Vývoj, implementácia a testovanie algoritmov pre meranie elektromagnetických signálov detegovaných na palube stratosférického balóna nad búrkovými oblasťami

Abstract

In this work, we focus on the application of machine learning techniques to study radio recordings of lightning discharges. Our goal was to develop an algorithm that could autonomously detect and classify different types of lightning discharges, as well as their groups or developmental stages. To this end, we tested various methods of classical ma- chine learning as well as deep neural networks. All of these models were trained itera- tively on archival data. The results of our work show that it is possible to effectively use machine learning methods for detection and classification purposes, with the aim of deploying them on board the STRATELEC stratospheric balloon project. In the future, our findings should be deployed on board the stratospheric balloon and could be used to improve understanding of the processes involved in creating lightning discharges in a thundercloud. 1

V tejto práci sa zaoberáme využitím postupov strojového učenia na skúmanie rádi- ových záznamov bleskových výbojov. Cieľom bolo vytvoriť algoritmus, ktorý by doká- zal autonómne detegovať a klasifikovať rôzne typy bleskových výbojov alebo ich skupín alebo ich vývojových častí. Na tento účel sme otestovali rôzne metódy klasického stro- jového učenia ako aj hlbokých neurónových sieti. Všetky tieto modely boli trénované iteratívnym postupom na archívnych dátach. Výsledky práce ukazujú, že je možné efek- tívne využiť metódy strojového učenia na detekciu a klasifikáciu za účelom nasadenia na palube stratosférického balónu projektu STRATELEC. V budúcnosti by naše výsledky mali byť nasadené na palube stratosférického balóna a mohli by byť využité na zlepšenie pochopenia pochodov v pri tvorbe bleskového výboja v búrkovom oblaku. 1