Крупномасштабные явления в солнечном ветре и магнитосферно-ионосферная активность

Важным современным направлением солнечно-земной физики является изучение последствий динамики параметров солнечного ветра, как причины магнитосферно-ионосферной активности. Первостепенной задачей при этом является поиск косвенных и прямых связей между параметрами, характеризующими как причину, т. е. структуру солнечного ветра, так и следствие, т. е. глобальное геомагнитное возмущение. В связи с такой постановкой вопроса, наиболее актуальными являются исследования по выявлению наиболее геоэффективных параметров солнечного ветра и межпланетного магнитного поля, а также идентификация солнечных источников, ответственных за их появление. В контексте данной задачи так же важно оценить насколько среднеширотная ионосфера подвержена влиянию со стороны геоэффективных параметров межпланетной среды. Таким образом, можно говорить о необходимости разработки комплексного подхода к изучению глобальных геомагнитных возмущений как следствия солнечно-земных связей.

Отдельного рассмотрения заслуживает вопрос о высокоширотных геомагнитных возмущениях. В последнее время, в связи с запуском полярных космических аппаратов (КА) и получением большого объема новой информации, наблюдается повышенный интерес к изучению высокоширотной области. Большинство работ посвящено исследованию динамики полярной шапки и овала полярных сияний. Авторы этих исследований находят взаимосвязь между параметрами солнечного ветра и пространственно-временной структурой полярных геомагнитных вариаций. В этом направлении представляется важной задача по разработке методики определения пространственного положения высокоширотных зон геомагнитной активности: полярной шапки, аврорального овала и субаврорадьнон зоны в on-line режиме, т. е. в реальном масштабе времени.

Диссертация посвящена анализу магнитосферно-ионосферной активности, как следствия крупномасштабных явлений в солнечном ветре, разработке методики классификации глобальных геомагнитных возмущений и разрывов параметров межпланетной среды, созданию методики определения пространственного положения высокоширотных зон геомагнитной активности, исследованию связи критической частоты слоя F2 средиеширотной ионосферы с геоэффективными параметрами межпланетной среды.

Методы, используемые в исследовании.

В диссертационном исследовании основным методом в поиске проявлений динамики параметров солнечного ветра в причинах магнитосферно-ионосферной активности является современный нелинейный корреляционный инструмент — искусственные нейронные сети (ИНС). С помощью специально созданных самообучающихся ИНС выполнена классификация глобальных геомагнитных возмущений, разрывов параметров межпланетной среды, а так же разработана технология идентификации пространственного положения высокоширотных зон геомагнитной активности с участием в классификации амплитудно-частотных спектров и матриц вейвлет-коэффициентов компонент геомагнитного поля. Поиск связи критической частоты слоя F2 среднеширотной ионосферы с геоэффективными параметрами межпланетной среды выполняется методом классического корреляционного анализа. Решение задачи прогнозирования максимально-наблюдаемой частоты ионосферного слоя выполняется с привлечением технологии ИНС — с использованием рекуррентной нейросети Элмана и модифицированной нейросети Элмана.

Цель работы.

Цель работы состоит в установлении связи конкретных параметров магнитосферной и ионосферной активности с пространственно-временной динамикой параметров солнечного ветра и межпланетного магнитного поля. При этом осуществляется учет солнечных источников, которые являются генераторами параметров межпланетной среды, регистрируемых космическими аппаратами вблизи земной магнитосферы.

Научная новизна.

Применение ИНС для классификации Dst-вариаций геомагнитного поля помогло выявить характерные особенности в реакции геомагнитного поля на приход к Земле солнечных возмущений конкретной природы: вспышки, корональные дыры, активизировавшиеся волокна (протуберанцы), корональные выбросы вещества и их сочетания. Анализ полученных результатов позволил отождествить каждый выделенный класс с конкретным типом возмущений параметров солнечного ветра и межпланетного магнитного поля.

На основе одножидкостного магнитогидродинамического подхода с применением технологии искусственных нейронных сетей разработана методика автоматического разделения скачков в регистрируемых параметрах космической плазмы и магнитного поля на классы, отвечающие известным типам разрывов. Для этого была разработана классификационная ИНС вида «слой Кохонена» и выполнена классификация скачков параметров зарегистрированных на КА WIND в 1996;1999 гг. по двум разным алгоритмам. Для разрывов установленных классов определены ориентации плоскостей их поверхностей в трехмерном пространстве на основе одномерных наблюдений. Также проведено специальное исследование эволюционности найденных ударных волн.

С целью установления пространственного положения характерных полярных областей (полярная шапка, полярный овал, субавроральная зона) по данным Гренландской цепочки магнитных станций, создана методика классификации амплитудно-частотных спектров и матриц вейвлет-коэффициентов по данным этих станций. Принадлежность местоположения отдельной станции к одной из трех указанных областей положена в основу выполняемой классификации. Классификация выполнена на основе работы самообучающейся искусственной нейронной сети типа слоя Кохонена. Предложен алгоритм обработки результатов классификации для наименования полученных классов.

