基于Resnet的雷电电场波形识别与分类

摘要：

雷电更多时候会给人们的生产生活带来灾难性的打击,因此雷电的观测与预警作为防雷减灾工作的基础和前提就显得格外重要.在人工智能技术不断发展的背景下,图像识别作为人工智能的一个重要分支,已在各个领域得到了广泛应用.基于雷电发生时所收集的电场波形图像数据,利用卷积神经网络构建了图像识别模型,根据不同类型雷电电场波形的特征作为数据集分类的判定标准且保证数据量充足,对网络模型进行逐步优化以提高图像的识别率,最终实现雷电波形的快速分类,获取雷电定位信息达到实时定位的目的.

关键词：人工智能、雷电电场波形、图像分类识别、卷积神经网络、数据集分类

所属期刊栏目：40

分类号：TP3(计算技术、计算机技术)

资助基金：中科院大气物理研究所夏季在北京地区进行雷电探测网观测的所有参与人员及相关单位和老师;南方海洋科学与工程广东省实验室广州人才团队引进重大专项;深圳市科技计划资助项目

在线出版日期：2023-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：244-248