В работе представлен метод оценивания индексов геомагнитной и солнечной активности по картам полного электронного содержания ионосферы. В качестве регрессионной модели использована
сверточная искусственная нейронная сеть. Полученные нейросетевые оценки показывают высокую степень корреляции с реальными значениями индексов. Так, коэффициент корреляции оценки индекса F10.7 с его реальным значением составляет 0.972 (для сравнения, коэффициент корреляции индекса F10.7 с индексом глобального электронного содержания ионосферы составляет 0.882). Построенная нейросетевая модель позволяет проанализировать, какие детали карт полного электронного содержания ионосферы несут наибольшую информацию об уровне солнечной и геомагнитной активности.
The paper presents a method for estimating geomagnetic and solar activity indices using global ionospheric maps of the total electron content. A convolutional artificial neural network is used as a regression model. The obtained neural network estimates show a high degree of correlation with real values of the indices. Thus, the correlation coefficient for estimating the F10.7 index with its real value is 0.972 (cf. the correlation coefficient of the F10.7 index with the global electron content index of the ionosphere is 0.882). The constructed neural network model allows us to analyze which areas of the global ionospheric maps of the total electron content show the most significant information about the level of solar and geomagnetic activity.