Разработан алгоритм прогнозирования на интервал 0,5−3 часа максимально наблюдаемой и критической частоты ионосферного слоя F2 на основе технологии искусственных нейронных сетей. Методика прогнозирования применена к данным наклонного зондирования, полученным на трассе Inskip (Англия) — Ростов-на-Дону. Выполненные исследования охватили временной интервал, содержащий различные геофизические условия. Определены характерные времена ионосферной реакции на изменения ключевых параметров солнечного ветра и межпланетного магнитного поля, определяющих последовательность развития магнитосферно-ионосферных возмущений в свою очередь приводящих к изменениям коротковолновой (KB) радиосвязи.

Научная и практическая ценность.

На основе известных алгоритмов Кохонена разработана самообучающаяся искусственная нейронная сеть, что позволяет проводить классификацию геомагнитных возмущений на основе входных данных, которыми являются параметры солнечного ветра и межпланетного магнитного поля вблизи земной магнитосферы. Итоговая классификация отражает связь геомагнитной активности не только с амплитудой входных параметров, но и с типом солнечного источника, породившего данную структуру солнечного ветра. В результате проведения численных экспериментов удалось выделить основные классы комплексов возмущенных параметров межпланетной среды, отвечающих разным магнитосферным возмущениям, характеризующимися конкретными видами (конфигурациями) Dst-вариации геомагнитного поля. Таким образом, получена возможность контролировать солнечную природу регистрируемой конфигурации Dst-вариации.

На основе самообучающейся искусственной нейронной сети типа слоя Кохонена выявлена возможность контролировать местоположение высокоширотного пункта геомагнитных измерений в одной из зон геомагнитной активности — полярной шапке, овале полярных сияний, субавроральной зоне по данным Гренландской цепочки магнитных станций. Изменение местоположения связано с динамикой структуры магнитного поля магнитосферы в результате ее взаимодействия с солнечным ветром. Входными параметрами для расчета местоположения пункта геомагнитных измерений служат амплитудно-частотные спектры и матрицы вейвлет-коэффициентов анализа геомагнитных данных. Данный способ контроля может быть использован для оценки размеров полярной шапки и овала полярных сияний на основе геомагнитных измерений. Именно эти размеры характеризуют энергетику магнитосферы, и они используются в качестве входных параметров в различных моделях, описывающих магнитное поле в ней.

На основе анализа данных наклонного зондирования с использованием линейно-частотной модуляции (JI4M), полученных на трассе Inskip (Англия) — Ростов-на-Дону, установлена связь максимально наблюдаемой и критической частоты с изменениями параметров солнечного ветра и межпланетного магнитного поля, определяющих последовательность развития магнитосферно-ионосферных возмущений, что приводит к изменению условий KB радиосвязи. Практическая ценность выполненной работы заключается в применении ее результатов для повышения надежности ионосферной KB радиосвязи.

Экспериментальные данные.

В диссертационном исследовании использовались следующие экспериментальные данные:

1. Параметры солнечного ветра и межпланетного магнитного поля, полученные из базы спутниковой системы OMNI [http://www.ngdc.noaa.gov].

2. Данные по индексам глобальной геомагнитной активности [http://www.ngdc.noaa.govhttp://cdaweb.gsfc.nasa.gov/istppublichttp://swdcwwvv.kugi.kyoto-u.ac.jp/wdc/Sec3.html].

3. Данные по состоянию ионосферного слоя F2, предоставленные НИРФИ.

4. Данные о состоянии межпланетной среды, полученные с КА Wind и Асе [http://www.srl.caltech.edu/ACE/ASC/rtsw.htmlhttp://cdaweb.gsfc.nasa.gov/istpj3ublic].

5. Данные о состоянии межпланетной среды, полученные из базы SPIDR [http://clvistl.vdcb.ruyspidr/index.jsp].

6. Данные по разрывам параметров межпланетной среды, предоставленные ИКИ РАН.

Положения, выносимые на защиту.

1. Классификация Dst-индекса на основе параметров солнечного ветра и межпланетного магнитного поля, относящихся к конкретным явлениям солнечной активности: вспышки, корональные дыры, волокна, корональные выбросы вещества и их сочетанияклассификация разрывов в межпланетной плазме на основе метода нейронных сетей и определение трехмерных ориентаций их плоскостей на основе одномерных спутниковых наблюдений.

2. Спектральные характеристики высокоширотных геомагнитных вариаций в периоды магнитосферных возмущений, характеризующие их пространственную принадлежность к одной из трех зон геомагнитной активности: полярная шапка, овал полярных сияний, субавроральная зона.

3. Временной масштаб реакции критической частоты foF2 ионосферы и максимально наблюдаемой частоты коротковолнового радиосигнала при наклонном ионосферном зондировании на динамику изменения параметров межпланетной среды вблизи земной магнитосферы определенный на основе нейросетевой технологии.

Краткое содержание глав.

Во введении сформулированы проблемы и изложены основные задачи, решаемые в диссертационном исследовании.

