Аннотация:
Представлен способ оценки состояния геомагнитного поля, основанный на совмещении вейвлет-преобразования с радиальными нейронными сетями. Способ включает декомпозицию регистрируемых вариаций геомагнитного поля на разномасштабные составляющие, оценку степени их возмущённости и формирование заключения о состоянии поля. Для апробации способа использовались геомагнитные данные станции «Паратунка» (с. Паратунка, Камчатский край, регистрацию данных выполняет ИКИР ДВО РАН).
Выполнен анализ спектрально-временных характеристик вариаций геомагнитного поля в периоды умеренных и сильных магнитных бурь. Накануне бурь в геомагнитном поле зафиксированы слабые возмущения. Результаты исследования подтвердили эффективность предлагаемого способа.

Ключевые слова :
нейронные сети, вейвлет-преобразование, геомагнитные данные, магнитное поле Земли.

Цитирование:
Мандрикова, О.В. Автоматический способ оценки состояния геомагнитного поля / О.В. Мандрикова, Е.А. Жижикина // Компьютерная оптика. – 2015. – Т. 39, № 3. – С. 420-428. – DOI: 10.18287/0134-2452-2015-39-3-420-428.

Литература:

1. Космическая среда вокруг нас / Н.И. Будько, А.Н. Зайцев, А.Т. Карпачев, А.Н. Козлов, Б.П. Филиппов; под ред. А.Н. Зайцева. – Троицк: ТРОВАНТ, 2006. – 232 с.
2. Белинская, А.Ю. Возможности магнитно-ионосферных наблюдений в задачах прогноза и диагностики природных и техногенных экстремальных событий / А.Ю. Белинская, С.Ю. Хомутов // Интерэкспо Гео-Сибирь. – 2012. – Т. 3. – С. 37-45.
3. Gvishiani, A. Survey of geomagnetic observations made in the northern sector of Russia and new methods for analysing them / A. Gvishiani, R. Lukianova, A. Soloviev, A. Khokhlov // Surveys in Geophysics. – 2014. – Vol. 35(5). – P. 1123-1154.
4. Mandrikova, O.V. Analysis of the Earth’s magnetic field variations on the basis of a wavelet-based approach / O.V. Mandrikova, I.S. Solovyev, V.V. Geppener, D.M. Kli­on­sky, R.T. Al-Kasabeh // Digital Signal Processing. – 2013. – Vol. 23. – P. 329-339.
5. Wagner, C.-U. Large scale electric fields and currents and related geomagnetic variations in the quiet plasmasphere / C.U. Wag­ner, D. Mohlmann, K. Schafer, V.M. Mishin, M.I. Mat­veev // Space Science Reviews. – 1980. – Vol. 26. – P. 391-446.
6. Яновский, Б.М. Земной магнетизм: учеб. пособие / Б.М. Яновский; под ред. В.В. Металловой. – Изд. 4-е, перераб. и доп. – Л.: Изд-во Ленингр. ун-та, 1978. –592 с.
7. Одинцов, В.И. Спектральный анализ аномального магнитного поля Земли для разновысотных съёмок / В.И. Одинцов, Н.М. Ротанова, Ю.П. Цветков, А. Ченчанг // Геомагнетизм и аэрономия. – 2000. – Т. 40, № 2. – С. 59-66. – ISSN 0016-7940.
8. Kato, H. Development of automatic scaling software of ionospheric parameters / H. Kato, Y. Takiguchi, D. Fukayama, Y. Shimizu, T. Maruyama, M. Ishii // Journal of the National Institute of Information and Communications Technology. – 2009. – Vol. 56. – P. 465-474.
9. Hamoudi, M. Wavelet analysis of ionospheric disturbances / M. Hamoudi, N. Zaourar, R. Mebarki, L. Briqueu, M. Parrot // Geophysical Research Abstracts. EGU General Assembly. – 2009. – Vol. 11. – EGU2009-8523.
10. Akyilmaz, O. Fuzzy-wavelet based prediction of Earth rotation parameters / O. Akyilmaz, H. Kutterer, C.K. Shum, T. Ayan // Applied Soft Computing. – 2011. – Vol. 11(1). – P. 837-841.
