CC BY
78
УДК 521.937+537.67+550.2+550.385.1+303.732.4 UDC 521.937+537.67+550.2+550.385.1+303.732.4
СЕМАНТИЧЕСКИЕ ИНФОРМАЦИОННЫЕ МОДЕЛИ ВЛИЯНИЯ СОЛНЕЧНЫХ ПЯТЕН НА СЕЙСМИЧЕСКУЮ АКТИВНОСТЬ, ДВИЖЕНИЕ ПОЛЮСА И МАГНИТНОЕ ПОЛЕ ЗЕМЛИ
Трунев Александр Петрович к. ф.-м. н., Ph.D.
Директор, A&E Trounev IT Consulting, Торонто, Канада
Луценко Евгений Вениаминович д. э. н., к. т. н., профессор
Кубанский государственный аграрный университет, Краснодар, Россия
На основе семантических информационных моделей исследовано влияние солнечных пятен на сейсмическую активность, магнитное поле и движение полюса Земли
Ключевые слова: ВЫЧИСЛИТЕЛЬНЫЙ ЭКСПЕРИМЕНТ, ДВИЖЕНИЕ ПОЛЮСА ЗЕМЛИ, СЕЙСМИЧЕСКАЯ АКТИВНОСТЬ, МАГНИТОСФЕРА, НУТАЦИЯ, ПРЕЦЕССИЯ, СЕМАНТИЧЕСКИЕ ИНФОРМАЦИОННЫЕ МОДЕЛИ
SEMANTIC INFORMATION MODELS OF THE SUNSPORTS IMPACT ON THE EARTH SEISMIC ACTIVITY, POLAR MOTION AND MAGNETIC FIELD
Alexander Trunev Cand.Phys.-Math.Sci., Ph.D.
Director, A&E Trounev IT Consulting, Toronto, Canada
Lutsenko Evgeny Veniaminovich
Dr. Sci. Econ., Cand. Tech. Sci., Professor
Kuban State Agrarian University, Krasnodar, Russia
Dependence of the Earth seismic activity, magnetic field and polar motion on the sunspots number is examined on the basis of semantic information models
Keywords: COMPUTATIONAL EXPERIMENT, EARTH POLAR MOTION, EARTHQUAKE, MAGNITOSPHERE, NUTATION, PRECESSION-SUNSPOTS, SEMANTIC INFORMATION MODELS
Введение
Солнечные пятна, открытые китайскими астрономами еще до нашей эры, являются одним из показателей солнечной активности. Согласно существующим представлениям, солнечные пятна возникают в результате взаимодействия плазмы с магнитным полем /1/. Ежедневное число пятен меняется от 0 до >300, а их диаметр может превышать 80000 км. Температура пятен изменяется в пределах 3000-4500 К, что делает их заметными на фоне высокой температуры окружающей среды (около 5780К). Эти образования могут служить индикатором солнечной активности, так как связаны, с одной стороны, с вариациями потока солнечной радиации и вспышками на Солнце, а с другой - с изменением полярности солнечного магнитного диполя /1/. Оба фактора весьма значимы для земного магнетизма, поскольку могут вызвать магнитные бури и полярные сияния. Установлено, что солнечные пятна связаны с циклами солнечной активности,
влияющими на погоду, а также, на здоровье и поведение людей, социальные и экономические процессы, и технические системы /2-6/.
В силу важности этого влияния было разработано несколько критериев для описания, как самих солнечных пятен, так и магнитных бурь. В настоящее время эти критерии уже используются в средствах массовой информации с целью предсказания космической погоды, наряду с обычными прогнозами погоды /6-7/.
В настоящей работе на основе системы искусственного интеллекта «Эйдос-астра» /8/ с использованием данных /9-12/ построена информационная модель влияния солнечных пятен на сейсмические события с магнитудой mb ^ 4 , магнитное поле и движение полюса Земли. Обсуждается модель взаимодействия магнитных полей Солнца и Земли, в которой источником возмущений геомагнитного поля служит дипольное излучение небесных тел, индуцированное солнечными пятнами.
Задача о распознавании категорий событий
Рассмотрим задачу распознавания категорий по астрономическим данным /13-16/. Имеется множество событий Е, которому ставится в соответствие множество категорий К Событиями можно считать, например, землетрясения, происходящие на нашей планете ежедневно, а категориями
- число одно- (А), двух- (В) или трехкратных событий (С), магнитуда которых лежит в заданном интервале. Каждое такое событие характеризуется моментом времени и географическими координатами места его происхождения. По этим данным можно построить матрицу, содержащую координаты небесных тел, например углы долготы, широты и расстояния. Будем считать, что заданы частотные распределения N - число событий, имеющих отношение к данной категории К
Определим число случаев реализации данной категории, которое приходится на заданный интервал изменения астрономических параметров, имеем в дискретном случае:
Здесь w - плотность распределения событий вдоль нормированной координаты. Нормированная переменная определяется через угловую и радиальную координаты следующим образом:
где Гпт? гтах - минимальное и максимальное удаление планеты от центра
масс системы, к0 - число небесных тел, используемых в задаче.
Определим матрицу информативностей согласно /13-19/
Первая величина (2) называется информативность признака, а вторая величина является стандартным отклонением информативности или интегральной информативностью (ИИ).
