Details

Объектом исследования является процесс автоматизированного планирования астрономических наблюдений с учётом локальных условий видимости, включая явление полярных сияний. Предмет исследования – методы и инструменты создания веб-приложений, интеграция модели машинного обучения в клиент-серверную архитектуру, подходы к агрегации и обработке разнородных данных. Методы исследования – анализ и обобщение научно-технической литературы, сравнительный анализ существующих решений и алгоритмов машинного обучения, UML-моделирование. Целью работы является разработка веб-приложения для автоматизирован­ного планирования астрономических наблюдений с прогнозированием локальной видимости полярных сияний на основе машинного обучения. В работе проведён обзор научной литературы по методам расчёта видимости и параметрам качества наблюдений астрономических объектов и полярных сияний, выполнен сравнительный анализ существующих решений и научных подходов. В результате разработано веб-приложение, включающее модель классификации видимости полярных сияний на основе алгоритма XGBoost, алгоритм автоматизированного составления плана астрономических наблюдений с оценкой качества условий и модуль мониторинга условий с автоматическим оповещением пользователей. Область применения – разработанное приложение ориентировано на широкий круг пользователей: от начинающих любителей астрономии до опытных астрофотографов. Приложение может быть использовано для планирования сеан­сов астрономических наблюдений и отслеживания благоприятных возможностей наблюдения полярных сияний. Таким образом, разработанное приложение позволит сделать эффективнее планирование астрономических наблюдений. Для достижения поставленной цели в работе были использованы следующие технологии: язык программирования Python, веб-фреймворк FastAPI, система управления базами данных PostgreSQL с расширением PostGIS, система кэширова­ния Redis, библиотека машинного обучения XGBoost, фреймворк для разработки клиентской части React совместно с языком программирования TypeScript.

The focus of this study is the development of a web application for the automated scheduling of astronomical observations, including forecasts of local aurora visibility. The subject of the research is methods and tools for creating web applications, integration of machine learning model into client-server architecture, and approaches to aggregating and processing heterogeneous data. Research methods: analysis and synthesis of scientific and technical literature, comparative analysis of existing machine learning solutions and algorithms, UML modeling. The aim of this work is to develop a web application for automated planning of astronomical observations with machine learning-based forecasting of local aurora visibility. The work reviews the scientific literature on methods for calculating visibility and quality parameters for observations of astronomical objects and auroras, and performs a comparative analysis of existing solutions and scientific approaches. As a result, a web application was developed that includes a model for classifying the visibility of the aurora based on the XGBoost algorithm, an algorithm for automatically generating an astronomical observation plan with an assessment of viewing conditions, and a module for monitoring conditions with automatic user notifications. Scope of Use – This app is designed for a wide range of users, from beginner astronomy enthusiasts to experienced astrophotographers. It can be used to plan astronomical observation sessions and track favorable opportunities for observing the aurora. Thus, the developed application will enable more efficient planning of astronomical observations. To achieve the project’s objective, the following technologies were used: the Python programming language, the FastAPI web framework, the PostgreSQL database management system with the PostGIS extension, the Redis caching system, the XGBoost machine learning library, and the React frontend framework combined with TypeScript.