基于深度学习的频高图自动标定

摘要

频高图是电离层测高仪地面探测电离层的常规数据，数据量大，电离层各种参数是需要进行逐一标定才能获取，传统上需要手工标定，费时费力且易出错，实现计算机辅助下的手动标定势在必行.为此提出了一种基于深度学习的频高图自动标定方法，基于U型结构并采用具有横向连接的特征金字塔作为连接结构，参照频高图手动标定数据，生成网络模型样本数据，然后随机选取部分数据作为训练数据输入，通过不断更新参数，使得网络模型的预测值逐渐接近真实值.结果显示，与自动标定程序ARTIST相比，文中所提出的模型在精度和召回率方面分别提高了8%和17%，且自动标定结果与手动标定结果相近.这表明基于深度学习方法自动标定的频高图可应用于全球电离层天气实时预报.

关键词

频高图标定 / 深度学习 / 电离层测高仪 / 电离层