2024年的諾貝爾獎獎獲得了美國的約翰·霍普菲爾德（John Hopfield）和加拿大科學家蓋諾夫·辛頓（Geofffrey Hinton），這是英格蘭的起源，用於學習機械和人造神經網絡的高級工作。這種變化技術正在在各種分支機構中產生浪潮，包括大氣中的研究。一個例子是一項關於外在大氣行為的預測，通過展示神經網絡如何徹底改變科學調查，以預測外部大氣的行為。
了解世界上大氣行為的驚人進步是從一項關於區域公式中所有電子預測的準確性，俄羅斯南部聯邦大學的Artemkhakhashyan博士的新研究中得出的。他們的發現取決於高級學習方法，並在《大地雜誌》和《地質》雜誌上進行了細節。
充電帶有電子和自由離子的大氣層被稱為電離層，對於世界導航系統和通信網絡非常重要，因為對穿越太空的跡象產生了影響。在預測中，電子的總量，離子菲爾柱中的所有顆粒測量都非常具有挑戰性。雖然過去的研究通常依靠比本研究更古老的有限信息和方法，但使用現代學習模型，這些模型在當時的兩個方向上都“看到”，以在短期和長期內顯著改善預測。
Maltseva博士和她的團隊使用噴氣推進實驗室創建的世界上的地圖檢查了赤道附近14個站的數據，以分析總電子的變化。這些地圖提供了有關世界各地離子更改的詳細觀點。該模型已通過有關太陽能活動的信息進行了訓練，這意味著太陽強力的出口，地磁影響，這是世界磁場和其他大氣因素的影響。通過獲得更準確的預測，同時消除了手勢的傳播，這些創新方法比以前的方法更有效。較舊的方法可能會根據位置創建不同的結果，從而使它們在世界範圍內的可靠性降低。
Maltseva博士強調了這一點的重要性。 “我們的發現證明了兩條路的方法不僅是，而且有助於提高預測的準確性，而且還可以根據誤差邊緣使地理波動，這為世界各地的IOOS火災提供了強有力的解決方案。”
綜合分析，包括Niue，Jicamarca和Darwin等電台，它們提供了有關在不同氣氛條件下所有電子波動的有價值的見解。尤其是在重要的磁性風暴中，2015年12月，由太陽能活動引起的世界磁場的暫時干擾。該模型即使在惡劣天氣下也具有維持靈活性的能力。
這一進展通過編輯各個位置的信譽差異來強調先進技術在電離層研究中的潛力。這些模型打開了改善服務的大門，例如在世界範圍內導航以及災難的反應。未來的使用可能包括與衛星數據的實時組合，以增加預測並有助於降低自然或人類破壞的風險。
參考期刊
Kharakhashyan，A。和Maltseva，O。 （2024）“赤道中AEON數量的長期依賴性”地球動力學和地球動力學，15（2024），528-541，doi： https://doi.org/10.1016/j.geog.2024.02.001
作曲家
Olga Maltseva博士 她是俄羅斯Rostov-on don俄羅斯的南部大學物理研究所的主要研究人員，她在創建了Ionosfier和磁鐵中的不同頻率條的無線電傳播模型中出版了大量文檔和一些文檔。她目前的興趣包括對empiical Ionis Fiar模型的檢查，將電子（TEC）的總量（TEC）融合到這些模型中，並研究磁性風暴對世界各地TEC分佈的影響。