В первой главе диссертации представлен обзор крупномасштабных явлений солнечной активности, влияние динамики параметров межпланетной среды на магнитосферно-ионосферную активность. Рассмотрены геоэффективные проявления таких событий. Уделено внимание современным подходам к решению геофизических задач. В первом параграфе приведено описание наиболее активных и, как следствие, наиболее геоэффективных последствий активности Солнца. Представлены основные свойства таких активных событий, как вспышки, волокна, корональные дыры, корональные выбросы вещества (КВВ). Второй параграф посвящен описанию геомагнитной активности, существующим индексам, характеризующим глобальное геомагнитное состояние. Рассмотрены особенности развития геомагнитных возмущений среднеширотной и высокоширотной зон. Представлен физический механизм развития геомагнитной активности. В третьем параграфе приводятся различные современные подходы к решению геофизических задач. Среди них: построение трехмерных картин геоэффективных структур в межпланетном пространстве с привлечением «multi-spacecraft method», применение вейвлет-анализа — масштабируемого амплитудно-временного разложения геомагнитных данных, использование нелинейного корреляционного инструмента — искусственных нейронных сетей. В четвертом параграфе ставятся задачи по исследованию причин геомагнитной активности с привлечением современных методик решения.

Вторая глава посвящена исследованию возможности создания комплексной классификации глобальных геомагнитных возмущений с привлечением данных о параметрах околоземного космического пространства. Первый параграф посвящен описанию вариаций глобальных геомагнитных возмущений, описываемых индексом Dst. Второй параграф описывает инструмент классификации — приводятся архитектура нейросети, описан алгоритм обучения и работы. В третьем параграфе, при учете физики механизмов развития геомагнитных бурь и причинно-следственных связей, ставится задача классификации геомагнитных возмущений. В качестве инструмента классификации используется технология самообучающейся нейросети. В четвертом параграфе приводятся выкладки по отбору Dst-вариаций и сопутствующих данных о параметрах межпланетной среды, участвующих в классификации. Экспериментально устанавливается наиболее адекватное для данной задачи число классов событий. В пятом параграфе делается попытка отождествить полученные классы вариаций геомагнитного поля с вызвавшими их солнечными источниками. В шестом параграфе с привлечением отработанной технологии ИНС-классификации приводятся результаты исследования по разделению скачков на классы, отвечающие известным типам магнитогидродинамических разрывов. Предложен алгоритм установления ориентации поверхностей разрывов по одномерным наблюдениям скачков параметров солнечного ветра на космических аппаратах. Седьмой параграф содержит результаты исследования по поиску оценки связи Кр индекса геомагнитной активности с электрическим полем солнечного ветра Есв и с проекцией этого поля на геомагнитный диполь. Показано, что основным геоэффективным параметром, как это уже неоднократно отмечено многими исследователями, является южная (Bz<0) компонента вектора межпланетного магнитного поля. Именно эта компонента поля играет главную роль и в наличии связи Кр индекса с взаимной ориентацией Есв и магнитного момента Земли. Таким образом, демонстрируется возможность объединения всех параметров характеризующих как причину, т. е. структуру солнечного ветра, так и следствие, т. е. глобальное геомагнитное возмущение.

В третьей главе приведены выкладки по использованию спектральных особенностей высокошпротных геомагнитных возмущений для отождествления их с одной из зон: полярная шапка, овал полярных сияний, субавроральная зона. В первом параграфе говорится о важности контроля пространственной динамики полярной шапки и аврорального овала, т.к. в последнее время, в связи с запуском полярных КА и получением большого объема новой информации, наблюдается повышенный интерес к изучению высокоширотной области. Второй и третий параграфы посвящены разработке методики классификации пространственного положения высокоширотных станций с учетом особенностей геомагнитных данных. Принадлежность конкретной обсерватории к одной из указанных трех зон определяется на основе самообучающейся искусственной нейронной сети типа слоя Кохонена. Входными параметрами для расчета служат амплитудно-частотные спектры и матрицы вейвлет-коэффициентов компонент геомагнитного поля. В четвертом параграфе предлагается оригинальная алгоритмическая обработка результатов классификации. Количественно оценивается уровень согласованности классификационного и традиционного модельного подходов. Сопоставляются результаты алгоритмической классификации с аналитическими вычислениями положения южной границы овала на основе эмпирических моделей. Пятый параграф посвящен поиску физических причин разделения спектральных характеристик магнитных возмущений в полярных областях.

Заключительная, четвертая, глава посвящена исследованию среднеширотной ионосферы. Рассмотрена связь максимально наблюдаемой и критической частоты слоя F2 с параметрами околоземного космического пространства. В первом параграфе приводятся результаты базового корреляционного исследования связи частот с ключевыми геоэффективными параметрами межпланетной среды. Это исследование вызвано необходимостью ограничения числа солнечно-магнитосферно-ионосферных связей для выполнения успешного прогноза частоты методом ИНС. Установлено, что разные параметры по-разному отражаются в профиле частот в возмущенные и спокойные интервалы. Во втором параграфе представлены результаты поиска оптимального времени задержки для параметров ММП и ПСВ. Данное исследование проводилось на разветвленной ИНС и показало, что для нейросети является предпочтительной задержка в 2,5−3,5 часа. Обучение и тестирование при этом происходит более корректно и эффективно. Этот результат согласуется с предыдущим исследованием корреляционной связи параметров. Третий параграф главы посвящен поиску оптимальной архитектуры ИНС, на которой в дальнейшем проводиться основная часть численных экспериментов. Описаны особенности процесса обучения нейросети, разрабатывается методика прогнозирования частот. В четвертом параграфе продемонстрирована методика поиска дополнительных входных параметров, а так же комбинаций параметров для повышения качества прогнозирования. Выясняется вопрос о необходимости разделения технологии прогнозирования МНЧ для спокойных и возмущенных интервалов. Пятый параграф посвящен вопросу повышения качества восстановления профиля частот при добавлении их производных высокого порядка в число входных параметров при обучении и дальнейшей работе нейросети. Показано, что на разветвленной ИНС можно проводить прогнозирование МНЧ и критической частоты на интервалы 0,5−3 часа с точностью не ниже 85%.

