基于BP神经网络的水蒸气红外透过率仿真

针对在计算大气透过率方法中利用经验公式误差大和专业软件复杂低效等问题,提出了一种基于贝叶斯正则化BP(back propagation)神经网络的水蒸气红外透过率的计算方法。利用BP神经网络良好的非线性拟合特点,建立大气参数与水蒸气透过率之间的关系模型。以实测温度、压强和湿度作为输入向量,中红外平均水蒸气透过率作为输出,构建3-7-1式的BP神经网络。仿真结果表明:在相同的大气参数下,与逐线积分法相比,本文方法在运算过程大幅简化的同时相对误差很小;与经验公式法相比,本文方法对透过率的计算精度大幅提升。

基于BP神经网络的红外透过率计算

针对实时条件下中红外波段平均大气透过率的计算,提出了一种基于贝叶斯正则化BP神经网络的方法。利用BP神经网络良好的非线性拟合特点,建立大气参数与中红外平均透过率之间的关系模型,从而可以准确迅速地得到计算结果。此网络模型是以实测温度、压强、湿度和气溶胶的后向散射系数作为输入向量,分别以水蒸气和CO2吸收透过率、气溶胶散射透过率和大气透过率作为输出。仿真结果表明:在相同的大气参数下,本方法的计算结果与期望值之间的相对误差较小,且远小于经验公式法,验证了本方法的可行性与有效性。因此,本方法对大气透过率的准确地快捷计算提供了有益的借鉴。