频高图F层异常分层现象的自动识别

• 作者: 周晨 姜春华 杨国斌 胡辉 赵正予
• 来源期刊: 地球物理学进展
• 学科: 地球科学
• 关键词: 电离层 频高图 F层异常分层 卷积神经网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 固体地球物理及空间物理学(大气、行星、地球动力学、重磁电及地震学、地热学)
• 页码范围: 415-421
• 页数: 7页
• 分类号: P352
• 语种: 中文
• DOI: 10.6038/pg2020CC0295

摘要

频高图F层异常分层(增层)是指在常规电离层结构的基础上,由于电子密度被扰动而在频高图中出现多层回波结构,该F层异常分层(增层)现象在白天和晚上均可观测到.电离层异常分层(增层)主要由某种电动力学或者突发电离源导致电子密度出现扰动而形成,已经引起国内外学者的广泛关注和研究.目前从频高图中识别F层异常分层(增层)主要还是通过人工的方法,海量的频高图数据使该方法在研究F层异常分层(增层)统计特征时变得非常困难.有别于传统的图像分类算法中需要对图像特征进行提取,本文通过引入卷积神经网络(Convolution Neural Network,CNN),设计开发出一种能够自动识别存在F层异常分层(增层)频高图的方法,该方法可以直接输入频高图样本数据,省去了复杂的图像特征提取过程.本文设计的卷积神经网络经过训练以后F层异常分层(增层)识别率为85.82％,准确率90.36％.实验结果表明该卷积神经网络可以较好地自动识别出F层异常分层(增层)的频高图.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵正予		156	658	13.0	15.0
2	周晨		42	106	6.0	7.0
3	胡辉		11	48	4.0	6.0
4	杨国斌		24	49	4.0	6.0
5	姜春华		17	22	2.0	4.0