Гелиогеофизические приложения современных методов обработки цифровых данных

В-пятых, интегратор, объединяющий преобразованные сигналы

в новые структуры с новыми заданными свойствами. Эта система может

устанавливать функциональные связи между отдельными сигналами,

т.е. способна формировать систему с новыми свойствами.

Таким образом, манипулируя только с входами и выходами ИНС,

можно проводить конкретные исследования. В данной ситуации остается

ответить на вопрос, насколько созданная система адекватна изучаемой

модели, т.е. как полно в модели отражаются основные свойства оригинала.

При этом описание любой системы во времени характеризуется картиной

последовательности её состояний в процессе движения к стоящей перед

ней цели. Преобразование в любой системе может быть или взаимно-

однозначным (изоморфным), или только однозначным, в одну сторону

(гомоморфным).

Математические модели явлений в форме ИНС представляют собой

сложную гомоморфную модель кибернетической системы, в которой

соблюдается разнообразие. Нейросетевая система только тогда является

удовлетворительной моделью, когда содержит такое количество

информации, которое отражает разнообразие поведения изучаемого

процесса или явления. В данном контексте демонстрируется еще одно

достоинство технологии ИНС – произвольное число возмущений,

действующих на входы модели, что определяется нейросетевой

архитектурой, обеспечивает большее разнообразие ответов по сравнению

с традиционными методами моделирования.

Современные

модели

геофизических

явлений

базируются

на применении нелинейных зависимостей в связи параметров глобальной

геомагнитной активности с параметрами околоземного космического

пространства. Косвенно этому способствовало появление цифровых

спутниковых

данных,

развитие

вычислительной

техники

соответствующего математического аппарата. Накопление объема

информации, создание общедоступных баз данных в сети Интернет

(например, ресурс Coordinated Data Analysis Web – CDAWeb,

или ресурс Space Physics Interactive

Data Resource – SPIDR,

) сделали возможным

выполнение масштабных статистических и корреляционных исследований

в разнообразных геофизических приложениях.

Заметим, что классические методы анализа рядов дискретных

данных не всегда способны выявить все скрытые закономерности и