Solar-Terrestrial Physics Solar-Terrestrial Physics Солнечно-земная физика / Solnechno-Zemnaya Fizika / Solar-Terrestrial Physics 2712-9640 53265 10.12737/szf-92202303 Результаты исследований Results of current research Результаты исследований Local diagnostics of aurora presence based on intelligent analysis of geomagnetic data Локальная диагностика наличия полярных сияний на основе интеллектуального анализа геомагнитных данных Воробьев Андрей Владимирович Vorobev Andrey Vladimirovich geomagnet@list.ru https://orcid.org/0000-0002-6476-9471 Соловьёв Анатолий Александрович Soloviev Anatoly Aleksandrovich rjes@wdcb.ru

доктор физико-математических наук;

doctor of physical and mathematical sciences;

 https://orcid.org/0000-0003-3056-7465 Пилипенко Вячеслав Анатольевич Pilipenko Vyacheslav Anatolievich space.soliton@gmail.com

доктор физико-математических наук;

doctor of physical and mathematical sciences;

 Воробьева Гульнара Равильевна Vorobeva Gulnara Ravilevna gulnara.vorobeva@gmail.com Гайнетдинова Алия Айдаровна Gainetdinova Aliya Aydarovna gajnetdinova.aa@ugatu.su

кандидат физико-математических наук;

candidate of physical and mathematical sciences;

 Лапин Александр Николаевич Lapin Aleksandr Nikolaevich meccos160@yandex.ru Белаховский Владимир Борисович Belahovskiy Vladimir Borisovich belakhov@mail.ru

кандидат физико-математических наук;

candidate of physical and mathematical sciences;

 Ролдугин Алексей Валентинович Roldugin Alexey Valentinovich Геофизический центр РАН Москва Россия Geophysical Center RAS Moscow Russian Federation Уфимский университет науки и технологий Уфа Россия Ufa University of Science and Technology Ufa Russian Federation Геофизический центр РАН Москва Россия Geophysical Center RAS Moscow Russian Federation Институт физики Земли им. О.Ю. Шмидта РАН Москва Россия Schmidt Institute of Physics of the Earth, RAS Moscow Russian Federation Институт физики Земли им. О.Ю. Шмидта РАН Москва Россия Schmidt Institute of Physics of the Earth RAS Moscow Russian Federation Геофизический центр РАН Москва Россия Geophysical Center RAS Moscow Russian Federation Институт космических исследований Москва Россия Space Research Institute Moscow Russian Federation Уфимский университет науки и технологий Уфа Россия Ufa University of Science and Technology Ufa Russian Federation Уфимский университет науки и технологий Уфа Россия Ufa University of Science and Technology Ufa Russian Federation Уфимский университет науки и технологий Уфа Россия Ufa University of Science and Technology Ufa Russian Federation Полярный геофизический институт Апатиты Россия Polar Geophysical Institute Apatity Russian Federation Полярный геофизический институт Апатиты Россия Полярный геофизический институт Апатиты Russian Federation 29 06 2023 29 06 2023 9 2 26 34 04 10 2022 10 04 2023 https://naukaru.ru/en/nauka/article/53265/view

Несмотря на существующее разнообразие подходов к мониторингу космической погоды и геофизических параметров в области аврорального овала, вопрос эффективного прогнозирования и диагностирования полярных сияний как особого состояния верхней ионосферы на высоких широтах остается практически открытым. В работе исследуется и анализируется возможность локальной диагностики наличия сияний на основе интеллектуального анализа геомагнитных данных наземных источников. Оценивается значимость признаковых переменных и их статистические взаимосвязи. Так, например, применение байесовского вывода к данным геофизической станции «Ловозеро» за 2012–2020 гг. показало, что зависимость апостериорной вероятности наблюдения сияний в оптическом диапазоне от геомагнитных параметров имеет логарифмический характер, а степень значимости признака обратно пропорциональна невязке между эмпирическими данными и аппроксимирующей функцией. Точность реализованного на основе метода случайного леса подхода к диагностике наличия полярных сияний составляет не менее 86 % при использовании нескольких локальных предикторов и ~80 % при использовании нескольких глобальных индексов геомагнитной активности, характеризующих возмущенность геомагнитного поля в авроральной зоне. В заключении рассматриваются перспективные пути улучшения метрик качества диагностических моделей и обсуждаются области их возможного применения.