В заключении диссертационной работы представлены основные результаты и выводы проведенного исследования.

§ 4.6 Выводы.

Данная часть диссертационного исследования посвящена разработке алгоритма прогнозирования на интервал 0,5−3 часа максимально применимой частоты и критической частоты ионосферного слоя F2 на основе технологии искусственных нейронных сетей. Методика прогнозирования применена к данным наклонного JT4M зондирования. полученным на трассах Inskip (Англия) — Ростов-на-Дону и Inskip — Нижний Новгород. Выполненные исследования охватили временной интервал, содержащий различные геофизические условия. Определены характерные времена ионосферной реакции на изменения ключевых параметров солнечного ветра и межпланетного магнитного поля, определяющих последовательность развития магнитосферно-ионосферных возмущений в свою очередь приводящих к изменениям KB радиосвязи.

Проведенные численные эксперименты по прогнозированию частот на разных типах нейросетей и временных интервалах показали, что точность восстановления профиля может варьироваться в широких пределах. Особенно этому подвержены слаборазветвленные сети. В некоторых случаях они показывают и самые неудовлетворительные результаты. Тем не менее, полностью отказываться от слаборазветвленных ИНС нельзя — их применение гарантирует отсутствие явления переобучения. С другой стороны, применение таких сетей для долгосрочного прогноза не позволяет получать точность восстановления профилей частот выше 65%. Так же, к этим сетям не применима технология коррекции ответного сигнала сети, вследствие его сильной зашумленности.

Разветвленные сети работают более стабильно — при перезапуске обучения такой сети качество ее обучения меняется менее заметно и, как следствие, качество прогноза от опыта к опыту практически не изменяется, а неудовлетворительные результаты появляются крайне редко. Обучение подобных мощных сетей требует страховки от переобучения — механизма контрольной проверки. Это несколько увеличивает время обучения, но дает высокое качество прогноза. Другим достоинством разветвленной сети является применимость к ее ответному сигналу методики коррекции. Максимальные результаты (до 99%) при прогнозировании частот на 0,5−1 час достигнуты на такой разветвленной ИНС. Та же сеть выполняет прогноз на 2 часа с точностью 91% и выше. Прогноз на 2 часа выполняется с 88%.

Качество прогноза на возмущенном интервале при обучении сети только по предыстории низкое, так как профиль частот МНЧ и foF2 сильно изрезан. Необходимо дополнить поступающую на вход сети информацию сопутствующими процессами, такими как сведения о текущей глобальной геомагнитной обстановке, концентрации солнечного ветра. Для возмущенного интервала введение в обучающую последовательность данных о частицах различных энергий способствовало улучшению восстановления профиля МНЧ и повышению точности трехчасового прогноза на ДРЕ⁵%. Однако, этого не достаточно для разделения технологии прогнозирования на спокойных и возмущенных интервалах. Для прогнозирования на спокойных и возмущенных интервалах на 0,5−3 часа следует придерживаться единой схемы прогноза, так как обучающая последовательность обычно уже включает и спокойные и возмущенные интервалы. Обученная в таких условиях сеть имеет равноценные возможности для прогноза интервалов МНЧ и foF2 любой степени возмущенности.

Достоинством метода ИНС при восстановлении временных рядов является их применимость в целях прогноза в режиме «on line». Получая непрерывный поток необходимых данных (например, через Internet) сеть способна с определенной дискретностью создавать прогнозируемый ряд и при необходимости корректировать свой уровень обучения. Но, так как обучаемость сети в одних и тех же условиях может быть разной, то для достоверного прогноза следует пользоваться несколькими (3−5) параллельно работающими одинаковыми сетями (группой). Достоверный ответ тот, который с малой расходимостью получен на нескольких сетях из группы. Остальные сети, дающие другой, существенно отличный результат следует переобучить (с учетом новых данных) и снова включить в группу. Такая стратегия обеспечит максимально достоверный прогноз параметра в режиме реального времени.

ЗАКЛЮЧЕНИЕ

.

Диссертация посвящена анализу магнитосферно-ионосферной активности, как следствия крупномасштабных явлений в солнечном ветре, разработке методики классификации глобальных геомагнитных возмущений и разрывов параметров межпланетной среды, созданию методики определения пространственного положения высокоширотных зон геомагнитной активности, исследованию связи критической частоты слоя F2 среднеширотной ионосферы с геоэффективными параметрами межпланетной среды. Цель работы состоит в выявлении наиболее геоэффективных параметров солнечного ветра и межпланетного магнитного поля, а также идентификации солнечных источников, ответственных за их появлениев поиске качественно-количественной оценки влияния динамики ключевых параметров солнечного ветра на магнитосферно-ионосферную активность.

