Geomagnetic Storm Image Recognition Based on Spectrogram and Convolutional Neural Network
磁暴是一种重要的地磁场扰动中类型, 影响着通信、电力和航空航天等领域, 因此对磁暴识别技术进行研究与创新有助于磁暴信息的应用. 本文基于2010－2023年12个定点地磁观测水平分量分钟值数据, 采用声谱图成像技术, 运用VGG19卷积神经网络模型开展磁暴日和磁静日人工智能图像分类研究. 实验结果显示, 模型的准确率为97.41%, 精确率为98.00%, 召回率为96.80%, 模型的预测能力较好, 这表明声谱图成像技术在图像识别分类问题中具有较高的实用性, 且VGG19卷积神经网络模型用于 磁暴日和磁静日地磁分类的可行性较高, 研究结果为磁暴预警与监测提供了新的思路.
Authors
- Jie Yang (ORCID: https://orcid.org/0000-0002-4148-0042)
- Yuxin Zhao (ORCID: https://orcid.org/0000-0002-8123-2756)
- Hongyu Li (ORCID: https://orcid.org/0000-0003-0795-9188)
- Junsong Sun
- Li Wang (ORCID: https://orcid.org/0009-0006-0994-9564)
Publication Details
- Journal
- Chinese Journal of Space Science
- Published
- 2025-01-01
- DOI
- https://doi.org/10.11728/cjss2025.04.2024-0066
- Primary Topic
- Earthquake Detection and Analysis
- Type
- article
- Field-Weighted Citation Impact
- 0.00