1. Рождественский Д.Б., Рождественская В.И., Смирнов В.М. и др. Прогнозирование параметров ионосферы по данным авигационных спутниковых систем // Наукоемкие технологии. 2018. Т. 19. № 9. С. 21–28. DOIhttps://doi.org/10.18127/j19998465-201809-04.

2. Крашенинников И.В., Егоров И.Б., Павлова Н.М. Эффективность прогнозирования прохождения радиоволн в ионосфере на основе ионосферной модели IRI-2001 // Геомагнетизм и аэрономия. 2008. Т. 48. № 4. С. 526–533.

3. Blaunstein N.S., Ben-Shimol Y. Prediction of Operational Parameters of Radio Signals Passing a Land-Satellite Link through StormTime Ionosphere // Information and Control Systems. 2018. Vol. 1. No. 92. P. 85–95. DOIhttps://doi.org/10.15217/issnl684-8853.2018.1.85.

4. Васенина А.А. Влияние уровня солнечной активности и геомагнитных возмущений на точность прогнозирования критической частоты ионосферы // Техника радиосвязи. 2014. Т. 3. № 23. С. 3–10.

5. Рождественский Д.Б., Телегин В.А., Рождественская В.А. Выделение и прогнозирование высокочастотных составляющих вариаций критической частоты для среднеширотной ионосферы методами спектрального анализа // Physics of Auroral Phenomena. 2018. Т. 41. № 1. С. 139–142. DOIhttps://doi.org/10.25702/KSC.2588-0039.2018.41.139-142.

6. Nava B., Coisson P., Radicella S.M. A new version of the NeQuick ionosphere electron density model // Journal of Atmospheric and Solar-Terrestrial Physics. 2008. Vol. 70. No. 15. P. 1856–1862. DOIhttps://doi.org/10.1016/j.jastp.2008.01.015.

7. Breiman L. Random Forests // Machine Learning. 2001. No. 45. P. 5–32.

8. Замогильный Д. Прогнозирование полного электронного содержания ионосферы на основе алгоритмов машинного обучения // Наукоемкие технологии в космических исследованиях Земли. 2022. Т. 14. № 4. С. 39–46. DOIhttps://doi.org/10.36724/2409-5419-2022-14-4-39-46.

9. Аппалонов А.М., Масленникова Ю.С. Нейросетевое прогнозирование динамики экваториальной аномалии по данным полного электронного содержания ионосферы // Техника радиосвязи. 2021. Т. 3. № 50. С. 29–42. DOIhttps://doi.org/10.33286/2075-8693-2021-50-29-42.

10. Серебренникова С.А. Оценка границ локализации возмущений высокоширотной ионосферы по данным GPS/ГЛОНАСС // Physics of Auroral Phenomena. 2021. Т. 44. № 1. C. 150–153. DOIhttps://doi.org/10.51981/2588-0039.2021.44.035.

11. Жуков А.В., Ясюкевич Ю.В., Серебенникова С.А. Машинное обучение в задаче оценки границы аврорального овала по картам вариаций полного электронного содержания // Распространение радиоволн: труды XXVI Всероссийской открытой научной конференции: в 2 т. (Казань, 1–6 июля 2019 г.). Казань: КФУ, 2019. Т. 1. С. 397–400.

12. Жуков А.В., Сидоров Д.Н., Мыльникова А.А. и др. Поиск ключевых управляющих параметров для оперативного прогноза полного электронного содержания ионосферы // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 3. С. 263–272. DOIhttps://doi.org/10.21046/2070-7401-2018-15-3-263-272.

13. Салимов Б.Г., Бернгардт О.И., Хмельнов А.Е. Применение сверточных нейронных сетей для прогнозирования критической частоты foF2 // Солнечно-земная физика. 2023. Т. 9. № 1. С. 60–72. DOIhttps://doi.org/10.12737/szf-91202307.

14. Reda I., Andreas A. Solar position algorithm for solar radiation applications // Solar Energy. 2004. Vol. 76. No. 5. P. 577–589.

15. Антонович К.М. Использование спутниковых радионавигационных систем в геодезии: монография: в 2 т. М.: Картгеоцентр, 2005. Т. 1. 334 с.