Перечислим важнейшие результаты, пути их получения и положения, выносимые на защиту:

1. Выполнена классификация скачков параметров солнечного ветра по данным КА WIND за трехлетний период их измерений (1996;1999 г.) используя одножидкостный МГД подход с помощью специально созданной классификационной искусственной нейронной сети вида «слой Кохонена». Для выделенных классов скачков разработан и применен способ определения ориентации плоскостей их поверхностей в солнечном ветре по одномерным наблюдениям на КА. Выполнен анализ эволюционности найденных ударных волн, который продемонстрировал их потенциальную неустойчивость.

Выделены классы структур Dst-вариаций, соответствующие магнитным бурям определенной интенсивности и конкретным типам возмущений параметров солнечного ветра и межпланетного магнитного поля, которые связаны с указанными солнечными плазменными потоками:

Класс № 1 — слабые бури, являющиеся следствием взаимодействия с магнитосферой Земли коротирующих с Солнцем потоков (corotating-streams).

Класс № 2 — слабые бури, являющиеся следствием взаимодействия с магнитосферой Земли медленных гелиосферных потоков с низкой концентрацией плазмы.

Класс № 3 — умеренные бури, являющиеся следствием взаимодействия с магнитосферой Земли коротирующих потоков, которые до этого взаимодействовали с HCS-потоком или гелиосферным токовым слоем.

Класс № 4 — умеренные бури, являющиеся следствием взаимодействия с магнитосферой Земли быстрых, высокоинтенсивных corotating-потоков.

Класс № 5 — умеренные бури, являющиеся следствием взаимодействия с магнитосферой Земли высокоскоростного потока, прошедшего мимо Земли и задевшего ее своим флангом.

Класс № 6 — умеренные бури, являющиеся следствием взаимодействия с магнитосферой Земли сразу нескольких гелиосферных потоков.

Класс № 7 — сильные бури, являющиеся следствием взаимодействия с магнитосферой Земли уединенных, не имеющих периодической повторяемости, потоков с выраженными ударными волнами.

Класс № 8 — сильные бури, являющиеся следствием взаимодействия с магнитосферой Земли корональных солнечных выбросов в форме магнитного облака.

Применение ИНС для классификации Dst-вариаций геомагнитного поля в периоды магнитосферных возмущений позволило выявить характерные особенности временной структуры этих вариаций в зависимости от типа солнечных плазменных потоков, явившимися генераторами зафиксированных возмущений: вспышки, корональные дыры, активизировавшиеся волокна (протуберанцы), КВВ и их сочетания.

На защиту выносится: Классификация Dst-индекса на основе параметров солнечного ветра и межпланетного магнитного поля, относящихся к конкретным явлениям солнечной активности: вспышки, корональные дыры, волокна, корональные выбросы вещества и их сочетанияклассификация разрывов в межпланетной плазме на основе метода нейронных сетей и определение трехмерных ориентаций их плоскостей на основе одномерных спутниковых наблюдений.

2. Выполнено разделение геомагнитных станций, ведущих регистрацию геомагнитных вариаций, Гренландской меридиональной цепочки по их местоположению и принадлежности к одной из трех характерных полярных областей (полярная шапка, полярный овал, субавроральная зона) на основе классификации, выполненной с привлечением самообучающейся искусственной нейронной сети типа слоя Кохонена. В качестве входных параметров для выделения трех возможных классов пространственного положения отдельной станции цепочки, используются характеристики амплитудно-частотных спектров и матриц вейвлет-коэффициентов, получаемых по геомагнитным данным с этих станций. Таким образом, существует возможность контролировать размеры и границы полярной шапки и аврорального овала в реальном масштабе времени на основе геомагнитных данных меридиональных цепочек станций.

Сопоставление классификационных результатов на основе ИНС с аналитическими вычислениями положения южной границы овала на базе эмпирических моделей, основанных на корреляционной связи спутниковых данных с индексами геомагнитной активности AL, Dst [76], показывает, что они согласуются (совпадение 60% и выше). Метод определения динамики пространственного положения полярной шапки и овала полярных сияний по данным Гренландской цепочки магнитных станций можно применять к данным других подобных цепочек геомагнитных измерений. При этом возможна оценка границ полярной шапки и аврорального овала в реальном масштабе времени. Определены физические причины разделения спектральных характеристик магнитных возмущений в полярных областях.

На защиту выносится: Спектральные характеристики высокоширотных геомагнитных вариаций в периоды магиитосферных возмущений, характеризующие их пространственную принадлежность к одной из трех зон геомагнитной активности: полярная шапка, овал полярных сияний, субавроральная зона.

3. Реализовано прогнозирование на интервал 0,5−3 часа максимально наблюдаемой и критической частоты ионосферного слоя F2 на основе метода искусственных нейронных сетей с использованием параметров солнечного ветра и межпланетного магнитного поля. Определены характерные времена реакции ионосферы на изменения ключевых параметров солнечного ветра и межпланетного магнитного поля.