Каждой категории можно сопоставить вектор информативности астрономических параметров размерности 2тк0, составленный из элементов
N1^ (ху, к) = NJ■w(ху, к)Ах, ху < ху < х + Ах
1 £ I £ п, 1 £ у £ 2т, к = 1,...,к0
(1)
(к)/2р , 1 £ у £ т
Гпах ( к) - Гтш (к) ’
тах
2
1 £ I £ п, 1 £ у £ 2т, 1 £ к £ к0
(2)
матрицы информативности, путем последовательной записи столбцов, соответствующих нормированной координате, в один столбец, т.е.
Cis Iijk
, 1 < s < 2mk0
jk - s (3)
С другой стороны, процесс идентификации, распознавания и прогнозирования может рассматриваться как разложение вектора распознаваемого объекта в ряд по векторам категорий (классов распознавания) /13-19/. Этот вектор, состоящий из единиц и нулей, можно определить по координатам небесных тел, соответствующих дате и месту происхождения события I в виде
1, (] -1) Д* £ х]к (I) < уДх, }к = І
a/s --!
0, 1 < s < 2mk0
(4)
Таким образом, если нормированная координата небесного тела из данных по объекту исследуемой выборки попадает в заданный интервал, элементу вектора придается значение 1, а во всех остальных случаях - значение 0. Перечисление координат осуществляется последовательно, для каждого небесного тела. В качестве астрономических параметров были использованы долгота, широта и расстояние от Земли до десяти небесных тел
- Солнца, Луны, Марса, Меркурия, Венеры, Юпитера, Сатурна, Урана, Нептуна и Плутона, и долгота Северного Узла Луны. Астрономические параметры вычислялись на каждый день в фиксированной точке с географическими координатами Гринвича в 12:00 GMT в топоцентрической системе координат. Отметим, что выбор этой точки не является существенным для решаемого класса задач.
При создании моделей в настоящей работе были использованы данные ежедневного числа солнечных пятен по наблюдениям американских астрономов /9/ - параметр RADAILY, данные по индукции магнитного поля Земли /10/, данные по сейсмическим событиям /11/, а также координаты географического полюса - X, Y /12/. Данные по индукции магнитного поля были взяты со следующих 23 станций (приведены только IAGA коды):
GNA, GUA, IRT, KAK, MMB, RES, THL, DRV, HER, FUG, ABG, HON, CLF, LRV, SOD, AAE, AAA, TAN, SJG, AIA, TUC, BNG, MBO.
Без ограничения общности можно заменить координату любого небесного тела иным исследуемым параметром, например, координатами и скоростью движения полюса Земли, компонентами вектора индукции магнитного поля /13, 16/, гравитационным потенциалом /15/ или числом пятен на Солнце, как в данной задаче.
В частности, в работах /16-18/ была построена модель линейной регрессии с использованием комбинаций астрономических параметров, характеризующих влияние каждого небесного тела. Структура приведенных ниже комплексов вытекает из аналогии электромагнитных и гравитоэлек-тромагнитных (GEM) явлений /17/ с учетом влияния солнечных пятен /18/:
р - q sinLAT cos J
Pi1 - Qi
P 2 - Qk
P 3 - Qk
RiRi cos LAT sin LON sin J
R R
cosLATt cosLONi (5)
R
k = sin Je cos LAT sin LONt + cos Je sin LATt, i =
Здесь Qi = Q 0 i + RADAILY , Q0i - интегральный параметр, описывающий предисторию влияния солнечных пятен на магнитосферу данного небесного тела; долгота (LON), широта (LAT) и расстояние (R)
определяется для каждого из 10 небесных тел; Je = 23,439291°- угол
наклона земной оси относительно нормали к орбитальной плоскости. Отметим, что данные для расстояний от Земли до небесных тел вычисляются в формулах (5) в астрономических единицах. Параметры (5) были использованы в настоящей работе наряду с астрономическими параметрами.
В случае, когда система векторов (3) является полной, можно любой вектор (4) точно представить в виде линейной комбинации векторов сис-
темы (3). Коэффициенты этого разложения будут соответствовать уровню сходства данного события с данной категорией. В случае неполной системы векторов (3) точная процедура заменяется распознаванием или разложением в ряд с некоторой погрешностью. При этом уровень сходства данных события с той или иной категорией можно определить по величине скалярного произведения вектора (4) на вектор (3), т.е. в координатной форме:
-I 2 тк 0
К п =--1 Е аь (А)с*
а1 с\ *=1 (6)
Отметим, что возможны четыре исхода, при которых можно истинно или ложно отнести или не отнести данное событие к данной категории. Для учета этих исходов распознавание категорий в системе искусственного интеллекта «Эйдос-астра» /8/ осуществляется по параметру сходства, который определяется следующим образом /13-16/:
1 N
■ = Я Е (ВТ1 + т 1 - ВЕ 1 - р'«) • 100 %
я I=1 (7)
Б! - достоверность идентификации «1-й» категории;
N - количество событий в распознаваемой выборке;
БТд- уровень сходства «/-го» события с «1-й» категорией, к которой он был правильно отнесен системой;
Тц - уровень сходства «/-го» события с «1-й» категорией, к которой он был правильно не отнесен системой;
ББд - уровень сходства «/-го» события с «1-й» категорией, к которой он был ошибочно отнесен системой;
Бд - уровень сходства «/-го» события с «1-й» категорией, к которой он был ошибочно не отнесен системой.
При таком определении параметр сходства изменяется в пределах от -100% до 100%, как обычный коэффициент корреляции в статистике. При этом ошибки 1-го и 2-го рода (ошибки ложной идентификации и ложной неидентификации) приводят к уменьшению параметра сходства. Очевид-
но, что параметр сходства должен удовлетворять критерию простой проверки
S . ( N = 1) = 100%
Было показано, что процедура распознавания по параметру сходства (7), реализованная в системе искусственного интеллекта «Эйдос-астра» /8/, является устойчивой как относительно объема выборки, так и относительно числа ячеек модели. Математическое обоснование этой процедуры дано в монографии /19/.
