METHOD FOR DETECTION OF FORBUSH EFFECTS IN COSMIC RAY FLUX ACCORDING TO NEUTRON MONITORS DATA USING WAVELET TRANSFORM

Обложка

Цитировать

Полный текст

Аннотация

The method developed by the authors for detection of Forbush effects in cosmic ray variations based on ground data of neutron monitors is presented. The method is based on the synthesis of the classical theory of risks with nonlinear approximating schemes in wavelet bases. The basis of the method are the rules composed by the authors. Numerical realization of the developed rules makes it possible to obtain a solution close to optimal without pre-training in near real-time mode. On the example of periods of extreme magnetic storms in 2024, method results confirming its efficiency are illustrated. General anomalous dynamics of the cosmic ray flux is distinguished. Anomalous changes, preceding the beginnings of the events under analysis, were discovered. The observed correlation with the changes of interplanetary environment parameters indicates the reliability of the obrained results.

Об авторах

O. Mandrikova

Email: oksanam1@mail.ru
ORCID iD: 0000-0002-6172-1827

B. Mandrikova

ORCID iD: 0009-0006-8027-378X

Список литературы

  1. Badruddin B., Aslam O. P. M., Derouich M., et al. Forbush Decreases and Geomagnetic Storms During a Highly Disturbed Solar and Interplanetary Period, 4–10 September 2017 // Space Weather. — 2019. — Vol. 17, no. 3. — P. 487–496. — doi: 10.1029/2018sw001941.
  2. Belov A. V., Eroshenko E. A., Yanke V. G., et al. Global Survey Method for the World Network of Neutron Monitors // Geomagnetism and Aeronomy. — 2018. — Vol. 58, no. 3. — P. 356–372. — doi: 10.1134/S0016793218030039.
  3. Borog V. V., Kryanev A. V., Udumyan D. K. Combined method for detecting hidden anomalies in galactic cosmic ray variations // Geomagnetism and Aeronomy. — 2011. — Vol. 51, no. 4. — P. 475–482. — doi: 10.1134/s0016793211040086.
  4. Dorman L. I. Space weather and dangerous phenomena on the Earth: principles of great geomagnetic storms forcasting by online cosmic ray data // Annales Geophysicae. — 2005. — Vol. 23, no. 9. — P. 2997–3002. — doi: 10.5194/angeo23-2997-2005.
  5. Getmanov V. G., Gvishiani A. D., Soloviev A. A. Methods of digital processing of matrix time series of observations of muon fluxes for geophysical research. — Moscow : RAS, 2023. — 184 p. — (In Russian).
  6. Getmanov V. G., Gvishiani A. D., Soloviev A. A., et al. Recognition of geomagnetic storms from time series of matrix observations with the muon hodoscope URAGAN using neural networks of deep learning // Solar-Terrestrial Physics. — 2024. — Vol. 10, issue 1, no. 1. — P. 76–83. — doi: 10.12737/stp-101202411.
  7. Kalashev O., Pshirkov M., Zotov M. Identifying nearby sources of ultra-high-energy cosmic rays with deep learning // Journal of Cosmology and Astroparticle Physics. — 2020. — No. 11. — doi: 10.1088/1475-7516/2020/11/005.
  8. Kovylyaeva A. A., Astapov I. I., Barbashina N. S., et al. Investigating Characteristics of Forbush Effects Recorded by the URAGAN Muon Hodoscope in the Period 2012–2017 // Bulletin of the Russian Academy of Sciences: Physics. — 2019. — Vol. 83, no. 5. — P. 563–565. — doi: 10.3103/s1062873819050174. — (In Russian).
  9. Krymsky G. F., Altukhov A. M., Kuzmin A. I. — Moscow : New method for studying the anisotropy of cosmic rays. Research on geomagnetism, aeronomy, 1966. — 105 p. — (In Russian).
  10. Kuznetsov V. D. Space weather and risks of space activity // Space technique and technologies. — 2014. — Vol. 3. — P. 3–13. — EDN: TEMDOH. (In Russian).
  11. Levin B. R. Theoretical Foundations of Statistical Radio Engineering. — Moscow, Russia : Radio i Svyaz’, 1989. — (In Russian).
  12. Lukovenkova O. O., V. M. Y., Tristanov A. B., et al. Optimization of adaptive matching pursuit method to analyze geoacoustic emission signals // Vestnik KRAUNC. Fiziko-matematiceskie nauki. — 2018. — Vol. 24, no. 4. — P. 197–207. — doi: 10.18454/2079-6641-2018-24-4-197-207.
  13. Mallat S. A Wavelet Tour of Signal Processing. — London, UK : Academic Press, 1999. — 620 p.
  14. Mandrikova O., Zalyaev T. Modeling of cosmic ray variations based on combining multiscale wavelet decompositions and variable structure neural networks // Digital signal processing. — 2015. — Vol. 1. — P. 11–16. — EDN: TSNQIP. (In Russian).
  15. Mandrikova O., Mandrikova B. Method of Wavelet-Decomposition to Research Cosmic Ray Variations: Application in Space Weather // Symmetry. — 2021. — Vol. 13, no. 12. — doi: 10.3390/sym13122313.
  16. Mandrikova O., Mandrikova B. Hybrid Model of Natural Time Series with Neural Network Component and Adaptive Nonlinear Scheme: Application for Anomaly Detection // Mathematics. — 2024. — Vol. 12, no. 7. — P. 1079. — doi: 10.3390/math12071079.
  17. Mandrikova O. Intelligent methods for natural data analysis: application to space weather // Computer Optics. — 2024. — Vol. 48, no. 1. — P. 139–148. — doi: 10.18287/2412-6179-CO-1367.
  18. Real-Time Database for high-resolution Neutron Monitor measurements / NMDB: the Neutron Monitor Database. — URL: https://www.nmdb.eu (visited on 11/11/2024).
  19. Rycroft M. J. J.Lilensten (ed.), Space weather: research towards applications in Europe, Astrophysics and space science library. Book Review // Surveys in Geophysics. — 2007. — Vol. 28, no. 1. — P. 115–116. — doi: 10.1007/s10712-007-9015-x.
  20. Zhu X.-L., Xue B.-S., Cheng G.-S., et al. Application of wavelet analysis of cosmic ray in prediction of great geomagnetic storms // Chinese Journal of Geophysics (Acta Geophysica Sinica). — 2015. — Vol. 58. — P. 2242–2249. — doi: 10.6038/cjg20150703.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Mandrikova O., Mandrikova B., 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».