应用卷积神经网络和自注意力机制识别地磁场干扰事件

随着受干扰地磁观测仪器数量的不断增多，现有半人工识别干扰事件的方法存在效率低、工作量大、识别结果因人而异等问题。本文利用2012年1月1日至2014年12月31日全国地磁台网原始观测数据和地磁专家标注的2小时内干扰事件记录，分别构建干扰事件样本和正常样本各51 357条，基于卷积神经网络和自注意力机制提出一种新的干扰事件识别模型，实现干扰事件的自动、快速分类。实验结果显示，该模型在验证集的准确率达到92.93%，在测试集的准确率达到93.37%。与MLP、FCN、ResNet三种模型相比，本模型在测试集上的准确率平均提高近8.76%，表明卷积神经网络和自注意力机制等深度学习算法在地磁观测数据干扰事件识别领域具有巨大潜力，为进一步精确识别各类干扰事件探索了一种新思路。