【摘要】：針對實時條件下中紅外波段平均大氣透過率的計算,提出了一種基于貝葉斯正則化BP神經(jīng)網(wǎng)絡(luò)的方法。利用BP神經(jīng)網(wǎng)絡(luò)良好的非線性擬合特點,建立大氣參數(shù)與中紅外平均透過率之間的關(guān)系模型,從而可以準(zhǔn)確迅速地得到計算結(jié)果。此網(wǎng)絡(luò)模型是以實測溫度、壓強、濕度和氣溶膠的后向散射系數(shù)作為輸入向量,分別以水蒸氣和CO2吸收透過率、氣溶膠散射透過率和大氣透過率作為輸出。仿真結(jié)果表明:在相同的大氣參數(shù)下,本方法的計算結(jié)果與期望值之間的相對誤差較小,且遠(yuǎn)小于經(jīng)驗公式法,驗證了本方法的可行性與有效性。因此,本方法對大氣透過率的準(zhǔn)確地快捷計算提供了有益的借鑒。
【圖文】：

Ｐ網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。ＢＰ神經(jīng)網(wǎng)絡(luò)實質(zhì)上可以實現(xiàn)從輸入到輸出的映射功能，而無需事前能描述這種映射關(guān)系的數(shù)學(xué)方程。數(shù)學(xué)理論已經(jīng)證明，其具有實現(xiàn)任何復(fù)雜非線性映射的功能，這使得其特別適合求解內(nèi)部機制復(fù)雜的問題［１６］。ＢＰ神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層、隱含層和輸出層。當(dāng)隱含神經(jīng)元任意配置時，ＢＰ神經(jīng)網(wǎng)絡(luò)能記憶任意給定的學(xué)習(xí)樣本，再現(xiàn)樣本輸入到樣本輸出的聯(lián)想關(guān)系。典型的３層結(jié)構(gòu)模式如圖１所示。圖１３層ＢＰ神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Ｆｉｇ．１ＳｔｒｕｃｔｕｒｅｏｆＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｗｉｔｈ３ｌａｙｅｒｓＢＰ神經(jīng)網(wǎng)絡(luò)建模的主要思想是：輸入訓(xùn)練樣本，利用設(shè)定的訓(xùn)練算法反復(fù)調(diào)整網(wǎng)絡(luò)權(quán)值、閾值等，使網(wǎng)絡(luò)輸出與期望輸出盡可能地接近；當(dāng)網(wǎng)絡(luò)的輸出誤差小于指定值時訓(xùn)練完成，保存當(dāng)前的網(wǎng)絡(luò)權(quán)值和閾值；然后輸入測試樣本，對網(wǎng)絡(luò)輸出與測試樣本的期望輸出進(jìn)行比較，如果誤差滿足要求，則網(wǎng)絡(luò)模型有效［１７］。３．２貝葉斯正則化算法通常在神經(jīng)網(wǎng)絡(luò)訓(xùn)練中都會設(shè)定欲達(dá)到的訓(xùn)練誤差或固定的停止法則，當(dāng)訓(xùn)練達(dá)到其中一個條件時即停止訓(xùn)練，如果設(shè)定的訓(xùn)練誤差很小或者訓(xùn)練次數(shù)很大，很容易造成訓(xùn)練誤差很小而預(yù)測誤差很·６８１·第６期宋福印等：基于ＢＰ神經(jīng)網(wǎng)絡(luò)的紅外透過率計算

