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。     

基于实测大气参数的水蒸气吸收衰减的仿真计算

针对红外辐射在大气传输过程中,水蒸气的吸收衰减,只利用经验公式计算,存在较大的误差;利用MODTRAN等专业软件,使用过程复杂且移植和兼容较困难。因此,文中基于实测的大气参数,利用分子单线吸收法计算得到不同温度下的水蒸气吸收系数,拟合各月温度的高度分布解析式;仿真计算了水蒸气的光谱透过率和平均透过率,仿真结果表明,海拔高度、天顶角和传输距离等对水蒸气透过率具有较大影响,本方法计算的水蒸气透过率具有很高的准确度,在工程应用上具有一定的参考价值。     

基于神经网络的红外辐射大气透过率建模及计算

基于定点测量的标准黑体温度实验数据,建立大气透过率的神经网络估计模型。在不同距离测量黑体温度后,引入BP网络自适应学习测试数据的潜在规律,建立大气透过率与当前测量距离及测试温度之间的函数关系,可以精确计算目标的实际温度。仿真结果表明,用本文方法所建的BP网络可以有效地学习样本信息,建立的非线性大气透过率模型解决了大气透过率因影响因素复杂计算难度大等问题。     

实测数据参数拟合的红外大气透过率仿真

计算红外大气透过率的常规方法主要有经验公式法和专业软件计算法,前者存在较大的误差,后者的计算过程复杂且对红外仿真系统的移植和兼容困难,因此,本文基于具体地区多年实测大气数据,利用分子的单线吸收法计算不同温度下的水蒸气和二氧化碳的吸收系数;然后,对不同高度分布的温度、压强以及气溶胶后向散射系数的解析式进行分月拟合。在此基础上,实现红外辐射大气透过率的仿真建模。仿真结果与主流专业软件MODTRAN自定义模式下的精确计算结果很接近,而且本方法使用简单、移植性强,在工程应用上具有一定的参考价值。     

一种MODIS遥感图像大气校正的快速算法

本文设计了基于大气辐射传输模型对MODIS遥感图像进行大气校正的一种新的快速算法。根据Kaufman气溶胶光学厚度反演方法的基本原理,建立了简化的气溶胶光学厚度反演模型,通过6S模型获取气溶胶光学厚度参数,利用经验公式计算大气反射率及大气透过率等参数,实现了MODIS遥感图像的快速大气校正。     

不同垂直高程大气红外吸收透过率的计算

基于大气中水蒸气和CO2的分布特性,在传统计算大气吸收透过率的基础上,分析了不同垂直高程大气吸收透过率的计算方法,给出了大气吸收透过率的计算模型,以及算法流程,并以CO2吸收透过率为例,计算了CO2在波长2.7μm处垂直传输时的大气吸收透过率,并给出了仿真分析,得出了大气中CO2吸收透过率与空间目标高度的关系.     

基于光谱等分法估算复杂大气条件下红外成像系统的MRTD和作用距离

大气透过率是影响红外成像系统作用距离的重要因素。在大气传输过程中,红外辐射会受到大气分子的选择性吸收、散射以及复杂气象条件等的影响,这使得大气透过率成了一个复杂参量。用光谱等分法计算了大气透过率。首先利用MODTRAN软件计算一定距离时各谱线的大气透过率并建立数据库,然后按一定间隔等分光谱区域并调用数据库计算出各微小光谱区域内的大气透过率,最后将其代入模型用以计算红外系统的作用距离。与利用常数或者平均大气透过率的计算方法相比,该方法提高了计算结果的准确度。计算并分析了探测高度、湿度以及雾霾等复杂气象条件对红外成像系统MRTD和作用距离的影响。     

低层大气红外吸收透过率计算模型

计算大气透过率是有效进行空中目标红外特性探测的重要前提。本文针对低层大气红外吸收透过率随海拔高度的变化规律,建立数值模拟计算模型。该模型在基于低层大气中水蒸气及CO₂吸收能力受海拔高度影响的基础上,增加了大气密度随高度变化产生的重要影响,综合分析了水平路程传输和倾斜路程传输两种情况下的低层大气吸收透过率。仿真实验将模型计算结果与MODTRAN5软件计算结果进行了对比,有效验证了该模型的可靠性和有效性。     

一种红外目标模拟器的大气传输校准方法研究

红外辐射在大气中传输会在大气分子、气溶胶粒子的吸收和散射以及大气自身辐射的影响下发生变化,导致红外辐射测量精度的降低。为消除大气在红外目标模拟器校准中的影响,在基于恒定标准源的宽动态红外辐射测量方法的基础上,提出了一种红外目标模拟器的大气传输校准方法。在水平均匀大气近距离的红外目标模拟器校准中,利用卷积神经网络的数据分析能力建立了不同波段、不同温度、不同距离下的大气透过率和大气程辐射的动态模型,将探测器输出电压作为基于编码器-解码器结构的卷积神经网络的输入,按照训练流程对网络进行训练,在实验环境下预测了大气传输对红外辐射的影响。所建模型能够反映大气透过率和大气程辐射的动态变化规律,并通过红外辐射反演对提出的方法进行了验证。实验结果表明：基于编码器-解码器结构的卷积神经网络算法能够较好地预测大气透过率和大气程辐射,在三个波段下的平均误差为3.078 3%、3.818 6%、5.345 2%,低于传统方法,降低了大气透过率和大气程辐射的影响,从而减小了红外辐射的测量误差,提高了校准精度。     