Решение прямой задачи включает в себя нормирование входных параметров и приведение их к одному масштабу изменения в интервале (0;360), разбиение интервалов на М частей, вычисление матрицы абсолютных частот и информативности, в соответствии с формулами (1-2). Отметим, что в системе «Эйдос-астра» реализован режим автоматического синтеза нескольких семантических информационных моделей, в которых число ячеек принимает любое заданное значение М=2,3,...,173.
Решение обратной задачи включает в себя распознавание категорий по заданным астрономическим параметрам, в соответствии с уравнениями (3-6). Частным случаем задачи распознавания является определение достоверности идентификации категорий по астрономическим данным в каждой модели.
Семантические информационные модели влияния солнечных пятен,
магнитного поля и долготы на сейсмические события
Технология моделирования сейсмических событий на основе системы «Эйдос-астра» подробна описана в работах /13-15/ и других. Исследуемая база данных сейсмических событий была сформирована на основе базы данных Международного сейсмологического центра (ISC) /11/, содержащей 20489816 записей регистрации различными сейсмостанциями событий землетрясений, произошедших на нашей планете в период с 1 января 1961 года по 31 декабря 2006 г. Была исследована совокупность 128320 событий землетрясений с магнитудой mb > 4, произошедших на нашей
планете в период с 9 февраля 1963 года по 31 декабря 2006 г (всего 16032 дня).
В исходной БД /11/ сейсмические события характеризуются магнитудой шЬ, которой можно сопоставить категорию магнитуды - таблица 1. Поскольку события с одной и той же магнитудой могут повторяться в один день, каждому значению магнитуды из заданного интервала сопоставляется несколько типов категорий, а именно:
А - событие с магнитудой шЬ повторяется один раз;
В - событие с магнитудой шЬ повторяется два раза;
С - событие с магнитудой шЬ повторяется три раза.
Для целей настоящего исследования было сформировано несколько информационных моделей, включая следующие:
• М160(ЬД) - содержит только астрономические параметры долготы и расстояния;
• М160(ЯА,ЬД) - содержит параметр ЯАОАІЬУ и астрономические параметры долготы и расстояния;
• М170(ЯА,Ь,Р) - содержит параметр КАВАІЬУ, астрономические параметры долготы и 12 параметров (5), вычисленных для Юпитера, Сатурна, Урана и Нептуна;
• М170(В,Ь) - содержит астрономические параметры долготы и параметры индукции магнитного поля на 13 станциях;
• М120(В, Р) - содержит параметры индукции магнитного поля на 13 станциях и 12 параметров (5), вычисленных для Юпитера, Сатурна, Урана и Нептуна при Qi =1;
• М160(Ь, Р68) - содержит астрономические параметры долготы и 12 параметров (5), вычисленных для Юпитера, Сатурна, Урана и Нептуна при Qoi =68;
• М160(Ь, Р68) - содержит астрономические параметры долготы и 12 параметров (5), вычисленных для Юпитера, Сатурна, Урана и Нептуна при Q0i =365;
• M160(L, ASP) - содержит астрономические параметры долготы и взаимные аспекты Солнца, Юпитера, Сатурна, Урана и Нептуна.
• M170(RES,L,R) - содержит астрономические параметры долготы и расстояния и параметр индукции магнитного поля на станции RES;
• M160(X,Y,L,R) - содержит астрономические параметры долготы и расстояния, и координаты географического полюса;
• M160(X,Y,RES,L,R) - содержит астрономические параметры, координаты географического полюса и параметр индукции магнитного поля на станции RES.
В таблице 1 представлен параметр сходства категории магнитуда в четырех информационных моделях, а на рис. 1 - аналогичный параметр сходства в семи перечисленных выше моделях. Из данных, приведенных в таблице 1 и на рис. 1 следует, что добавление в информационную модель параметра RADAILY - ежедневного числа солнечных пятен по наблюдениям американских астрономов, приводит к понижению среднего и максимального параметра сходства. Напротив, добавление параметра индукции магнитного поля RES, связанного с ежедневной вариацией планетарного магнитного поля приводит к росту как среднего, так и максимального параметр сходства. Следовательно, между параметрами RES и RADAILY нет однозначной связи в смысле их влияния на сейсмические события.
