Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 3. С. 301-306
Многомерный анализ данных вариаций интенсивности мюонов в атмосфере
В.Л. Янчуковский
1 , А.Ю. Белинская
1 1 Институт нефтегазовой геологии и геофизики им. А.А. Трофимука CO РАН, Новосибирск, Россия
Одобрена к печати: 24.04.2023
DOI: 10.21046/2070-7401-2023-20-3-301-306
Данные непрерывных наблюдений мюонных телескопов космических лучей подлежат коррекции на вариации атмосферного происхождения: барометрический и температурный эффекты. Температурный эффект интенсивности мюонов, в отличие от барометрического, определяется многими параметрами, характеризующими состояние атмосферы от слоя генерации до уровня регистрации мюонов (температура и распределение масс). Вариации температуры различных слоёв атмосферы коррелированы, поэтому применение методов многофакторной регрессии при оценке температурного эффекта для мюонов некорректно. При исследовании температурного эффекта мюонов в атмосфере проанализированы возможности методов регрессии на главные компоненты и метода проекций на скрытые структуры (ПЛС). Рассмотрены способы выбора оптимального значения числа главных компонент. С применением ПЛС-алгоритма выполнена оценка связи вариаций интенсивности мюонов и изменений температуры атмосферы на 16 изобарах.
Ключевые слова: космические лучи, атмосфера, мюоны, температурный эффект, метод регрессии на главные компоненты, метод проекций на скрытые структуры
Полный текстСписок литературы:
- Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989. 607 с.
- Кузьменко В. С., Янчуковский В. Л. Определение плотности температурных коэффициентов для мюонов в атмосфере // Солнечно-земная физика. 2015. Т. 1. № 2. С. 91–96. DOI: 10.12737/10403.
- Померанцев А. Л. Хемометрика в Excel: учеб. пособие. Томск: Изд-во ТПУ, 2014. 435 с.
- Эсбенсен К. Анализ многомерных данных. Избранные главы / пер. с англ. С. В. Кучерявского; под ред. О. Е. Родионовой. Черноголовка: Изд-во ИПХФ РАН, 2005. 160 с.
- Dayal B. S., McGregor J. F. Improved PLS Algorithms // J. Chemometrics. 1997. V. 11. P. 73–65.
- De Jong S., Ter Braak C. Comments on the PLS kernel algorithm // J. Chemometrics. 1994. V. 8. P. 169–174.
- Gorban A. N., Kegl B., Wunsch D., Zinovyev A. Y. Principal Manifolds for Data Visualization and Dimension Reduction: Lecture Notes in Computational Science and Engineering. Berlin; Heidelberg; N. Y.: Springer, 2007. 340 p.
- Jolliffe I. T. Principal Component Analysis. Series in Statistics. N. Y.: Springer, 2002. 487 p.
- Lindgren F., Geladi P., Wold S. The kernel algorithm for PLS // J. Chemometrics. 1993. V. 7. P. 45–59.