买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽大学

摘要：本发明提供了一种基于卷积神经网络的MAX‑DOAS光谱预测对流层NO2廓线的方法，所述方法通过卷积神经网络，将对齐的多仰角MAX‑DOAS光谱数据和PriAM算法反演的对流层NO2数据结合，建立可实现对流层NO2廓线预测的卷积神经网络模型；卷积神经网络模型CNN通过卷积层来提取数据特征，池化层用来降维和防止模型的过拟合，最后利用全连接层来输出结果。本发明解决了对流层NO2廓线在线实时预测问题，能够根据MAX‑DOAS光谱快速准确直观的得到对流层NO2廓线，减少了QDOAS拟合和廓线反演算法反演立体分布的进程，避免了在该过程中出现的误差；一方面对对流层NO2廓线进行预测有助于监测NO2在对流层上的浓度变化趋势，对于NO2污染的评估，分析造成污染的原因有着重大的意义。

主权项：1.一种基于卷积神经网络的MAX-DOAS光谱预测对流层NO2廓线的方法，其特征在于，所述方法通过卷积神经网络，将对齐的多仰角MAX-DOAS光谱数据和PriAM算法反演的对流层NO2数据结合，建立可实现对流层NO2廓线预测的卷积神经网络模型；卷积神经网络模型CNN通过卷积层来提取数据特征，池化层用来降维和防止模型的过拟合，最后利用全连接层来输出结果；所述方法具体包括以下步骤：S1、通过MAX-DOAS站点测得多仰角MAX-DOAS光谱数据，仪器方位角为310°-正北为0°，测量仰角11个角度为一组：1°、2°、3°、4°、5°、6°、8°、10°、15°、30°、90°；S2、将每一组输入向量的MAX-DOAS光谱数据，结合QDOAS光谱拟合和痕量气体廓线反演算法PriAM反演获取对流层NO2廓线，反演得到的NO2廓线作为模型的输出向量，构建卷积神经网络模型；S3、随机挑选70％的光谱数据作为训练集，30％的光谱数据作为测试集；并对数据进行归一化用于减少量纲的影响；归一化公式为是归一化后的数据值，xi为真实数据，μ为原始数据的均值，σ为标准差；S4、搭建卷积神经网络模型CNN，使用训练集训练卷积神经网络模型，调整模型参数，使得卷积层能够提取MAX-DOAS光谱的数据特征；S5、利用测试集监测网络训练的决定系数R2和均方根误差RMSE，当模型的R20.9且RMSE＜0.4时，判定模型能够用于对流层NO2廓线的预测；采用决定系数R2和均方根误差RMSE的计算方法为其中yi和分别表示真实数据和预测数据。

全文数据：

权利要求：

百度查询： 安徽大学 一种基于卷积神经网络的MAX-DOAS光谱预测对流层NO₂廓线的方法