Таблица 1. Параметр сходства категории магнитуда в четырех моделях
Категория Число случаев M160(L,R)) M160(RA,L,R) M170(RA,L,P)) M170(RES,L,R)
A40-Mb=4,0 1362 -18,593 -12,149 -14,462 -20,037
A41-Mb=4,1 1580 -8,208 -6,109 -3,077 -6,813
A42-Mb=4,2 1796 -1,797 -0,407 2,698 0,637
A43-Mb=4,3 2224 4,889 5,069 8,640 7,037
A44-Mb=4,4 2744 -4,445 -3,647 -1,136 -4,510
A45-Mb=4,5 3358 -0,364 0,486 3,546 1,890
A46-Mb=4,6 4119 8,102 7,114 2,359 8,161
A47-Mb=4,7 4768 11,303 7,139 1,431 10,887
A48-Mb=4,8 4954 13,381 8,852 2,838 12,764
A49-Mb=4,9 5008 17,503 10,799 6,597 15,614
A50-Mb=5 4904 26,141 19,409 11,462 22,451
A51-Mb=5,1 4582 29,802 20,595 14,006 26,773
A52-Mb=5,2 4134 25,101 18,918 13,014 23,767
A53-Mb=5,3 3563 30,307 22,368 17,016 29,035
A54-Mb=5,4 3010 28,031 20,712 13,964 24,969
A55-Mb=5,5 2367 24,238 17,492 10,680 22,462
A56-Mb=5,6 1940 32,491 23,640 21,515 31,337
A57-Mb=5,7 1460 31,689 23,066 22,448 31,225
A58-Mb=5,8 1179 28,16 22,760 20,935 28,725
A59-Mb=5,9 864 24,738 19,841 18,139 25,450
A60-Mb=6,0 656 23,495 20,666 17,798 25,074
A61-Mb=6,1 453 29,394 25,123 22,496 29,190
A62-Mb=6,2 319 23,934 20,695 21,355 25,934
A63-Mb=6,3 202 35,651 28,722 28,901 36,412
A64-Mb=6,4 137 42,81 37,909 39,716 45,038
A65-Mb=6,5 87 55,802 47,917 51,895 62,048
A66-Mb=6,6-7,0 68 63,169 53,843 56,396 68,781
B40-Mb=4,0 446 28,361 18,736 23,423 30,855
B41-Mb=4,1 660 18,857 12,704 14,817 21,036
B42-Mb=4,2 835 9,046 6,722 6,265 9,861
B43-Mb=4,3 955 -6,859 -2,669 -8,075 -8,597
B44-Mb=4,4 1099 -14,986 -8,869 -10,093 -13,509
B45-Mb=4,5 1223 -1,494 -0,076 2,080 0,992
B46-Mb=4,6 1455 -1,678 -1,113 1,722 -0,022
B47-Mb=4,7 1612 -1,317 0,130 1,591 -1,349
B48-Mb=4,8 1817 3,926 4,190 5,574 3,183
B49-Mb=4,9 1636 3,783 3,855 2,818 5,508
B50-Mb=5 1428 15,492 11,992 11,574 16,131
B51-Mb=5,1 1206 13,093 10,956 9,329 12,782
B52-Mb=5,2 936 22,413 19,267 16,803 22,561
B53-Mb=5,3 617 24,482 20,240 17,872 22,979
B54-Mb=5,4 422 21,194 18,464 15,913 18,494
B55-Mb=5,5 261 30,487 23,114 26,050 31,170
B56-Mb=5,6 180 33,408 28,321 30,616 37,841
B57-Mb=5,7 93 56,994 47,736 52,339 60,019
B58-Mb=5,8 73 61,514 52,517 55,427 68,742
B59-Mb=5,9-6,4 69 62,605 54,655 59,161 68,168
C40-Mb=4,0 130 53,018 42,336 51,118 60,331
C41-Mb=4,1 259 35,327 27,456 34,395 40,927
C42-Mb=4,2 362 22,208 14,780 20,365 24,192
C43-Mb=4,3 436 21,621 15,521 18,421 24,474
C44-Mb=4,4 482 19,875 14,973 11,957 19,482
C45-Mb=4,5 468 11,685 9,127 8,575 10,782
C46-Mb=4,6 515 2,741 3,117 -0,391 1,491
C47-Mb=4,7 501 5,517 5,687 5,406 6,989
C48-Mb=4,8 450 10,42 9,536 8,836 12,503
C49-Mb=4,9 447 15,73 13,178 14,786 17,397
C50-Mb=5 356 20,558 16,937 15,841 22,289
C51-Mb=5,1 293 22,202 18,100 17,483 22,638
C52-Mb=5,2 166 35,702 30,512 31,979 38,506
C53-Mb=5,3-6,0 105 48,043 37,886 44,190 52,017
Среднее значение 1374 20,995 17,063 16,874 22,052
Рис. 1. Параметр сходства в семи информационных моделях
80 70 60 50 40 £ 30 <0 20 10 0 -10 -20 -30
Ранее было показано /13-16/, что матрица информативности (2) может быть использована для выявления и визуализации когнитивных функциональных зависимостей в фрагментированных и зашумленных данных большой размерности в задачах прогнозирования климата и сейсмической активности. Кратко поясним суть этого метода. Матрица информативностей (2) рассчитывается на основе системной теории информации /19/ непосредственно на основе эмпирических данных и представляет собой таблицу, в которой столбцы соответствуют обобщенным образам классов, т.е. будущим состояниям моделируемой системы, строки - значениям факторов, влияющих на эту систему, а на пересечениях строк и столбцов находится количество информации, которое содержится в факте действия значения фактора, соответствующего строке, на переход системы в состояние, соответствующее столбцу. Максимальное количество информации, которое может быть в значении фактора, определяется числом будущих состояний моделируемой системы. Модуль количества информации отражает силу влияния значения фактора, а знак - направление этого влияния, т.е. то, способствует он или препятствует наступлению данного состояния. Если последовательности классов и значений факторов образуют порядковые шкалы или шкалы отношений, т.е. соответственно, на них определены от-
ношения «больше-меньше» или, кроме того, единица измерения, начало отсчета и арифметические операции, то матрица информативностей допускает наглядную графическую визуализацию, традиционного для функций типа, когда значения факторов рассматриваются в качестве значений аргумента, а классы, о наступлении которых в этих значениях факторов содержится максимальное количество информации - в качестве значений функции. Другие классы, менее обусловленные данным значением фактора, а также те, наступлению которых это значение препятствует в большей или меньшей степени, также могут отображаться соответствующими цветами, и это также может представлять интерес, т.к. позволяет задействовать мощные способности человека к анализу изображений. Когнитивные функции, представляемые в форме матрицы информативностей, соответствуют очень общему виду функциональной зависимости: многозначной функции многих аргументов, т.к. каждое значение фактора влияет на все состояния моделируемого объекта, и каждое его состояние обусловлено всеми значениями факторов /20/.
