Лебедева Анастасия Александровна, Гаращенко Александр Алексеевич, Сидоров Денис Николаевич

ПАО Сбербанк, Иркутский национальный исследовательский технический университет, Институт систем энергетики им. Л.А. Мелентьева СО РАН

Ионосфера – часть атмосферы Земли с высокой концентрацией свободных электронов и ионов. К характерным чертам ионосферы относятся изменчивость и неоднородность. Одной из неоднородностей является так называемый авроральный овал, который определяет диапазон полярного сияния. Распознавание аврорального овала – важная задача для прогнозирования авроральных бурь, так как они влияют на работу систем связи на дальние расстояния, навигацию, связь между спутниками и землей, затрудняя или делая ее невозможной. Таким образом, возникает потребность в обнаружении и прогнозировании перемещения аврорального овала, чтобы быть осведомленным в области их возможного влияния в определенные периоды времени. На основе имеющегося набора изображений, полученных в системе SIMuRG, которые основаны на наборах данных GNSS, предлагается использовать модель LSTM и архитектуру CNN. В статье проводится обзор уже существующих реализаций и впервые предлагается способ применения Convolutional LSTM-архитектуры, которая объединяет обработку временных рядов и компьютерное зрение, для прогнозирования перемещений авроральных овалов на изображениях. Результатом работы является модель машинного обучения, которая может делать прогнозы, основываясь даже на небольших объемах данных.

архитектура предсказания кадра, компьютерное зрение, машинное обучение, исследование операций