Методы распознавания аномальных событий на временных рядах в анализе геофизических наблюдений тема диссертации и автореферата по ВАК РФ 25.00.10, кандидат наук Соловьев, Анатолий Александрович

• Соловьев, Анатолий Александрович
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Соловьев, Анатолий Александрович

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. Исторический экскурс и современное состояние проблемы. Постановка задачи

1.1. Распознавание аномальных событий на временных рядах

1.1.1. Краткий очерк истории развития методов поиска аномалий физических полей

1.1.2. Действующие системы обнаружения аномалий в сейсмологии

1.1.3. Статистические методы выделения аномалий на временных рядах

1.1.4. Распознавание аномалий временных рядов на основе вейвлет-анализа

1.1.5. Нейросетевой подход к анализу временных рядов

1.2. Современная система наблюдений магнитного поля Земли ИНТЕРМАГНЕТ

1.2.1. Общее описание

1.2.2. Принципы работы и взаимодействия геомагнитного оборудования

1.2.3. Подготовительные работы по созданию геомагнитной обсерватории

1.2.4. Абсолютные измерения офсетным методом

1.2.5. Расчет базовой линии и временная привязка

1.2.6. Квазиокончательные данные

1.2.7. Регистрация секундных данных

1.3. Источники и методы оценки геомагнитной активности

1.3.1. Воздействие солнечного ветра на геомагнитное поле

1.3.2. Магнитосферные явления

1.3.3. Солнечносуточная вариация

1.3.4. Индексы геомагнитной активности

1.4. Наблюдения и исследование цунами

1.4.1. Общее описание

1.4.2. Механизмы образования цунами

1.4.3. Наблюдения цунами. Российская служба предупреждения о цунами

1.4.4. Система DART

1.4.5. Прогноз цунами

1.5. Обоснование и постановка задачи диссертации

ГЛАВА 2. Метод и алгоритмы дискретного математического анализа геофизических данных

2.1. Базовые элементы теории нечетких множеств

2.1.1. Основные определения

2.1.2. Операции над нечеткими множествами

2.1.3. Нечеткие бинарные отношения

2.2. Общие принципы дискретного математического анализа

2.2.1. Алгоритмический подход ДМА

2.2.2. Выпрямления и их примеры

2.2.3. Нечеткие сравнения

2.3. Алгоритм распознавания выбросов на минутных данных SP (SPIKE)

2.4. Алгоритм распознавания выбросов на секундных данных SPs (SPIKEsecond)

2.5. Алгоритм распознавания скачков JM (JUMP)

2.5.1. Неформальная логика

2.5.2. Нечеткие грани

2.5.3. Нечеткая мера скачкообразности

2.6. Мера аномальности

2.7. Алгоритм распознавания событий на данных о цунами RTFL (Recognition of Tsunamis Based on Fuzzy Logic)

2.8. Выводы

ГЛАВА 3. Распознавание на магнитограммах аномальных событий техногенного происхождения алгоритмами дискретного математического анализа

3.1. Техногенные сбои на магнитограммах

3.2. Автоматизированное распознавание выбросов на минутных магнитограммах

3.2.1. Постановка задачи распознавания выбросов на минутных магнитограммах (1/60 Гц) ИНТЕРМАГНЕТ

3.2.2. Обучение алгоритма SP. Формальная схема

3.2.3. Обучение алгоритма SP в период пониженной магнитной активности

3.2.4. Контрольные эксперименты для оценки достоверности полученных результатов (внутренний экзамен)

3.2.5. Обсуждение результатов обучения

3.2.6. Экзамен алгоритма SP в период пониженной магнитной активности (внешний экзамен)

3.2.7. Экзамен алгоритма SP в период повышенной магнитной активности

3.2.8. Обсуждение результатов экзаменов

3.3. Автоматизированное распознавание выбросов на секундных магнитограммах

3.3.1. Постановка задачи распознавания выбросов на секундных магнитограммах (1 Гц) ИНТЕРМАГНЕТ

3.3.2. Магнитная обсерватория на острове Пасхи. Исходные данные для распознавания

3.3.3. Обучение алгоритма SPs

3.3.4. Устойчивость обучения относительно выбора свободных параметров

3.3.5. Оценка результатов обучения

3.3.6. Экзамен алгоритма SPs

3.3.7. Контрольный тест обученного алгоритма SPs для оценки достоверности распознавания

3.3.8. Анализ ложных тревог

3.3.9. Сравнение алгоритма SPs со статистическими алгоритмами выделения выбросов

3.4. Автоматизированное распознавание скачков на полусекундных магнитограммах

3.4.1. Описание магнитных данных спутника GOES (2 Гц) и постановка задачи

3.4.2. Распознавание скачков базовой линии на спутниковых магнитограммах

3.5. Выводы

ГЛАВА 4. Автоматизированная алгоритмическая система предварительной обработки и контроля качества магнитных данных. Российско-украинский центр

магнитных данных

4.1. Обоснование и постановка задачи

4.2. Общее описание работы российско-украинского центра геомагнитных данных

4.3. База геомагнитных данных

4.4. Веб-приложения для удаленной работы с геомагнитными данными

4.4.1. Ввод абсолютных измерений

4.4.2. Веб-сервисы для интерактивного доступа к данным

4.5. Доступ к данным и их визуализация

4.5.1. Веб-портал центра геомагнитных данных

4.5.2. Видео-стенд для отображения геомагнитных данных

4.6. Сравнение распознавания выбросов методом ДБ и алгоритмической системой, внедренной в центре

4.7. Моделирование полной напряженности магнитного поля на территории России в режиме квазиреального времени

4.8. Выводы

ГЛАВА 5. Распознавание магнитной активности методами дискретного математического анализа

5.1. Постановка задачи и ее обоснование

5.2. Апробация меры ц^) оценки геомагнитной активности в реальном времени

5.3. Глобальный мониторинг геомагнитной активности в период магнитных бурь 23-го солнечного цикла

5.3.1. Анализ бури 8-11 ноября 2004 г

5.3.2. Анализ бури 15 мая 2005 г

5.3.3. Обсуждение результатов анализа

5.4. Сравнение с онлайн-мониторингом геомагнитной активности ИНТЕРМАГНЕТ

5.5. Выводы

ГЛАВА 6. Применение метода дискретного математического анализа к распознаванию аномалий на данных о цунами

6.1. Обоснование и постановка задачи

6.2. Автоматизированное распознавание алгоритмом ЯТРЬ сигналов Р-волн и волн цунами на данных системы ОА11Т-2

6.3. Выводы

ЗАКЛЮЧЕНИЕ

БЛАГОДАРНОСТИ

ПРИЛОЖЕНИЯ

ПРИЛОЖЕНИЕ 1. Магнитометрические измерения

ПРИЛОЖЕНИЕ 2. Индексы ретроспективной оценки геомагнитной активности

ПРИЛОЖЕНИЕ 3. Моделирование и картографирование магнитного поля Земли

ПРИЛОЖЕНИЕ 4. Основные публикации и доклады автора по теме диссертации

СПИСОК ЛИТЕРАТУРЫ

Введение диссертации (часть автореферата) на тему «Методы распознавания аномальных событий на временных рядах в анализе геофизических наблюдений»

ВВЕДЕНИЕ

Актуальность темы исследования

Последние десятилетия в геофизике и смежных науках наблюдается стремительный рост объема получаемой информации о процессах, происходящих на Земле и в околоземном пространстве. Наземные сети геофизических наблюдений не только непрерывно растут, но и осуществляют переход на более высокочастотную регистрацию данных с целыо удовлетворения потребностей более широкого круга научных и практических интересов. Так, переход с минутной на секундную регистрацию геомагнитных данных является одной из актуальных, трудных и обсуждаемых задач в геомагнитном сообществе. Объемы информации о Солнце, регулярно передаваемые с искусственных спутников Земли, также непрерывно растут, позволяя изучать более детально солнечную активность. Например, спутник SDO (Solar Dynamics Observatory) передает ежедневно на Землю порядка 1.5 терабайт данных о солнечной атмосфере на малых пространственно-временных масштабах и во многих длинах волн единовременно. Кроме того, происходит переход от накопленных ранее аналоговых представлений результатов измерений к цифровым. Вследствие этого возросла роль автоматизации сбора и анализа данных и математических методов их обработки.

