Использование общедоступных архивов данных обработки ионограмм вертикального радиозондирования в роли первоначальной разметки для машинного обучения

Main Article Content

Андрей Олегович Щирый

Аннотация

В работе выдвинута идея использования имеющихся больших массивов результатов обработки ионограмм вертикального радиозондирования ионосферы в качестве обучающих датасетов для построения предиктивных моделей методами машинного обучения. Рассмотрены наиболее популярные форматы сохранения результатов обработки ионограмм, а также некоторые интернет-ресурсы с архивами свободно доступных файлов этих форматов. Указанные датасеты используются для построения предиктивных моделей, в том числе временных рядов критических частот ионосферных слоев. Отмечена также возможность использования некоторых датасетов результатов обработки ионограмм для обучения моделей, предназначенных для автоматической обработки ионограмм.

Article Details

Как цитировать
Щирый, А. О. «Использование общедоступных архивов данных обработки ионограмм вертикального радиозондирования в роли первоначальной разметки для машинного обучения». Электронные библиотеки, т. 29, вып. 2, апрель 2026 г., сс. 532-45, doi:10.26907/1562-5419-2026-29-2-532-545.

Библиографические ссылки

1. Radiozondirovanie ionosfery sputnikovymi i nazemnymi ionozondami / Pod red. S.I. Avdyushina. Trudy instituta prikladnoj geofiziki im. akademika E.K. Fyodorova. M.: IPG, 2008.
URL: http://ipg.geospace.ru/publications/book-2008.pdf
2. Reinisch B., Sales G. Measuring Electrodynamics of the Ionosphere by Digital Ionosondes and Other Techniques. Scientific Report No. 3. 2001. URL: https://apps.dtic.mil/sti/tr/pdf/ADA402979.pdf
3. Akimov V.F., Kalinin Ju.K. Vvedenie v proektirovanie ionosfernyh zagorizontnyh radiolokatorov / pod red. S.F. Boeva. M.: Tehnosfera, 2017. 492 s.
4. Fabrizio G. High Frequency Over-the-Horizon Radar: Fundamental Principles, Signal Processing, and Practical Applications. McGraw-Hill Education, 2013.
5. Schiriy A.O. Razrabotka i modelirovanie algoritmov avtomaticheskogo izmereniya harakteristik ionosfernyh korotkovolnovyh radiolinij: Avtoref. dis. … kand. tekhn. nauk: Spec. 05.12.04; Sankt-Peterburgskij gos. un-t telekommunikacij im. prof. M.A. Bonch-Bruevicha. SPb., 2007. 19 s.
6. Schiriy A.O. Razvitie sredstv avtomatizacii nazemnogo radiozondirovaniya ionosfery // Fundamental'nye problemy radioelektronnogo priborostroeniya. 2014. №5. S. 170–173.
7. Schiriy A.O. Arhitektura programmnoj chasti apparatno-programmnogo kompleksa distancionnogo nazemnogo radiozondirovaniya ionosfery // Novye informacionnye tekhnologii v avtomatizirovannyh sistemah. 2015. №18. S. 144–152.
8. Schiriy A.O. Algoritmy i programmnoe obespechenie avtomatizacii processov izmerenij i obrabotki dannyh operativnoj diagnostiki ionosfery i ionosfernyh radiolinij // ZHurnal radioelektroniki. 2022. №10.
https://doi.org/10.30898/1684-1719.2022.10.4
9. Shiriy A.O. HF channel transmit function module measurement // Proceedings of the 5th International Conference on Actual Problems of Electron Devices Engineering, APEDE-2002. 2002. Vol. 5. P. 365–369.
https://doi.org/10.1109/apede.2002.10449645
10. Dolgacheva S.A., Makarova L.N., Nikolaev A.V. Obrabotka ionogramm vysokoshirotnyh stancij vertikal'no-go zondirovanija s ispol'zovaniem nejronnyh setej: Es i F2 sloi // Physics of Auroral Phenomena. 2020. T. 43. № 1. S. 105–108.
11. Guo L., Xiong J. Multi-Scale Attention-Enhanced Deep Learning Model for Ionogram Automatic Scaling // Radio Science. 2023. Vol. 58. No. 3. https://doi.org/10.1029/2022RS007566
12. Lu Z., Hua C., Wei N., Feng J., Lou P., Liu W. Research on classification of vertical ionogram based on deep convolution neural network // Progress in Geophysics. 2022. Vol. 37. No. 5. P. 1834–1839. https://doi.org/10.6038/pg2022GG0073
13. Xiao Z., Wang J., Li J., Zhao B., Hu L., Liu L. Deep-learning for ionogram automatic scaling // Advances in Space Research. 2020. Vol. 66. No. 4. P. 942–950. https://doi.org/10.1016/j.asr.2020.05.009
14. De la Jara C., Olivares C. Ionospheric echo detection in digital ionograms using convolutional neural networks // Radio Science. 2021. Vol. 56. No. 8. P. 1–15.
15. Schiriy A.O. Ispol'zovanie nejronnyh setej dlja dal'nejshego razvitija programmnoj chasti apparatno-programmnyh kompleksov radiozondirovanija ionosfery // Jelektromagnitnye volny i jelektronnye sistemy. 2024, Tom 29, №5. S. 55–60.
https://doi.org/10.18127/j15604128-202405-08
16. Standard Archiving Output (SAO) Format. 2006. URL: https://ulcar.uml.edu/~iag/SAO-4.3.htm
17. Gamache R.R., Galkin I.A., Reinisch B.W. A Database Record Structure for Ionogram Data. University of Lowell Center for Atmospheric Research, UMLCAR 96-01, 1996.
18. Reinisch B.W., Galkin I.A. SAO.XML format specification v 5.0, Univ. of Mass. Lowell, Lowell. 2008. Available at http://ulcar.uml.edu/SAOXML.
19. Galkin I.A., Khmyrov G.M., Reinisch B.W., McElroy J. The SAOXML 5: New Format for Ionogram-Derived Data. Radio Sounding and Plasma Physics // AIP Conf. Proc. 2008. Vol. 974. P. 160–166. https://doi.org/10.1063/1.2885025
20. Zhbankov G.A., Anishin M.M., Telegin V.A. Programmnyj kompleks «Viewer_DPS4» – instrument obrabotki i analiza dannyh ionozonda DPS-4 // Tehnika radiosvjazi. 2022. Vypusk 2 (53). S.53–65.
21. Schiriy A.O., Pisarenko A.A. Open Archives of Ground-Based Ionospheric Radiosounding Data by Shortwave Signals // Russian Digital Library Journal. 2023. T. 25. №6. P. 992–1005.
22. USA National Geophysical Data Center (NGDC) Data Services. URL: ftp://ftp.ngdc.noaa.gov/ionosonde/
23. Australian Government – Bureau of Meteorology, Space Weather Services. Ionospheric data archive. URL: https://downloads.sws.bom.gov.au/wdc/wdc_ion_archive/
24. Australian Government – Bureau of Meteorology, Space Weather Services. Ionogram Data Format. Clean ionogram data format. URL: https://www.sws.bom.gov.au/World_Data_Centre/2/8/3


Наиболее читаемые статьи этого автора (авторов)