Системы моделирования и прогнозирования ионосферных данных
Вид материала | Документы |
- Аннотация рабочей программы учебной дисциплины «Методы моделирования и прогнозирования, 108.27kb.
- Аннотация рабочей программы учебной дисциплины «Методы моделирования и прогнозирования, 76.69kb.
- С. К. Дулин, А. С. Селецкий, В. И. Уманский Вданной статье рассмотрена задача создания, 108.51kb.
- Удк 681. 3: 519 применение методов data mining для формирования базы знаний экспертной, 78.88kb.
- Проблемы макроэкономического моделирования занятости в современной экономике, 175.12kb.
- Решение задач одно из важных применений Excel. Системы линейных уравнений решаются, 39.61kb.
- С целью изучения, формулирования выводов, принятия решений и прогнозирования, 231.79kb.
- Преимущества использования среды моделирования, 41.26kb.
- Использование измерений сигналов системы gps для обнаружения ионосферных предвестников, 250.54kb.
- А. Р. Анализ современных тенденций в методологии макрофинансового прогнозирования, 376.06kb.
СИСТЕМЫ МОДЕЛИРОВАНИЯ И ПРОГНОЗИРОВАНИЯ ИОНОСФЕРНЫХ ДАННЫХ
Глушкова Надежда Владимировна
Камчатский государственный технический университет
Г. Петропавловск-Камчатский
Моделирование, прогнозирование и анализ природных данных имеет большое значение для решения ряда вопросов в области геофизики. Данные исследования позволяют получить количественную оценку, выявить внутренние связи и механизмы взаимодействия компонентов, имеющих природное и техногенное происхождения, выделить аномальное поведение над сейсмоактивным камчатским регионом в период подготовки сильных землетрясений, а также имеют важное значение для развития средств радиосвязи, в том числе в дальневосточном регионе. Результаты исследований и основанные на них программные средства могут быть применены в физических обсерваториях, космических агентствах, военно-промышленном комплексе, геофизических службах. Таким образом, разрабатываемые мной методы и алгоритмы востребованы для решения многих задач народного хозяйства.
Основными задачами проекта являются:
- разработка методов моделирования и прогнозирования ионосферных данных на основе совмещения вейвлет-преобразования и методов авторегрессии-проинтегрированного скользящего среднего;
- разработка численных алгоритмов и программных средств по обработке и анализу ионосферных данных;
- разработка экспертной системы по обработке и анализу ионосферных данных и выделению особенностей, связанных с солнечной и сейсмической активностью.
Сложности решения этих задач заключаются в сложной внутренней структуре регистрируемых данных. Они содержат различного характера переходные процессы, локальные особенности и аномальные эффекты, которые могут быть связаны с солнечной либо сейсмической активностью. Эти особенности содержат главную информацию об изучаемых природных процессах и при обработке не должны быть отфильтрованы как помеховой сигнал из-за неизбежной в этом случае потери информации.
Сложная структура данных делает неэффективным непосредственное применение к ним традиционных методов анализа природных данных. Эти методы описывают достаточно узкий класс процессов, позволяют выделить некоторые наиболее устойчивые характеристики сигналов и их применение требует полной априорной информации об изучаемых временных рядах.
Наиболее подходящим пространством для их представления является пространство вейвлет-функций. Вейвлет-преобразование имеет обширный словарь базисных функций различной формы и временной протяженности и позволяет описывать временные ряды сложной внутренней структуры. В данном проекте предлагается метод моделирования и прогнозирования данных критической частоты ионосферы, основанный на совместном применении вейвлет-преобразования и моделей авторегрессии-проинтегрированного скользящего среднего (АРПСС).
В пространстве вейвлетов данные представляются в виде линейной комбинации составляющих двух видов: детализирующие составляющие и аппроксимирующие компоненты, и обеспечивается полное сохранение информации о сигнале. Аппроксимирующие компоненты – это трендовые составляющие процесса. Детализирующие компоненты содержат информацию о локальных структурах. Для оценки параметров компонент используется класс моделей АРПСС. Модели АРПСС являются гибким аппаратом, позволяют выделить характерные структуры, выполнить прогноз значений данных и содержат средства автоматического обнаружения изменения параметров модели. Таким образом, совместное применение этих методов обеспечивает возможность отображения характерных структур, построения прогноза данных и автоматического обнаружения аномальных особенностей.
Также разрабатывается комплекс численных алгоритмов. Они направлены на выделение и классификацию характерных структур и аномальных особенностей, связанных с солнечной и сейсмической активностью на Камчатке.