Despite the existing variety of approaches to monitoring space weather and geophysical parameters in the auroral oval region, the issue of effective prediction and diagnostics of auroras as a special state of the upper ionosphere at high latitudes remains virtually unresolved. In this paper, we explore the possibility of local diagnostics of auroras through mining of geomagnetic data from ground-based sources. We assess the significance of indicative variables and their statistical relationship. So, for example, the application of Bayesian inference to the data from the Lovozero geophysical station for 2012–2020 has shown that the dependence of a posteriori probability of observing auroras in the optical range on the state of geomagnetic parameters is logarithmic, and the degree of its significance is inversely proportional to the discrepancy between empirical data and approximating function. The accuracy of the approach to diagnostics of aurora presence based on the random forest method is at least 86 % when using several local predictors and ~80 % when using several global geomagnetic activity indices characterizing the geomagnetic field disturbance in the auroral zone. In conclusion, we discuss promising ways to improve the quality metrics of diagnostic models and their scope.

 полярные сияния геомагнитные вариации геомагнитные данные аскаплоты машинное обучение интеллектуальный анализ данных байесовский вывод случайный лес auroras geomagnetic variations geomagnetic data ascaplots machine learning data mining Bayesian inference random forest Исследование выполнено при поддержке Российского научного фонда (проект № 21-77-30010) The study was financially supported by RSF (Project No. 21-77-30010)

