Kazan Federal University Digital Repository

МОДЕЛИРОВАНИЕ КОЛИЧЕСТВА ГЕОМАГНИТНЫХ БУРЬ С ИСПОЛЬЗОВАНИЕМ НЕЛИНЕЙНОЙ ПУАССОНОВСКОЙ РЕГРЕССИИ

Show simple item record

dc.contributor Казанский (Приволжский) федеральный университет
dc.contributor.author Пекина А.Э. ru_RU
dc.contributor.author Масленникова Ю.С. ru_RU
dc.contributor.author Бочкарев В. В. ru_RU
dc.date.accessioned 2019-09-26T08:56:42Z
dc.date.available 2019-09-26T08:56:42Z
dc.date.issued 2019
dc.identifier.uri https://dspace.kpfu.ru/xmlui/handle/net/151892
dc.description.abstract В данной работе предложена модель прогнозирования динамики временного ряда количества геомагнитных бурь с использованием нелинейной пуассоновской регрессии. Исследуемый ряд количества геомагнитных бурь был сформирован на основе данных индекса Dst за период с 1964 г. по 2018 г. Для построения авторегрессионной модели была использована искусственная нейронная сеть, обучение которой было адаптировано с учетом статистических особенностей исследуемого ряда. В работе показано, что флуктуации ряда количества геомагнитных бурь близки к закону Пуассона, поэтому для оценки качества прогностической модели была предложена новая мера на основе анализа отношения среднеквадратичных отклонений оцененных параметров модели. В результате работы, построен прогноз числа геомагнитных бурь на 1 неделю вперед, при этом показано, точность прогноза выше на 20% по сравнению со стандартными подходами к обучению нейросетевых пргностических систем. Аналогичный подход может успешно применяться для прогнозирования динамики редких событий в задачах солнечно-земной физики. ru_RU
dc.description.abstract The paper proposes a prediction model of magnetic storms counts data using nonlinear Poisson regression. The investigated time series were converted from Dst index data for the time interval from 1964 to 2018. An artificial neural network was used as a basis of the nonlinear autoregressive model, training procedures were adapted using statistical properties of the investigated time series. It is shown that the fluctuations of geomagnetic storms count data are close to the Poisson's distribution, a special measure of the quality was proposed for estimating the prediction efficiency. It bases on the analysis of the standard deviation ratio for the estimated model parameters. The prediction model was tested on the geomagnetic storms counts dynamics. It is shown that the prediction accuracy for the 1-week counts is higher on 20% in comparison with the standard approaches for the training of artificial neural network systems. A similar approach can be successfully applied for the forecasting of a count data dynamics in other applications of the atmospheric and solar-terrestrial physics. en_US
dc.relation.ispartofseries РАСПРОСТРАНЕНИЕ РАДИОВОЛН ru_RU
dc.subject геомагнитная активность ru_RU
dc.subject нелинейная пуассоновская регрессия ru_RU
dc.subject искусственные нейронные сети ru_RU
dc.subject geomagnetic activity en_US
dc.subject nonlinear poisson regression en_US
dc.subject artificial neural networks en_US
dc.title МОДЕЛИРОВАНИЕ КОЛИЧЕСТВА ГЕОМАГНИТНЫХ БУРЬ С ИСПОЛЬЗОВАНИЕМ НЕЛИНЕЙНОЙ ПУАССОНОВСКОЙ РЕГРЕССИИ ru_RU
dc.title.alternative MODELLING OF MAGNETIC STORMS COUNT DATA USING NONLINEAR POISSON REGRESSION en_US
dc.type article
dc.identifier.udk 551.510.413.5 + 550.2(063)
dc.description.pages 435-438


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search

Browse

My Account

Statistics