原文传递
基于反馈型RBF神经网络的气溶胶消光系数反演方法
| 专利名称： | 基于反馈型RBF神经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反馈型RBF神经网络的气溶胶消光系数反演方法，包括1)利用输入和期望输出训练RBF神经网络；将历史回波信号功率作为RBF神经网络的输入，将根据历史回波信号得到的气溶胶消光系数作为RBF神经网络的期望输出；2)基于反馈型RBF神经网络反演气溶胶消光系数。本发明利用反馈型RBF神经网络来反演气溶胶消光系数，通过样本模式的学习将信息之间的内在机制存储在网络中，有效避免了诸多假设带来不确定性，具有较快的响应速度以及较好的鲁棒性。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 江苏;32 |
| 申请人： | 南京信息工程大学 |
| 发明人： | 常建华;李红旭;房久龙;刘振兴;杨镇博;刘秉刚;徐帆 |
| 专利状态： | 有效 |
| 发布日期： | 2019-01-01T00:00:00+0800 |
| 申请号： | CN201810397787.8 |
| 公开号： | CN108896456A |
| 代理机构： | 南京纵横知识产权代理有限公司 32224 |
| 代理人： | 董建林 |
| 分类号： | G01N15/06(2006.01)I;G01N21/17(2006.01)I;G;G01;G01N;G01N15;G01N21;G01N15/06;G01N21/17 |
| 申请人地址： | 210044 江苏省南京市浦口区宁六路219号 |
| 主权项： | 1.基于反馈型RBF神经网络的气溶胶消光系数反演方法，其特征在于：包括，1)利用输入和期望输出训练RBF神经网络；将历史回波信号功率作为RBF神经网络的输入，将根据历史回波信号得到的气溶胶消光系数作为RBF神经网络的期望输出；气溶胶消光系数获取的过程为：基于气溶胶光学厚度的原理构建非线性方程，利用弦截法迭代计算气溶胶消光后向散射比，根据气溶胶消光后向散射比和回波信号，采用Fernald法反演气溶胶的消光系数；2)基于反馈型RBF神经网络反演气溶胶消光系数。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
