Анализируется возможность прогнозирования функции временнóй зависимости числа солнечных пятен (SSN) в цикле солнечной активности на основе применения платформы искусственной нейронной сети Элмана к историческому ряду данных наблюдений. Предложен метод нормализации исходных данных для предварительного обучения алгоритма ИНС, в котором строится последовательность виртуальных идеализированных циклов, используя масштабируемые коэффициенты по длительности и значения максимумов в солнечных циклах. Корректность метода анализируется в численном эксперименте, основанном на моделировании временнóго ряда солнечных пятен. Оценены интервалы изменения адаптируемых параметров в работе ИНС и предложен математический критерий для выбора решения. Характерным свойством построенной функциональной зависимости в цикле числа солнечных пятен является значительная асимметрия ее восходящей и спадающей ветвей. Представлен прогноз временнóго хода на текущий 25-й цикл солнечной активности и обсуждается его корректность в сравнении с другими результатами прогнозирования и имеющимися данными обсерваторских наблюдений.
Индексирование
Scopus
Crossref
Высшая аттестационная комиссия
При Министерстве образования и науки Российской Федерации