By this author

Comparison of the Efficiency of Machine Learning Methods in Studying the Importance of Input Features in the Problem of Forecasting the Dst Geomagnetic Index

Issue number 2 from 01.03.2023

Одним из перспективных подходов к прогнозированию значений геомагнитных индексов является использование методов машинного обучения. Однако для эффективного использования таких методов необходим отбор существенных входных признаков задачи с целью уменьшения ее входной размерности. В данной работе рассматривается алгоритм получения наиболее эффективной модели прогнозирования, основанный на понижении входной размерности данных путем постепенного отбрасывания входных признаков на основе следующих методов машинного обучения: линейная регрессия, градиентный бустинг, искусственная нейронная сеть типа многослойный персептрон. Проводится сравнение эффективности перечисленных методов; рассматриваются направления дальнейшего развития работ.

48 0

Using classification methods in forecasting the level of geomagnetic field disturbance based on the <i>Kp<i>-Index

Issue number 3 from 15.06.2024

В работе исследуются возможности использования методов классификации данных при прогнозировании временного ряда геомагнитного Kp-индекса методами машинного обучения. Для классификации категорий Kp-индекса по степени возмущения используются линейная и логистическая регрессия, случайный лес, градиентный бустинг поверх деревьев решений и искусственные нейронные сети различных архитектур. Результаты работы данных методов сравниваются с тривиальным инерционным прогнозом (статистические показатели которого на задачах такого типа всегда высокие) на горизонтах от трех часов до суток с шагом в 3 часа. Исследуются вопрос выбора схемы кросс-валидации для подбора гиперпараметров моделей, способы преодоления несбалансированности категорий, относительная существенность входных признаков, а также зависимость результатов на тестовой выборке (начало 25 цикла солнечной активности) от включения в обучающую выборку данных 23 и 24 либо только 24 цикла. По результатам работы делаются выводы о предпочтительных методах классификации значений индекса Kp по уровню геомагнитного возмущения. Намечены пути дальнейших исследований и возможного улучшения качества классификации, в том числе для решения задачи определения характерных скрытых состояний магнитосферы Земли как динамической системы с целью улучшения качества прогнозирования геомагнитных индексов.

46 0