Розроблення бази даних для інформаційної системи дослідження параметрів космічної погоди

2023;
: cc. 329 - 337
1
Національний університет «Львівська політехніка»
2
Національний університет «Львівська політехніка»

Виконано аналіз предметної області, на основі якого визначено основні сутності індексів космічної погоди, їх атрибути та зв’язки між ними. Побудовано ER-діаграму та розроблено логічну схему бази даних інтелектуальної системи дослідження параметрів космічної погоди. Наукова новизна отриманих результатів полягає у розробленні моделі бази даних інтелектуальної системи дослідження параметрів космічної погоди. Практичне значення отриманих результатів полягає у можливостях наповнення бази даних про прояви сонячної активності, їх опрацювання, аналізування та встановлення зв’язків між показниками геліо- та геоактивності.

  1. Buzulukova N., Tsurutani B. (2022). Space Weather: From solar origins to risks and hazards evolving in time. Front. Astron. Space Sci., Vol. 9, 1017103. DOI: 10.3389/fspas.2022.1017103.
  2. Hapgood M., Liu H., Lugaz N. (2022). SpaceX-Sailing close to the space weather? Space Weather, Vol. 20, e2022SW003074.    https://doi.org/10.1029/2022SW003074.
  3. Fang T.-W., Kubaryk A., Goldstein D., et al. (2022). Space weather environment during the SpaceX Starlink satellite loss in February. Space Weather, Vol. 20, e2022SW003193. https://doi.org/10.1029/ 2022SW003193.
  4. The Sun and Space Weather (Astrophysics and Space Science Library) (Second Edition) by A. Hanslmeier, 2008, 326 p.
  5. Plainaki C., Antonucci M., Bemporad A. et al. (2020). Current state and perspectives of Space Weather science in Italy. J. Space Weather Space Clim., Vol. 10, 6.
  6. Veretenenko S. (2022). Stratospheric Polar Vortex as an Important Link between the Lower Atmosphere Circulation and Solar Activity. Atmosphere, Vol. 13(7), 1132. https://doi.org/10.3390/atmos13071132.
  7. Schrijver C., Kauristie K., Aylward A. D., et al. (2015). Understanding space weather to shield society: A global road map for 2015–2025 commissioned by COSPAR and ILWS. Adv. Space Res., Vol. 55, 2745–2807. https://doi.org/10.1016/j.asr.2015.03.023.
  8. Singh A. K., Bhargawa A., Siingh D., Singh R. P. (2021). Physics of Space Weather Phenomena: A Review. Geosciences, Vol. 11(7), 286. https://doi.org/10.3390/geosciences11070286.
  9. Kutiev І., Tsagouri І., Perrone L., et al. (2013). Solar activity impact on the Earth’s upper atmosphere. J. Space Weather Space Clim., Vol. 3, A06. https://doi.org/10.1051/swsc/2013028.
  10. Tsagouri I. (2022). SpaceWeather Effects on the Earth’s Upper Atmosphere: Short Report on Ionospheric Storm Effects at Middle Latitudes. Atmosphere, Vol. 13(2), 346. https://doi.org/10.3390/atmos13020346.
  11. Astafyeva E., Zakharenkova I., Huba J. D., et al. (2017). Global ionospheric and thermospheric effects of the June 2015 geomagnetic disturbances: Multi-instrumental observations and modeling. J. Geophys. Res.: Space Phys., Vol. 122,  11716–11742. https://doi.org/10.1002/2017JA024174.
  12. Bhaskar A., Vichare G. (2019). Forecasting of SYMH and ASYH indices for geomagnetic storms of solar cycle 24 including St. Patricks day, 2015 storm using NARX neural network. J. Space Weather Space Clim., Vol. 9, A12.    https://doi.org/10.1051/swsc/2019007.
  13. Wanliss, J. A., Showalter K. M. (2006). High-resolution global storm index: Dstversus SYM-H. J. Geophys Res., Vol. 111(2), A02202. https://doi.org/10.1029/2005JA011034.
  14. Park W., Lee J, Kim K-C Lee J, et al. (2021). Operational Dst index prediction model based on combination of artificial neural network and empirical model. J. Space Weather Space Clim., Vol. 11, 38. https://doi.org/10.1051/swsc/2021021.
  15. Carley E. P., Baldovin C., Benthem P., et al. (2020). Radio observatories and instrumentation used in space weather science and operations. J. Space Weather Space Clim., Vol. 10, 7. https://doi.org/10.1051/ swsc/2020007.
  16. Пасічник В. В., Резніченко В. А. (2006). Організація баз даних та знань. К.: Видавнича група BHV. 384 с.