11. Zaourar, N. Wavelet-based multiscale analysis of geomagnetic disturbance / N. Zaourar, M. Hamoudi, M. Mandea, G. Balasis, M. Holschneider // Earth, Planets and Space. – 2013. – Vol. 65. – P. 1525-1540.
12. Ghamry, E. Effect of SC on frequency content of geomagnetic data using DWT application: SC automatic detection / E. Ghamry, A. Hafez, K. Yumoto, H. Yayama // Earth, Planets and Space. – 2013. – Vol. 65. – P. 1007-1015.
13. Мандрикова, О.В. Вейвлет-анализ данных магнитного поля Земли / О.В. Мандрикова, В.В. Богданов, И.С. Соловьев // Геомагнетизм и аэрономия. – 2013. – Т. 53, № 2. – С. 282-288. – ISSN 0016-7940.
14. Mandrikova, О.V. Methods of analysis of geomagnetic field variations and cosmic ray data / О.V. Mandrikova, I.S. So­lo­vev, T.L. Zalyaev // Earth, Planets and Space. – 2014. – Vol. 66. – P. 148.
15. Мандрикова, О.В. Оценка состояния геомагнитного поля на основе совмещения вейвлет-преобразования с радиальными нейронными сетями / О.В. Мандрикова, Е.А. Жижикина // Машинное обучение и анализ данных. – 2014. – Т. 1, № 10. – С. 1335-1344. – ISSN 2223-3792.
16. Yu, Z.G. Modeling and simulation of the horizontal component of the geomagnetic field by fractional stochastic differential equations in conjunction with empirical mode decomposition / Z.G. Yu, V. Anh, Y. Wang, D. Mao, J. Wanliss // Journal of Geophysical Research. – 2010. – Vol. 115(A10). – DOI: 10.1029/2009JA015206
17. Rilling, G. On empirical mode decomposition and its algorithms / G. Rilling, P. Flandrin, P. Goncalves // IEEE-EURASIP Workshop on Nonlinear Signal and Image Processing. – 2003. – P. 112-114.
18. Павлов, А.Н. Метод эмпирических мод и вейвлет-фильтрация: применение в задачах геофизики / А.Н. Павлов, А.Е. Филатова // Известия высших учебных заведений. Прикладная нелинейная динамика. – 2011. – Т. 19, № 1. – С. 3-13.
19. Малла, С. Вэйвлеты в обработке сигналов / С. Малла; пер. с англ. – М.: Мир, 2005. – 671 с.
20. Клионский, Д.М. Новый подход к автоматизированному выявлению шаблонов в телеметрических сигналах на основе декомпозиции на эмпирические моды / Д.М. Клионский, Н.И. Орешко, В.В. Геппенер // Научные ведомости Белгородского государственного университета. – 2009. – Т. 12, № 15-1. – С. 118-129.
21. Мандрикова, О.В. Критерии выбора вейвлет-функции в задачах аппроксимации природных временных рядов сложной структуры / О.В. Мандрикова, Ю.А. Полозов // Информационные технологии. – 2012. – № 1. – С. 31-36. – ISSN 1684-6400.
22. Huang, N.E. Hilbert-Huang transform and its applications / N.E. Huang, S.S. Shen. – Singapore: World Scientific Publishing Co. Pte. Ltd., 2005. – 311 p.
23. Huang, N.E. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis / N.E. Huang, Z. Shen, S.R. Long, M.C. Wu, H.H. Shih, Q. Zheng, N-C. Yen, C.C. Tung, H.H. Liu // Proceedings of the Royal Society of London A. – 1998. – Vol. 454. – P. 903-995.
24. Nayar, S.R.P. Investigation of substorms during geomagnetic storms using wavelet Techniques / S.R.P. Nayar, V.N. Radhika, P.T. Seena // Proceedings of the ILWS Workshop Goa, India, 2006.
25. Ротанова, Н.М. Вейвлет-анализ вековых геомагнитных вариаций / Н.М. Ротанова, Т.Н. Бондарь, В.В. Иванов // Геомагнетизм и аэрономия. – 2004. – Т. 44, № 2. – С. 276-282. – ISSN 0016-7940.
