Проаналізовано стан досліджень космічної погоди, на основі якого визначено основну проблему та обґрунтовано її актуальність. Питанням моніторингу, дослідження та прогнозування стану космічної погоди приділяють велику увагу в розвинених країнах світу. Незважаючи на значний прогрес у вирішенні цієї проблеми, структура сонячно-земних зв’язків ще далеко не вивчена, а ризики, пов’язані з космічною погодою, зростають, оскільки основні сфери нашого життя стають все технологічно розвинненішими. В структурі сонячно-земних зв’язків сьогодні недостатньо досліджено вплив сонячної активності на нижню атмосферу Землі, зокрема атмосферний інфразвук та електричне поле. Ця проблема потребує вивчення складних взаємодій, що виникають під час поширення різних типів збурень через середовище Сонце – Земля. На основі розробленої узагальненої архітектури інтелектуальної системи дослідження параметрів космічної погоди запропоновано прототип цієї системи, визначено та розроблено її функціонал. Прототипом інтелектуальної системи є клієнт-серверна система, побудована на основі програмного забезпечення сервера, програмного забезпечення користувача та прикладного програмного забезпечення. Функціонал інтелектуальної системи забезпечує збирання даних, їх попереднє опрацювання, опрацювання даних і візуалізацію досліджуваних сигналів. Опрацювання цих параметрів космічної погоди передбачає спектральний аналіз експериментальних даних, реалізований із використанням віконного фур’є- перетворення та вейвлет-перетворення, а також кореляційно-регресійний аналіз, який дає змогу досліджувати залежність між факторною та результативною ознаками з метою виявлення невідомих причинних зв’язків. Інтелектуальна система дослідження параметрів космічної погоди дасть можливість виявляти нові зв’язки в структурі сонячно-земних взаємодій, вивчати вплив космічних факторів на тропосферу Землі. Наведено приклади результатів опрацювання експериментальних даних параметрів космічної погоди.
- Hapgood, M., et al. (2021). Development of space weather reasonable worst-case scenarios for the UK national risk assessment. Space Weather, 19(4), e2020SW002593. https://doi.org/10.1029/2020SW002593.
- Buzulukova N., Tsurutani B. (2022), Space Weather: From solar origins to risks and hazards evolving in time. Front. Astron. Space Sci., 9:1017103. https://doi.org/10.3389/fspas.2022.1017103.
- Pulkkinen, T. (2007). Space Weather: Terrestrial Perspective. Living Rev. Sol. Phys., 4, 1. https://doi.org/10.12942/lrsp-2007-1.
- Singh, A. et al. (2021). Physics of Space Weather Phenomena: A Review. Geosciences, 11, 286. https://doi.org/10.3390/geosciences11070286.
- Sharpe, et al. (2017). Verification of Space Weather Forecasts Issued by the Met Office Space Weather Operations Centre: Verification of MOSWOC Forecasts. Space Weather, 15(10). DOI: 10.1002/2017SW001683.
- Temmer, M. (2021). Space weather: the solar perspective. Living Rev. Sol. Phys., 18(4). https://doi.org/10.1007/s41116-021-00030-3.
- Oliveira, D. M., Zesta, E. (2019). Satellite orbital drag during magnetic storms. Space Weather, 17, 1510– 1533. DOI: 10.1029/2019SW002287.
- Hapgood, M., Liu, H., Lugaz, N. (2022). SpaceX—sailing close to the space weather? Space weather, 20, e2022SW003074. DOI: 10.1029/2022SW003074.
- Bain, H, et al. (2023). NOAA Space Weather Prediction Center Radiation Advisories for the International Civil Aviation Organization. Space Weather, 21. 10.1029/2022SW003346.
- Vaičiulis, V. et al. (2021). Associations between Space Weather Events and the Incidence of Acute Myocardial Infarction and Deaths from Ischemic Heart Disease. Atmosphere, 12, 306. https://doi.org/10.3390/atmos12030306.
- Chaban, et al. (2021). Negative Effect of High-Level Infrasound on Human Myocardial Contractility: In- Vitro Controlled Experiment. Noise & health, 23, 57–66. 10.4103/nah.NAH_28_19.
- Gopalswamy, N. (2022) The Sun and Space Weather. Atmosphere, 13, 1781. https://doi.org/10.3390/atmos13111781.
- Vadakke Veettil S., et al. (2019). The ionosphere prediction service prototype for GNSS users. J. Space Weather Space Clim., 9, A41. https://doi.org/10.1051/swsc/2019038.
- Cheng, F. et al. (2021). A Review on Data Preprocessing Techniques Toward Efficient and Reliable Knowledge Discovery From Building Operational Data. Frontiers in Energy Research, Vol. 9. DOI: 10.3389/fenrg.2021.652801.
- Veres O. M. (2015). The ontology of data cleaning. Bulletin of the Lviv Polytechnic National University. Series: Information systems and networks, No. 814, 237–245.
- Lozynsky, A., et al. (2023). Advances in Data Reduction Techniques to Solve Power Spectrum Estimation Problems for Emerging Wireless Networks. Lecture Notes in Electrical Engineering, Vol. 965. Springer, Cham. https://doi.org/10.1007/978-3-031-24963-1_34.
- Scholl, S. (2021). Fourier, Gabor, Morlet or Wigner: Comparison of Time-Frequency Transforms. arXiv, arXiv:2101.06707.
- Merry, R. J. E. (2005). Wavelet theory and applications: a literature study. DCT rapporten; Vol. 2005.053. Technische Universiteit Eindhoven.
- Devore, J. L., Berk, K. N., Carlton, M. A. (2021). Regression and Correlation. In: Modern Mathematical Statistics with Applications. Springer Texts in Statistics. Springer, Cham. https://doi.org/10.1007/978-3-030-55156-8_1.