ИСТИНА

Проект направлен на решение фундаментальной научной проблемы – разработку нейросетевых алгоритмов анализа данных и методик их применения, обеспечивающих возможность эффективного решения задачи прогнозирования временных рядов, описывающих поведение сложных динамических систем. В данном проекте эта проблема рассматривается применительно к задаче прогнозирования значений параметров, описывающих состояние магнитосферы Земли – геомагнитных индексов Dst и Kp, а также потока релятивистских электронов во внешнем радиационном поясе Земли. Сложность рассматриваемой проблемы обусловлена, в частности, высокой размерностью временного ряда, а также возможным существованием нескольких существенно различных областей в фазовом пространстве состояний динамической системы, для которых наиболее эффективными могут оказываться отличные друг от друга нейросетевые модели прогнозирования. В связи с этим, в рамках проекта предполагается решить следующие задачи: 1) Кластеризация (с помощью нейронных сетей Кохонена и альтернативных методов) данных многомерных временных рядов, описывающих изменение состояния магнитосферы Земли и параметров солнечного ветра, измеренных за пределами магнитосферы (в т.н. точке Лагранжа L1 между Солнцем и Землѐй). Цель кластеризации – выявление различных областей состояний гелиосферы и магнитосферы Земли. 2) Определение оптимального набора входных параметров, в пространстве которых получаемая кластеризация является наиболее контрастной и объяснимой с физической точки зрения. 3) Адаптация разработанного ранее исполнителями Проекта оригинального четырѐхступенчатого комплекса алгоритмов прогнозирования и поиска предвестников в многомерных временных рядах на основе комитета нейронных сетей - для прогнозирования геомагнитных индексов Dst и Kp, а также величины потока релятивистских электронов во внешнем радиационном поясе Земли. 4) Построение для перечисленных прогнозируемых величин комплексных нейросетевых моделей, основанных на отнесении текущего состояния гелиосферы и магнитосферы Земли к одному из выделенных кластеров с последующим использованием полученной в рамках задачи 3 нейросетевой прогнозирующей модели на основе комитета нейронных сетей, построенной в рамках данного кластера. Решение поставленных задач проекта позволит сделать фундаментальные выводы, имеющие значение для развития комплексных нейросетевых методов решения задач прогнозирования состояния сложных динамических систем, а также получить результаты, важные с физической точки зрения для выбранной предметной области.