Захаров В.И., Чернышов А.А., Милох В., Джин Я. Влияние ионосферы на параметры навигационных сигналов GPS во время геомагнитной суббури. Космические иссл. 2020. Т. 60, № 6. С. 769-782. DOI: 10.7868/ S0023420616010143. Baudot P., Tapia M., Bennequin D., Goaillard J.-M. Topological Information Data Analysis. Entropy. 2019, vol. 21, iss.9, p. 869. DOI: 10.3390/e21090869. Пилипенко В.А. Воздействие космической погоды на наземные технологические системы. Солнечно-земная физика. 2021. Т. 7, № 3. С. 72-110. DOI: 10.12737/2712-9640-2021-7-3. Breedveld M.J. Predicting the Auroral Oval Boundaries by Means of Polar Operational Environmental Satellite Particle Precipitation Data. Master Thesis. Arctic University of Norway. June 2020. Птицына Н.Г., Тясто М.И., Касинский В.В., Ляхов Н.Н. Влияние космической погоды на технические системы: сбои железнодорожной аппаратуры во время геомагнитных бурь. Солнечно-земная физика. 2008. Вып. 12. Т. 2, № 125. С. 360. Gjerloev J.W. The SuperMAG data processing technique. J. Geophys. Res. 2012, vol. 117, iss. A9, p. A09213. DOI: 10.1029/2012JA017683. Соколова О.Н., Сахаров Я.А., Грицутенко С.С., Коровкин Н.В. Алгоритм анализа устойчивости энергосистем к геомагнитным бурям. Изв. РАН. Энергетика. 2019. №. 5. С. 33-52. DOI: 10.1134/S00023 31019050145. Hand D.J., Till R.J. A simple generalization of the area under the ROC curve for multiple class classification problems. Machine Learning. 2001, vol. 45, rr. 171-186. DOI: 10.1023/A:1010920819831. Ягодкина О.И., Воробьев В.Г., Шекунова Е.С. Наблюдения полярных сияний над Кольским полуостровом. Труды Кольского научного центра РАН. 2019. Т. 10, № 8-5. С. 43-55. DOI: 10.25702/KSC.2307-5252.2019.10.8. Jolliffe I.T. Principal Component Analysis. Ser.: Springer Series in Statistics, 2nd ed., Springer, NY, 2002, XXIX, 487 p. Baudot P., Tapia, M., Bennequin D., Goaillard J.-M. Topological information data analysis. Entropy. 2019. Vol. 21, iss.9. P. 869. DOI: 10.3390/e21090869. Kuhn M., Johnson K. Feature Engineering and Selection: A Practical Approach for Predictive Models. CRC Press, 2019, 298 p. Breedveld M.J. Predicting the Auroral Oval Boundaries by Means of Polar Operational Environmental Satellite Particle Precipitation Data. Master Thesis. Arctic University of Norway. June 2020. Lebedinsky A.I. Synchronous auroral registration by all-sky camera C-180 and patrol spectrograph C-180-S. Ann. Intern. Geophys. Year. 1961, vol. XI. Gjerloev J.W. The SuperMAG data processing technique. J. Geophys. Res. 2012. Vol. 117, iss. A9. P. A09213. DOI: 10.1029/2012JA017683. Machol J.L., Green J.C., Redmon R.J., Viereck R.A., Newell P.T. Evaluation of OVATION as a forecast model for visible aurorae. Space Weather. 2012, vol. 10, iss. 3, p. S03005. DOI: 10.1029/ 2011SW000746. Hand D.J., Till R.J. A Simple generalization of the area under the ROC curve for multiple class classification problems. Machine Learning. 2001. Vol. 45. P. 171-186. DOI: 10.1023/ A:1010920819831. Mantas C.J., Castellano J.G., Moral-García S., Abellán J. A comparison of random forest based algorithms: random credal random forest versus oblique random forest. Soft Somputing. 2019, vol. 23, rr. 10739-10754. DOI: 10.1007/s00500-018-3628-5. Jolliffe I.T. Principal Component Analysis. Ser.: Springer Series in Statistics, 2nd ed., Springer, NY, 2002. XXIX. 487 p. Newell P.T., Gjerloev J.W. Substorm and magnetosphere characteristic scales inferred from the SuperMAG auroral electrojet indices. J. Geophys. Res. 2011, vol. 116, iss. A12, p. A12232. DOI: 10.1029/2011JA016936. Kuhn M., Johnson K. Feature Engineering and Selection: A Practical Approach for Predictive Models. CRC Press, 2019. 298 p. Newell P.T., Sotirelis T., Wing S. Seasonal variations in diffuse, monoenergetic, and broadband aurora, J. Geophys. Res. 2010, vol. 115, iss. A3, p. A03216. DOI: 10.1029/2009 JA014805. Lebedinsky A.I. Synchronous auroral registration by all-sky camera C-180 and patrol spectrograph C-180-S. Ann. the Intern. Geophys. Year. 1961. Vol. XI. Newell P.T., Liou K., Zhang Y., Sotirelis T., Paxton L.J., Mitchell E.J. OVATION Prime-2013: Extension of auroral precipitation model to higher disturbance levels. Space Weather. 2014, vol. 12, iss. 6, pp. 368-379. DOI: 10.1002/ 2014SW001056. Machol J.L., Green J.C., Redmon R.J., et al. Evaluation of OVATION Prime as a forecast model for visible aurorae. Space Weather. 2012. Vol. 10, iss. 3. P. S03005. DOI: 10.1029/ 2011SW000746. PGI Geophysical data. January, February, March 2015 / Ed. V. Vorobjev. Murmansk, Apatity: PGI KSC RAS. 2015. Mantas C.J., Castellano J.G., Moral-García S., Abellán J. A comparison of random forest based algorithms: random credal random forest versus oblique random forest. Soft Сomputing. 