МНОГОЭТАПНОЕ ПРОГНОЗИРОВАНИЕ ГЕОМАГНИТНЫХ ВАРИАЦИЙ
DOI:
https://doi.org/10.7242/echo.2023.1.15Ключевые слова:
многоэтапное прогнозирование, магнитные вариации, временные ряды, машинное обучение, гибридный алгоритм, одношаговый прогнозАннотация
Обсуждаются стратегии многоэтапного прогнозирования при анализе магнитных вариаций на базе гибридной модели машинного обучения. Для реализации краткосрочных прогнозов применительно к циклической компоненте модели хорошо зарекомендовали себя прямая и рекурсивные стратегии. Оценена возможность множественного прогнозирования нерегулярной компоненты. Показаны результаты одношагового и многоэтапного прогнозирования на примере среднечасовых магнитных вариаций геомагнитной обсерватории г. Новосибирск.
Библиографические ссылки
Гвишиани А.Д., Лукьянова Р.Ю., Соловьев А.А. Геомагнетизм: от ядра Земли до Солнца. – М.: РАН,
– 185 с.: ил.
Лоскутов А.Ю.. Анализ временных рядов. Курс лекций // Нелинейная динамика, теория динамического хаоса и синергетика: идеи и перспективы. – Текст электронный. – URL:
https://chaos.phys.msu.ru/loskutov/PDF/Lectures_time_series_analysis.pdf (дата обращения: 30.03.2023).
Магниторазведка: справ. геофизика / под ред. В.Е. Никитского, Ю.С. Глебовского. – 2-е изд., перераб. и доп. – М.: Недра, 1990. – 469 с.
Новикова П.Н. Восстановление данных магнитных вариаций гибридным алгоритмом машинного
обучения // Горное эхо. – 2022. – № 3 (88). – С. 25-33. – DOI: 10.7242/echo.2022.3.5.
Соловьев А.А. Некоторые задачи геомагнетизма, решаемые по данным магнитных обсерваторий и
спутниковых наблюдений // Добрецовские чтения: наука из первых рук: Материалы 1 Всерос. науч.
конф. – Новосибирск, 2022. – С. 306.
Python и машинное обучение: машинное и глубокое обучение с использованием Python, scikit-learn и
TensorFlow 2: пер. с англ. – 3-е изд. – СПб.: ООО «Диалектика», 2020. – 848 с.