Статистика показывает, что не менее стремительно растет и количество запросов к цифровым данным. При небольших объемах данных опытному эксперту не составляет труда извлечь из них полезную информацию. Но для эффективного использования объемных массивов данных и получения на этой основе качественно новых результатов актуальной является задача создания адекватных автоматизированных методов комплексного анализа и обработки данных. В этом случае автоматизированное извлечение полезной информации должно быть формализовано, происходить единообразно и объективно.

Одной из важнейших проблем современной геофизики является распознавание, изучение, классификация аномальных событий на длинных одномерных и многомерных временных рядах геофизических наблюдений. Несмотря на огромное многообразие и разнородность типов наблюдаемых рядов геофизических наблюдений эта проблема может рассматриваться в общей постановке, достаточно инвариантной к выбору того или иного типа информации. Тем самым, возникает необходимость создания общей теории и методов распознавания аномалий на рядах геофизических наблюдений различной природы. Этот общий метод должен адаптироваться к конкретному выбору типа геофизических данных в виде нетривиальной самостоятельной реализации.

Актуальной является задача распознавания и классификации различных форм сигнала на временных рядах. Эта непростая задача требует соответствующих алгоритмов детального анализа исходных данных и большого числа свободных параметров, подгоняемых в процессе настройки. Например, проблема выделения таких аномалий на временных рядах, как «спайки» (выбросы), до сих пор остается нерешенной. Помимо геофизики, эта проблема актуальна в целом ряде других дисциплин, включая медицину, радиофизику и др. Выбросы могут носить как техногенный, так и природный характер.

Вероятностно-статистические методы выделения возмущений, частотно-временной анализ, вейвлет-анализ и нейронные сети являются эффективными при наличии априорной информации. Во многих случаях априорная информация об искомых возмущениях весьма ограничена и касается только общих представлений об их форме. Форма аномалии является достаточно нечетким понятием, а корреляционные свойства ее неизвестны. Поскольку природа явлений, отраженных в регистрируемых данных, априори не известна и изменчива во времени, то и методы должны быть в большой степени адаптивными. Требуются такие методы анализа временных рядов, которые бы позволяли решать задачи распознавания аномальных событий в самом общем случае. Обеспечить подобную гибкость при автоматизации распознавания аномальных событий способен эффективный учет в соответствующем методе знаний экспертов, осуществляющих анализ данных вручную. Моделирование деятельности и логики интерпретатора (эксперта) может быть достигнуто путем применения методов на базе нечеткой логики, которые были разработаны в последнее время.

Одной из актуальных проблем анализа геофизических данных является распознавание физических и техногенных аномалий на рядах геомагнитных наблюдений и обнаружение всплесков магнитной активности. В то же время, крайне актуальной задачей является развитие сетей наблюдения магнитного поля Земли. Изучение состояния геомагнитного поля позволяет предотвратить такие чрезвычайные ситуации национального масштаба, как сбои в авиационной и космической навигации и радиосвязи, перегрузка линий электропередач, повреждение трубопроводов, сбои в работе ж/д-автоматики и др., вызванные магнитными бурями. Непрерывная регистрация характеристик магнитного поля лежит в основе высокотехнологичных процессов освоения природных ресурсов (напр., наклонное бурение скважин), где точность данных достаточно критична. Результаты измерения магнитных аномалий в земной коре являются важной информацией, используемой при поиске полезных ископаемых и уточнении геологической истории планеты Земля. При решении всех вышеперечисленных задач необходимым условием является наличие геомагнитных данных, предварительно

очищенных от техногенных аномалий. Причинами таких аномалий на магнитограммах могут быть близость аэродромов, железных дорог, линий электропередач или других техногенных элементов, воздействующих на магнитную обстановку, резкие перепады температуры, нарушения калибровки измерительных приборов и др. Актуальной задачей является различение естественных аномалий, обусловленных физическими процессами, и техногенных аномалий. Например, разделение магнитосферных возмущений (пульсаций) от промышленных помех (электропоезда, самолеты) на магнитограммах. В обсерваторской практике такая деятельность до сих пор осуществляется вручную, что служит серьезным препятствием для адекватного использования данных и развития систем геомагнитных наблюдений.

Кроме того, при стремительном росте объема данных использование единичных мер для описания характеристик наблюдаемых процессов представляется устаревшим и неэффективным. В геомагнетизме такими единичными мерами являются геомагнитные планетарные индексы. Они предназначены для оценки общей интенсивности магнитных бурь и рассчитываются по данным фиксированного набора станций. Современный этап развития сетей наблюдений требует перехода к новой парадигме в анализе геомагнитных данных, подразумевающей обработку целиком массива наблюдений на многих станциях, как единого целого. В геомагнитных исследованиях требуется введение меры комплексного анализа данных, позволяющей в единой шкале оценивать относительную магнитную активность в разных регионах Земли. Такая мера позволила бы получать мгновенные «снимки» распределения магнитной бури в каждый момент времени для изучения динамики распространения возмущений по земному шару. Методы, предлагаемые в данной работе, служат решению этой задачи. Их использование автоматизирует и существенным образом ускоряет обработку и анализ данных.

Создание общей формализованной методологии обеспечивает независимость результатов обработки от субъективных факторов (напр., отличия в подходах различных экспертов к анализу данных). В то же время решается актуальная задача значительного сокращения задержки в получении обработанных данных мировым научным сообществом. Математическая формализация распознавания временных возмущений будет способствовать значительному повышению качества обработки данных геомагнитных измерений, что внесет существенный вклад в расширение и углубление знаний о магнитном поле Земли.

В настоящее время главными задачами по преодолению отставания российской сети магнитных наблюдений от мирового уровня являются:

1. развитие пунктов геомагнитных наблюдений в России;

2. создание национального центра геомагнитных данных, который будет служить ядром российского сегмента ИНТЕРМАГНЕТ;

3. преобразование результатов наблюдений российских обсерваторий в окончательные данные, предоставляемые научной общественности, вместо передачи «сырых» данных в различные зарубежные центры.

Диссертационная работа направлена на решение этих актуальных задач.

Целью работы является развитие математических методов автоматизированной обработки данных и их применение к анализу дискретных временных рядов геомагнитных и других геофизических наблюдений. В рамках диссертации анализ временных рядов направлен на распознавание таких природных явлений, как магнитные бури, землетрясения и цунами, а также явлений, носящих техногенный характер. Кроме того, в работе решаются задачи разработки систем сбора геомагнитных данных.

Методология работы основана на новом подходе, заключающемся в моделировании дискретных аналогов фундаментальных понятий математического анализа, таких как связность и монотонность, экстремум, перегиб, выпуклость и т.д. Этот подход носит название «Дискретный математический анализ» (ДМА). Диссертационная работа направлена на его применение к распознаванию и изучению аномалий на временных рядах геофизических наблюдений. Математической базой для этого являются элементы ДМА. Диссертация продолжает цикл работ школы исследователей, возглавляемой академиком А.Д. Гвишиани, к которой причисляет себя и автор.

Отправной точкой такого математического моделирования служит достаточно «мягкий», в смысле создателя «нечеткой» математики Л. Заде, характер восприятия человеком свойств дискретности. Действительно, опытный исследователь, как правило, интуитивно и эффективно кластеризует, выделяет сгущения, трассирует, находит аномалии в двух- и трехмерных массивах и на временных рядах небольших объемов. Использование ДМА позволяет перенести это умение на большие размерности и большие объемы обрабатываемых данных.

Основные задачи исследования

1. Создание на базе ДМА алгоритмической системы автоматизированного, адаптивного распознавания аномальных событий произвольной природы на длительных временных рядах различных геофизических наблюдений.

2. Системно-математическая и алгоритмическая реализация разработанного общего метода для распознавания аномальных событий на временных рядах минутных, секундных и полусекундных магнитограмм, зарегистрированных наземными обсерваториями и искусственными спутниками Земли. Оптимизация системы обучения и

математическая формализация критериев эффективности разработанного метода. Создание формализованного метода оценки эффективности работы алгоритмов в задаче распознавания аномальных событий техногенной природы на магнитограммах в периоды спокойного магнитного поля и повышенной активности.