2019. Vol. 23. P. 10739-10754. DOI: 10.1007/s00500-018-3628-5. Pilipenko V.A. Space weather impact on ground-based technological systems. Solar-Terr. Phys. 2021, vol. 7, iss. 3, pp. 68-104. DOI: 10.12737/stp-73202106. Newell P.T., Gjerloev J.W. Substorm and magnetosphere characteristic scales inferred from the SuperMAG auroral electrojet indices. J. Geophys. Res. 2011. Vol. 116, iss. A12. P. A12232. DOI: 10.1029/2011JA016936. Ptitsyna N.G., Tyasto M.I., Kasinsky V.V., Lyakhov N.N. Influence of space weather on technical systems: failures of railway equipment during geomagnetic storms. Solar-Terr. Phys. 2008, No. 12-2 (125), pp. 360. (In Russian). Newell P.T., Sotirelis T., Wing S. Seasonal variations in diffuse, monoenergetic, and broadband aurora, J. Geophys. Res. 2010. Vol. 115, iss. A3. P. A03216. DOI: 10.1029/2009 JA014805. Sigernes F., Holmen S. E., Biles D., Bjørklund H., Chen X., Dyrland M., Lorentzen D.A., Baddeley L., et al. Auroral all-sky camera calibration. Geoscientific Instrumentation, Methods and Data Systems. 2014, vol. 3, iss. 2, pp. 241-245. DOI: 10.5194/gi-3-241-2014. Newell P.T., Liou K., Zhang Y., et al. OVATION Prime-2013: Extension of auroral precipitation model to higher disturbance levels. Space Weather. 2014. Vol. 12, iss. 6. P. 368-379. DOI: 10.1002/2014SW001056. Sokolova O.N., Sakharov Ya.A., Gritsutenko S.S., Korovkin N.V. Algorithm for analyzing the stability of power systems to geomagnetic storms. News of the Russian Academy of Sciences. Energy. 2019, no. 5, pp. 33-52. DOI: 10.1134/ S0002331019050145. (In Russian). PGI Geophysical data. January, February, March 2015 / Ed. V. Vorobjev. Murmansk, Apatity: PGI KSC RAS. 2015. Soloviev A.A., Sidorov R.V., Oshchenko A.A., Zaitsev A.N. On the need for accurate monitoring of the geomagnetic field during directional drilling in the Russian Arctic. Izvestiya. Physics of the Solid Earth. 2022, vol. 58, pp. 420-434. DOI: 10.1134/ S1069351322020124. Sigernes F., Holmen S.E., Biles D., et al. Auroral all-sky camera calibration. Geoscientific Instrumentation, Methods and Data Systems. 2014. Vol. 3, iss. 2. P. 241-245. DOI: 10.5194/gi-3-241-2014. Vorobev A., Soloviev A., Pilipenko V., Vorobeva G., Sakharov Y. An approach to diagnostics of geomagnetically induced currents based on ground magnetometers data. App. Sci. 2022a, vol. 12, iss. 3, pp. 1522. DOI: 10.3390/app12031522. Soloviev A.A., Sidorov R.V., Oshchenko A.A., Zaitsev A.N. On the need for accurate monitoring of the geomagnetic field during directional drilling in the Russian Arctic. Izvestiya. Physics of the Solid Earth. 2022. Vol. 58. P. 420-434. DOI: 10.1134/ S1069351322020124. Vorobev A.V., Soloviev A.A., Pilipenko V.A., Vorobeva G.R. Interactive Computer model for aurora forecast and analysis. Solar-Terr. Phys. 2022b, vol. 8, no 2, pp. 84-90. DOI: 10.12737/stp-82202213. Vorobev A., Soloviev A., Pilipenko V., et al. An approach to diagnostics of geomagnetically induced currents based on ground magnetometers data. Applied Sciences. 2022a. Vol. 12, iss. 3. P. 1522. DOI: 10.3390/app12031522. Vorobjev V.G., Yagodkina O.I. Effect of magnetic activity on the global distribution of auroral precipitation zones. Geomagnetism and Aeronomy. 2005, vol. 45, pp. 438-444. Vorobev A.V., Soloviev A.A., Pilipenko V.A., Vorobeva G.R. Interactive Computer model for aurora forecast and analysis. Solar-Terr. Phys. 2022b. Vol. 8, no 2. P. 84-90. DOI: 10.12737/stp-82202213. Witlox F. Gini Coefficient. International Encyclopedia of Geography: People, the Earth, Environment and Technology. 2017. DOI: 10.1002/9781118786352.wbieg0855. Vorobjev V.G., Yagodkina O.I. Effect of magnetic activity on the global distribution of auroral precipitation zones. Geomagnetism and Aeronomy. 2005. Vol. 45. P. 438-444. Yagodkina O.I., Vorobyov V.G., Shekunova E.S. Observations of auroras over the Kola Peninsula. Proc. Kola Scientific Center of the Russian Academy of Sciences. 2019, vol. 10, no. 8-5, pp. 43-55. DOI: 10.25702/KSC.2307-5252.2019.10.8. (In Russian). Witlox F. Gini Coefficient. International Encyclopedia of Geography: People, the Earth, Environment and Technology. 2017. DOI: 10.1002/9781118786352.wbieg0855. Yasyukevich Y., Astafyeva E., Padokhin A. Ivanova V., Syrovatskii S., Podlesnyi A. The 6 September 2017 X-class solar flares and their impacts on the ionosphere, GNSS, and HF radio wave propagation. Space Weather. 2018, vol. 16, iss. 8, pp. 1013-1027. DOI: 10.1029/ 2018SW001932. Yasyukevich Y., Astafyeva E., Padokhin A., et al. The 6 September 2017 X class solar flares and their impacts on the ionosphere, GNSS, and HF radio wave propagation. Space Weather. 2018. Vol. 16, iss. 8. P. 1013-1027. DOI: 10.1029/ 2018SW001932. Yasyukevich Y., Vasilyev R., Ratovsky K. Small-scale ionospheric irregularities of auroral origin at mid-latitudes during the 22 June 2015 magnetic storm and their effect on GPS positioning. Remote Sensing. 2020, vol. 12, no 10, p. 1579. DOI: 10.3390/rs12101579. Yasyukevich Y., Vasilyev R., Ratovsky K. Small-scale ionospheric irregularities of auroral origin at mid-latitudes during the 22 June 2015 magnetic storm and their effect on GPS positioning. Remote Sensing. 2020. Vol. 12, no 10. P. 1579. DOI: 10.3390/rs12101579. Zakharov V.I., Chernyshov A.A., Miloh V., Jin Ya. Influence of the ionosphere on the parameters of GPS navigation signals during a geomagnetic substorm. Space Res. 2020, vol. 60, no. 6, pp. 769-782. DOI: 10.7868/S0023420616010143. (In Russian).