The Significance of Input Features for Domain Adaptation of Spacecraft Data

E. Z. Karimov; Каримов Э. З.; I. N. Myagkova; Мягкова И. Н.; V. R. Shirokiy; Широкий В. Р.; O. G. Barinov; Баринов О. Г.; S. A. Dolenko; Доленко С. А.

doi:10.31857/S0023420623600125

Существенность входных признаков для доменной адаптации данных космических аппаратов

Авторы: Каримов Э.З.¹^,2, Мягкова И.Н.², Широкий В.Р.², Баринов О.Г.², Доленко С.А.³
Учреждения:
1. Московский государственный университет им. М.В. Ломоносова
2. НИИ ядерной физики им. Д.В. Скобельцына МГУ им. М.В. Ломоносова
3. Научно-исследовательский институт ядерной физики им. Д.В. Скобельцына Московского государственного университета им. М.В. Ломоносова (НИИЯФ МГУ)
Выпуск: Том 61, № 6 (2023)
Страницы: 530-537
Раздел: Статьи
URL: https://rjmseer.com/0023-4206/article/view/672588
DOI: https://doi.org/10.31857/S0023420623600125
EDN: https://elibrary.ru/CBGXUK
ID: 672588

Цитировать

Полный текст

Открытый доступ
Доступ закрыт

Доступ предоставлен
Доступ закрыт

Доступ платный или 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.

Список литературы

Daglis I.A. Space Storms and Space Weather Hazards. Dordrecht: Kluwer Academic Publishers, 2001.
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
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
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
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
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
Лазутин Л.Л. Мировые и полярные магнитные бури / Под ред. проф. Ю.И. Логачева. М.: МГУ, 2012. 214 с.
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
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
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
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
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
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.
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.
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
Akasofu S.-I., Chapman S. Solar-Terrestrial Physics. Oxford: Clarendon Press, 1972. 901 p.
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
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.
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
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
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