3. Программно-алгоритмическая реализация метода ДМ А для автоматизированного, формализованного и единообразного распознавания аномальных событий техногенной природы на магнитограммах наземных сетей наблюдений; доведение качества распознавания до уровня, сравнимого с работой эксперта вручную; сравнение созданного метода с классическими статистическими методами распознавания.

4. Разработка модели и технологической схемы функционирования межрегионального центра геомагнитных данных по обслуживанию российско-украинского сегмента сети ИНТЕРМАГНЕТ.

5. Создание нового метода распознавания и мониторинга геомагнитной активности на основе данных всей глобальной сети наземных наблюдений с использованием ДМА и ГИС-технологий для возможности изучения динамики распространения магнитных бурь по земному шару в режиме реального времени; разработка меры, дающей оценку геомагнитной активности в различных регионах Земли в единой шкале, и ее сравнение с классическими индексами геомагнитной активности. Оценка эффективности разработанного метода в задаче внутреннего анализа сильных геомагнитных бурь, наблюдаемых во время 23-го солнечного цикла на всей мировой сети магнитных обсерваторий ИНТЕРМАГНЕТ.

6. Реализация метода ДМА для распознавания аномальных событий на временных рядах вариаций придонного давления воды, регистрируемых мировой сетью придонных датчиков гидростатического давления в открытом океане; применение реализованной алгоритмической системы для решения задачи распознавания на записях наблюдений системы БАК.Т-2 (глубоководная система обнаружения волн цунами) временных участков, соответствующих сигналам от подводных землетрясений (Р-волн) и волн цунами; оценка работы системы с работой эксперта.

Научная новизна

1. Разработан новый подход к распознаванию и изучению аномальных событий на больших временных рядах различных геофизических данных. Подход отличается универсальностью, позволяя решать широкий спектр геофизических задач. В отличие от существующих методов распознавания аномальных событий, в его основе лежит моделирование естественных рассуждений и действий человека при поиске аномалий.

2. Впервые создана автоматизированная алгоритмическая система для распознавания техногенных аномальных событий в геомагнитных измерениях с применением аппарата нечеткой логики и распознавания образов. Система по эффективности и точности превосходит соответствующие методы, которые применяются в рамках программы ИНТЕРМАГНЕТ.

3. Впервые при помощи разработанной алгоритмической системы проведено автоматизированное распознавание техногенных аномалий на секундных магнитограммах и выработаны критерии качества, применимые к секундным и полусекундным данным.

4. Применение алгоритмической системы распознавания техногенных аномалий в непрерывном режиме впервые позволяет получать окончательные данные в режиме, близком к реальному времени, вместо годовой задержки более года.

5. Разработанные алгоритмы впервые позволяют распознавать и изучать низкоамплитудные магнитные пульсации диапазона 5-45 секунд (РсЗ) по совокупности секундных данных, зарегистрированных целым кластером обсерваторий на приэкваториальных широтах.

6. На базе ГЦ РАН впервые в России создан межрегиональный центр геомагнитных данных. Центр является ядром российско-украинского сегмента сети ИНТЕРМАГНЕТ, в котором развернута единая система магнитных наблюдений формата ИНТЕРМАГНЕТ. Отличительной особенностью центра является внедрение автоматизированной системы распознавания техногенных аномалий на поступающих магнитограммах. Распознавание возмущений формализовано и выполняется единообразно, что позволяет повысить достоверность очищенных магнитограмм даже по сравнению с зарубежными официальными узлами магнитных данных ИНТЕРМАГНЕТ. Подход к хранению данных при помощи реляционной системы управления базами данных (СУБД), реализованный в центре, также является его отличительной чертой, поскольку обеспечивает широкие возможности поиска данных, гибкость запросов любой сложности и быстроту их выполнения. Геомагнитная БД предназначена для хранения как минутных, так и секундных данных. Создание геомагнитного центра имеет фундаментальное значение, т.к. открывает возможность решения задач на большом объеме данных с большим территориальным охватом в режиме реального времени.

7. Впервые разработан метод распознавания и мониторинга геомагнитной активности на основе всей совокупности наземных наблюдений магнитного поля Земли с использованием ДМА и ГИС-технологий. Метод, осуществляя распознавание, позволяет следить за динамикой распространения магнитных бурь в режиме реального времени. Оценка геомагнитной активности в различных регионах Земли дается в единой шкале.

8. На базе ДМА разработана новая мера аномальности, которая дает возможность более детального и наглядного изучения развития геомагнитной активности по сравнению с геомагнитными индексами. Мера позволяет анализировать внутреннюю тонкую структуру магнитных бурь, динамику их развития, как по всему земному шару, так и в пределах отдельных регионов. На высоких широтах, где измеряемое магнитное поле намного более изменчиво в силу воздействия внешнего магнитного поля, такое региональное изучение динамики активности становится еще более интересным.

9. Разработанный алгоритмический метод ДМА реализован для распознавания аномальных событий на временных рядах вариаций придонного давления воды, регистрируемых мировой сетыо придонных датчиков гидростатического давления в открытом океане. Созданная система впервые позволяет обнаруживать в накопленных данных события, не отраженные в имеющихся мировых каталогах землетрясений и цунами в силу их небольшой магнитуды.

10. Впервые создан и опубликован в электронном виде Атлас магнитного поля Земли (МПЗ) за 1500-2010 гг. Атлас представляет собой унифицированный набор физических, общегеографических, тематических, в том числе исторических карт МПЗ, а также справочных (текстовых и табличных) материалов, позволяющих детально и разносторонне изучать МПЗ с 1500 по 2010 гг. Он представляет собой фундаментальный картографический продукт с наиболее полными и научно обоснованными характеристиками картографируемого явления - геомагнетизма. Он содержит научные результаты как исторического, так и современного состояния изучения МПЗ. Атлас не имеет ни отечественных, ни зарубежных аналогов.

Основные защищаемые положения

1. Разработанное на основе математической теории ДМА новое направление в распознавании и изучении аномалий на временных рядах геофизических наблюдений позволяет создать инструментарий для решения широкого круга задач анализа геофизических временных рядов. Достоверность этого нового направления подтверждается апробацией методов на данных наблюдений МПЗ и цунами.

2. Разработанная на базе конструкции нечетких сравнений строгая формализация понятий, необходимых для анализа временных рядов: нечеткая мера аномальности, нечеткие грани и нечеткая мера скачкообразности.

3. Развитие и реализация метода ДМА для распознавания и анализа аномальных событий на наземных и спутниковых магнитных данных, формализованные критерии его эффективности и оценка достоверности результатов распознавания.

4. Новый метод определения и мониторинга геомагнитной активности на основе всей совокупности наземных наблюдений магнитного поля Земли. Метод базируется на ДМА и ГИС-технологиях. Он позволяет осуществлять распознавание и следить за динамикой распространения магнитных бурь в режиме реального времени. При этом оценка геомагнитной активности в различных регионах Земли дается в единой шкале.

5. Развитие и реализация метода ДМА для распознавания аномальных событий на временных рядах вариаций придонного давления воды, регистрируемых мировой сетью придонных датчиков гидростатического давления в открытом океане.

Научная и практическая значимость полученных результатов

В рамках алгоритмического подхода ДМА построена конструкция нечетких сравнений, позволяющая сравнивать различные характеристики объектов с учетом их относительных шкал изменений, тем самым, формализуя экспертную оценку. Такая конструкция дает нормированное представление сравнений, что позволяет в дальнейшем агрегировать их в единой шкале при помощи аппарата нечеткой логики. Иными словами, в нормированном виде появляется возможность соединять методами нечеткой логики разные точки зрения экспертов в единую, агрегированную точку зрения. На базе конструкции нечетких сравнений в рамках диссертации строго формализованы понятия, необходимые для анализа временных рядов: нечеткая мера аномальности, оценивающая в шкале от -1 до 1 степень аномальности того или иного фрагмента временного ряда на общем фоне, нечеткие грани, позволяющие выявлять наиболее характерные диапазоны изменения значений на фрагментах временных рядов, и нечеткая мера скачкообразности, оценивающая степень значительности перепада базового уровня.

