350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №11 за 2012 г.
Статья в номере:
Метод моделирования данных критической частоты на основе совмещения вейвлет-преобразования и моделей авторегрессии
Ключевые слова: вейвлет-преобразование модель авторегрессии анализ параметров ионосферы
Авторы:
В.В. Геппенер - д.т.н., профессор, кафедра МО ЭВМ, Санкт-Петербургский государственный электротехнический университет (ЛЭТИ). E-mail: geppener@mail.ru О.В. Мандрикова - д.т.н., доцент, профессор, кафедра систем управления, Камчатский государственный технический университет, вед. науч. сотрудник, Институт космофизических исследований и распространения ДВО РАН. E-mail: oksanam1@mail.kamchatka.ru Н.В. Глушкова - аспирант, мл. науч. сотрудник, кафедра систем управления, Камчатский государственный технический университет. E-mail: nv.glushkova@yandex.ru
Аннотация:
Предложен метод моделирования и анализа данных критической частоты ионосферы, основанный на совместном применении методов вейвлет-преобразования и моделей авторегрессии - проинтегрированного скользящего среднего. Метод позволяет идентифицировать модель и автоматически обнаружить изменение ее параметров, связанное с повышенной солнечной или сейсмической активностью.
Страницы: 48-55
Список источников
  1. Демин М. Г.Ионосфера Земли. Плазменная гелиогеофизика. Т. II. М.: Физматлит. 2008. С. 92-163.
  2. Богданов В. В., Геппенер В. В., Мандрикова О. В. Моделирование нестационарных временных рядов геофизических параметров со сложной структурой. СПб.: ЛЭТИ. 2006.
  3. Марпл.-мл. С. Л.Цифровой спектральный анализ и его приложения: Пер. с англ. М.: Мир. 1990.
  4. Мандрикова О. В., Горева Т. С. Метод идентификации структурных компонентов сложного природного сигнала на основе вейвлет-пакетов // Цифровая обработка сигналов. 2010. № 1. С. 45-50.
  5. Stephane Mallat, A Wavelet tour of signal processing: Пер. сангл. М.: Мир. 2005.
  6. Клионский Д. М., Большев А. К. Применение искусственных нейронных сетей в задачах обнаружения аномалий в поведении сложных динамических объектов // Нейрокомпьютеры: разработка, применение. 2011. № 11. С. 32-44.