ИСПОЛЬЗОВАНИЕ МАШИННОГО ОБУЧЕНИЯ ДЛЯ СОЗДАНИЯ КАТАЛОГА СОЛНЕЧНЫХ ВСПЫШЕК ПО НАБЛЮДЕНИЯМ НА СИБИРСКОМ РАДИОГЕЛИОГРАФЕ

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

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”.

Об авторах

Ю. Н. Шамсутдинова

Институт солнечно-земной физики Сибирского отделения РАН (ИСЗФ СО РАН)

Иркутск, Россия

Д. В. Рожкова

Институт солнечно-земной физики Сибирского отделения РАН (ИСЗФ СО РАН)

Иркутск, Россия

Л. К. Кашапова

Институт солнечно-земной физики Сибирского отделения РАН (ИСЗФ СО РАН)

Email: lkk@iszf.irk.ru
Иркутск, Россия

А. В. Губин

Институт солнечно-земной физики Сибирского отделения РАН (ИСЗФ СО РАН)

Иркутск, Россия

Список литературы

  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.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Российская академия наук, 2025

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).