Аннотация:
Построена численная модель предсказания параметров солнечной активности — числа солнечных пятен R и потока радиоизлучения на волне 10.7 см F10.7 вперед на 28 суток. Численная модель использует искусственную нейронную сеть (ИНС) с LSTM (Long short-term memory) слоями. Как для числа солнечных пятен, так и для потока радиоизлучения модель предсказывает уровни и пределы вариации значений на 28 дней. Средняя абсолютная ошибка предсказания модели составляет менее 2 %. Модель в реальном времени реализована на сайте http://aurora.pgia.ru и может быть дополнением к долгосрочным прогнозам других ИНТЕРНЕТ-ресурсов.
Ключевые слова:
солнечная активность, искусственные нейронные сети, прогноз>> Обновите страницу для загрузки актуальной картинки!<<
Рис.1. Число солнечных пятен R (верхняя панель) и поток F10.7 (нижняя панель).
Черная сплошная линия - последние измеренные значения. Красная сплошная линия - прогноз на 28 дней вперед. Желтая сплошная линия - прогноз за 1 сутки измеренных значений. Пунктиры - прогноз поведения индексов в предыдущие дни. Вертикальный пунктир - текущая дата.
Описание проекта:
Солнце влияет на все, что находится на Земле, поэтому характеристике солнечной активности входят как основные параметры в модели окружающей среды, используемых в геофизике. Для моделей верхних слоев атмосферы, ионосферы и магнитосферы непосредственно солнечную активность характеризуют двумя индексами: число солнечных пятен R и среднесуточное значение потока радиоизлучения на волне 10.7 см. Эти индексы необходимо знать как в текущее время, так и уметь его предсказывать для прогностических моделей.
В данной работе представляется численная модель, позволяющая прогнозировать значения этих индексов вперед на 28 дней (1 солнечный оборот вокруг своей оси). Основной набор представляет собой суточные значения параметров, характеризующих солнечную активность, число солнечных пятен R и среднесуточное значение потока радиоизлучения на волне 10.7 см, который измеряется в солнечных единицах потока: 1 с.е.п. = 10^-22 Вт/(м^2 Гц). Временные ряды с 1 января 1961 года по 1 марта 2023 года взяты из базы данных OMNI. Оба ряда скоррелированы между собой и содержат известные солнечные периодичности: 11 летний солнечный цикл и ~28 дневнее собственное солнечное вращение. Отсутствующие отдельные значения во временном ряду были интерполированы по соседним.
Искусственная нейронная сеть:
Для построения численной модели использована реализация LSTM (Long short-term memory) на языке Python в пакете keras библиотеки tensorflow. Сеть обучалась по данным за 5 солнечных оборотов (140 земных дней) предсказывать значения вперед на 28 дней. Для этого из всего ряда данных сформированы массивы векторов из 140 значений для подачи на вход сети, и соответствующие им массивы векторов из 28 истинных следующих за ними значений для подачи на выход сети во время тренировки. Подаваемые на вход значения последовательно кодируются во внутреннем состоянии первой LSTM сети, которое подается на вторую LSTM сеть, которая предсказывает следующие значения. Эти значения сравнивались с истинными, в процессе обучения минимализировалась метрика «средняя абсолютная ошибка» MAE – mean absolute error). Тренировалась сеть на значениях с 01.01.1963, проверочная выборка в размере 20% выделялась из этого массива. Данные за 1000 дней до 16.09.2023 оставлены для независимого тестирования. В конце обучения средняя абсолютная ошибка на имеющемся наборе составляет менее 2 %.
Ссылка на прогнозируемые значения:
[Date - R - F10.7]
Литература:
Начальная версия модели описана в статье [Ref.1]