Предсказание вертикальной электронной концентрации ионосферы для вычисления ионосферных поправок в радионавигации при помощи библиотек машинного обучения sklearn

В данной статье рассматривается методика предсказания вертикальной электронной концентрации ионосферы для вычисления ионосферных поправок в радионавигации с использованием библиотек машинного обучения на языке Python. Проведен анализ различных алгоритмов машинного обучения, таких как Decision Tree Regressor и Random Forest, для моделирования динамики ионосферных условий. Проведено сравнение этих методов с нейронными сетями. В качестве исходных данных использовались измерения ионосферной активности и геофизические параметры. Полученные модели продемонстрировали достаточные точностные характеристики. Достигнута возможность прогнозирования в реальных условиях, что позволяет повысить точность систем спутниковой навигации и снизить влияние ионосферных искажений на измерения спутниковых сигналов. Проанализированы методы разложения изображений предсказанных распределений электронной концентрации для передачи предсказанных распределений на удаленные навигационные вычислительные устройства методом разложения на сферические гармоники и методом сплайн-интерполяции. Результаты подтверждают эффективность применения методов машинного обучения для решения задач пространственной и временной оценки ионосферных параметров в радионавигационных системах.