[发明专利]一种基于深度信念网络的气溶胶消光系数反演方法

摘要

本发明公开了一种基于深度信念网络的气溶胶消光系数反演方法，包括如下步骤：S1：获取米散射激光雷达的回波功率信号和拉曼激光雷达反演得到的气溶胶消光系数，形成训练和测试样本集；S2：获得归一化后的训练样本集；S3：根据归一化后的训练样本集构建深度信念网络，调整网络参数，训练网络；S4：将测试样本集的回波功率信号输入优化后的网络，获得网络输出；将网络输出结果与测试样本集的气溶胶消光系数进行比对，判断是否满足预期；S5：如果比对结果满足预期，则网络优化结束；如果不满足，则返回S3继续训练深度信念网络，直到比对结果满足预期。本发明提高了米散射激光雷达的探测精度，实现了气溶胶消光系数的快速、准确反演。

主权项

1.一种基于深度信念网络的气溶胶消光系数反演方法，其特征在于：该反演方法包括如下步骤：步骤1：获取米散射激光雷达的回波功率信号和拉曼激光雷达反演得到的气溶胶消光系数，形成数据样本集；将数据样本集分为训练样本集和测试样本集；将样本集中的米散射激光雷达测量得到的回波功率信号作为深度信念网络的输入，拉曼散射激光雷达反演获得的气溶胶消光系数作为深度信念网络的输出；步骤2：根据训练样本的特征进行归一化，实现对训练样本集数据的预处理，获得归一化后的训练样本集；步骤3：根据归一化后的训练样本集构建深度信念网络，调整网络参数，对深度信念网络进行训练，获得训练后的深度信念网络；步骤4：将测试样本集的回波功率信号输入步骤3所述优化后的深度信念网络，获得网络输出的气溶胶消光系数；将网络输出的气溶胶消光系数与测试样本集的气溶胶消光系数进行比对，判断是否满足预期结果；步骤5：如果步骤4中的比对结果满足预期结果，则深度信念网络优化结束，优化结束后的网络即可用于气溶胶消光系数的反演；如果不满足，则返回步骤3继续训练深度信念网络，直到比对结果满足预期。