На рис. 2 представлены фрагменты матрицы информативностей моделей М170(ЯА,Ь,Р) и М170(В,Ь). Визуализация этих фрагментов осуществлялась на основе программы V. 2.2 (авторы: Д. Бандык и Е.В.
Луценко). Из представленных на рис. 2 данных следует, что существует влияние солнечных пятен на сейсмические события, но это влияние не подобно влиянию индукции магнитного поля. Отметим, что в работе /21/ было установлено подобие влияния долготы Сатурна и вариаций магнитного поля на сейсмические события.
Рис. 2. Зависимость частоты категорий однократных (А), двукратных
(В) и трехкратных (С) сейсмических событий с магнитудой ть — 4 от параметра КАВАІЬУ и вариаций вертикальной компоненты индукции магнитного поля Земли на трех станциях в 1963-2006 гг по данным /10/ в модели М170.
На рис. 3. представлены фрагменты матрицы информативностей моделей М160(Ь,Р365) и М160(ЬД). Из представленных на рис. 3 данных следует, что существует влияние солнечных пятен на сейсмические события через посредство комплексов Р3 Урана и Нептуна, и что это влияние подобно влиянию индукции магнитного поля и долготы Сатруна.
Рис. 3. Зависимость частоты категорий однократных (А), двукратных
(В) и трехкратных (С) сейсмических событий с магнитудой ть — 4 от параметра P3 вычисленного для Урана и Нептуна при Q0i =365, долготы Сатурна и вариаций вертикальной компоненты индукции магнитного поля Земли на станции SOD в 1963-2006 гг по данным /10/ в модели М160.
Можно предположить, что основную роль во влиянии на сейсмические события играет возбуждение магнитосферы небесных тел солнечным ветром. Однако, как было установлено, влияние Юпитера, обладающего самой большой по объему магнитосферой среди планет, не подобно влиянию Урана и Нептуна. На рис. 4. представлены фрагменты матрицы информативностей моделей M160(L, Р365) и M160(L,R). Из представленных на рис. 4 данных следует, что существует влияние солнечных пятен на
сейсмические события через посредство комплекса Р3 Юпитера, но оно не подобно влиянию магнтного поля земли, Уран, Нептуна и Сатурна.
Рис. 4. Зависимость частоты категорий однократных (А), двукратных
(В) и трехкратных (С) сейсмических событий с магнитудой ть — 4 от параметра P3 вычисленного для Юпитера при Q=1'; Q0 =68 и Q0 =365, и долготы Юпитера.
В рамках семантических информационных моделей можно решить вопрос о влиянии взаимных аспектов небесных тел, которые определяются как разность долготы двух небесных тел. Исследовалось влияние на сейсмические события разности долготы Солнца и четырех небесных тел -Юпитера, Сатурна, Урана и Нептуна. В результате установлено, что заметного влияния аспектов Солнца с Юпитером, Сатурном, Ураном и Неп-
туном на сесмические события нет, хотя система «Эйдос-астра» позволяет отфильтровать несколько пиков для каждого из аспектов - см. рис. 5.
Исследовалось влияния разности долготы четырех небесных тел -Юпитера, Сатурна, Урана и Нептуна между собой. Наиболее значимы оказались взаимные аспекты (в порядки значимости):
1) Уран/Нептун - влияние на общее число землетрясений, на суммарную магнитуду, на среднюю энергию и на средний объем;
2) Сатурн/Нептун - влияние на общее число землетрясений, на суммарную магнитуду, на среднюю магнитуду;
3) Сатурн/Уран - влияние на среднюю магнитуду;
4) Юпитер/Сатурн - влияние на общее число землетрясений и на суммарную магнитуду.
У перечисленных аспектов ярко выраженное влияние, похожее на влияние магнитного поля Земли - см. рис. 5 и 2.
Рис. 5. Зависимость частоты категорий однократных (А), двукратных
(В) и трехкратных (С) сейсмических событий с магнитудой ть — 4 от взаимных аспектов Солнца, Юпитера, Сатурна, Урана и Нептуна.
На данных для аспектов Юпитера на рис. 5 хорошо просматриваются всплески, соответствующие некоторым аспектам Юпитер/Уран и Юпи-
тер/Нептун. Полосы, обнаруженные на данных для долготы Юпитера на рис. 4, видимо, соответствуют этим аспектам.
Влияние солнечных пятен на магнитное поле Земли
Как известно, число солнечных пятен связано с изменением полярности солнечного магнитного диполя /1, 6/. Поэтому, можно ожидать, что есть прямая связь между параметром КЛВЛ1ЬУ и вариациями индукции магнитного поля земли. На рис. 6. приведены коэффициенты корреляции параметра ЯЛВЛ1ЬУ с вертикальной компонентой индукции магнитного поля на протяжении 16032 дней по измерениям на 23 станциях, перечисленных выше. Средний коэффициент корреляции по всем станциям составляет около -0,00409, что, на первый взгляд, свидетельствует об отсутствии связи между числом пятен на Солнце и вариациями магнитного поля Земли. С другой стороны, данные /2-5/ и другие указывают на наличие такой связи. Для объяснения этого парадокса была разработана специальная методика вычисления геомагнитных индексов, которые изменяются подобно параметру КЛБЛ1ЬУ или числу Вольфа /21/. Такие индексы составляются на основе часового, трехчасового, суточного, месячного или годового изменения энергии магнитного поля. В частности, в монографии /21/ были построены месячные и годичные средние комбинации вариаций магнитного поля, которые имеют коэфиициент корреляции с числом пятен на Солнце 0,654 и 0,884 соответственно.
