشخصه کوچک با ضریب خوشه‌ای بالا است. در این مطالعه مشخص شد که همبستگی درجه شبکه پیچیده سری زمانی لک‌های خورشیدی بسته به اندازه شبکه می‌‌تواند جور، ناجور یا خنثی در نظر گرفته شود. | ||
| کلیدواژه‌ها | ||
| لک‌های خورشیدی؛ شبکه جهان-کوچک؛ شبکه بدون‌مقیاس | ||
| عنوان مقاله [English] | ||
| Complex Network of sunspots | ||
| نویسندگان [English] | ||
| Parichehr Mohammadi Gouneh1؛ Akbar Gheibi Fetrat1؛ Hossein Safari1؛ Zohreh Mohammadi Gouneh2 | ||
| 1Department of Physics, Faculty of Science, University of Zanjan, Zanjan, Iran. | ||
| 2Laboratory of nanometer devices, Faculty of Electrical and Computer Engineering, Shahid Beheshti University, Tehran, Iran. | ||
| چکیده [English] | ||
| The Sun is an external object that significantly impacts the earth's atmosphere and space weather conditions. Flares and coronal mass ejections are large-scale solar atmospheric features that mainly emerge at active regions above the sunspots and have influenced the earth. The sunspots, considered signatures of solar activity, are fascinating features related to the internal dynamics and activity of the Sun. The appearance of the sunspots in the photosphere shows the complexity of the magnetic field on the Sun. The frequency and size of sunspots change over time which show periods (e.g., eleven years periodicity) that may be a sign of the complex Sun. The time series of the sunspot numbers have been recorded for several centuries, and this time series is significantly changed over time. The complex network approach is a way to investigate the inherent property of complex time series, such as the sunspots time series. In this study, the growing complex network with the visibility condition is constructed using the time series of the sunspots (time and numbers) for 1922 to 2016 collected by SILSO. We compute the complex network parameters such degree of nodes, shortest path length, and clustering coefficients. We examine the sunspot complex network's scale-free, small-world, and assortative properties. We show that the degree distribution of the complex network for the time series of the sunspots obeys a power-law distribution function. We applied a method via maximum likelihood estimation in the Bayesian framework to obtain the power indicated. Therefore, the degree exponent is obtained larger than three, so the complex network for the time series of the sunspots is small-world and scale-free. The power-low behavior is an essential characteristic of self-organized or self-organized criticality systems. Limited productivity is a crucial property for these complex systems. The small word behavior indicates that the large sunspot numbers in the time series are clustered with several small values neighbors and linked with distinct large values in the time series. The small-world network represents a small characteristic path length with a high clustering coefficient. The scale-free and small-word behavior for the network of the sunspots time series may imply that the sunspots and sunspot groups forming via complex non-linear dynamics. Changing the magnetic polarity of the sunspots during the solar cycle can be a characteristic of such complex systems. The limited predictability in sunspots' time series, e.g., the intensity of activity within a solar cycle, may also be another sign of the complex Sun. The behavior of the degree of node distribution, clustering coefficient, and shortest path length indicates that the time series of sunspots is a non-random system. We showed that the degree of correlation is a function of the network size and can be considered as an assortative, dis-assortative, or neutral network. | ||
| کلیدواژه‌ها [English] | ||
| Sunspots, Small-world network, Scale-free network | ||
| مراجع | ||
|
حامدی‌وفا، ه. (1383). مطالعه‌ای در ساختارهای ریز لکه‌های خورشیدی. رساله دکتری، دانشگاه صنعتی شریف، ایران.
صفری، ح.؛ قنادی، ر.؛ علیپور راد، ن. و فرهنگ، ن. (1397). مغناطوهیدرودینامیک خورشید. زنجان: مؤسسه انتشارات دانشگاه زنجان.
لطفی، ن. (1390). شبکه پیچیده زلزله‌های ایران. پایان‌نامه کارشناسی‌ارشد، دانشگاه زنجان، ایران.
محمدی‌گونه، پ. (1396). ساختار شبکه سری زمانی لک‌های خورشیدی. پایان‌نامه کارشناسی‌ارشد، دانشگاه زنجان، ایران.