Проведенные численные эксперименты по прогнозированию частот на разных типах нейросетей и временных интервалах показали, что точность восстановления профиля может варьироваться в широких пределах. Особенно этому подвержены слаборазветвленные сети. В некоторых случаях они показывают и самые неудовлетворительные результаты. Тем не менее, полностью отказываться от слаборазветвленных ИНС нельзя — их применение гарантирует отсутствие явления переобучения. С другой стороны, применение таких сетей для долгосрочного прогноза не позволяет получать точность восстановления профилей частот выше 65%. Так же, к этим сетям не применима технология коррекции ответного сигнала сети, вследствие его сильной зашумленности.

Разветвленные сети работают более стабильно — при перезапуске обучения такой сети качество ее обучения меняется менее заметно и, как следствие, качество прогноза от опыта к опыту практически не изменяется, а неудовлетворительные результаты появляются крайне редко. Обучение подобных мощных сетей требует страховки от переобучения — механизма контрольной проверки. Это несколько увеличивает время обучения, но дает высокое качество прогноза. Другим достоинством разветвленной сети является применимость к ее ответному сигналу методики коррекции. Максимальные результаты (до 99%) при прогнозировании частот на 0,5−1,5 часа достигнуты на такой разветвленной ИНС. Та же сеть выполняет прогноз на 2 часа с точностью 91% и выше. Прогноз на 3 часа выполняется с эффективностью 88%.

Установлено, что качество прогноза на возмущенном интервале при обучении сети только по предыстории низкое, так как профиль частот МНЧ и foF2 сильно изрезан. Необходимо дополнить поступающую на вход сети информацию сопутствующими процессами, такими как сведения о текущей глобальной геомагнитной обстановке, концентрации солнечного ветра. Для прогнозирования на спокойных и возмущенных интервалах на 0,5−3 часа следует придерживаться единой схемы прогноза, так как обучающая последовательность обычно уже включает и спокойные и возмущенные интервалы. Обученная в таких условиях сеть имеет равноценные возможности для прогноза интервалов МНЧ и f0F2 любой степени возмущенности.

Предложена групповая нейросетевая методика восстановления временных рядов в режиме «on line». Получая непрерывный поток необходимых данных через Internet сеть способна с определенной дискретностью создавать прогнозируемый ряд и при необходимости корректировать свой уровень обучения. Для достоверного прогноза следует пользоваться несколькими (3−5) параллельно работающими одинаковыми сетями (группой). Достоверный ответ тот, который с малой расходимостью получен на нескольких сетях из группы. Остальные сети, дающие другой, существенно отличный результат следует переобучить (с учетом новых данных) и снова включить в группу. Такая стратегия обеспечит максимально достоверный прогноз параметра в режиме реального времени.

На защиту выносится: Временной масштаб реакции критической частоты foF2 ионосферы и максимально наблюдаемой частоты коротковолнового радиосигнала при наклонном ионосферном зондировании на динамику изменения параметров межпланетной среды вблизи земной магнитосферы определенный на основе нейросетевой технологии.

Степень достоверности полученных результатов.

Результаты, изложенные в диссертационной работе, согласуются с соответствующими данными экспериментальных наблюдений. Их сопоставление с аналитическими и численными исследованиями других авторов показали, что полученные результаты дополняют и уточняют эти исследования. Все результаты, представленные в диссертации опубликованы в рецензируемых научных журналах «Космические исследования», «Геомагнетизм и аэрономия», «Известия РАН — Физическая серия», «Известия ВУЗов —.

Радиофизика", а также представлены на Российских и международных конференциях и научных семинарах НИРФИ и ИЗМИР АН.

Личный вклад соискателя.

Автор принимал непосредственное участие в постановке задач и выборе методов их решения, в получении и анализе результатов, а также в их интерпретации. Им проведены все численные эксперименты, представленные в диссертации, выполненные с использованием самостоятельно разработанных компьютерных программ.

Благодарности.

При получении результатов, представленных в диссертации, я опирался на знания и профессиональный опыт моего учителя и научного руководителя доктора физико-математических наук, профессора Николая Александровича Бархатовасотрудников лаборатории геомагнитных вариаций ИЗМИР АН Анатолия Ефимовича Левитина, Людмилы Ивановны Громовой, Лидии Алексеевны Дремухинойсотрудника ИКИ РАН Георгия Наумовича Застенкерасотрудника НИИРФИ Валерия Павловича Урядова. Большую помощь и поддержку мне оказали также сотрудники Научно-исследовательской лаборатории Физики Солнечно-Земных связей Нижегородского Государственного Педагогического Университета. Всем нм выражаю свою признательность и благодарность.

Список работ по теме диссертации.

1. Бархатов Н. А., Валов В. А., Макаров А. В., Понятов А. А., Ревунов С. Е., Сахаров С. Ю., Урядов В. П., Метод искусственных нейронных сетей и его применение к прогнозированию ионосферного KB радиоканала. Труды IX Международной научно-технической конференции «Радиолокация, навигация и связь», 22−24 апреля 2003 г., Воронеж, Том III, С. 1853−1864.

