197 / 320
195
продолжает уменьшаться, а ошибка на тестовых данных начала
увеличиваться, значит, сеть перестала выполнять обобщение и просто
«запоминает» обучающие данные. Это явление называется переобучением
сети, или оверфиттингом [
Sjoberg and Ljung, 1992
]. В таких случаях
обучение обычно прекращают.
Рассмотрим некоторые нейросетевые модели, посвященные
решению нестандартных задач в области геофизики. Заметим, что,
по мнению авторов рассматриваемых математических моделей, только
применение аппарата ИНС способствовало надежному решению
поставленной проблемы. Исследование [
Conway et al., 1998
]
с использованием многослойной ИНС демонстрирует возможности
технологии для долгосрочного прогнозирования числа солнечных пятен.
Обучение выполнялось почти за весь период наблюдения за числом
солнечных пятен – с 1850 по 1964 гг., а тестирование – на интервале с 1965
по 1997 гг. Всего в работе анализируется 6 нейросетей – каждая для
прогноза на интервал от 1 до 6 лет. Качество работы нейросетей
оценивалось по величине среднеквадратичной ошибки между реальными
данными и спрогнозированными. По результатам тестирования
достоверность долгосрочного прогноза превысила 80%.
В работе [
Sutcliffe, 2000
] демонстрируется, как с помощью ИНС
можно моделировать динамику вариаций геомагнитного поля в заданной
области. Автор в статье обращает внимание на отсутствие инструментов,
позволяющих предсказать поведение геомагнитного поля на короткий
срок, например, на сутки, ссылаясь на то, что большинство подобных
моделей используются для предсказания долгосрочной динамики. Так,
в исследовании предлагается нейросеть, способная моделировать
ежедневную динамику геомагнитной активности в южноафриканском
регионе. По словам автора статьи, аналогичная модель может быть
разработана по тем же принципам для любого другого региона.
Работа [
Gleisner and Lundstedt, 2001a
] посвящена разработке
предсказательной нейросетевой модели для прогноза локальных
геомагнитных возмущений в пределах суток с использованием данных
о солнечной активности. Сеть позволяет прогнозировать вариации
геомагнитного поля, используя в качестве входов Sq-вариацию на станции
и индекс солнечной активности F10,7 (соответствует интенсивности
излучения с длиной волны 10,7 см).