Атмосферные модели

Адаптивные модели атмосферных процессов.

Атмосферные процессы очень динамичны и сложны для понимания и исследования. Для их изучения, как правило, приходится строить модели высокой сложности, содержащие очень большое число уравнений. Примером таких задач являются попытки предсказания погоды и моделирования климата. Широко известны сценарии "ядерной зимы" Н.Н.Моисеева, построенные с использованием климатических моделей, содержащих, если не изменяет память, порядка 800 уравнений (после упрощения системы, изначально включающей больше 1000 уравнений). Они, в совокупности с исследованиями К.Сагана, получили мощный политический резонанс и сыграли огромную роль в свертывании программы "космических войн" и прекращении гонки ядерных вооружений, поставившей жизнь на земле на грань возможного уничтожения в результате любой серьезной ошибки или конфронтации.
Однако, с математической точки зрения, модели такой сложности далеко выходят за пределы человеческого понимания и чрезвычайно трудны для идентификации (приведения в соответствие с динамикой реальных природных процессов путем настройки параметров, коэффициентов модели). Они принципиально являются имитационными, поскольку создание механизменных моделей (отражающих механизмы взаимодействия ключевых процессов, отвечающих за возникновение и протекание изучаемого явления) возможно лишь в простых случаях, а эффективные методы математического анализа развиты лишь для систем из 2-х, 3-х дифференциальных уравнений. Не говоря уже о огромных вычислительных мощностях, требующихся для работы с такими моделями.
Решение перечисленных проблем, в ряде случаев, значительно проще выполняется при использовании адаптивных моделей и, в частности, нейронных сетей.
Среди важых задач исследовния атмосферных процессов является изучение и прогнозирование динамики озонового слоя Земли, привлекшей внимание общественности в связи с проблемой понижения плотности озоносферы в некоторых областях над земной поверхностью. Такие области получили в прессе название "озоновых дыр". Эти исследования особенно эффективны благодаря наличию (в последнее время) данных, регулярно получаемых со спутников.

1. Kashkin V.B., Lankin J.P., Sakash I.Yu. Adaptive forecasting dynamics of the ozone layer // SPIE, 2002.- Vol. 4678.- P. 630-641.

2. Lankin J.P. Adaptive simulation of atmospheric phenomena // SPIE, 2002.- Vol. 4678.- P. 669-680.

3. Kashkin, Valentin B.; Lankin, Juliy P.; Sakash, Irina Y.; Smirnov, Sergei V. Predicting the Earth atmosphere's ozone layer conditions using neuronic networks for various time lags // SPIE (The International Society for Optical Engineering), 2003.- Vol. 5027.- P. 207-216.

4. Сакаш И.Ю., Ланкин Ю.П., Кашкин В.Б., Коляда М.Н., Смирнов С.В. Нейросетевое моделирование изменений озонового слоя Земли (нейросетевые модели) // Оптика атмосферы и океана, 2003.- Т. 16, № 07.- С. 611-615.

5. Kashkin, Valentin B., Lankin, Juliy P., Sakash, Irina Y., Smirnov, Sergei V., Goncharov, Eugene A. Identifying the causes of changing the stratospheric ozone concentration using neuronic networks // SPIE, 2004. - Vol. 5397. - P. 215-222.

6. Lankin J.P., Baskanova T.F. Algorithms of self-adaptation for atmospheric model designing // SPIE, 2004. - Vol. 5397. - P. 260-270.

7. Сакаш И.Ю., Кашкин В.Б., Ланкин Ю.П. Связь вариаций ОСО с пространственно-временными особенностями общей циркуляции атмосферы // Оптика атмосферы и океана. 2005, Т. 18, № 01-02, С. 169-170.

8. Irina Y. Sakash, Valentin B. Kashkin, Juliy P. Lankin Correlation of TOC variations and the space-time features of general atmospheric circulation // SPIE, 2005. - Vol. 5743. - P. 539-543.

9. Кашкин В.Б., Ланкин Ю.П., Сакаш И.Ю. Метод прогноза состояния озонового слоя Земли на различных временных интервалах с применением нейронных сетей // Физика атмосферы и океана.- 2005.- Т.41. № 4.- С. 520-526..

10. I.Yu. Sakash, J.P. Lankin, G.S. Sakash. Forecasting the stratospheric ozone dynamics above the selected parts of earth's surface andreconstructing TOC indices according the restored five-century-long data base // SPIE, 2006. - Vol. 6160. - Part II. - P. 61602W-1 – 61602W-5.