Существенность входных признаков для доменной адаптации данных космических аппаратов

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Рассматривается задача улучшения нейросетевого прогноза геомагнитного Dst-индекса в условиях, когда входные данные для такого прогноза измеряются двумя космическими аппаратами (КА), один из которых близок к завершению жизненного цикла, а истории данных другого пока недостаточно для построения нейросетевого прогноза требуемого качества. Для эффективного перехода с данных одного КА на данные другого необходимо использовать методы доменной адаптации. В настоящей работе проверяются и сравниваются несколько методов перевода данных. Также для каждого переводимого признака найден оптимальный набор параметров для его перевода, что еще больше сокращает разницу между доменами. В работе показано, что использование методов доменной адаптации с отбором значимых признаков позволяет улучшить прогноз по сравнению с результатами использования непереведенных данных.

Об авторах

Э. З. Каримов

Московский государственный университет им. М.В. Ломоносова; НИИ ядерной физики им. Д.В. Скобельцына МГУ им. М.В. Ломоносова

Email: Karimov.ez19@physics.msu.ru
Россия, Москва; Россия, Москва

И. Н. Мягкова

НИИ ядерной физики им. Д.В. Скобельцына МГУ им. М.В. Ломоносова

Email: Dolenko@srd.sinp.msu.ru
Россия, Москва

В. Р. Широкий

НИИ ядерной физики им. Д.В. Скобельцына МГУ им. М.В. Ломоносова

Email: Dolenko@srd.sinp.msu.ru
Россия, Москва

О. Г. Баринов

НИИ ядерной физики им. Д.В. Скобельцына МГУ им. М.В. Ломоносова

Email: Dolenko@srd.sinp.msu.ru
Россия, Москва

С. А. Доленко

Научно-исследовательский институт ядерной физики им. Д.В. Скобельцына
Московского государственного университета им. М.В. Ломоносова (НИИЯФ МГУ)