Созданные алгоритмы обладают существенной адаптивностью и универсальностью в силу наличия свободных параметров. Используя конкретный набор значений параметров, алгоритмы осуществляют единообразное формализованное распознавание аномальных событий на временных рядах произвольной природы. Специфика и морфология данных при этом отражены в результатах обучения (значениях свободных параметров). Все это делает алгоритмы универсальным инструментарием, позволяющим решать широкий круг задач, связанных с анализом временных рядов и распознаванием отраженных на них аномальных событий.

Разработанная алгоритмическая система распознавания аномалий техногенной природы позволяет повысить достоверность очищенных от техногенных аномалий магнитограмм, в частности, сети ИНТЕРМАГНЕТ и получать их из предварительных минутных, секундных и полусекундных записей практически без участия человека. Система дает также возможность проведения единообразного формализованного

ретроспективного анализа огромных архивов цифровых и оцифрованных магнитограмм, накопленных в Мировой системе данных Международного совета по науке (1С8Ц). Таким образом, улучшая качество и повышая достоверность как вновь поступающих, так и исторических исходных данных, она вносит вклад в развитие геомагнетизма.

Применение созданной системы в непрерывном режиме для контроля качества магнитных данных позволяет сократить время подготовки окончательных данных с года до месяца. Основные задачи, которые требуют наличия таких данных, включают в себя краткосрочное моделирование геомагнитного поля, расчет оперативных версий индексов геомагнитной активности, оперативная оценка геомагнитной обстановки, краткосрочный прогноз магнитных бурь и др.

На базе ГЦ РАН создан межрегиональный геомагнитный информационный центр по обслуживанию российско-украинского сегмента сети ИНТЕРМАГНЕТ, налажена передача данных из 14 пунктов наблюдений магнитного поля Земли. В центре внедрена автоматизированная система, предназначенная для формализованного и единообразного распознавания техногенных аномалий на магнитограммах по мере их поступления. В центре реализовано хранение данных в реляционной СУБД, обеспечивающее широкие возможности поиска данных, гибкость и быстрое выполнение запросов любой сложности.

Внедрение автоматизированной системы распознавания техногенных возмущений в непрерывном режиме в российско-украинском центре магнитных данных дает возможность доступа к очищенным магнитным данным с минимальной задержкой, по мере их поступления в центр. Наряду с обработкой наземных наблюдений, созданный алгоритмический комплекс в настоящий момент также внедряется в систему спутниковых геофизических наблюдений, которую разрабатывает Институт прикладной геофизики имени академика Е. К. Федорова РОСГИДРОМЕТ.

На базе поступающих в центр данных решена задача непрерывной интерполяции полной напряженности магнитного поля Земли на территории России в режиме квазиреального времени. Следует ожидать, что с ростом числа российских пунктов наблюдений магнитного поля Земли построенная модель будет существенным образом уточняться, предоставляя более достоверные значения напряженности поля.

Разработанная система оценки магнитной активности в приложении к поступающим в российско-украинский центр магнитным данным, которые проходят процедуру автоматизированного контроля качества и привязки к базовой линии, открывает возможность для достоверного изучения и оценки распределения магнитных возмущений по территории России и Украины в режиме, близком к реальному времени. В отличие от существующих индексов магнитной активности, предложенный метод

осуществляет оценку геомагнитной возмущенности на основе всей совокупности наземных наблюдений магнитного поля Земли. При этом оценка геомагнитной активности в различных регионах Земли дается в единой шкале.

Разработанные алгоритмы, примененные к секундным магнитным данным, открывают новые возможности по решению научных задач космической физики. К ним относятся оперативное распознавание и оценка солнечной активности, распознавание и изучение магнитных пульсаций в диапазоне от нескольких секунд до нескольких минут.

Разработанный на базе ДМА алгоритмический комплекс RTFL (Recognition of Tsunamis based on Fuzzy Logic) успешно применен для решения задачи распознавания на записях наблюдений системы DART-2 временных участков, соответствующих сигналам от подводных землетрясений (Р-волн) и волн цунами. Комплекс может быть использован для мониторинга цунами, обнаружения в накопленных данных событий, не отраженных в имеющихся мировых каталогах землетрясений и цунами и моделирования систем предупреждения о цунами. Кроме того, его компоненты в значительной степени гибки и адаптивны к другим задачам распознавания аномальных событий на временных рядах.

Созданный Атлас магнитного поля Земли, включающий обширный материал, предназначен для широкого круга пользователей, представляющих различные научные и прикладные области знания. Атлас представляет собой оригинальный фундаментальный картографический продукт с наиболее полными и научно обоснованными характеристиками МПЗ за период с 1500 по 2010 гг. Его преимуществом является картографическое представление материалов по геомагнетизму.

Список литературы диссертационного исследования кандидат наук Соловьев, Анатолий Александрович, 2013 год

СПИСОК ЛИТЕРАТУРЫ

1. А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун, В.Б. Силов, В.Б. Тарасов. Нечеткие множества в моделях управления и искусственного интеллекта /Под ред. Д.А. Поспелова/. М. Наука. 1986. 312 с.

2. Агаян С.М., Богоутдинов Ш.Р., Гвишиани А.Д., Граева Е.М., Диаман М., Злотники Ж., Родкин М.В. Исследование морфологии сигнала на основе алгоритмов нечеткой логики. // Геофизические исследования. Сборник научных трудов. М. ИФЗ РАН. 2005. Вып.1. С. 143-155.

3. Агаян С.М., Соловьев A.A. Выделение плотных областей в метрических пространствах на основе кристаллизации. System Research & Information Technologies. 2004, № 2, с. 7-23.

4. Айвазян С.А. Статистическое исследование зависимостей. М.: Металлургия, 1968. -227 с.

5. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983. -471 с.

6. С.И. Акасофу, С. Чепмен. Солнечно-земная физика. 2 часть. - М.: Мир, 1975. - 512 с.

7. Анисимов C.B., Дмитриев Э.М. Информационно-измерительный комплекс и база данных Геофизической обсерватории "Борок". М. ОИФЗ РАН, 2003, 24с.

8. Аронов В.И. Об оптимальной фильтрации случайных ошибок в гравиметрии // Изв. АН СССР. Сер. Физика Земли. -1970.-№ 10.-С. 79-85.

9. Астафьева Н.М. Вейвлет-анализ: основы теории и примеры применения // Успехи физических наук.- 1996. Т. 166.-№ 11.-С. 1145-1170.

10. Баранов C.B. Применение вейвлет- преобразования для автоматического детектирования сейсмических сигналов.// Физика Земли. 2007. №2. С.83-94.

11. Башилов И.П., Левченко Д.Г., Леденев В.В. и др. Донные геофизические обсерватории - методы конструирования и области применения.// Научное приборостроение. 2008. Т. 18. №2. С.86-97.

12. Белов C.B., Бурмистров A.A., Соловьев A.A., Кедров Э.О. Информационная база данных «Карбонатиты и кимберлиты мира»: опыт создания и использования для решения геолого-прогнозных задач // Гео1нформатика. 2007. № 2. С.48-67.

13. С.В.Белов, И.П.Шестопалов, Е.П.Харин, А.А.Соловьев, Ю.В.Баркин. Вулканическая и сейсмическая активность Земли: пространственно-временные

закономерности и связь с солнечной и геомагнитной активностью // Новые технологии. 2010. №2. С. 3-12.

14. Березко А.Е., Гвишиани А.Д., Жалковский Е.А., Соловьев A.A., Хохлов A.B., Мандеа М. Атлас магнитного поля Земли и технология картографирования Главного магнитного поля Земли. // Открытое образование. 2010а. № 5 (82). С. 2430.

15. Березко А.Е., Гвишиани А.Д., Соловьев A.A., Красноперов Р.И., Рыбкина А.И., Лебедев А.Ю. Интеллектуальная ГИС «Данные наук о Земле по территории России» // Проблемы защиты населения и территорий от чрезвычайных ситуаций. ФГУ ВНИИ ГОЧС (ФЦ). 20106. С. 210-218.

16. Березко А.Е., Гвишиани А.Д., Соловьев A.A., Красноперов Р.И., Рыбкина А.И., Лебедев А.Ю. Многодисциплинарная ГИС для наук о Земле // Материалы Международной научно-практической конференции «Прикладные аспекты геологии, геофизики и геоэкологии с использованием современных информационных технологий», 16-20 мая 2011 г., г. Майкоп (Россия). 2011. С. 3743.

