- Код статьи
- S3034502225080064-1
- DOI
- 10.7868/S3034502225080064
- Тип публикации
- Статья
- Статус публикации
- Опубликовано
- Авторы
- Том/ Выпуск
- Том 65 / Номер выпуска 8
- Страницы
- 1195-1205
- Аннотация
- В работе приводятся и обсуждаются результаты по созданию каталога солнечных вспышек Сибирского Радиогелиографа (СРГ) с использованием методов машинного обучения. Высокая чувствительность инструмента, а также использование временных профилей суммы коэффициентов корреляции пар антенн (корреляционных кривых) для поиска событий, позволили включить в каталог слабые события, которые слабо различимы на временных профилях потока излучения. Для отбора событий-кандидатов была предложена и протестирована методика, которая позволяет определить начало, максимум и окончание солнечной вспышки (события), анализируя производную временного профиля, заданного численной функцией. Так как целью каталога является отбор широкополосных событий, был введен критерий, который позволяет автоматически отбирать событие в зависимости от одновременного отклика на нескольких частотах. Для уточнения солнечной природы событий и качества наблюдательных данных в тестовом режиме был применен Метод Опорных Векторов (SVM). Объем наблюдательных данных, полученный СРГ во второй половине 2023 г. и за 2024 г., предоставил обширный материал как для обучения моделей, так и для их тестирования. Он был применен к временным профилям, полученным на полосе 9–10 ГГц для разделения на классы “вспышка”, “фон” и “артефакт”.
- Ключевые слова
- солнечные вспышки микроволновое излучение методы машинного обучения каталоги и классификация
- Дата публикации
- 17.06.2025
- Год выхода
- 2025
- Всего подписок
- 0
- Всего просмотров
- 25
Библиография
- 1. Алтынцев А.Т., Лесовой С.В., Глоба М.В. и др. Многоволновый Сибирский Радиогелиограф // Солнечно-земная физика. Т. 6. № 2. С. 37–50. 2020.
- 2. Лесовой С.В., Кобец В.С. Корреляционные кривые Сибирского Радиогелиографа // Солнечно-земная физика. Т. 3. № 1. С. 17–21. 2017.
- 3. Мотык И.Д., Кашапова Л.К., Рожкова Д.В. Средние временные профили микроволнового излучения солнечных вспышек: морфология и применение // Астрономический журнал. Т. 102. № 8. С. 728–742. 2025.
- 4. Cortes C., Vapnik V. Support-Vector Networks // Machine Learning. V. 20. P. 273–297. 1995.
- 5. Hao N., Flagg L., Jayawardhana R. Detecting and Classifying Flares in High-resolution Solar Spectra with Supervised Machine Learning // The Astrophysical Journal. V. 973. P. 7. 2024.
- 6. Lysenko A.L., Ulanov M.V., Kuznetsov A.A. et al. KW-Sun: The Konus-Wind Solar Flare Database in Hard X-Ray and Soft Gamma-RayRanges // The Astrophysical Journal Supplement Series. V. 262. P. 32. 2022.
- 7. Rifkin R., Klautau A. In Defense of One-Vs-All Classification // Journal of Machine Learning Research. V. 5. P. 101–141. 2004.
- 8. Widodo A., Yang B.-S. Support vector machine in machine condition monitoring and fault diagnosis // Mechanical Systems and Signal Processing. V. 21. № 6. P. 2560–2574. 2007.