Начиная с 1 января 1964 года 1ЛОЛ было рекомендовано не использовать вертикальную компоненту индукции магнитного поля при вычислении индексов геомагнитной активности, поскольку влияние местных аномалий может быть весьма велико для вертикальной компоненты поля. Это представляется несколько странным, так как в средних и высоких широтах вертикальная компонента поля превосходит горизонтальную составляющую.
Рис. 6. Коэффициент корреляции индекса солнечной активности ВДйД^У с вертикальной компонентой индукции магнитного поля
Земли на 23 станциях
0,4 п
0,3 - г-
0,2
0,1 П п П
0 - П ' П ' П 1 П ' □ ' 1=1 ' ^ ^ ^ ' П ' □ ' ° ^ ^ ^ ^ ' П ' ^ ' П ' ^
-0,3
Можно предположить, что некоторые выборки их рядов данных ЯЛВЛ1ЬУ будут иметь более высокий коэффициент корреляции с вертикальной компонентой индукции магнитного поля, нежели весь ряд. Таким образом были образованы новые ряды данных, удовлетворяющие условию КЛОЛ1ЬУ>С, а также годичный ряд и ряд 74 дня - таблица 2. Укороченные ряды действительно имеют более высокий коэффициент корреляции на некоторых станциях, однако средний по всем 23 станциям коэффициент корреляции имеет максимум 0,06 для годичного ряда, что значительно меньше величины 0,884, полученной авторами /21/ для корреляции среднегодичных величин геомагнитного индекса и числа солнечных пятен.
Полученные результаты означают, что влияние солнечных пятен на магнитное поле Земли является опосредованным. Согласно /21-22/ в механизм этого влияния включены такие сложные системы, как земная магнитосфера и ионосфера, а также солнечная корона.
С другой стороны, в работах /13, 16/ и других было показано, что на магнитное поле Земли существенное влияние оказывают небесные тела Солнечной системы. Особая роль в этом влиянии принадлежит Урану и
Нептуну. Гипотеза опосредованного влияния солнечных пятен на земную магнитосферу находит свое подтверждение в рамках модели /18/, в которой параметры (5) вычисляются с учетом влияния числа солнечных пятен. Физический смысл выражений (5) довольно очевиден: опосредованное влияние солнечных пятен включает медленный интегральный процесс и быстрый процесс, который распространяется со скоростью света. При этом предполагается, что солнечные пятна индуцируют дипольное излучение путем воздействия на магнитосферу небесного тела.
Таблица 2. Изменение коэффициента корреляции параметра ЯЛВЛ1ЬУ с вариацией вертикальной компоненты индукции магнитного поля на шести станциях и среднее значение по 23 станциям для различной выборки данных.
RADAILY BzGNA BzGUA BzIRT BzTHL BzDRV BzLRV AVERAGE23
N=16032 -0,172 -0,186 -0,145 0,121 0,143 0,152 -0,00408696
N^>9^13890 -0,187 -0,209 -0,152 0,119 0,134 0,124 -0,01105652
N^>50^8459 -0,238 -0,257 -0,189 0,133 0,0904 0,129 -0,02345044
N=5162^^0) -0,227 -0,248 -0,211 0,127 0,00867 0,0934 -0,03587739
N=3749^^10) -0,249 -0,242 -0,213 0,113 0,00505 0,096 -0,0374187
N=365 -0,0578 0,146 0,295 -0,126 -0,129 -0,212 0,06005909
N=74 -0,152 -0,00877 -0,146 0,172 0,521 0,227 -0,02464864
На рис. 7 представлены абсолютные значения коэффициентов корреляции комплексов (5) в случае Урана и Нептуна с вертикальной компонентой индукции магнитного поля Земли. Отметим, что в отличие от параметра ЯЛВЛ1ЬУ - см. рис. 6, комплексы (5) имеют высокий, вплоть до 0,98, коэффициент корреляции с вертикальной компонентой индукции. Интегральный параметр, фигурирующий в выражениях (5), принят постоянным и равным И0 =365. Это значение не было оптимизировано для указанных небесных тел.
Рис. 7. Абсолютные значения коэффициентов корреляции комплексов Рій с вертикальной компонентой индукции магнитного поля на 23 станциях в случае Урана (Ш-Ш) и Нептуна (Ш-ГО)
□ иі
■ СЧ и
■ из
□ N1
□ N2
■ N3
Влияние солнечных пятен на движение полюса Земли
Предложенную выше модель опосредованного влияния солнечных пятен на магнитное поле Земли можно обобщить на тот случай, когда изменение числа солнечных пятен сказывается непосредственно на скорости движения полюса, вследствие чего в ускорении полюса возникает случайная составляющая. Солнечный ветер вносит также вклад в угловой момент сил за счет взаимодействия заряженных частиц с магнитным полем Земли. Оба эффекта приводят к наблюдаемому сложному движению полюса. Для проверки этой гипотезы были созданы семантические информационные модели /23/.
