Новый подход к анализу влияния различных параметров (состояния) ОКП на динамику сбоев полного электронного содержания на высоких широтах с применением методов машинного обучения.

Экспериментально установлено, что ионосферные возмущения различного масштаба способны оказывать значительное влияние на стабильность функционирования глобальных навигационных спутниковых систем (ГНСС). В настоящей работе мы проводим анализ динамики сбоев полного электронного содержания (ПЭС) с моделированием данного процесса при помощи современных методов машинного обучения. Данные ПЭС определяются по двухчастотным фазовым измерениям ГНСС, на высокоширотных станциях за длительный период времени (2010-2018 гг.). За сбой принимались скачки ПЭС, величина которых превышает скорость регулярной изменчивости ионосферы. В качестве порогового значения выбрана величина 1 TECU/30 сек [Astafyeva et al., 2014]. Целью нашей работы являлся построение модели сбоев ПЭС и выявление ключевых параметров, оказывающих влияние на динамику сбоев. В качестве таких параметров рассмотрены различные индексы гелио- геомагнитной активности, а также обобщенный индекс ионосферной возмущенности WTEC [Voeykov et al., 2018]. Индекс WTEC рассчитывается на основе фазовых двухчастотных измерений ГНСС на одном приемнике путем взвешенного усреднения рядов интенсивности вариаций ПЭС в заданном интервале периодов для каждого момента времени по всем наблюдаемым спутникам. Для построения модели сбоев использовались методы машинного обучения имеющие встроенные механизмы оценки информативности входных признаков (управляющих параметров), а именно, градиентный бустинг над решающими деревьями, Random Forest и метод опорных векторов. Для получения набора ключевых параметров использованы методы отбора признаков, такие как рекурсивное удаление признаков. Таким образом, представлен новый подход к анализу динамики сбоев ПЭС, позволяющий оценить значимости управляющих параметров моделей, а также найти оптимальные в смысле точности наборы управляющих параметров. Работа выполнена при поддержке гранта Президента РФ МК-3265.2019.5.