26. Hafez, A.G. Systematic examination of the geomagnetic storm sudden commencement using multi resolution analysis / A.G. Hafez, E. Ghamry, H. Yayama, K. Yumoto // Advances in Space Research. – 2013. – Vol. 51. – P. 39–49.
27. Xu, Z. An assessment study of the wavelet-based index of magnetic storm activity (WISA) and its comparison to the Dst index / Z. Xu, L. Zhu, J. Sojka, A. Jach // Journal of Atmospheric and Terrestrial Physics. – 2008. – Vol. 70. – P. 1579–1588.
28. Jach, A. Wavelet-based index of magnetic storm activity / A. Jach, P. Kokoszka, J. Sojka, L. Zhu // Journal of Geophysical Research: Space Physics. – 2006. – Vol. 111(A09215). – P. 1-11. – A09215 – DOI: 10.1029/2006JA011635.
29. Сирота, А.А. Двухэтапный алгоритм обнаружения и оценивания границы объектов на изображениях в условиях аддитивных помех и деформирующих искажений / А.А. Сирота, А.И. Соломатин, Е.В. Воронова // Компьютерная оптика. – 2010. – Т. 34, № 1. – С. 109-117. – ISSN 0134-2452.
30. Савченко, А.В. Распознавание изображений на основе вероятностной нейронной сети с проверкой однородности / А.В. Савченко // Компьютерная оптика. – 2013. – Т. 37, №: 2. – С. 254-262. – ISSN 0134-2452.
31. Солдатова, О.П. Применение свёрточной нейронной сети для распознавания рукописных цифр / О.П. Солдатова, А.А. Гаршин // Компьютерная оптика. – 2010. – Т. 34, № 2. – С. 252-259. – ISSN 0134-2452.
32. Бархатова, О.М. Нелинейная связь авроральных (AU, AL) и среднеширотных (SYM-H, ASY-H) индексов геомагнитной активности на главной фазе геомагнитной бури / О.М. Бархатова // Солнечно-земная физика. – 2013. – № 23. – С. 100-108. – ISSN 0135-3748.
33. Uwamahoro, J. Estimating the geoeffectiveness of halo CMEs from associated solar and IP parameters using neural networks / J. Uwamahoro, L.A. McKinnell, J.B. Habarulema // Annales Geophysicae. – 2012. – Vol. 30. – P. 963-972.
34. Баpхатов, Н.А. Влияние магнитного поля солнечного ветра на турбулентность переходной области за отошедшей ударной волной / Н.А. Баpхатов, Н.С. Беллюстин, Ж.Л. Бужере, С.Ю. Сахаpов, Ю.В. Токаpев // Известия высших учебных заведений. Радиофизика. – 2001. – Т. 44, № 12. – С. 993-1002. – ISSN 0021-3462.
35. Нейроматематика: уч.пособие для вузов / А.Д. Агеев, А.Н. Балухто, А.В. Бычков – М.: ИЖПР, 2002. – 448 с.
36. Хайкин, С. Нейронные сети: полный курс. / С. Хайкин; пер. с англ. – М.: Издательский дом «Вильямс», 2006. – 1104 c.
37. Мандрикова, О.В. Анализ геомагнитных данных на основе совмещения вейвлет-преобразования с радиальными нейронными сетями / О.В. Мандрикова, Е.А. Жижикина // Цифровая обработка сигналов и ее применение: доклады 16 Международной конференции. – 2014. – C. 573-578.
38. Мандрикова, О.В. Оценка степени возмущённости геомагнитного поля на основе совмещения вейвлет-преобразования с радиальными нейронными сетями / О.В. Мандрикова, Е.А. Жижикина // 17 Международная конференция по мягким вычислениям и измерениям: сборник докладов. – Спб.: СПбГЭТУ «ЛЭТИ». – 2014. – Т.2. – С. 223-226.
39. ФГБУ «ИПГ» [Электронный ресурс]. – URL:http://ipg.geospace.ru/ (дата обращения 10.04.2015).

---

© 2009, IPSI RAS
Institution of Russian Academy of Sciences, Image Processing Systems Institute of RAS, Russia, 443001, Samara, Molodogvardeyskaya Street 151; E-mail: ko@smr.ru; Phones: +7 (846) 332-56-22, Fax: +7 (846) 332-56-20