РАЗРАБОТКА МОДЕЛИ И ПРОГРАММЫ ПРОГНОЗА ГЕОМАГНИТНОЙ АКТИВНОСТИ НА ОСНОВЕ ИНДЕКСА Z
Abstract
Аннотация
В статье рассматривается задача прогнозирования геомагнитной
активности на основе индекса Z. Показано, что традиционные регрессионные
методы обладают ограниченной точностью при прогнозировании резких
изменений магнитного поля Земли.
Для повышения точности предлагается использовать нейросетевые
модели, в первую очередь многослойный персептрон и рекуррентные сети типа
LSTM. Выполнено сравнение классических регрессионных моделей и
нейронных сетей по критериям RMSE, MAE и коэффициенту детерминации.
Полученные результаты показывают, что применение нейросетевого подхода
позволяет существенно повысить качество прогноза геомагнитной активности.
References
Список использованной литературы:
1. Neural Networks and Learning Machines — Simon Haykin. New York:
Pearson, 2016.
2. Deep Learning — Ian Goodfellow, Yoshua Bengio, Aaron Courville.
Cambridge: MIT Press, 2017.
3. Pattern Recognition and Machine Learning — Christopher Bishop. Berlin:
Springer, 2006.
4. NOAA Space Weather Prediction Center. Geomagnetic Indices and Forecasting
Methods.
