Метод моделирования данных критической частоты на основе совмещения вейвлет-преобразования и моделей авторегрессии
- 1 д.т.н., профессор, кафедра МО ЭВМ, Санкт-Петербургский государственный электротехнический университет (ЛЭТИ)
- 2 д.т.н., доцент, профессор, кафедра систем управления, Камчатский государственный технический университет, вед. науч. сотрудник, Институт космофизических исследований и распространения ДВО РАН
- 3 аспирант, мл. науч. сотрудник, кафедра систем управления, Камчатский государственный технический университет
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.
Для цитирования
Геппенер В.В., Мандрикова О.В., Глушкова Н.В. Метод моделирования данных критической частоты на основе совмещения вейвлет-преобразования и моделей авторегрессии // Нейрокомпьютеры: разработка, применение. 2012. № 11. С. 48–55.
Список источников
- Демин М. Г.Ионосфера Земли. Плазменная гелиогеофизика. Т. II. М.: Физматлит. 2008. С. 92-163.
- Богданов В. В., Геппенер В. В., Мандрикова О. В. Моделирование нестационарных временных рядов геофизических параметров со сложной структурой. СПб.: ЛЭТИ. 2006.
- Марпл.-мл. С. Л.Цифровой спектральный анализ и его приложения: Пер. с англ. М.: Мир. 1990.
- 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.
- Stephane Mallat, A Wavelet tour of signal processing: Пер. сангл. М.: Мир. 2005.
- 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.