Presentation Details
基于深度学习的上升调电磁离子回旋波的统计研究
ID：160
View Protection：PRIVATE
Updated Time：2023-04-07 17:36:20 Hits：2187
Oral Presentation
Start Time：2023-05-06 10:15（Asia/Shanghai）
Duration：15min
Session：11 11、空间物理与空间探测 »
No files
Abstract
基于范艾伦探测器7年的观测数据以及深度学习技术，我们构建了一个卷积神经网络模型，用于自动识别范艾伦探测器波动观测中的上升调电磁离子回旋波，统计研究表明，观测到上升调电磁离子回旋波事件的总时间占卫星驻留时间的0.016%。此外我们发现氢频段事件的发生率峰值出现在中午，而氦频段的发生率峰值出现在下午侧。我们的统计分析还揭示出两种趋势：其一，在氢和氦频段的上升调精细结构的扫频率与频率之间呈正相关；其二，在氢频段，扫频率明显随着波幅的增加而增加。这两种趋势都与上升调电磁离子回旋波的非线性增长理论一致。
Keywords
上升调电磁离子回旋波,深度学习
Speaker
王焱
南方科技大学Submission Author
All Comments
Important Date
-
Conference Date
May 05
2023
toMay 08
2023
-
Mar 31 2023
Draft paper submission deadline
-
May 25 2023
Registration deadline
Sponsored By
青年地学论坛理事会
中国科学院青年创新促进会地学分会
中国科学院青年创新促进会地学分会
Organized By
武汉大学
中国科学院精密测量科学与技术创新研究院
中国地质大学（武汉）
中国科学院精密测量科学与技术创新研究院
中国地质大学（武汉）
Contact Information
- 管小彬
- gu******@whu.edu.cn
- +86********
- 孙佳妮
- sc******@aconf.org
- +86********
Submit Comment