2. Barkhatov N.A., Ponyatov А.А., Uryadov V.P., Barkhatova O.A., Revunov S.E., Forecasting of ionospheric hf channel by the artificial neural networks method // Abstracts of IUGG XXIII General Assembly, Sapporo, Juhe 30-July 11, 2003, GAII.03/02A/AI3−005, C. A298.

3. Бархатов H.A., Ревунов C.E., Прогнозирование критической частоты ионосферного слоя F2 методом искусственных нейронных сетей. VIII Нижегородская сессия молодых ученых. Естественнонаучные дисциплины, 20−25 апреля 2003 г., Дзержинск, Тезисы докладов, Н. Новгород, 2003, С.98−99.

4. Barkhatov N.A., Levitin A.E., Revunov S.E. Comprehensive classification of geomagnetic disturbances. Geophysical Research Abstracts, V.6, 4 796, European Geosciences Union, General Assembly 2004, ST5, Nice, France, 25−30 April 2004.

5. Ревунов С.E., Дудкина И. С. Повышение эффективности прогнозирования критической частоты ионосферного слоя F2. Сборник тезисов Десятой Всероссийской научной конференции студентов-физиков и молодых ученых: Тезисы докладов: В 2 т. — Москва, издательство АСФ России, 2004, Т.2. С. 915.

6. Barkhatov N.A., Revunov S.E., Uryadov V.P. Improvement of ionospheric layer f2 critical frequency forecasting. Geophysical Research Abstracts, V.6, 4 789, European Geosciences Union, General Assembly 2004, ST 14, Nice, France, 25−30 April 2004.

7. Бархатов H.A., Левитин A.E., Ревунов C.E. Космическая классификация глобальных геомагнитных возмущений. Тезисы докладов III Международной конференции «Солнечно-земные связи и электромагнитные предвестники землетрясений», 16−21 августа 2004, Институт космофизических исследований и распространения радиоволн (ИКИР) ДВО РАН (с. Паратунка, Камчатская обл.), С. 46.

8. Бархатов Н. А., Левитин А. Е., Ревунов С. Е. Классификация глобальных геомагнитных возмущений на основе комплекса событий космической погоды. Тезисы докладов международной конференции «Солнечно-земная физика», Иркутск, 20−25 сентября 2004 г., С. 46.

9. Barkhatov N.A., Revunov S.E., Uryadov V.P. (2004), Forecasting of the critical frequency of the ionosphere F2 layer by the method of artificial neural networks. Int. J. Geomagn. Aeron., 5, GI2010, D01:10.1029/2004GI000065.

10. Бархатов H.A., Ревунов C.E., Урядов В. П. Технология искусственных нейронных сетей для прогнозирования критической частоты ионосферного слоя F2. // Известия ВУЗов «Радиофизика», 2005, Т.48. С.1−15.

11. Бархатов Н. А., Ревунов С. Е., Урядов В. П., Вертоградов Г. Г., Вертоградов В. Г., Валов В. А. Прогнозирование МНЧ с помощью искусственных нейронных сетей. Материалы 21 Всероссийской конференции по распространению радиоволн, Йошкар-Ола, 24−27 мая 2005 г.

12. Barkhatov N., Levitin A., Revunov S. Location of high latitude zones of geomagnetic activity by the data from the Greenland chain of magnetic stations. // Abstracts of 10-th IAGA Scientific Assembly, Toulose-Franee, July 18−29, 2005, IAGA2005;A-1 244.

13. Barkhatov N.A., Revunov S.E., Ulibina R.I. Classification of discontinuities in parameters of space plasma using magnetohydrodynamic approach. Abstracts of 9th Asian-Pacific Regional International Astronomical Union (IAU) Meeting (APR1M2005), Bali, Indonesia, 26−29 July 2005, P. 17.

14. Barkhatov N.A., Gromova L.I., Dremuhina L. A, Levitin A.E., Revunov S.E., Ulibina R.I. The analysis of magnetospheric disturbance power according to its solar source. Abstracts of 9th Asian-Pacific Regional International Astronomical Union (IAU) Meeting (APR1M2005), Bali, Indonesia, 26−29 July 2005. P. 18.

15. Бархатов H.A., Левитин A.E., Ревунов C.E. Установление границ областей полярной шапки и овала полярных сияний по данным Гренландской цепочки магнитных станций. Тезисы Всероссийской конференции «Экспериментальные и теоретические исследования основ прогнозирования гелиогеофизической активности» (10−15 октября 2005 г., г. Троицк), С. 7.

16. Бархатов Н. А., Громова Л. И., Дремухина Л. А., Левитин А. Е., Ревунов С. Е., Улыбина Р. И. Анализ энергетики магнитосферного возмущения в зависимости от его солнечного источника. Тезисы Всероссийской конференции «Экспериментальные и теоретические исследования основ прогнозирования гелиогеофизической активности» (10−15 октября 2005 г., г. Троицк), С. 44.

17. Бархатов Н. А., Ревунов С. Е., Урядов В. П., Вертоградов Г. Г, Вертоградов В. Г. Учет проявлений солнечной активности при прогнозировании максимально наблюдаемой частоты ионосферного KB радиоканала. Тезисы Всероссийской конференции «Экспериментальные и теоретические исследования основ прогнозирования гелиогеофизической активности» (10−15 октября 2005 г., г. Троицк), С. 59.

