@misc{Moehring2021,
  type      = {Master Thesis},
  author    = {M{\"o}hring, Jan},
  title     = {Stochastic inversion for core field modeling using satellite data},
  doi       = {10.25932/publishup-49807},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-498072},
  school      = {Universit{\"a}t Potsdam},
  pages     = {vii, 55},
  year      = {2021},
  abstract  = {Magnetfeldmodellierung mit Kugelfl{\"a}chenfunktionen basiert auf der Inversion nach hunderten bis tausenden von Parametern. Dieses hochdimensionale Problem kann grunds{\"a}tzlich als ein Optimierungsproblem formuliert werden, bei dem ein globales Minimum einer gewissen Zielfunktion berechnet werden soll. Um dieses Problem zu l{\"o}sen, gibt es eine Reihe bekannter Ans{\"a}tze, dazu z{\"a}hlen etwa gradientenbasierte Verfahren oder die Methode der kleinsten Quadrate und deren Varianten. Jede dieser Methoden hat verschiedene Vor- und Nachteile, beispielsweise bez{\"u}glich der Anwendbarkeit auf nicht-differenzierbare Funktionen oder der Laufzeit zugeh{\"o}riger Algorithmen. In dieser Arbeit verfolgen wir das Ziel, einen Algorithmus zu finden, der schneller als die etablierten Verfahren ist und sich auch f{\"u}r nichtlineare Probleme anwenden l{\"a}sst. Solche nichtlinearen Probleme treten beispielsweise bei der Absch{\"a}tzung von Euler-Winkeln oder bei der Verwendung der robusteren L_1-Norm auf. Dazu untersuchen wir die Anwendbarkeit stochastischer Optimierungsverfahren aus der CMAES-Familie auf die Modellierung des geomagnetischen Feldes des Erdkerns. Es werden sowohl die Grundlagen der Kernfeldmodellierung und deren Parametrisierung anhand einiger Beispiele aus der Literatur besprochen, als auch die theoretischen Hintergr{\"u}nde der stochastischen Verfahren gegeben. Ein CMAES-Algorithmus wurde erfolgreich angewendet, um Daten der Swarm-Satellitenmission zu invertieren und daraus das Magnetfeldmodell EvoMag abzuleiten. EvoMag zeigt gute {\"U}bereinstimmung mit etablierten Modellen, sowie mit Observatoriumsdaten aus Niemegk. Wir thematisieren einige beobachtete Schwierigkeiten und pr{\"a}sentieren und diskutieren die Ergebnisse unserer Modellierung.},
  language  = {en}
}