ｉ個神經(jīng)元到隱含層第ｊ個神經(jīng)元的權(quán)重；ｙｏｕｔｋ是輸出層第ｋ個神經(jīng)單元（ｋ＝１，２，３，４）接受到的輸出信號；ｗｊｋ是隱含層第ｊ個神經(jīng)元到輸出層第ｋ個神經(jīng)元的權(quán)重；ｕｋ是輸出層第ｋ個神經(jīng)單元的輸出信號；ｆ０、ｆ１分別表示隱含層和輸出層函數(shù)［１９］。模型選定相關(guān)的參數(shù)值為：初始學(xué)習(xí)速率為０．１，最大訓(xùn)練次數(shù)為１０００，訓(xùn)練誤差為１ｅ－６，訓(xùn)練速率為０．０５，，其余參數(shù)為默認(rèn)值。模型流程如圖２所示。圖２ＢＰ神經(jīng)網(wǎng)絡(luò)用于預(yù)測透過率流程圖Ｆｉｇ．２ＦｌｏｗｃｈａｒｔｏｆＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｔｏｐｒｅｄｉｃｔｔｒａｎｓｍｉｔｔａｎｃｅ對于訓(xùn)練具有復(fù)雜非線性關(guān)系的大氣參數(shù)和透過率的ＢＰ神經(jīng)網(wǎng)絡(luò)，訓(xùn)練所用樣本庫的完善程度，會影響ＢＰ神經(jīng)網(wǎng)絡(luò)的性能。合理地選擇樣本不僅可以提高ＢＰ神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度，同時也能使網(wǎng)絡(luò)模型具有良好的識別精度。在構(gòu)建學(xué)習(xí)訓(xùn)練的樣本集時，遵循以下３條原則：１）避免不平衡樣本集；２）樣本具有代表性；３）樣本類型全面。·６８２·光電子·激光２０１７年第２８卷

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 PaulJ Rose;;靈活的Hopfield神經(jīng)網(wǎng)絡(luò)ADC消除噪聲[J];電子設(shè)計技術(shù);2008年04期

2 趙凱;;基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法淺析[J];科技資訊;2008年13期

3 杜建華;張認(rèn)成;;LVQ神經(jīng)網(wǎng)絡(luò)的紅外光譜火災(zāi)早期預(yù)警算法[J];華僑大學(xué)學(xué)報(自然科學(xué)版);2011年06期

4 趙光權(quán);彭喜元;馬勛亮;;基于微分進(jìn)化神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷[J];測試技術(shù)學(xué)報;2012年01期

5 王承;葉韻;梁海浪;何進(jìn);;基于多頻測試和神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷[J];計算機工程與應(yīng)用;2013年05期

6 張路;李志華;;優(yōu)化的神經(jīng)網(wǎng)絡(luò)在模擬電路故障診斷中的應(yīng)用[J];信息技術(shù);2013年01期

7 葉伯琦,顧小剛;光折變神經(jīng)網(wǎng)絡(luò)(英文)[J];光子學(xué)報;1992年04期

8 李志良,松本,酒井,李夢龍,余般梅;神經(jīng)網(wǎng)絡(luò)擴展濾波訓(xùn)練及色氨酸的選擇測定[J];光譜學(xué)與光譜分析;1997年03期

9 ;邊緣學(xué)科分支最新動向[J];中國無線電電子學(xué)文摘;2000年05期

10 ;邊緣學(xué)科分支最新動向[J];中國無線電電子學(xué)文摘;2000年02期

相關(guān)會議論文 前8條

1 李明亮;王祖朝;母景琴;李聚光;趙戰(zhàn)明;;基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷研究[A];第四屆中國測試學(xué)術(shù)會議論文集[C];2006年

2 彭勃;聞道秋;喻國榮;閆志躍;;基于BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)RTK電離層誤差改正模型研究[A];第三屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會電子文集——S01北斗/GNSS導(dǎo)航應(yīng)用[C];2012年

3 趙新龍;譚永紅;;基于遲滯算子的壓電執(zhí)行器遲滯非線性的神經(jīng)網(wǎng)絡(luò)動態(tài)模型[A];第二十九屆中國控制會議論文集[C];2010年

4 薛志強;李毅;曹燕;;改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在模擬電路故障診斷中的應(yīng)用研究[A];2011下一代自動測試系統(tǒng)學(xué)術(shù)研討會論文集[C];2011年

5 楊中東;雷玉堂;;基于神經(jīng)網(wǎng)絡(luò)與光電檢測的方法識別鈔票真假的研究[A];中國光學(xué)學(xué)會2006年學(xué)術(shù)大會論文摘要集[C];2006年