18. Barkhatov N.A., Revunov S.E., Uryadov V.P., Vertogradov G.G., Vertogradov V.G. Forecasting of hf propagation with use of artificial neural networks. XXVIIIth URSI General Assembly New Delhi, India, 23 to 29 October 2005.

19. Бархатов H.A., Левитин A.E., Ревунов C.E. Классификация глобальных геомагнитных возмущений на основе комплекса событии космической погоды. В сб. «Солнечно-земная физика», вып.8, Изд. СО РАН, Новосибирск, 2005, С. 129−131.

20. Ревунов С. Е., Улыбина Р. И. Нейросетевая классификация разрывов параметров космической плазмы, XI Нижегородская сессия молодых ученых, Математические науки, 22−25 мая 2006 г., Нижний Новгород, Тезисы докладов, 2006, С.36−37.

21. Barkhatov N.A., Levitin А.Е., Revunov S.E. Monitoring of polar cap spatial dynamics basing on data from Greenland chain of magnetic observatories. Abstracts of 29 Annual Seminar «Physics of auroral phenomena», Apatity, 27 February-3 March 2006, PGI KSC RAS, P.31.

22. Barkhatov N.A., Revunov S.E. Classification of abrupt changes of the interplanetary medium parameters by a method of artificial neural networks. Abstracts of 29 Annual Seminar «Physics of auroral phenomena», Apatity, 27 February-3 March 2006, PGI KSC RAS, P.51.

23. Бархатов H.A., Ревунов C.E., Вертоградов Г. Г, Вертоградов В. Г, Валов В. А., Урядов В. П. Прогнозирование максимально наблюдаемой частоты ионосферного КВ-радиоканала методом искусственных нейронных сетей. // Геомагнетизм и аэрономия, 2006, Т.46, N 1, С. 88−98.

24. Barkhatov N.A., Dremukhina L.A., Gromova L.I., Levitin A.E., Revunov S.E., Ulibina R.I. «Magnetosphere power budget role in the task of classification of magnetospheric activity sources» 36th Cospar scientific assembly, Beijing, China, 16−23 July 2006. Session D2.1/E3.1, A-873.

25. Бархатов H.A., Громова Л. И., Дремухина Л. А., Левитин А. Е., Ревунов С. Е., Улыбина Р. И. Учет энергетического бюджета магнитосферы в задаче классификации источников магнитосферной активности. Изв. РАН (сер.физ), 2006, 70. N10, С. 1535−1537.

26. Barkhatov N.A., Levitin А.Е., Revunov S.E. Complex Classification of Global Geomagnetic Disturbances. // Kosmicheskie Issledovaniya, 2006, Vol. 44, No. 6, pp. 488−499.

27. Barkhatov N.A., Levitin A.E., Revunov S.E. Monitoring of polar cap spatial dynamics basing on data from Greenland chain of magnetic observatories. Proceedings of 29 Annual Seminar «Physics of auroral phenomena», Apatity, 2007, PGI KSC RAS, P.75.

28. Barkhatov N.A., Revunov S.E. Classification of abrupt changes of the interplanetary medium parameters by a method of artificial neural networks. Proceedings of 29 Annual Seminar «Physics of auroral phenomena», Apatity, 2007, PGI KSC RAS, P. 175.

29. Бархатов H.A., Левитин A.E., Ревунов C.E. Контроль пространственной динамики полярной шапки и полярного овала по данным гренландской сеги магнитных станций. // Геомагнетизм и аэрономия, 2007, Т.47, N2, С. 230−235.

30. Бархатов Н. А., Громова Л. И., Левитин А. Е., Ревунов С. Е. Анализ влияния электрического поля солнечного ветра на геомагнитную активность. Тезисы докладов 11 Пулковской международной конференции по физике Солнца: Физическая природа солнечной активности и прогнозирование ее геофизических проявлений. ГАО РАН, Пулково, Санкт-Петербург, 2−7 июля 2007, С. 17.

31. Бархатов Н. А., Левитин А. Е., Ревунов С. Е., Смирнова А. С., Снегирев С. Д., Хвиюзова Т. А. Классификация событий космической погоды. Тезисы докладов 11 Пулковской международной конференции по физике Солнца: Физическая природа солнечной активности и прогнозирование ее геофизических проявлений. ГАО РАН, Пулково, Санкт-Петербург, 2−7 июля 2007, С. 19.

32. Barkhatova О.М., Revunov S.E., Barkhatov N.A., Levitin A.E. Nonlinear connection of global and polar current systems on the main phase of a geomagnetic storm. Abstracts of 31 Annual Seminar «Physics of auroral phenomena», Apatity, 26−29 February 2008, PGI KSC RAS, P. 12.

33. Barkhatov N., Levitin A., Revunov S. Connection of geomagnetic activity with orientation of the solar wind electric field concerning the terrestrial magnetic moment. Geophysical Research Abstracts, Vol. 10, EGU2008;A-0, 2008 EGU General Assembly 2008.