Применение нейронных сетей в восстановлении профиля концентрации озона
В работе предлагается новый подход, основанный на применении нейронных сетей, который для решения обратных задач лазерного зондирования ранее не применялся. Возможность его использования обусловлена тем, что за последние годы создано достаточное количество моделей атмосферы, рассчитано множество профилей концентраций газа, температуры, аэрозоля.
Опишем решение данной задачи с помощью нейронной сети.
В качестве нейронной сети используется полносвязная нейронная сеть, состоящая из двух слоев. Входами для данной сети служат вертикальные профили оптической толщи, а выходами служат вертикальные профили концентрации газа, приведенные к одной и той же высотной сетке. Число входов каждого нейрона сети равно числу элементов в высотной сетке.
Для обучения нейронной сети были взяты вертикальные профили концентрации озона и профили температуры с радиозондовых станций Хэнтсвилл и Хэлей-Бэй.
Значения молекулярной и аэрозольной составляющих толщи рассчитывались из модельных представлений о состоянии атмосферы и одинаковы для всех профилей концентрации.
Для того чтобы сеть могла восстанавливать концентрацию газа в тропосфере по стратосферным оптическим данным, на основе созданных обучающих пар «оптическая толща-профиль концентрации», создавались дополнительные обучающие пары, в которых профиль концентрации оставался прежним, а оптические толщи для тропосферных высот приравнивались -1, последовательно для высот [h1], [h1, h2], ..., [h1, hm]. Всего m пар для каждого профиля концентрации, где hm - начало стратосферных высот. Все обучающие выборки приводились к интервалу [0,1].
Для реализации описанного метода была создана программа, позволяющая обучать нейронную сеть методом обратного распространения ошибки и проверять ее работу на данных, не входящих в выборку обучения. Для этого берется профиль концентрации озона, моделируется оптическая толща и нейронной сетью восстанавливается профиль концентрации озона. Полученные сетью значения сравниваются с модельными значениями, затем вычисляется ошибка работы сети.
Ошибка восстановления в тропосфере концентрации озона для случая восстановления по стратосферным оптическим данным увеличивается на 1-3%, что связано с меньшей информативностью во входных данных.
Статья в формате PDF
134 KB...
20 09 2026 9:37:12
Статья в формате PDF
121 KB...
19 09 2026 8:54:10
Статья в формате PDF
109 KB...
18 09 2026 9:12:47
Статья в формате PDF
122 KB...
17 09 2026 4:56:47
Статья в формате PDF
368 KB...
16 09 2026 3:57:56
Статья в формате PDF
269 KB...
14 09 2026 6:33:57
Статья в формате PDF
150 KB...
13 09 2026 6:56:48
Статья в формате PDF
325 KB...
12 09 2026 13:10:31
Статья в формате PDF
132 KB...
11 09 2026 8:34:47
Статья в формате PDF
93 KB...
10 09 2026 19:33:59
Статья в формате PDF
280 KB...
09 09 2026 13:24:47
Статья в формате PDF
354 KB...
07 09 2026 18:12:40
Статья в формате PDF
107 KB...
06 09 2026 0:23:39
Статья в формате PDF
101 KB...
05 09 2026 8:33:47
Статья в формате PDF
110 KB...
04 09 2026 21:30:36
Статья в формате PDF
204 KB...
03 09 2026 5:22:55
Статья в формате PDF
85 KB...
02 09 2026 5:52:36
Статья в формате PDF
118 KB...
01 09 2026 9:44:40
Статья в формате PDF
116 KB...
31 08 2026 6:53:47
Статья в формате PDF
132 KB...
30 08 2026 22:18:21
Статья в формате PDF
262 KB...
29 08 2026 8:37:11
Статья в формате PDF
84 KB...
27 08 2026 6:42:44
Статья в формате PDF
396 KB...
26 08 2026 20:25:14
Статья в формате PDF
99 KB...
24 08 2026 8:48:52
Статья в формате PDF
172 KB...
23 08 2026 17:33:32
Статья в формате PDF
133 KB...
22 08 2026 14:17:46
Статья в формате PDF
114 KB...
21 08 2026 6:44:35
Статья в формате PDF
118 KB...
20 08 2026 13:14:49
При управлении автоматическими космическими аппаратами (КА) важной проблемой является обеспечение надежного и оперативного анализа и диагностирования работоспособности бортовых систем. Это позволит своевременно выявить негативные тенденции в работе бортовой аппаратуры и предотвратить их развитие.
Наибольшую актуальность проблема приобретает при управлении КА со сложными бортовыми системами, хаpaктеризующимися большим объемом телеметрических параметров, а так же при необходимости выдачи комaндных воздействий непосредственно в сеансах связи. Существующий опыт управления КА показывает, что в ряде случаев только своевременная выдача комaнд немедленного исполнения позволила обеспечить выполнение программы полета КА [1].
В настоящей работе предлагается общий подход к решению указанной проблемы, основанный на создании адекватных моделей анализа и диагностики функционирования бортовых систем и алгоритмов автоматизированной выработки рекомендаций по воздействию на КА. Ожидается, что использование в пpaктике управления таких моделей и алгоритмов даст возможность существенно повысить эффективность работы аппаратуры, в том числе за счет оперативного устранения возникающих на борту нештатных ситуаций.
...
19 08 2026 7:23:39
Статья в формате PDF
123 KB...
17 08 2026 3:19:43
Статья в формате PDF
531 KB...
15 08 2026 5:17:59
Статья в формате PDF
629 KB...
14 08 2026 20:37:43
Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::