17. А.Е. Березко, A.A. Соловьев, А.Д. Гвишиани, Е.А. Жалковский, Р.И. Красноперов, С.А. Смагин, Э.С. Болотский. Интеллектуальная географическая информационная система "Данные наук о Земле по территории России" // Инженерная экология. 2008. № 5. С.32-40.

(18. Бобров М.С. Общепланетарная картина геомагнитных возмущений корпускулярного происхождения, в сб. Солнечные корпускулярные потоки. Результаты МГГ, М., Изд. АН СССР, 1961, №1, 36-94.

19. Ш.Р. Богоутдинов, С.М. Агаян, А.Д. Гвишиани, Е.М. Граева, Ж. Злотники, Ж.Л. Ле Муэль, М.В. Родкин. Алгоритмы нечеткой логики в анализе электротеллурических данных в связи с мониторингом вулканической активности. Физика Земли, 2007, №7, с.72-85.

20. Богоутдинов Ш.Р., Гвишиани А.Д., Агаян С.М., Соловьев A.A., Кин Э. Распознавание возмущений с заданной морфологией на временных рядах. I. Выбросы на магнитограммах всемирной сети ИНТЕРМАГНЕТ // Физика Земли. 2010. № 11. С. 99-112.

21. Брилюк Д.В. Нейросетевые методы распознавания изображений / Д.В. Брилюк, В.В. Старовойтов // Рос. наука в Интернет : [сайт]. - М., 2006. - URL: http://msnauka.narod.rU/lib/author/briluk_d_b/l/ ( 20.03.2012)

22. Б.Е. Брюнелли, A.A. Намгаладзе. Физика ионосферы. - М.: Наука, 1988. - 527 с.

23. Вентцель Е.С. "Теория вероятностей" 4-е изд. - М.: Наука, 1969. - 576 с.

24. Вероятность и математическая статистика. Энциклопедия. Гл. ред. Ю.В. Прохоров. - М., Большая Российская Энциклопедия, 1999, 910 с.

25. Веселовский И.С., Панасюк М.И., Авдюшин С.И. и др. Солнечные и гелиосферные явления в октябре-ноябре 2003 г.: Причины и следствия // Космические исследования. 2004. Т. 42, № 5. С. 453 - 508.

26. Винер Н. Творец и робот. - М.: Прогресс, 1966.

27. Воробьев Ю.Л. Цунами: предупреждение и защита / Ю.Л. Воробьев, В.А. Акимов, Ю.И. Соколов; МЧС России. - М. 2006.

28. А.Д. Гвишиани, С.М. Агаян, Ш.Р. Богоутдинов. Математические методы геоинформатики. I. О новом подходе к кластеризации. Киев: Кибернетика и системный анализ, 2002а, № 2, с. 104-122.

29. А.Д. Гвишиани, М. Диаман, В.О. Михайлов, А. Гальдеано, С.М. Агаян, Ш.Р. Богоутдинов, Е.М. Граева. Алгоритмы искусственного интеллекта для кластеризации магнитных аномалий. М.: Физика Земли, 20026, №7, с. 13-28.

30. А.Д. Гвишиани, С.М. Агаян, Ш.Р. Богоутдинов, Ж. Злотники. Алгоритмы нечеткой логики в задачах выделения аномалий на временных рядах. В кн.: «Очерки геофизических исследований. К 75-летию Объединенного института физики Земли им. О.Ю. Шмидта». М.: ОИФЗ РАН, 2003а, с.257-262.

31. А.Д. Гвишиани, С.М. Агаян, Ш.Р. Богоутдинов, A.B. Леденев, Ж. Злотники, Ж. Боннин. Математические методы геоинформатики. II. Алгоритмы нечеткой логики в задачах выделения аномалий на временных рядах. Киев: Кибернетика и системный анализ, 20036, № 4, с. 103-111.

32. Гвишиани А.Д., Агаян С.М., Богоутдинов Ш.Р., Злотники Ж., Боннин Ж. Математические методы геоинформатики III. Нечеткие сравнения и распознавание аномалий на временных рядах. // Кибернетика и системный анализ. 2008а. Т.44. № 3.С. 3-18.

33. Гвишиани А.Д., Агаян С.М., Богоутдинов Ш.Р. Определение аномалий на временных рядах методами нечеткого распознавания. // ДАН. 20086. Т.421. № 1. С. 101-105.

34. Гвишиани А.Д., Агаян С.М., Богоутдинов Ш.Р., Соловьев A.A. Дискретный математический анализ и геолого-геофизические приложения // Вестник КРАУНЦ. Науки о Земле. 2010а. №2. Выпуск № 16. С. 109-125.

35. Гвишиани А. Д., Жалковский Е. А., Березко А. Е., Соловьев А. А., Хохлов А. В., Снакин В. В., Митенко Г. В. Атлас Главного магнитного поля Земли // Геодезия и картография. №4 апрель, 20106. С. 33-38.

36. А.Д. Гвишиани, A.A. Соловьев, С.М. Агаян, Ш.Р. Богоутдинов, Р.В. Сидоров. Алгоритмическая система распознавания выбросов на магнитограммах // Динамика физических полей Земли. - М.: Светоч Плюс, 2011. - 312 с. - с. 297-309.

37. Гетманов В.Г., Гвишиани А.Д., Строукер К., Мунгоф Дж. Распознавание Рэлеевских волновых возмущений в сигналах от датчиков гидростатического давления донных сейсмических станций // Физика Земли. 2012. № 9-10. С.3-12.

38. Гидрометеорология и гидрохимия морей, том IX, Охотское море // Гидрометеоиздат, 1998.

39. Гир Дж., Шах X. Зыбкая твердь: Что такое землетрясение и как к нему подготовиться: Пер. с англ. - М.: Мир, 1988,-220 с.

40. В.Е. Гмурман. Теория вероятностей и математическая статистика. М., "Высшая школа". 1997.480 с.

41. Грибунин В.Г. Введение в анализ данных с применением непрерывного вейвлет-преобразования. М. - АВТЭКС, 2007. - 30 с.

42. Дыхан Б.Д., Жак В.М., Куликов Е.А. Первая регистрация цунами в открытом океане. // ДАН. 1981. Т.257. №5. С. 1088-1092.

43. Ермолаев Ю.И., Ермолаев М.Ю. О некоторых статистических взаимосвязях солнечных, меж-планетных и геомагнитосферных возмущений в период 1976-2000 годов. 3. // Космические исследования. 2003. Т. 41, № 6. С. 573 - 584.

44. Ермолаев Ю. И. , М. Ю. Ермолаев, Солнечные и межпланетные источники геомагнитных бурь: аспекты космической погоды // Геофизические процессы и биосфера, 2009, Т. 8, № 1, с. 5-35.

45. Жалковский, Е. А., В. И. Никифоров, А. М. Мерзлый, А. Е. Березко, А. А. Соловьев, А. В. Хохлов, О. В. Никифоров, В. В. Снакин, Г. Ф. Митенко, П. А. Шарый, В. Р. Хрисанов, В. П. Головков, Т. Н. Бондарь, и Е. Е. Жалковский (2009), Технология создания цифровых карт Главного магнитного поля Земли, Росс. ж. наук о Земле, 11, RE2007, doi:10.2205/2009ES000398.

46. Заде J1.A. Роль мягких вычислений и нечеткой логики в понимании, конструировании и развитии информационных/интеллектуальных систем. -Новости Искусственного Интеллекта, №2-3, 2001, с. 7 - 11.

47. Н.Р. Зелинский, Н.Г. Клейменова, О.В. Козырева, С.М. Агаян, Ш.Р. Богоутдинов, A.A. Соловьев. Алгоритм распознавания геомагнитных пульсаций РсЗ на

секундных данных экваториальных обсерваторий сети ИНТЕРМАГНЕТ // Физика Земли. 2014. №2. С. 91-99.

48. Индексы геомагнитной активности / Тертышников A.B., Морозова М.А., Нечаев С.А., Зайцев А.Н., Заболотная H.A., Сыроешкин A.B., Буров В.А., Денисова В.И., Заболотнов В.Н., Чиквиладзе Г.Н. / Под общей редакцией профессора д.ф.-м.н. Лапшина В.Б. - Москва: Издательство TAB, 2013. 86 с.