Автор, ответственный за переписку.
Email: dolenko@srd.sinp.msu.ru
Россия, Москва

Список литературы

  1. Daglis I.A. Space Storms and Space Weather Hazards. Dordrecht: Kluwer Academic Publishers, 2001.
  2. Cole D.G. Space weather: Its effects and predictability // Space Science Reviews. 2003. V. 107. P. 295–302. https://doi.org/10.1023/A:1025500513499
  3. Vassiliadis D. Forecasting space weather // Space Weather: Physics and Effects. Berlin; Heidelberg: Springer Praxis Books, 2007. P. 403–425. https://doi.org/10.1007/978-3-540-34578-7_14
  4. Kudela K. Space weather near Earth and energetic particles: selected results // J. Physics: Conf. Series. 2013. V. 409. Iss. 1. Art. ID. 012017. https://doi.org/10.1088/1742-6596/409/1/012017
  5. Schrijver C.J., Kauristie K., Aylward A.D. et al. Understanding space weather to shield society: A global road map for 2015–2025 commissioned by COSPAR and ILWS // Advances in Space Research. 2015. V. 55. Iss. 12. P. 2745–2807. https://doi.org/10.1016/j.asr.2015.03.023
  6. McGranaghan R.M., Camporeale E., Georgoulis M. et al. Space Weather research in the Digital Age and across the full data lifecycle: Introduction to the Topical Issue // J. Space Weather and Space Climate. 2021. V. 11. Art. ID. 50. https://doi.org/10.1051/swsc/2021037
  7. Лазутин Л.Л. Мировые и полярные магнитные бури / Под ред. проф. Ю.И. Логачева. М.: МГУ, 2012. 214 с.
  8. Qiu Q., Fleeman J.A., Ball D.R. Geomagnetic disturbance: A comprehensive approach by American electric power to address the impacts / IEEE Electrification Magazine. 2015. V. 3. Iss. 4. P. 22–33. https://doi.org/10.1109/MELE.2015.2480615
  9. Белаховский В.Б., Пилипенко В.А., Сахаров Я.А. и др. Рост геомагнитно-индуцированных токов во время корональных выбросов массы и высокоскоростных потоков солнечного ветра геомагнитных бурь в 2021 году // Изв. РАН. Сер. Физическая. 2023. Т. 87. № 2. С. 271–277. , EDN: AITPFOhttps://doi.org/10.31857/S0367676522700478
  10. Friedel R.H., Reeves W.G.P., Obara T. Relativistic electron dynamics in the inner magnetosphere: A review // J. Atmospheric and Solar-Terrestrial Physics. 2002. V. 64. Iss. 2. P. 265–283. https://doi.org/10.1016/S1364-6826(01)00088-8
  11. Kataoka R., Miyoshi Y. Average profiles of the solar wind and outer radiation belt during the extreme flux enhancement of relativistic electrons at geosynchronous orbit // Annales Geophysicae. 2008. V. 26. Iss. 6. P. 1335–1339. https://doi.org/10.5194/angeo-26-1335-2008
  12. Мягкова И.Н., Шугай Ю.С., Веселовский И.С. и др. Сравнительный анализ влияния рекуррентных высокоскоростных потоков солнечного ветра на радиационное состояние околоземного космического пространства в апреле–июле 2010 года // Астрон. вестн. 2013. Т. 47. № 2. С. 141–155. https://doi.org/10.7868/S0320930X13020060
  13. Белов А.В., Виллорези Дж., Дорман Л.И. и др. Влияние космической среды на функционирование искусственных спутников Земли // Геомагнетизм и аэрономия. 2004. Т. 44. № 4. С. 502–510.
  14. Романова Н.В., Пилипенко В.А., Ягова Н.В. и др. Статистическая связь частоты сбоев на геостационарных спутниках с потоками энергичных электронов и протонов // Косм. исслед. 2005. Т. 43. № 3. С. 186–193.
  15. Summers D., Stone S. Analysis of radiation belt “killer” electron energy spectra // J. Geophysical Research: Space Physics. 2022. V. 127. Iss. 9. Art. ID. e2022JA030698. https://doi.org/10.1029/2022JA030698
  16. Akasofu S.-I., Chapman S. Solar-Terrestrial Physics. Oxford: Clarendon Press, 1972. 901 p.
  17. Riazantseva M.O., Dalin P.A., Dmitriev A.V. et al. A multifactor analysis of parameters controlling solar wind ion flux correlations using an artificial neural network technique // J. Atmospheric and Solar-Terrestrial Physics. 2002. V. 64. Iss. 5–6. P. 657–660. https://doi.org/10.1016/S1364-6826(02)00026-3
  18. Burton R.K., McPherron R.L., Russell C.T. An empirical relationship between interplanetary conditions and Dst // J. Geophysical Research. 1975. V. 80. P. 4204–4214.
  19. Ефиторов А.О., Мягкова И.Н., Широкий В.Р. и др. Прогнозирование Dst-индекса, основанное на методах машинного обучения // Косм. исслед. 2018. Т. 56. № 6. С. 353–364. https://doi.org/10.31857/S002342060002493-0
  20. Мягкова И.Н., Широкий В.Р., Владимиров Р.Д. и др. Прогнозирование значений геомагнитного индекса Dst при помощи адаптивных методов // Метеорология и гидрология. 2021. № 3. С. 38–46. https://doi.org/10.52002/0130-2906-2021-3-38-46
  21. Myagkova I., Shiroky V., Dolenko S. Prediction of geomagnetic indexes with the help of artificial neural networks // E3S Web of Conferences. 2017. V. 20. Art. ID. 02011. 7 p. https://doi.org/10.1051/e3sconf/20172002011

Дополнительные файлы


© Э.З. Каримов, И.Н. Мягкова, В.Р. Широкий, О.Г. Баринов, С.А. Доленко, 2023