融合空间物理参数的小样本极光涡旋自动分类研究

复杂的空间物理过程导致极光出现各类复杂的形态.极光形态的自动分类有助于分析极光发生机制以及了解空间物理过程.当前的极光分类主要采用传统的机器学习或深度学习的方法,需要大数据作为支撑.但在实际发生的极光事件中,一些事件相比其他极光事件出现频率小(如极光涡旋),这样的事件是小样本事件.本文提出一种基于注意力机制,结合空间物理参数信息的小样本极光事件分类方法.从北极黄河站2003—2017年全天空极光数据集中,构建了一个有85个极光涡旋序列的实验数据集.利用该方法,对极光涡旋这一类特殊小样本极光事件进行分类研究.研究结果显示,加入空间物理参数有助于极光涡旋的分类,分类准确率从56.37%提升到66.25%,同时也表明空间环境参数对极光涡旋的产生有着明显的调制作用.