可见到近红外波段整层大气透过率的测量

通过测量太阳辐射值计算整层大气透过率的方法简单易行且精度高。利用自行研制的整层大气透过率仪测量可见到近红外波段的太阳直接辐射连续光谱,在可靠定标的基础上,推算出实际天气条件下的整层大气光谱透过率。利用Langley-plot方法对整层大气透过率仪进行标定,得到了仪器标定结果和不同时刻整层大气透过率随波长变化的曲线。将计算得到的整层大气透过率与太阳辐射计PGS-100的测量和MODTRAN计算的结果分别进行了比较,发现有较好的一致性,从而证明整层大气透过率仪设计合理,测量数据可靠。     

基于BP神经网络的紫外光源自适应固化控制研究

为解决紫外光动态固化技术中的固化不充分或反固化反应等问题,提出一种基于BP算法的LED紫外光源多参数自适应控制方法。利用神经网络优异的非线性逼近能力,并结合优化后的BP算法构建一个3输入2输出的网络预测模型。通过与多元线性回归和多元非线性回归模型的对比显示,BP神经网络算法有更高的拟合度。最后将57组数据导入训练好的模型进行验证。实验表明:该BP神经网络模型预测结果较好,且稳健性强,2输出参数预测值误差分别为1.86%和2.35%,可灵活应用于多种紫外光固化场合。     

基于GA-BP神经网络的矿用刮板输送机故障诊断

针对矿用刮板输送机的故障诊断问题,提出一种基于GA-BP神经网络的故障诊断方法。为了避免BP神经网络易陷入局部最小值、隐含层节点数难确定等问题,这里首先根据经验公式缩小隐含层节点数范围,在小范围里寻找最优的隐含层节点数;进而根据遗传算法具有全局寻优的特点,用遗传算法优化BP神经网络训练的初始权值阈值。研究表明经经验公式寻找最优隐含层节点数后,再将遗传算法与BP神经网络结合可以有效地解决神经网络收敛速度慢,易陷入局部最小等问题,提高了刮板输送机传动部的故障诊断精度。通过仿真实验验证了文中方法的有效性。     

基于神经网络的GaAs HBT器件模型研究

建立精确的模型是使用砷化镓异质结双极晶体管器件（GaAs HBT）设计集成电路的必要基础,传统经验模型建立过程复杂,在输出功率、增益、功率附加效率等功率特性方面的模拟精度不太高,给电路设计带来了一定的难度。本文利用径向基函数(RBF)神经网络算法和反向传播(BP)神经网络算法分别建立GaAs异质结双极晶体管器件的大信号模型。这些模型的训练和测试数据分别来自于测试的双端口散射参数,以及测试的直流特性和功率特性数据。然后将模型数据与实测结果进行对比,结果发现,基于神经网络的器件模型能够精确地模拟器件特性,而且RBF神经网络模型相比BP神经网络模型,误差更小,预测更精确。     

Cloud security situation prediction method based on grey wolfoptimization and BP neural network

Aiming at the accuracy and error correction of cloud security situation prediction, a cloud security situation prediction method based on grey wolf optimization (GWO) and back propagation (BP) neural network is proposed.Firstly, the adaptive disturbance convergence factor is used to improve the GWO algorithm, so as to improve theconvergence speed and accuracy of the algorithm. The Chebyshev chaotic mapping is introduced into the positionupdate formula of GWO algorithm, which is used to select the features of the cloud security situation prediction dataand optimize the parameters of the BP neural network prediction model to minimize the prediction output error.Then, the initial weights and thresholds of BP neural network are modified by the improved GWO algorithm toincrease the learning efficiency and accuracy of BP neural network. Finally, the real data sets of Tencent cloudplatform are predicted. The simulation results show that the proposed method has lower mean square error (MSE)and mean absolute error (MAE) compared with BP neural network, BP neural network based on genetic algorithm(GA-BP), BP neural network based on particle swarm optimization (PSO-BP) and BP neural network based onGWO algorithm (GWO-BP). The proposed method has better stability, robustness and prediction accuracy.     

基于遗传算法优化神经网络的藻类繁殖状态软测量方法

为了提高BP神经网络模型对海洋藻类生长状态软测量的准确性,提出了一种基于遗传优化算法优化BP神经网络的软测量方法.利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解,再将该预测结果与传统BP网络预测模型的预测结果进行对比.对仿真结果进行有效性验证后,结果表明,通过这种软测量方法,经遗传算法优化后的BP神经网络可以在更短的时间里创造更高的预测准确性,大大提高了对海洋藻类生长状态预测的效率.     

基于BP神经网络的雷达点迹分类方法

提出了一种解决复杂电磁环境下目标检测后仍包含杂波的基于反向传播(BP)神经网络的雷达点迹分类方法。该方法可以在目标检测后进一步区分目标点和杂波点,提高目标跟踪的质量。同时,对BP神经网络进行了训练,并与K最近邻域法和支持向量机作了对比,发现该方法的分类精度可达87. 3%,较后两种方法精度分别提升19. 6%和7. 6%。实验结果表明:基于BP神经网络的雷达点迹分类方法有效。     

等效分组级联BP网络模型及其应用

 松弛的和紧密的分组级联BP网络模型等概念的提出,对于解决有限的小样本情况下高维BP网络的训练和预测问题有一定的参考价值。定义了BP网络等效性和相关定理,构建并证明了与BP网络等效的分组级联网络模型,分析比较了两种网络模型所需训练样本的数量情况,并将其应用于网络安全评估领域。最后通过仿真试验结果证实了所提出分组级联BP网络模型的可行性和有效性。