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

parameters for ANN allows us to determine the expected AL index intensity with up to 70% accuracy. Artificial neuronal network created during current investigation can be used to reconstruct the AL index during the isolated magnetospheric substorms as well as during the periods of sequential series of substorms. Keywords: artificial neuronal network, interplanetary magnetic clouds, magnetic storms, magnetospheric substorms, solar wind plasma, IMF Введение Активные процессы на Солнце, связанные с коронарными выбросами массы, скоростными потоками, ударными волнами или иными неоднородностями в солнечном ветре вызывают динамические возмущения в магнитосфере Земли, приводящие к изменениям токовых систем в магнитосфере и ионосфере Земли. Наиболее яркими проявлениями солнечной активности на земной поверхности являются магнитные бури и магнитосферные суббури. Традиционно, наиболее эффективной для генерации суббурь считается Bz компонента ММП. Скорость (V, км/с) и плотность плазмы (N, см~3) солнечного ветра слабо меняются на временных масштабах суббури, поэтому они обычно не рассматриваются как самостоятельные источники энергии суббуревых возмущений. Однако исследования, проведенные в работах [1-3] показывают важность накопления кинетической энергии солнечного ветра в процессах формирования суббурь. Использование передовых нейросетевых технологий дает успешные результаты при решении задач содержащих причинно-следственные связи, представляемые многочисленными параметрами [4, 5]. Так, работе [1] выполнено успешное восстановление вариаций AL индекса, отражающего уровень магнитной активности в авроральной зоне, с помощью ИНС типа Элмана. Показано, что в периоды изолированных суббурь восстановление AL индекса выполняется наиболее эффективно, если в качестве входных последовательностей дополнительно использовать интегральный параметр Z|NV2|. Этот параметр учитывает предысторию процесса накачки кинетической энергии солнечного ветра в магнитосферу. В настоящем исследовании применен классификационный нейросетевой подход [6] к анализу высокоширотной геомагнитной активности, формирующейся в периоды воздействия межпланетного магнитного облака с магнитосферой Земли. В работе использована ИНС типа слоя Кохонена, которая реализует разработанные в рамках настоящего исследовании алгоритмы машинного зрения для самообучения на прецедентах. Целью работы является формирование классов событий, каждый из которых будет включать в себя как параметры плазмы и магнитного поля ММО, так и динамику суббуревой активности. Используемые данные и нейросетевой алгоритм обработки Рассмотрено 33 интервала наблюдений межпланетных магнитных облаков в период с 1998 г. по 2012 г. (см. таблицу в [7]). Для каждого интервала ММО анализировались параметры солнечного ветра, компоненты вектора В (Вх, By, Bz) межпланетного магнитного поля, а также значения Dst и AL индексов магнитной активности. Данные с разрешением в 1 мин взяты с сервиса http://cdaweb.gsfc.nasa.gov. Анализируемые интервалы соответствуют магнитным облакам с ударными волнами и турбулентными областями. На основе всех 12