Авторы Мандрикова Оксана Викторовна Соловьев Игорь...
DESCRIPTION
Институт космофизических исследований и распространения радиоволн ДВО РАН Камчатский Государственный Технический Университет. «Вейвлет-технология анализа геомагнитных данных, выделения и идентификации возмущений в периоды сильных магнитных бурь». Авторы Мандрикова Оксана Викторовна - PowerPoint PPT PresentationTRANSCRIPT
«Вейвлет-технология анализа геомагнитных данных, выделения и идентификации возмущений в
периоды сильных магнитных бурь»
Авторы Мандрикова Оксана ВикторовнаСоловьев Игорь Сергеевич
Институт космофизических исследований и распространения радиоволн ДВО РАН
Камчатский Государственный Технический Университет
Цели и задачи исследования
1. Разработка модели геомагнитного сигнала, описывающей его характерную компоненту и локальные структуры, формирующие его в периоды повышенной геомагнитной активности.
2. Разработка алгоритма выделения характерной компоненты геомагнитного сигнала и геомагнитных возмущений.
3. Разработка метода автоматического вычисления индекса геомагнитной активности K.
2
Модель геомагнитного сигнала
– базисные вейвлет-функции
kj ,
nm, –скэйлинг-функция
)()()()( tetgtftfвозм
возмj
jспок
,, ,, nmnm fc kjkj fd ,, ,
Ikj
kjkjn
nmnm tdtctf),(
,,,, )()()(
(1)
(2)
H, н
Тл
I –множество индексов
3
Критерии выбора базисной функции1. Rявляется - функцией:
2. Минимизация числа аппроксимирующих слагаемых;3. Минимизация погрешности аппроксимации.
Определяющие характеристики вейвлета:гладкость; число нулевых моментов; размер носителя.
Этапы построения аппроксимирующей схемы
1. Удаление шума
2. Идентификация компонентов схемы
3. Оценка погрешности
Zkj
kj fBffA),(
2
2
2
,
2
2,,
4
Метод выделения характерной компоненты модели(3)
Тогда погрешность оценки в вейвлет-пространстве логично определить
как :
,),( ,, kjkkj tfd ,),( ,, nmnnm tfc
Nnnmc
,1,
где
,,1, Nnnmm cc
Nkkjj dd,1,
(4)
тогда, минимальный риск: ),(inf)(min DrrD
),,(sup),( харf
fDrDrхар
0),( DffEfDr хархар
,~0Dff хар D - оператор решения
,11
2
,,
N
n
Sqnmnmm cc
NU
Максимальный риск на множестве :
Sqnmс , - коэффициенты Sq-кривой
на масштабном уровне
Ikj
kjkjn
nmnm tdtctf),(
,,,, )()()( 5
В качестве аппроксимирующей функции рассматривается ,спокfопределяемая набором коэффициентов
Функция- эталон – Sq-кривая
Оценка погрешности вычисляется по зашумленным данным и оптимизируется минимизацией
Шаг 1. геомагнитный сигнал делим на сегменты длины , равные одним суткам:
Алгоритм выделения характерной компоненты модели
Полученная оценка может быть улучшена путем определения «наилучшей» базисной функции
Шаг 2. выполняем отображение данных каждого сегмента на масштабный уровень :1 jj
nnjnjj ctf 0
,0,)(
f T N
TNnnT
TnnTnn
Nnn tftftftf ,...,, 2
111
Шаг 3. оцениваем погрешность :jU
Tn
nn
Sqnjnjj
j
j
ccT
U2
,,1
Шаг 4. выполняем шаги 2, 3, пока уменьшается погрешность. Выбираем уровень разложения , обеспечивающий наименьшую погрешность .*j min,jU
Оценим получаемый риск: хархар ffr ~,
0f хархар ffr ~,~
,)( 22
,
20
tftfE харjj погрешность оценивается величиной .2
,,0 tetftf
jjj хар где jjхархарj eeffffjjj
,,,,, ,00
je - белый шум с дисперсией .2
6
Выделение возмущенной компоненты модели
kjkkj tfd ,, ),( ,),( ,, nmnnm tfc Nnnmm cc
,1,
Nkkjj dd,1,
Корреляция сигнала с базисом:
Выделение возмущенных компонент может быть выполнено на основе проверки условия:
,,
,max2
2
,0
2
,02
),(
),(
eCf
ffC
Ikj
Ikj
kj
kj
20supinf DffEr
fD
,
~0Dff
0
,00 ,sup
f
ffC
kjNn
eС – нормированная корреляция белого шума.