Исследуемая база данных категорий движения полюса Земли была сформирована на основе данных ШЯБ /12/, в период с 1 января 1963 года по 31 декабря 2010 г. Из исходной базы было образовано несколько различных БД для исследования влияния астрономических параметров на координаты и скорость движения полюса. Для сравнения с данными моделирования /13, 16-18, 23/ была образована база, охватывающая 16032 дня наблюдений с 9 февраля 1963 г по 31 декабря 2006 г.
Визуализация матрицы информативностей - рис. 8, позволяет установить, что влияние солнечных пятен на движение полюса Земли подобно
их влиянию на сейсмические события - см. рис. 2. Детальный механизм этого влияния не известен. Можно предположить, что солнечные пятна влияют на климат планеты, а синоптические процессы, в свою очередь, влияют на скорость движения полюса /24-26/. В этом случае существенную роль играет приливное воздействие небесных тел.
Мт Р!АОА11.У Мах
_________________________ПРИЗНАКИ______________________
© Визуализация когнитивных функций системы «Эйдос».
Рис. 8. Зависимость координат и угловой скорости движения полюса Земли от параметра КЛВЛ1ЬУ
Для проверки этой гипотезы было образованы комплексы, описывающие взаимодействие нашей планеты с гравитационным полем небесных тел в виде
P'n = Qi(- cos Je cosLATt sinLONi + sin Je sinLATt)/R2 p Q ^ cos LATi sin LONi
p\2 = Qi cos J--------1~2--------L
Ri
p = Q sin J cosLAT COSLON, (g)
I 3 R 2
i = 1,2,...,10
Qi = Q о i + RADAILY , Qoi - интегральный параметр.
На рис. 9 представлен фрагмент матрицы информативностей модели М160, демонстрирующий линейную зависимость координат и угловой скорости движения полюса Земли от комплексов (9) в случае Солнца, а также подобие влияния Солнца и Юпитера на движение полюса, синхронизованное с влиянием солнечных пятен. Механизм этой синхронизации, видимо, обусловлен изменением параметров атмосферы и океана при вариациях солнечной активности.
Как было установлено, комплексы (8), вычисленные для Сатурна, Урана и Нептуна, имеют высокий, вплоть до 0,997, коэффициент корреляции с вертикальной компонентой индукции магнитного поля - рис. 10, а также средний по величине - с параметрами сейсмической активности -таблица 3.
Полученные результаты свидетельствуют в пользу гипотезы приливного воздействия небесных тел, которое в информационной модели описывается комплексами (8).
Рис. 10. Зависимость координат и угловой скорости движения полюса Земли от параметров БЦШ, БЦШ, вычисленных по уравнениям (9) при Q=1 и от параметров БЦШ, ШРТТЕЮ, вычисленных при Q0 =0.
Рис. 10. Абсолютные значения коэффициентов корреляции комплексов Р'ік с вертикальной компонентой индукции магнитного поля на 23 станциях в случае Урана (УРА) и Нептуна (ИБР)
□ 1КА1
□ 1КА2
□ 1КА3
□ ЫЕР1
□ ЫЕР2
□ ЫБРЗ
Таблица 3. Коэффициенты корреляции средних параметров сейсмической активности с комплексами P ik Сатурна, Урана и Нептуна на протяжении 16032 дней: SUM, SUM_M, SUM_E, SUM_V - ежедневное число, суммарная магнитуда, суммарная энергия и суммарный объем землетрясений с магнитудой mb ^ 4 ; AVR_M, AVR_E, AVR_V - средние значения магнитуды, энергии и объема.
SAT1 SAT2 SAT3 URA1 URA2 URA3 NEP1 NEP2 NEP3
SUM -0,254 0,253 0,005 0,036 -0,041 -0,485 -0,293 0,274 -0,488
SUM_M -0,224 0,225 0,012 0,049 -0,054 -0,467 -0,267 0,248 -0,470
SUM_E -0,089 0,091 0,081 0,168 -0,170 -0,285 -0,025 0,013 -0,306
SUM_V -0,103 0,103 0,035 0,124 -0,126 -0,265 -0,051 0,039 -0,279
AVR_M 0,323 -0,321 0,093 0,099 -0,097 0,217 0,240 -0,232 0,218
AVR_E 0,196 -0,196 -0,015 -0,206 0,209 0,450 0,080 -0,061 0,473
AVR_V 0,186 -0,187 -0,017 -0,201 0,204 0,435 0,077 -0,058 0,457
Наконец, заметим, что развитый в автоматизированном системнокогнитивном анализе аппарат выявления и визуализации причинноследственных зависимостей в форме когнитивных функций /8, 19-20, 23, 27/ позволяет очень наглядно буквально увидеть такие объективно существующие явления и закономерности, о самом существовании которых еще недавно в науке вообще не было известно и которые весьма проблематично обнаружить другими методами. Это позволяет обоснованно говорить о том, что автоматизированный системно-когнитивный анализ /19/ и его программный инструментарий - система «Эйдос-астра» /8/ и базовая система «Эйдос» представляют собой новый инструмент исследования в астрономии и геофизике, своего рода «математический телескоп», открывающий качественно новые, ранее недоступные возможности исследования.
Авторы считают, что применение систем искусственного интеллекта для анализа баз данных, содержащих информацию об огромном количестве событий на Земле в различных глобальных системах, позволяет выявить
в этих данных влияние небесных тел Солнечной системы на эти события и, позволяет открыть существование новых, ранее неизвестных объективно существующих явлений и закономерностей. По сути это означает, что применение технологий искусственного интеллекта для исследования влияния небесных тел Солнечной системы на глобальные геосистемы: ноосферу, биосферу, атмосферу, магнитосферу, геосферу и другие, представляет собой новое перспективное направление исследований в науке.
