Труды КНЦ вып.5. ГЕЛИОГЕОФИЗИКА. 8/2019(10)

ФИЗИКА СОЛНЕЧНО-ЗЕМНЫХ СВЯЗЕЙ DOI: 10.25702/KSC.2307-5252.2019.10.8.11 -20 УДК 550.385.4 Н.А. Бархатов, В.Г. Воробьев, С.Е. Ревунов, О.М. Бархатова, Е.А. Ревунова, О.И. Ягодкина КЛАССИФИКАЦИЯ ГЕОМАГНИТНОЙ АКТИВНОСТИ В АВРОРАЛЬНОЙ ЗОНЕ, ОБУСЛОВЛЕННОЙ МЕЖПЛАНЕТНЫМИ МАГНИТНЫМИ ОБЛАКАМИ Аннотация Искусственная нейронная сеть (ИНС) типа слоя Кохонена использована для классификации магнитной активности в авроральной зоне, регистрируемой в периоды взаимодействия магнитосферы Земли с магнитными облаками солнечного ветра. Детально рассмотрены наземные и спутниковые наблюдения в периоды 33-х межпланетных магнитных облаков, зарегистрированных с 1998 по 2012 год. Эксперименты с ИНС при её быстром обучении показывают, что дискриминация суббурь по их интенсивности (величина AL индекса в максимуме) на три класса является оптимальной для исследования причинно-следственной взаимосвязи между параметрами межпланетного магнитного облака (ММО) и уровнем геомагнитной активности. Анализ результатов классификационных исследований показал, что уровень интенсивности магнитосферных суббурь определяется соответствующим набором параметров плазмы и магнитного поля ММО. Использование в качестве входных параметров ИНС интегральных характеристик плазмы и компонент ММП позволило детектировать уровни ожидаемой интенсивности индекса AL с точностью до 70%. Созданные ИНС могут быть применены для восстановления AL индекса как в периоды изолированных магнитосферных суббурь, так и в периоды возникновения серии непрерывно следующих друг за другом суббурь. Ключевые слова: искусственная нейронная сеть, межпланетные магнитные облака, магнитные бури, магнитосферные суббури, плазма солнечного ветра, ММП N.A. Barkhatov, V.G. Vorobjev, S.E. Revunov, O.M. Barkhatova, Е.А. Revunova, O.l. Yagodkina CLASSIFICATION OF AURORAL ZONE GEOMAGNETIC ACTIVITY ASSOCIATED WITH INTERPLANETARY MAGNETIC CLOUDS Abstract The Kohonen's type artificial neuronal network (ANN) was used to classify auroral zone magnetic activity observed during periods of Earth's magnetosphere with solar wind magnetic clouds. Ground based and spacecraft observations during 33 interplanetary magnetic clouds in time interval from 1998 to 2012 were examined in detail. Experiments with fast learning ANN indicate that substorm intensity (magnitude of AL index in the peak activity) discrimination into three outcome classes is optimum to determine the cause-effect relationships between interplanetary magnetic clouds (IMC) parameters and ground based magnetic activity. Analysis of classification outcomes showed that the magnetospheric substorm intensity is defined by corresponding sets of IMC plasma and magnetic field values. Using the integral characteristics of the IMC's plasma and magnetic field components as input 11