Определим меру возмущенности поля в вейвлет-пространстве как kjkj dI ,max
1. Выбор информативных компонент
Ikj
kjkjn
nmnm tdtctf),(
,,,, )()()( 7
(3)
,max ,kjkj dI Мера возмущенности поля -
Выделение возмущенной компоненты модели
kjkkj tfd ,, ),( ,),( ,, nmnnm tfc Nnnmm cc
,1,
Nkkjj dd,1,
0 10 20 30 400
10
20
30
40
2,3
2,1,2
1,1
,
,,
,,
)(
jj
jjj
jj
j
TIеслиs
TITеслиs
TIеслиs
xD1,jT
2,jT
Апостериорный риск
jd
- поле спокойное- поле слабовозмущенное- поле возмущенное
1s2s
3s тогда набор решений – пороги
Совокупность возможных состояний:
Оптимальное решение – порог, обеспечивающий наименьшие потериВ качестве критерия наименьших потерь рассмотрим критерий наименьшей частоты ошибок.
2. Выбор порогов
,/)(
li
il xsPxJ x - наблюдение где
(3)
Ikj
kjkjn
nmnm tdtctf),(
,,,, )()()(
8
0 500 1000 15002.135
2.136
2.137
2.138
2.139 x 104
Модель геомагнитного сигнала
возм
возм
возм
возм
jj
jj
Znnn
tgtf
tgtctf
)(
)()(
6
,6,6
g6g7 g8
g2 g4g5
g1
g3
g9f-6
0f
)(6 tf
0 500 1000 15002.135
2.1355
2.136
2.1365
2.137
2.1375
2.138
2.1385 x 104
)(6 tf )(0 tf0 20 40 60 80 100
-8
-6
-4
-2
0
2
4
)(6 tg
)(6 tf
)(tgвозмj
- характерная компонента модели (аппроксимирующая компонента 6 уровня разложения)
- возмущенные компоненты модели
(4)
9
Интенсивность возмущения в момент времени на анализируемом масштабе определим как:
Анализ интенсивности возмущений на основе непрерывного вейвлет-преобразования
(5)
(6)
,1)(),(
dts
uts
tfusWf
baRus ,),( 2/1,, AsusWf
Положим, функция в окрестности некоторой точки содержит локальную особенность, если не удовлетворяет условию (8).
f usWf ,
,),(),( usWfE usf ut
sАнализ временной динамики интенсивности возмущений поля по масштабам оценим, как:
0
0
0 ,),(
uu
uuusfusf duEE
Оценка распределения возмущений поля и выделение масштабов, вносящих основной вклад в полную энергию : fE duEE usff s ),(
Анализ изменения интенсивности возмущений поля во времени в различных временных диапазонах:
,),( dsEE usffu
0
0
0
uu
uufuf duEEu
(7)
(8)
(9)
10
амплитуда шума
масштабный уровень разложения
5 6 7 810 1,12 1 1,77 5,9720 2,25 1,71 2,03 6,0330 3,2 2,46 3,39 6,0850 5,4 3,47 3,21 6,19
График зависимости погрешности от уровня вейвлет-разложения
Погрешность:
Модельный сигнал:
Эксперименты с модельными сигналами по выделению характерной компоненты
погр
ешно
сть
уровень
спокойная вариация сигнала
вариация и локальные особенности
вариация, особенности и шум
)()()( tetgftfj
jспок спокf
)(tgj
j)(te
- спокойная вариация- локальные особенности
- шум
N
n
Sqnjnjj cc
ТU
1
2
,,1
11
Таблица 1: Оценка погрешности
0 5 10 15 20 250
20
40
60
80
100
график зависимости вероятности обнаружения особенности от ее
длительности
Выделение особенностей:
Модельный сигнал:
Эксперименты с модельными сигналами по выделению возмущенной компоненты
веро
ятно
сть
длительность особенности
модельный сигнал
возмущенная компонента сигнала
jk
kjkj Ttd )(,,
длительность особенностей
кол-во выявлен-ных (%)
кол-во ложных
(%)
5 67 1715 92 1325 97 8
результаты оценки погрешности выделения локальных
особенностей
)()()( tetgftfj
jспок
12
11.02.2010 12.02.2010 13.02.2010
21 340
21 380
11.02.2010 12.02.2010 13.02.2010-10
0
10
11.02.2010 12.02.2010 13.02.2010
21 340
21 380
Выделение характерной и возмущенной компоненты