6 墻威;曹陽;鄢媛媛;高洵;;神經(jīng)網(wǎng)絡(luò)在SoC高層次功耗估計中的應(yīng)用[A];2005中國通信集成電路技術(shù)與應(yīng)用研討會論文集[C];2005年

7 楊志剛;楊衛(wèi)東;錢俊磊;;基于FPGA的RBF神經(jīng)網(wǎng)絡(luò)硬件實現(xiàn)[A];冶金企業(yè)自動化、信息化與創(chuàng)新——全國冶金自動化信息網(wǎng)建網(wǎng)30周年論文集[C];2007年

8 潘中良;;一種電路測試的最優(yōu)神經(jīng)網(wǎng)絡(luò)與遺傳進(jìn)化方法[A];中國儀器儀表學(xué)會第三屆青年學(xué)術(shù)會議論文集（上）[C];2001年

相關(guān)博士學(xué)位論文 前10條

1 閆淑霞;基于神經(jīng)網(wǎng)絡(luò)的微波射頻器件建模[D];天津大學(xué);2015年

2 李建碩;微波加熱過程熱點與熱均勻性控制與優(yōu)化研究[D];重慶大學(xué);2016年

3 祝文姬;模擬電路故障診斷的神經(jīng)網(wǎng)絡(luò)方法及其應(yīng)用[D];湖南大學(xué);2011年

4 張維強;小波和神經(jīng)網(wǎng)絡(luò)在模擬電路故障診斷中的應(yīng)用研究[D];西安電子科技大學(xué);2006年

5 謝濤;基于（多）小波（包）、神經(jīng)網(wǎng)絡(luò)及優(yōu)化的模擬電路故障診斷研究[D];湖南大學(xué);2011年

6 方葛豐;模擬電路故障診斷優(yōu)化理論與方法的研究[D];湖南大學(xué);2013年

7 劉美容;基于遺傳算法、小波與神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法[D];湖南大學(xué);2009年

8 譚陽紅;基于小波和神經(jīng)網(wǎng)絡(luò)的大規(guī)模模擬電路故障診斷研究[D];湖南大學(xué);2005年

9 李晴;基于優(yōu)化機器學(xué)習(xí)算法的模擬電路故障診斷研究[D];湖南大學(xué);2013年

10 李壽林;基于神經(jīng)網(wǎng)絡(luò)的微波射頻MOSFET器件建模[D];華東師范大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 王含;兩類神經(jīng)網(wǎng)絡(luò)的CMOS模擬電路設(shè)計與研究[D];湘潭大學(xué);2015年

2 江明;基于構(gòu)造性神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷研究[D];安徽師范大學(xué);2015年

3 魏江濤;憶阻神經(jīng)網(wǎng)絡(luò)在有源電力濾波器中的應(yīng)用[D];太原科技大學(xué);2015年

4 羅永遙;基于級聯(lián)神經(jīng)網(wǎng)絡(luò)的預(yù)失真器設(shè)計[D];電子科技大學(xué);2016年

5 伏龍;SPI接口在神經(jīng)網(wǎng)絡(luò)加速器芯片中的設(shè)計與應(yīng)用[D];遼寧大學(xué);2016年

6 趙德贊;基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法的研究[D];大連工業(yè)大學(xué);2016年

7 高明;基于神經(jīng)網(wǎng)絡(luò)的FPGA架構(gòu)探索[D];天津大學(xué);2014年

8 歐陽星辰;基于卷積神經(jīng)網(wǎng)絡(luò)的MPPSK信號解調(diào)器[D];東南大學(xué);2016年

9 余磊;基于FPGA的大規(guī)模脈沖深度神經(jīng)網(wǎng)絡(luò)片上系統(tǒng)設(shè)計與研究[D];重慶大學(xué);2016年

10 劉洋;功率放大器的電磁優(yōu)化及可靠性研究[D];天津大學(xué);2014年

本文編號：2585912