提出一种基于深度学习的极光序列分类方法,有效结合卷积神经网络(CNN)特征丰富的空间域信息和长短时记忆(LSTM)网络捕捉序列信息的优势,并利用极光的属性对CNN添加反馈约束调节使特征更契合极光图像。在中国北极黄河站的全天空成像仪(ASI)极光图像数据库上进行有监督的极光序列分类研究和无监督的极光事件检测,实验结果表明本文方法能有效用于极光序列的表征,为海量极光序列的自动分类提供了可能性。