极低频数据中的Pc1地磁脉动智能识别模型

作     者：王锋 

作者单位：防灾科技学院 

学位级别：硕士

导师姓名：袁静;苏哲

授予年度：2024年

学科分类：070801[理学-固体地球物理学] 07[理学] 0708[理学-地球物理学] 

主      题：Pc1地磁脉动 计算机视觉 自动识别 极低频台网 

摘      要：Pc1地磁脉动是地磁层中的一种极低频脉动,其监测和分析对于理解地球磁层动态、预测空间天气事件以及探索太阳风与地球磁层之间的相互作用具有极其重要的科学意义。随着大规模观测仪器的部署,观测数据量呈指数级增长,依赖人工从海量数据中识别Pc1地磁脉动事件将严重阻碍相关研究的进展。为了全自动、准确地识别极低频数据中的Pc1地磁脉动事件,本研究基于YOLOv8s目标检测网络、Res Net网络和定向特征增强技术,设计了一种基于计算机视觉的自动识别模型(Automatic Detection Model for Pc1 Geomagnetic Pulsation,ADM-Pc1)。该模型通过有效地提取Pc1地磁脉动在时频图上的颜色、形态、纹理等特征,超越了现有最优的识别模型(DWT+CNN)。本研究收集了2015年至2022年涵盖两个地磁台站(大连台站和丽江台站)的原始观测数据7051个,标注Pc1地磁脉动正样本604个,负样本6447个。模型在测试集上的F1-Score达到了95%,错分率仅为0.9%,虚警率仅为5.8%,漏检率仅为9%,平均单张识别耗时2.72s。初步研究表明,ADM-Pc1模型具有较高的识别准确性和鲁棒性,能够可靠地识别Pc1地磁脉动事件。本文通过开发Pc1地磁脉动自动识别原型系统,并将其投入到实际应用中,系统包括用户登录与权限管理、数据上传与管理、Pc1地磁脉动识别、结果可视化与下载四个功能模块。最终通过大规模的实验验证和性能评估,本研究展示了ADM-Pc1模型在极低频地磁脉动自动识别领域的巨大潜力和应用前景,为地磁监测和空间天气预测提供了强有力的技术支持。