Para explorar la aplicación de redes neuronales para estimar las perturbaciones del campo geomagnético, este estudio presta especial atención a la clasificación del índice K. El objetivo principal es desarrollar un método robusto y eficiente para clasificar diferentes niveles de actividad geomagnética utilizando redes neuronales. Nuestro trabajo abarca el preprocesamiento de datos, la optimización de la arquitectura del modelo y una evaluación exhaustiva del rendimiento de clasificación. Se propone un nuevo enfoque de red neuronal para abordar las complejidades específicas de los datos geomagnéticos, y sus méritos se comparan con los de las técnicas convencionales. Notablemente, los modelos de Memoria a Largo y Corto Plazo (LSTM) superaron significativamente a los métodos tradicionales, logrando hasta un 98% de precisión en la clasificación. Estos hallazgos demuestran que las redes neuronales pueden aplicarse de manera efectiva en estudios geomagnéticos, apoyando la predicción basada en IA y permitiendo una mayor integración en la investigación del clima espacial.