Литература
1. Babcock H. W. The Topology of the Sun's Magnetic Field and the 22-Year Cycle. Astrophys. J. 133 (2), 572-587, 1961
2. Александр ЧИЖЕВСКИИ. Физические факторы исторического процесса. -Калуга, 1924. http://www.humanities.edu.ru/db/msg/49653
3. Чижевский А. Л. Земное эхо солнечных бурь. — М., 1976.
4. Carlos Garcia-Mata C, Shaffner FI. Solar and economic relationships: a preliminary report. The Quarterly Journal of Economics (The MIT Press) 49 (1): 1-51. November 1934.
5. Lowell WE, Davis GE Jr. The light of life: Evidence that the sun modulates human lifespan. Medical Hypotheses 70 (3): 501-507. 2008.
6. 2009 Heliophysics Roadmap Team Report to the NASA Advisory Council, Heliophysics Subcommittee, May 2009, Heliophysics Roadmap 2009 tagged-quads.pdf
7. http://www.solarcycle24.com/
8. Луценко Е.В. , Трунев А.П. «Эйдос-астра» - интеллектуальная система научных исследований влияния космической среды на поведение глобальных геосистем // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2010. -№07(61). - Режим доступа: http://ei.kubagro.ru/2010/07/pdf/17.pdf
9. National Geophysical Data Center/ http://www.ngdc.noaa.gov/ngdc.html
10. World Data Centre for Geomagnetism (Edinburgh)/ http://www.wdc.bgs.ac.uk/
11. International Seismological Center/ http://www.isc.ac.uk/
12. Earth orientation centre / http://hpiers.obspm.fr/eop-pc/
13. Трунев А.П., Луценко Е.В. Семантические информационные модели глобальной сейсмической активности при смещении географического и магнитного полюса // Научный журнал КубГ АУ [Электронный ресурс]. -Краснодар: КубГАУ, 2010. - №02(56). - Режим доступа:
http:// ei. kubagro .ru/2010/02/pdf/ 15.pdf
14. А.П. Трунев, Е.В. Луценко. Прогнозирование сейсмической активности и климата на основе семантических информационных моделей // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №09(53). -Шифр Информрегистра: 0420900012\0098. - Режим доступа: http://ei.kubagro.ru/2009/09/pdf/09.pdf
15. А.П. Трунев, Е.В. Луценко. Системно-когнитивный анализ и прогнозирование сейсмической активности литосферы Земли, как глобальной активной
геосистемы // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2010. - №01(55). - Шифр Информрегистра: 0421000012\0001. - Режим доступа: http://ei.kubagro.ru/2010/01/pdf/22.pdf
16. Трунев А.П. Моделирование электромагнитного и гравитационного влияния небесных тел солнечной системы на смещение географического полюса и магнитное поле Земли// Научный журнал КубГАУ [Электронный ресурс]. -Краснодар: КубГАУ, 2010. - №07(61). - Режим доступа: http://ei.kubagro.ru/2010/07/pdf/16.pdf
17. Трунев А.П. Моделирование влияния небесных тел на движение полюса Земли / А.П. Трунев // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2010. - №10(64). - Режим доступа: http://ei.kubagro.ru/2010/10/pdf/22.pdf
1S. Eugene Lutsenko, Alexander Trounev. SUNSPORTS IMPACT ON THE EARTH SEISMIC ACTIVITY, POLAR MOTION AND MAGNETIC FIELD (INFORMATION MODEL)// Chaos and Correlation, January 30, 2011 http://chaosandcorrelation.org/Chaos/CR 01 2011.pdf
19. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем). - Краснодар: КубГАУ, 2002, - 605 с.
20. Луценко Е.В. Когнитивные функции как адекватный инструмент для формаль-
ного представления причинно-следственных зависимостей / Е.В. Луценко // По-литематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2010. - №09(63). - Режим доступа:
http:// ei. kubagro .ru/2010/09/pdf/01.pdf
21. S. Chapman, J. Bartels. Geomagnetism, (2 vol.) 1049 pp., Oxford Univ. Press, New York, 1940.
22. Hannes Alfven. Cosmical Electrodynamics, 1st ed., 237 pp., Oxford University Press. New York. 1950.
23. Трунев А.П. Автоматизированный системно-когнитивный анализ влияния тел Солнечной системы на движение полюса Земли и визуализация причинноследственных зависимостей в виде когнитивных функций / А.П. Трунев, Е.В. Луценко, Д.К. Бандык // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №01(65). -Режим доступа: http://ei.kubagro.ru/2011/01/pdf/20.pdf
24. Zharov V.E. Gambis D. Bizouard Ch. Diurnal and sub-diurnal variations of the Earth rotation.// IERS TN No 2S, High frequency to subseasonal variations in Earth Rotation, Obseravatoir de Paris, September 2000.
25. Schuh H., Richter B., Nagel S. Analysis of long time series of polar motion.// ASP Conference Series, Vol. 20S, 2000, P. 321
26. Сидоренков Н. С. Атмосферные процессы и вращение Земли. Гидрометеоиздат, СПб., 2002.
27. Луценко Е.В. АСК-анализ как метод выявления когнитивных функциональных зависимостей в многомерных зашумленных фрагментированных данных /
Е.В. Луценко // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2005. - №03(11). - Режим доступа: http://ei.kubagro.ru/2005/03/pdf/19.pdf
