The short-term rapid depressions in cosmic-ray (CR) flux intensity, historically referred to as Forbush decreases (FDs), are useful tools for testing some of the numerous hypotheses on space weather. Due to their long-term reliability and automated data acquisition, ground-based CR measurements by neutron monitors (NMs) provide the best direct means of comparing CR intensity variations during FDs with solar-wind disturbances in the vicinity of the Earth. Unfortunately, there is a mixture of high-magnitude FDs and CR diurnal anisotropies of enhanced amplitude during periods of high solar activity. The difficulties of isolating FDs from the superposed effects of diurnal anisotropies cast some doubt on the usefulness of FDs in space-weather studies. Using numerical filtering techniques over two isolated NMs’ data (Apatity and Mount Washington) during high solar activity in 1972, we attempt to show that the slowly varying component of CR flux containing the CR anisotropies may be separated from the high-frequency part that contains the FDs. Subsequently, the rapidly varying component is passed to an FD location algorithm for accurate event timing as well as precise quantitative predictions, where the day-to-day amplitudes of the CR diurnal anisotropies are estimated from the slowly varying frequency component of the raw CR data. For effective comparison of event amplitudes and timing, the magnitudes of FDs from raw CR data are also estimated using an FD selection technique.

宇宙射线 (CR) 通量强度的短期快速下降，历史上称为 Forbush 下降 (FD)，是检验有关空间天气的众多假设中的一些的有用工具。由于它们的长期可靠性和自动数据采集，中子监测器 (NM) 的地面 CR 测量提供了比较 FD 期间 CR 强度变化与地球附近太阳风扰动的最佳直接方法。不幸的是，在高太阳活动期间，存在高强度 FD 和 CR 增强振幅的昼夜各向异性的混合。将 FD 与昼夜各向异性的叠加效应分离的困难使人们对 FD 在空间天气研究中的有用性产生了一些怀疑。在 1972 年高太阳活动期间，对两个孤立的 NMs 数据（Apatity 和华盛顿山）使用数值滤波技术，我们试图表明包含 CR 各向异性的 CR 通量的缓慢变化分量可以与包含 CR 各向异性的高频部分分开FD。随后，快速变化的分量被传递给 FD 定位算法，以进行准确的事件计时以及精确的定量预测，其中 CR 昼夜各向异性的日常幅度是根据原始 CR 数据的缓慢变化的频率分量估计的. 为了有效比较事件幅度和时间，还使用 ​​FD 选择技术估计来自原始 CR 数据的 FD 幅度。我们试图证明包含 CR 各向异性的 CR 通量的缓慢变化分量可以与包含 FD 的高频部分分开。随后，快速变化的分量被传递给 FD 定位算法，以进行准确的事件计时以及精确的定量预测，其中 CR 昼夜各向异性的日常幅度是根据原始 CR 数据的缓慢变化的频率分量估计的. 为了有效比较事件幅度和时间，还使用 ​​FD 选择技术估计来自原始 CR 数据的 FD 幅度。我们试图证明包含 CR 各向异性的 CR 通量的缓慢变化分量可以与包含 FD 的高频部分分开。随后，快速变化的分量被传递给 FD 定位算法，以进行准确的事件计时以及精确的定量预测，其中 CR 昼夜各向异性的日常幅度是根据原始 CR 数据的缓慢变化的频率分量估计的. 为了有效比较事件幅度和时间，还使用 ​​FD 选择技术估计来自原始 CR 数据的 FD 幅度。其中 CR 昼夜各向异性的日常振幅是根据原始 CR 数据的缓慢变化频率分量估计的。为了有效比较事件幅度和时间，还使用 ​​FD 选择技术估计来自原始 CR 数据的 FD 幅度。其中 CR 昼夜各向异性的日常振幅是根据原始 CR 数据的缓慢变化频率分量估计的。为了有效比较事件幅度和时间，还使用 ​​FD 选择技术估计来自原始 CR 数据的 FD 幅度。