H, н
Тл
возмущенная компонента
геомагнитный сигнал (H-компонента)
аппроксимирующая компонента 6-го масштабного уровня
13
Мас
шт
абны
е ур
овни
Анализ выделенных возмущенной компоненты 14
0 0 0 1 2 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 1 2 2 2
возмущенная компонента
возмущенная компонента
геомагнитный сигнал (H-компонента)K-индекс
H, н
Тл
геомагнитный сигнал (H-компонента)
Результаты обработки данных за период 09.04.2002 – 16.04.2002
возмущенная компонента
оценка интенсивности возмущений
геомагнитный сигнал (H-компонента)
выделение периодов слабых геомагнитных возмущений*
выделение периодов сильных геомагнитных возмущений
H, н
Тлs
* Слабые возмущения выделяются, в среднем, за 2 дня до начала бури.
15
Результаты обработки данных за период 22.05.2002 – 29.05.2002H
, нТл
s
возмущенная компонента
оценка интенсивности возмущений
геомагнитный сигнал (H-компонента)
выделение периодов слабых геомагнитных возмущений
выделение периодов сильных геомагнитных возмущений
16
методы Погрешность
Ручной/Предлагаемый 16%
Ручной/INTERMAGNET 40%
Предлагаемый метод
Определение возмущенности поля за сутки:
Выбираются 5 дней с минимальным значением
Расчет K-индекса по методике Дж. Бартельса
j
kjkdI ,max
I
Магнитные данные
Оценка эффективности работы предлагаемого метода по вычислению K-индекса
Определение возмущенности поля за сутки:
По выбранным дням строится спокойная суточная вариация
Погрешность вычисления K-индекса (обс. «Паратунка»)
kjkj возмвозм
gI ,,max
0 720 1 440
21 320
21 400
0 720 1 440
21 320
21 400
17
Оценка эффективности работы предлагаемого метода по вычислению K-индекса
Kp-индекс за период с 2002 г. по 2008 г.
Погрешность вычисления K-индекса (обс. Паратунка)
18
Оценка Sq-кривых рассчитанных ручным и программным способами
H, н
Тл
ручным способом (по данным The International Service of Geomagnetic Indices (I.S.G.I.));
программным способом;
Февраль 2002 г.
Апрель 2002 г.
Май 2002 г.
Июнь 2002 г.
0 360 720 1 080 1 44021 330
21 375
21 420
0 360 720 1 080 1 44021 330
21 375
21 420
0 360 720 1 080 1 440
21 375
21 420
0 360 720 1 080 1 440
21 375
21 420
19
Определение степени возмущенности поля за сутки
Геомагнитные данные
Расчет K-индекса в режиме реального
времени
Расчет K-индекса по методике Дж.
Бартельса
Расчет спокойной суточной вариации по пяти спокойным дням
за текущий месяц
Расчет спокойной суточной вариации по пяти спокойным дням за последние суток
Возможности алгоритма по расчету K-индекса
n
20
Выводы
1.Предложена модель геомагнитного сигнала, описывающая его характерную компоненту и локальные структуры, формирующие процесс в периоды повышенной геомагнитной активности.
2.Разработан алгоритм выделения характерной и возмущенных компонент геомагнитного сигнала и оценки их параметров, основанный на конструкции вейвлет-пакетов и пороговых функциях.
3.Разработан алгоритм выделения периодов повышенной геомагнитной активности и оценки возмущений, формирующих геомагнитный сигнал накануне и во время развития магнитной бури, основанный на непрерывном вейвлет-преобразовании.
4.Предложен автоматический метод вычисления K-индекса, основанный на конструкции вейвлет-пакетов и пороговых функциях, позволяющий воспроизвести методику Дж. Бартельса.
21