С целью сравнения эффективности предлагаемого метода с традиционными подходами была произведена попытка моделирования природных данных традиционными методами. Использовались данные подпочвенного радона OARn и критической частоты foF2. Производилось сглаживание временных рядов методом скользящего среднего и моделирование на основе АРПСС (рис. 1). Диагностическая проверка полученных моделей показала плохие результаты: наблюдалась существенная автокорреляция остатков, свидетельствующая о неадекватности полученных моделей.
(а)
(b)
(c)
Рисунок 1. (a) – исходный сигнал подпочвенного радона OARn; (b) –компонента сигнала OARn, полученная после применения процедуры сглаживания;(c) - остаточные ошибки модели АРПСС сглаженной компоненты сигнала OARn.
На рисунке 2 представлены результаты применения к данным OARn предлагаемого метода. Диагностическая проверка показала хорошие результаты, ошибки модели являются белым шумом. В результате детального анализа остаточных ошибок также были обнаружены краткосрочные аномальные эффекты, которые проявляли себя в виде значительного увеличения остаточных ошибок в локальной области временного ряда. Анализ данных показал, что данные аномалии возникали накануне сильных землетрясений на Камчатке. Выявленные аномальные области показаны на рис. 2 пунктирными линиями, стрелками показаны сейсмические события, произошедшие за исследуемый период. Данный результат подтверждает эффективность предлагаемого метода и возможность его использования для выделения признаков повышенной сейсмической активности на Камчатке.
Рисунок 2 – АР-модель сглаженной составляющей 4-го уровня разложения сигнала OARn; (b) – остаточные ошибки модели. Стрелками отмечены моменты возникновения сильных землетрясений, пунктирной линией показаны области увеличений остаточной ошибки.
На примере обработки данных критической частоты f0F2 также показана эффективность предлагаемого метода (рис.3-5): выполнено разложение данных на компоненты и произведена идентификация АРПСС-моделей, параметры которых имеют близкие значения. Анализ остаточных ошибок позволил выделить моменты возрастания солнечной активности (рис. 5).
Рисунок 3 – Моделирование и прогнозирование аппроксимирующих компонент. Синей линией отмечены исходные данные, красной – значения прогноза
Рисунок 4 – Остаточные ошибки прогнозирования
(а)
(б)
Рисунок 5 – (а) – данные k-индекса; (b) – остаточные ошибки модели. Стрелкой отмечены моменты возникновения магнитных бурь, пунктирной линией показаны области увеличений остаточной ошибки.
Преимущества товара
- новые методы обработки и анализа природных сигналов;
- повышение точности и достоверности результатов. Сохранение важной информации;
- возможность создания более эффективных программных средств;
- широкая область применения (методы являются гибкими средствами и могут быть адаптированы под данные с определенной структурой);
Актуальность и значимость проекта
- Работа поддержана грантом Президента РФ по направлению информационные и телекоммуникационные системы и технологии МД – 2199.2011.9;
- Доклад на международной конференции «Вторая Всероссийская НПК»Наука, образование, инновации: пути развития» (апрель 2011 г);
- Находится в печати статья «Моделирование аппроксимирующих компонент данных критической частоты ионосферного слоя F2 на основе вейвлетов и АР-модели» в журнале «Вестник КамчатГТУ».
Стратегия выхода на рынок:
- (1-2 год) Проведение НИОКР. Апробация метода моделирования и прогнозирования критической частоты. Разработка и внедрение в лабораторию ИКИР ДВО РАН автоматизированной системы. Разработка новых методов по обработке и анализу ионосферных данных. Разработка курсов лекций и методических пособий и внедрение в обучающий процесс.
- (3-5 год) Внедрение в лабораторию ИКИР ДВО РАН, в Геофизическую службу РАН системы обработки и анализа ионосферных данных. Апробация разработанных методов по обработке и анализу ионосферных данных. Поиск инвесторов, реализация пробной продукции. Получение прибыли.
Основные публикации:
- Доклад на международной конференции «Вторая Всероссийская НПК «Наука, образование, инновации: пути развития» (апрель 2011 г.).
- Находится в печати статья «Моделирование аппроксимирующих компонент критической частоты ионосферного слоя F2 на основе вейвлетов и АР-модели» в журнале «Вестник КамчатГТУ»
Автор проекта: Глушкова Н.В., 1987 г., тел. 8-909-838-51-85, nv.glushkova@yandex.ru,
Научный руководитель: Мандрикова О.В., д.т.н., доцент, профессор кафедры систем управления, Камчатский государственный технический университет, т. 8-961-960-74-47