Affiliation:
1. Skobeltsyn Institute of Nuclear Physics, Lomonosov Moscow State University
Abstract
One of the promising approaches to predicting the values of geomagnetic indices is the use ofmachine learning methods. However, for the effective use of such methods, it is necessary to select essentialinput features of the problem in order to reduce its input dimension. In this paper, we consider an algorithmfor obtaining the most efficient forecasting model based on lowering the input data dimension by graduallydiscarding input features based on the following machine learning methods: linear regression, gradient boosting,and a multilayer perceptron artificial neural network. The effectiveness of the listed methods is compared;the directions of further development of this work are considered
Publisher
The Russian Academy of Sciences
Reference31 articles.
1. − Белов А.В., Виллорези Дж., Дорман Л.И. и др. Влияние космической среды на функционирование искусственных спутников Земли // Геомагнетизм и аэрономия. Т. 44. № 4. С. 502‒510. 2004.
2. – Ермолаев Ю.И., Ермолаев М.Ю. Солнечные и межпланетные источники геомагнитных бурь: Аспекты космической погоды // ГЕОФИЗИЧЕСКИЕ ПРОЦЕССЫ И БИОСФЕРА. Т. 8. № 1. С. 5‒35. 2009.
3. – Ефиторов А.О., Мягкова И.Н., Широкий В.Р., Доленко С.А. Прогнозирование Dst-индекса, основанное на методах машинного обучения // Космич. исслед. Т. 56. № 6. С. 353‒364. 2018.
4. – Зорич В.А. Многомерная геометрия, функции очень многих переменных и вероятность // Теория вероятностей и ее применения. Т. 59. Вып. 3. С. 436‒451. 2014.
5. − Лазутин Л.Л. Мировые и полярные магнитные бури. М., МГУ. 214 с. 2012.