49. Ишков В.Н. Текущий XXIII цикл солнечной активности: развитие и основные свойства // WDCB.RU: Мировой Центр Данных по Солнечно-Земной Физике, Москва, Россия. 2006. URL: http://www.wdcb.ru/stp/cyc23.html.

50. Кедров O.K., Пермякова В.Е., Стеблов Г.М. Методы обнаружения слабых сейсмических явлений в пределах платформ. М., ОИФЗ РАН, 2000, 101 с.

51. Кедров O.K., Поликарпова Л.А., Стеблов Г.М. Алгоритм обнаружения слабых короткопериодных сейсмических сигналов на основе частотно- временного анализа трёхкомпонентных записей в режиме реального времени // Изв. РАН. Физика Земли. 1998. №2. С.30-45.

52. Кедров O.K. Сейсмические методы контроля ядерных испытаний, Москва, Саранск, 2005,412 с.

53. Кедров Э.О., Кедров O.K. Спектрально- временной метод идентификации сейсмических явлений с расстояний 15-40 градусов // Физика Земли. 2006. №5. С.47-64.

54. Кейлис-Борок В.И. Сейсмология и логика // Некоторые прямые и обратные задачи сейсмологии. М.: Наука, 1968. С.317-350 (Вычислит, сейсмология; Вып. 4).

55. Клейменова Н.Г. Геомагнитные пульсации // Модели космоса. М.:МГУ. 2007. ред. Панасюк М.И. T.I. С.511-627.

56. Н. Г. Клейменова, Н. Р. Зелинский, О. В. Козырева, Л. М. Малышева, А. А. Соловьев, Ш. Р. Богоутдинов. Геомагнитные пульсации РсЗ на приэкваториальных широтах в начальную фазу магнитной бури 5 апреля 2010 г. // Геомагнетизм и аэрономия, 2013, том 53, № 3, с. 330-336.

57. Козадаев A.C. Математические модели временных рядов на основе аппарата искусственных нейронных сетей и программныйкомплекс для их реализации. -Автореферат диссертации на соискание ученой степени к. т. н. - 2008.

58. Козлов П.В., Чен Б.Б. Вейвлет-преобразование и анализ временных рядов // Вестник КРСУ, 2002. - № 2. - С. 48-56.

59. А. Н. Колмогоров, С. В. Фомин. Элементы теории функций и функционального анализа, 5-ое изд. М. Наука. 1981. 544 с.

60

61

62

63

64

65

66

67.

68

69.

70.

71.

72.

73.

74.

Куликов Е.А., Гонзалес Ф. Восстановление формы сигнала цунами в источнике по измерениям колебаний уровня океана удалённым датчиком гидростатического давления. ДАН. 1995. Т.344. №6. С.814-818.

Курбаналиев P.M., Ташлинский А.Г. Способ обнаружения разладки и восстановления формы сильно зашумлённых сигналов. - Радиоэлектронная техника: межвуз. Сб. науч. трудов. - Ульяновск, УлГТУ, 2011. - С. 188-192. Кушнир А.Ф. Мостовой C.B. Статистический анализ геофизических полей, Киев, Наукова думка, 1990, 270 с.

Ландер A.B., Левшин А.Л., Писаренко В.Ф., Погребинский Г.А. О спектрально-временном анализе колебаний // Вычислительные и статистические методы интерпретации сейсмических данных. М.: Наука, 1973. С.236-249 (Вычислит, сейсмология; Вып. 6).

Левин Б.В., Носов М.А. Физика цунами и родственных явлений в океане. М.: Янус-К, 2005. - 360с.

Логачев A.A., Захаров В.П. Магниторазведка. 5-е изд., Л., Недра, 1979. - 351 с. Любушин A.A. Анализ данных систем геофизического и экологического мониторинга. - М. - Наука, 2007. - 228 с.

Математическая энциклопедия, т. 2. - M., - М., Советская энциклопедия, 1979. Марчук А.Г., Чубаров Л.Б., Шокин Ю.И. Численное моделирование волн цунами. -Новосибирск: Наука, Сибирское отд., 1983. - 175 с.

Нечеткие множества и теория возможностей. Последние достижения / Под ред. P.P. Ягера.-М.: Радио и связь, 1986.-408 с.

Никитин A.A. Статистические методы выделения геофизических аномалий. - М., «Недра», 1979.-280 с.

Никитин A.A. Теоретические основы обработки геофизической информации. Учеб. для вузов. - М., «Недра», 1986. - 342 с.

Петрукович А., Зеленый Л. В объятьях солнца// «Наука и жизнь», №7, 2001. Писаренко В.Ф. О выделении скрытых периодичностей // Вычислительные и статистические методы интерпретации сейсмических данных. М.: Наука, 1973. С.250-286 (Вычислит, сейсмология; Вып. 6).

Писаренко В.Ф. Выделение гармоник из корреляционной функции // Машинный анализ сейсмических данных. М.: Наука, 1974. С.160-181 (Вычислит, сейсмология; Вып. 7).

75. Поплавский A.A., Храмушин В.II., Непон K.J1., Королев Ю.П. Оперативное предсказание цунами на морских берегах Дальнего Востока России. - Южно-Сахалинск: ИМГиГ, 1997.

76. Поплавский А. А. Основные особенности локального прогноза цунами для берегов Камчатки и Курильских островов //Локальные цунами: предупреждение и уменьшение риска. - М., 2002. - С. 152 - 157.

77. Рыбкина, А. И., А. А. Соловьев, А. И. Каган, А. А. Шибаева, О. О. Пятыгина и О. В. Никифоров (2013), Интерполяция данных обсерваторских измерений и визуализация полной напряженности магнитного поля Земли, Вестник ОНЗ РАН, 5, NZ3002, doi: 10.2205/2013NZ000116.

78. Р. В. Сидоров, А. А. Соловьев, Ш. Р. Богоутдинов. Применение алгоритма SP к магнитограммам ИНТЕРМАГНЕТ в условиях неспокойной геомагнитной обстановки // Физика Земли. 2012. №5. С. 53-57.

79. Скворцов А. В. Триангуляция Делоне и её применение. Томск: Изд-во Томского университета, 2002. 128 с.

80. Смоленцов Н.К. Основы теории вейвлетов. Вейвлеты в MATLAB. - М.: ДМК Пресс, 2005. - 304 с.

81. Г.А. Соболев, A.A. Любушин. Микросейсмические импульсы как предвестники землетрясений. // Физика Земли. 2006. № 9. С. 5-17.

82. A.A. Соловьев, С.М. Агаян, А.Д. Гвишиани, Ш.Р. Богоутдинов, А. Шулья. Распознавание возмущений с заданной морфологией на временных рядах. II. Выбросы на секундных магнитограммах // Физика Земли. 2012а. № 5. С. 37-52.

83. А.А.Соловьев, А.Е.Березко, А.Д.Гвишиани, Е.А.Жалковский, С.М.Агаян. Разработка и создание интегральной геоинформационной аналитической системы "Данные наук о Земле по территории России". Проблемы рационального использования природного и техногенного сырья Баренцева региона в технологии строительных и технических материалов: Матер. III Межд. научн. конф. Сыктывкар, Ин-т геологии Коми НЦ УрО РАН. 2007. С. 247-249.

84. Соловьев А. А., А. В. Хохлов, Е. А. Жалковский, А. Е. Березко, А. Ю. Лебедев, Е. П. Харин, И. П. Шестопалов, М. Мандеа, В. Д. Кузнецов, Т. И. Бондарь, В. А. Нечитайленко, А. И. Рыбкина, О. О. Пятыгина, А. А. Шибаева (20126), Атлас магнитного поля Земли (под ред. А. Д. Гвишиани, А. В. Фролова, В. Б. Лапшина). Публ. ГЦ РАН, Москва, 364 сс., doi: 10.2205/2012Atlas_MPZ.

85. A.A. Соловьёв, Д.Ю. Шур, А.Д. Гвишиани, В.О. Михайлов, С.А. Тихоцкий. Определение вектора магнитного момента при помощи кластерного анализа

результатов локальной линейной псевдоинверсии аномалий DT // Доклады Академии наук — 2005. - том 404.-№1 - С. 109-112.