Alipour, N., & Safari, H. (2015). Statistical properties of solar coronal bright points. The Astrophysical Journal, 807(2), 175. Aschwanden, M. (2006). Physics of the solar corona: an introduction with problems and solutions. Springer Science & Business Media. Aschwanden, M. J. (2015). Thresholded power law size distributions of instabilities in astrophysics. The Astrophysical Journal, 814(1), 19. Bar-Yam, Y., McKay, S. R., & Christian, W. (1998). Dynamics of complex systems (Studies in nonlinearity). Computers in Physics, 12(4), 335-336. Barabási, A. L. (2003). Linked: The new science of networks. Bazargan, S., Safari, H., & Kaashisaaz, H. (2019). Classification of mini-dimmings associated with extreme ultraviolet eruptions by using graph theory. Iranian Journal of Physics Research, 16(2), 217-223. Bondy, J. A., & Murty, U. S. R. (1976). Graph theory with applications (Vol. 290). London: Macmillan. Newman, M. E. (2000). Models of the small world. Journal of Statistical Physics, 101(3), 819-841. Bornholdt, S., & Schuster, H. G. (2001). Handbook of graphs and networks. From Genome to the Internet, Willey-VCH (2003 Weinheim). Braun, H., Christl, M., Rahmstorf, S., Ganopolski, A., Mangini, A., Kubatzki, C., Roth, K., & Kromer, B. (2005). Possible solar origin of the 1,470-year glacial climate cycle demonstrated in a coupled model. Nature, 438(7065), 208-211. Caldarelli, G. (2007). Large Scale Structure and Dynamics of Complex Networks, World Scientific. Daei, F., Safari, H., & Dadashi, N. (2017). Complex network for solar active regions. The Astrophysical Journal, 845(1), 36. Dekking, F. M., Kraaikamp, C., Lopuhaä, H. P., & Meester, L. E. (2005). A Modern Introduction to Probability and Statistics: Understanding why and how (Vol. 488). London: Springer. Dorogovtsev, S. N., & Mendes, J. F. (2003). Evolution of networks: From biological nets to the Internet and WWW. Oxford university press. Farhang, N., Safari, H., & Wheatland, M. S. (2018). Principle of minimum energy in magnetic reconnection in a self-organized critical model for solar flares. The Astrophysical Journal, 859(1), 41. Fortunato, S., Mangioni, G., Menezes, R., & Nicosia, V. (Eds.). (2009). Complex Networks: Results of the 2009 International Workshop on Complex Networks (CompleNet 2009). Springer Berlin Heidelberg. Gheibi, A., Safari, H., & Javaherian, M. (2017). The solar flare complex network. The Astrophysical Journal, 847(2), 115. Humphries, M. D., & Gurney, K. (2008). Network ‘small-world-ness’: a quantitative method for determining canonical network equivalence. PloS one, 3(4), e0002051. Kaki, B., Farhang, N., & Safari, H. (2022). Evidence of Self-Organised Criticality in Time Series by the Horizontal Visibility Graph Approach. Koutchmy, S., Filippov, B., Tavabi, E., Noëns, J. C., & Wurmser, O. (2022). Polar regions activity and the prediction of the height of the solar cycle 25. arXiv preprint arXiv:2205.09089. Lacasa, L., Luque, B., Ballesteros, F., Luque, J., & Nuno, J. C. (2008). From time series to complex networks: The visibility graph. Proceedings of the National Academy of Sciences, 105(13), 4972-4975. Mohammadi, Z., Alipour, N., Safari, H., & Zamani, F. (2021). Complex network for solar protons and correlations with flares. Journal of Geophysical Research: Space Physics, 126(7), e2020JA028868. Newman, M. E. (2003). The structure and function of complex networks. SIAM review, 45(2), 167-256. Rezaei, S., Darooneh, A. H., Lotfi, N., & Asaadi, N. (2017). The earthquakes network: Retrieving the empirical seismological laws. Physica A: Statistical Mechanics and its Applications, 471, 80-87. Rubinov, M., & Sporns, O. (2010). Complex network measures of brain connectivity: uses and interpretations. Neuroimage, 52(3), 1059-1069. Lotfi, N., & Darooneh, A. H. (2012). The earthquakes network: the role of cell size. The European Physical Journal B, 85(1), 1-4. Lotfi, N., Javaherian, M., Kaki, B., Darooneh, A. H., & Safari, H. (2020). Ultraviolet solar flare signatures in the framework of complex network. Chaos: An Interdisciplinary Journal of Nonlinear Science, 30(4), 043124. Pastor-Satorras, R., & Vespignani, A. (2001). Epidemic spreading in scale-free networks. Physical review letters, 86(14), 3200 Priest, E. (2014). Magnetohydrodynamics of the Sun. Cambridge University Press. Solanki, S. K., Usoskin, I. G., Kromer, B., Schüssler, M., & Beer, J. (2004). Unusual activity of the Sun during recent decades compared to the previous 11,000 years. Nature, 431(7012), 1084-1087. Sonett, C. P., & Finney, S. A. (1990). The spectrum of radiocarbon. Philosophical Transactions of the Royal Society of London. Series A, Mathematical and Physical Sciences, 330(1615), 413-426. Taran, S., Khodakarami, E., & Safari, H. (2022). Complex network view to solar flare asymmetric activity. Advances in Space Research, 70(8), 2541-2550. Usoskin, I. G., Solanki, S. K., Schüssler, M., Mursula, K., & Alanko, K. (2003). Millennium-scale sunspot number reconstruction: Evidence for an unusually active Sun since the 1940s. Physical Review Letters, 91(21), 211101. Usoskin, I. G., Solanki, S. K., & Kovaltsov, G. A. (2007). Grand minima and maxima of solar activity: new observational constraints. Astronomy & Astrophysics, 471(1), 301-309. Vázquez, A., Pastor-Satorras, R., & Vespignani, A. (2002). Large-scale topological and dynamical properties of the Internet. Physical Review E, 65(6), 066130. Van Steen, M. (2010). Graph theory and complex networks. An introduction, 144. Vespignani, A., & Caldarelli, G. (Eds.). (2007). Large scale structure and dynamics of complex networks: from information technology to finance and natural science (Vol. 2). World scientific. Zou, Y., Small, M., Liu, Z., & Kurths, J. (2014). Complex network approach to characterize the statistical features of the sunspot series. New Journal of Physics, 16(1), 01305. | ||
|
آمار تعداد مشاهده مقاله: 911 تعداد دریافت فایل اصل مقاله: 706 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب