ИСТИНА |
Войти в систему Регистрация |
|
ИПМех РАН |
||
Целью настоящего исследования является сравнение результатов, полученных в процессе исследований важности входных признаков (ВП) в задаче прогнозирования геомагнитных возмущений при помощи различных моделей машинного обучения (МО). Прогнозируемыми значениями моделей являются значения экваториального индекса Dst, измеряемые один раз в час, прогнозирование осуществляется на 1-4 часа вперед [1]. Входными признаками в рассматриваемых моделях являются параметры межпланетного магнитного поля (ММП) и солнечного ветра (СВ), измеряемые в точке Лагранжа L1, значения самого Dst-индекса (все - с временными задержками от 0 до 23 часов) и временные характеристики, описывающие положение Земли относительно Солнца и суточное вращение Земли (всего 148 признаков). Общая схема работы алгоритма приведена ниже: 1) Исследуемая модель МО обучается на данных с полным набором из n ВП, и производится оценка точности прогнозирования на тестовом наборе данных. 2) Каждый из используемых ВП поочередно удаляется из набора данных. 3) На каждом из n уменьшенных наборов производится обучение модели МО, и производится оценка изменения точности по сравнению с моделью, полученной на шаге 1. 4) Тот ВП, удаление которого приводило к минимальному падению (или максимальному увеличению) качества прогноза по сравнению с остальными моделями, полученными на шаге 3, окончательно удаляется из набора. 5) Далее описанный алгоритм повторяется с шага 1, на полученном наборе. Данные действия повторяются до тех пор, пока не останется последний единственный ВП. После этого мы считаем, что ВП ранжированы по важности в обратном порядке. При отборе ВП методом линейной регрессии наиболее важными оказались следующие ВП (в скобках указана задержка в часах относительно текущего момента): Dst(0), B_z(1), H_den(0), B_magn(1), H_den(3), SW_spd(2), где Dst – значение индекса Dst, B_z и B_magn – значения ММП, H_den – плотность протонов СВ, SW_spd – скорость СВ. При отборе ВП методом градиентного бустинга комплект наиболее важных ВП изменился. В работе проведено сравнение полученных комплектов ВП, а также качества прогноза индекса Dst, полученного с помощью искусственных нейронных сетей на основе отобранных комплектов ВП. Работа выполнена в рамках госбюджетных тематик НИИЯФ МГУ 6.1 (01201255512) и 2.1 (115041410195). 1. Мягкова И.Н., Широкий В.Р., Владимиров Р.Д., Баринов О.Г., Доленко С.А. Прогнозирование значений геомагнитного индекса Dst при помощи адаптивных методов. Метеорология и гидрология, 2021, №3, с.38-46.