86. В.А. Троицкая, А.В. Гульельми. Геомагнитные пульсации и диагностика магнитосферы. //Успехи физических наук. 1969. Т.97. № 3. С. 453-494.

87. Дж. К. Харгривс. Верхняя атмосфера и солнечно-земные связи. — JL: Гидрометиздат, 1982.— 351 с.

88. Цыпкин Я.З. Информмационная теория идентификации. - М.: Наука. Физматлит, 1995, —336 с.

89. Ярушкина Н.Г., Афанасьева Т.В., Перфильева И.Г. Интеллектуальный анализ временных рядов: учебное пособие. - Ульяновск: УлГТУ, 2010. - 320 с.

90. Allen, J. Н. et al., Combined international catalog of geomagnetic data, Volume 92 of Report UAG, U.S. Dept. of Commerce, NOAA, National Environmental Satellite, Data, and Information Service, NGDC, 1985, 291 p.

91. Belov S.V., Burmistrov A.A., Soloviev A.A., Kedrov E.O. "Carbonatites and Kimberlites of the World" database and geoinformation system: Experience of creation and use for solving geological tasks // 4th International Conference 'GIS in Geology & Earth Sciences', Queretaro, Mexico, 2007. Conference Proceedings, Vol. 1009, 2008, pp. 113122.

92. Berezko, A. E., A. V. Khokhlov, A. A. Soloviev, A. D. Gvishiani, E. A. Zhalkovsky, and M. Mandea (2011), Atlas of Earth's magnetic field, Russ. J. Earth. Sci., 12, ES2001, doi: 10.2205/2011ES000505.

93. Beriozko, A., A. Lebedev, A. Soloviev, R. Krasnoperov, and A. Rybkina (2011), Geoinformation system with algorithmic shell as a new tool for Earth sciences, Russ. J. Earth. Sci., 12, ES1001, doi: 10.2205/2011ES000501.

94. S. Chapman. IGY: Year of Discovery: The Story of the International Geophysical Year. USA. University of Michigan Press, 1959.

95. Chi, P. J. and С. T. Russell (2005), Travel-time magnetoseismology: Magnetospheric sounding by timing the tremors in space, Geophys. Res. Lett., 32, LI8108, doi: 10.1029/2005GL023441.

96. Chulliat A., Anisimov S. The Borok INTERMAGNET magnetic observatory // Russ. J. Earth. Sci. 2008. N 10, ES3003. doi:10.2205/2007ES000238.

97. Chulliat, A., X. Lalanne, L. R. Gaya-Piqué, F. Truong and J. Savary, The new Easter Island magnetic observatory, In: Proceedings of the Xlllth IAGA Workshop on geomagnetic observatory instruments, data acquisition and processing, J. J. Love (ed.), U.S. Geological Survey Open-File Report 2009-1226, 271 p., 2009a.

98.

99.

100

101

102

103

104

105,

106

107,

108.

109,

110.

111.

112.

113.

114.

115.

116.

Chulliat, A., J. Savary, K. Telali and X. Lalanne, Acquisition of 1-second data in IPGP magnetic observatories, In: Proceedings of the XHIth IAGA Workshop on geomagnetic observatory instruments, data acquisition and processing, J. J. Love (ed.), U.S. Geological Survey Open-File Report 2009-1226, 271 p., 20096.

Cliver, E. W.; Svalgaard, L. (2004), The 1859 Solar-Terrestrial Disturbance and the Current Limits of Extreme Space Weather Activity, Solar Physics 224: 407-422. Daglis, I. A., R. M. Thorne, W. Baumjohann, and S. Orsini, The terrestrial ring current: Origin, formation, and decay, Rev. Geophys., 37, 4, 407-438, 1999. Draper, N. R. and Smith II., Applied regression analysis, New York: Wiley, 1966. 407 p. Dzienovski A., Bloch S., Landisman M. Technique for the analysis of transient seismic signals // Bull. Seismol. Soc. Amer. 1969. V.59. P.427-444.

Grossman A., Morlet J. Decomposition of Hardy functions into square integrable wavelets of constant shape // SIAM J. Math. P.723-736, 1984.

A.D. Gvishiani, S.M. Agayan, Sh.R. Bogoutdinov, S.A. Tikhotsky, J.Hinderer, J.Bonnin, M. Diament. Algorithm FLARS and recognition of time series anomalies. System Research & Information Technologies. 2004, no. 3, 7-16.

A. Gvishiani, J. O. Dubois, Artificial Intelligence and Dynamic Systems for Geophysical Applications. Springer-Verlag. 2002. 350 p.

Harjes H.P., Joswig M. Signal detection by pattern recognition methods. A Twenty-Five Years Review of Basic Research. Edited by An U. Kerr. Dianne L. Carlson Publisher, USA. 1985, p. 579-584.

http://dbserv.sinp.msu.ru/apev/, Catalogue of Space Storms.

http://gis.gcras.ru/, Интеллектуальная ГИС «Данные наук о Земле по территории России».

http://nthmp.tsunami.gov/, US National Tsunami Hazard Mitigation Program. http://rtws.ru/info/sluzhba-predupr, Российская служба предупреждения о цунами РОСГИДРОМЕТ.

http://tosikl7луо^ргез5.сот/главная/цунами/, Природные катаклизмы. http://wdc.kugi.kyoto-u.ac.jp/, Kyoto WDC for Geomagnetism.

http://www-app2.gfz-potsdam.de/pbl/op/champ/, The CHAMP Mission of the GFZ German Research Centre for Geosciences.

http://www.bcmt.fr/, Bureau Central de Magnetisme Terrestre (France). http://www.dvgu.ru/meteo/book/goes.htm, Интерактивный учебник "The Weather World 2010" университета штата Иллинойс (США).

http://www.intermagnet.org/, International Real-time Magnetic Observatory Network.

117

118

119

120

121

122

123

124.

125,

126,

127,

128.

129.

130.

http://www.iugg.org/IAGA/, International Association of Geomagnetism and Aeronomy oflUGG.

http://wwvv.ndbc.noaa.gov/dart.shtml, US National Data Bouy Center. http://www.ngdc.noaa.gov/IAGA/vdat/, IAGA Working Group Y-DAT: Geomagnetic Data and Indices.

http://www.ngdc.noaa.gov/IAGA/vmod/igrf.html, International Geomagnetic Reference Field.

G. Hulot, A. Khokhlov, J.-L. LeMouel. Uniqueness of mainly dipolar magnetic fields recovered from directional data// Geophys. J. Int. - 1997. - 129. - C. 347-354. Jankowski J., Sucksdorff C. Guide for Magnetic Measurements and Observatory Practice. Warsaw. IAGA publication, 1996. 235 c.

Jackson A., Jonkers A. R. T., Walker M. Four centuries of geomagnetic secular variation from historical records // Philos. Trans. R. Soc. London, Philos. Trans. Math. Phys.Eng. Sci. - 2000. - 358. - C. 957-990.

Jonkers A.R.T., Jackson A., Murray A. Four centuries of geomagnetic data from historical records // Reviews of Geophysics. - 2003. - 41(2) 1006.

P.P.H. Jouck, Application of the Wavelet Transform Modulus Maxima method to T-wave detection in cardiac signals, Maastricht University Department of Mathematics and Maastricht Instruments, (22), 2004, pp. 1-32.

Kennel, C. F. (1996), Convection and Substorms, 432 pp., Oxford University Press, New York.

Kerridge D. Intermagnet: worldwide near-real-time geomagnetic observatory data // Proceedings of the Workshop on Space Weather, ESTEC. 2001.

Kleimenova, N.G., O.V. Kozyreva, L.M. Malysheva, A.A. Soloviev, S.P. Bogoutdinov, N.R. Zelinsky, Storm-associated equatorial Pc3 geomagnetic pulsations based on the one-second INTERMAGNET multi-station measurements, Proceedings of the 9th International Conference "Problems of Geocosmos", October 08-12, 2012, Saint-Petersburg, 2012, pp. 261-266.

Knuth D. (1968), The Art of Computer Programming. Volume 3: Sorting and Searching, Addison-Wesley, USA.

