Моделирование и анализ данных foF2 с использованием нейронных сетей NARX и вейвлетов

Abstract

Необходимость обнаружения аномалий имеет особую актуальность в задачах геофизического мониторинга, требует обеспечения точности и оперативности метода. В работе предлагается подход на основе нейронных сетей NARX для задачи моделирования данных foF2 и обнаружения в них аномалий. Известно, что нейронные сети трудно моделируют сильно зашумленные и существенно нестационарные временные ряды. Поэтому оптимизация процесса моделирования временных рядов сложной структуры сетью NARX выполнялась с использованием вейвлет-фильтрации. На примере обработки временных рядов параметров ионосферы показана эффективность предлагаемого подхода, приведены результаты для задачи обнаружения ионосферных аномалий. Подход может быть применен при выполнении прогноза космической погоды для прогнозирования параметров ионосферы.

Keywords

• моделирование временных рядов
• вейвлеты
• нейрон- ные сети narx
• ионосферные параметры
• time series model
• wavelet transform
• neural network narx
• ionospheric parameters