M. Korte, F. Donadini, C. Constable. Geomagnetic Field for 0-3ka, Part II: A new Series of Time-Varying Global Models // Geochem., Geophys. Geosys. - 2009. - (10) Q06008. - doi: 10.1029/2008GC002297.

131

132

133

134

135

136

137

138

139

140

141.

142

143

144

145,

Lesur, V., I. Wardinski, M. Rother, and M. Mandea, GRIMM: the GFZ Reference Internal Magnetic Model based on vector satellite and observatory data, Geophys. J. Int., 173,382-394, 2008.

Levshin, A.L., V.F. Pisarenko, and G.A. Pogrebinsky, On a frequency-time analysis of oscillations // Ann. Geophys., 1972, Vol. 28. P.211-218.

Loewe C.A., Prolss G.W. Classification and Mean Behavior of Magnetic Storms // J. Geophys. Res. 1997. Vol. 102. P. 14209.

Love, J. J. (2005), 1-Second Operational Standard for INTERMAGNET, Minutes of the OPSCOM/EXCOM MEETING, Mexico 2005.

Love, J. J., Magnetic monitoring of Earth and space, Physics Today, 61. 2008. 31-37. Macmillan, S. and S. Maus, International Geomagnetic Reference Field — the tenth generation, Earth Planets Space, 57, 1135-1140, 2005.

Mallat, S., Hwang, W.L., Singularity detection and processing with wavelets, IEEE Transactions on Information Theory, volume 38, number 2, pages 617-643, 1992, doi: 10.1109/18.119727.

Mandea, M., Korte, M., Soloviev, A., and Gvishiani, A.: Alexander von Humboldt's charts of the Earth's magnetic field: an assessment based on modern models, Hist. Geo Space. Sci., 1, 2010, pp. 63-76, doi:10.5194/hgss-l-63-2010.

Manoj, C., H. Luhr, S. Maus, N. Nagarajan (2006), Evidence for short spatial correlation lengths of noontime equatorial electrojet inferred from a comparison of satellite and ground magnetic data, J. Geophys. Res., Ill, All 312, doi: 10.1029/2006JA011855. Mayaud P.N. Derivation, meaning and use of geomagnetic indices // AGU Geophysical Monograph 22. 1980.

V. Mikhailov, A. Galdeano, M. Diament, A. Gvishiani, S. Agayan, S. Bogoutdinov, E. Graeva, and P. Sailhac. Application of artificial intelligence for Euler solutions clustering. Geophysics. 2003, vol. 68, no. 1, p.168-180.

K. Mursula, L. Holappa, and A. Karinen, Correct normalization of the Dst index, Astrophys. Space Sci. Trans., 4, 41-45, 2008

Olsen, N., M. Mandea, T. J. Sabaka, and L. Toffner-Clausen, CHAOS-2 — A geomagnetic field model derived from one decade of continuous satellite data, Geophys. J. Int., 179, 1477-1487, 2009.

A. Peltier and A. Chulliat, On the feasibility of promptly producing quasi-definitive magnetic observatory data, Earth Planets Space 62 e5-e8, 2010.

Pisarenko, V.F. The retrieval of harmonics from a covariance frunction // Geophys. J. Roy. Astron. Soc, 1972, Vol. 33. P.347-366.

146. Romeo G. Seismic signal detection and classification using artificial neural networks. Special issue on the workshop "Planning and procedures for GSETT-3", Erice, November 10-14, 1993. Annali di Geofisica. Vol. XXXVII, N. 3, 1994, p. 343-353.

147. Soloviev, A. A., Bogoutdinov Sh. R., Agayan S. M., Gvishiani A. D., and Kihn E. (2009), Detection of hardware failures at INTERMAGNET observatories: application of artificial intelligence techniques to geomagnetic records study, Russ. J. Earth Sei., 11, ES2006, doi:10.2205/2009ES000387.

148. A. Soloviev, S. Bogoutdinov, A. Gvishiani, R. Kulchinskiy, and J. Zlotnicki (2013), Mathematical Tools for Geomagnetic Data Monitoring and the INTERMAGNET Russian Segment, Data Science Journal, Vol. 12 (2013), p. WDS114-WDS119, doi:10.2481/dsj.WDS-019.

149. A. Soloviev, A. Chulliat, S. Bogoutdinov, A. Gvishiani, S. Agayan, A. Peltier, B. Heumez (2012a), Automated recognition of spikes in 1 Hz data recorded at the Easter Island magnetic observatory, Earth Planets Space, Vol. 64 (No. 9), pp. 743-752, 2012, doi:10.5047/eps.2012.03.004.

150. A. Soloviev, A. Gvishiani, Y. Sumaruk, V. Starostenko, Russian-Ukrainian Geomagnetic Data Center // 23rd CODATA International Conference "Open Data and Information for a Changing Planet", 28-31 October 2012, Taipei, Taiwan, 2012b

151. A.A. Soloviev, K. Stroker, S.M. Agayan, S.R. Bogoutdinov (2012c), Recognition of P-Waves and Tsunamis on DART Data, European Seismological Commission 33-rd General Assembly, 19-24 August 2012, Moscow, Russia. Book of Abstracts. 2012. pp. 329-330.

152. St-Louis B. INTERMAGNET Technical Reference Manual, Version 4.4. 2008.

153. The latest AA* listing of Major Magnetic Storms // NOAA: National Geophysical Data Center, 2011. ftp://ftp.ngdc.noaa.gov/STP/ GEOMAGNETIC DATA/AASTAR/.

154. Troshichev O.A., Lukianova R., Papitashvili V., Rich F.J., Rasmussen O. Polar Cap index (PC) as a proxy for ionospheric electric field in the near-pole region // Geophys. Res. Lett. - 2000. - Vol.27(23). - P.3809-3812.

155. Troshichev O.A., Lukianova R. Relation of PC index to the solar wind parameters and substorm activity in time of magnetic storms // J. Atmos. Solar-Terr. Phys. - 2002. Vol.64(5-6). - P.585-591.

156. Turner G.M., Rasson J.L., Reeves C.V. Observation and measurement techniques // Treatise on Geophysics. 2007. Vol. 5, Geomagnetism, Ed. M. Kono. C. 93-146.

158.

159.

160.

161. 162.

163.

Uozumi, T., K. Yumoto, H. Kawano, A. Yoshikawa, J. V. Olson, S. I. Solovyev, and E. F. Vershinin (2000), Characteristics of energy transfer of Pi 2 magnetic pulsations: Latitudinal dependence, Geophys. Res. Lett., 27, 1619-1622.

Viljanen, A., Nevanlinna, H., Pajunpââ, K., and Pulkkinen, A.: Time derivative of the horizontal geomagnetic field as an activity indicator, Ann. Geophys., 19, 1107-1118, doi : 10.5194/angeo-19-1107-2001,2001.

Worthington, E. W., E. A. Sauter and J. J. Love, Analysis of USGS one-second data, In: Proceedings of the Xlllth IAGA Workshop on geomagnetic observatory instruments, data acquisition and processing, J. J. Love (ed.), U.S. Geological Survey Open-File Report 2009-1226, 271 p., 2009.

Yakovchouk, O. S., K. Mursula, L. Holappa, I. S. Veselovsky, and A. Karinen (2012), Average properties of geomagnetic storms in 1932-2009, J. Geophys. Res., 117, A03201, doi: 10.1029/2011JA017093.

Zadeh L.A. Fuzzy sets // Information and Control. 1965. № 8, 338-353. Zhalkovsky, E. A., T. N. Bondar, V. P. Golovkov, A. V. Khokhlov, V. I. Nikiforov, A. E. Berezko, A. A. Soloviev, and E. S. Bolotsky (2009), Initial data for Atlas of Earth's main magnetic field, Russ. J. Earth. Sci., 11, ES2008, doi:10.2205/2009ES000412. J. Zlotnicki, J.-L. LeMouel, A. Gvishiani, S. Agayan, V. Mikhailov, Sh. Bogoutdinov. Automatic fuzzy-logic recognition of anomalous activity on long geophysical records. Application to electric signals associated with the volcanic activity of la Fournaise volcano (Réunion Island). Earth and Planetary Science Letters, vol. 234, 2005, p.261-278.