公开(公告)号：CN113689035B

公开(公告)日：2023-06-20

申请号：CN202110967743.6

申请日：2021-08-23

Applicant: 安徽大学

Inventor： 田鑫 ,  潘屹峰 ,  谢品华 ,  李昂 ,  徐晋 ,  任博 ,  黄骁辉 ,  田伟

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/048 ,  G06N3/08 ,  G01N21/25 ,  G06N3/0464

Abstract: 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。

公开(公告)号：CN113689035A

公开(公告)日：2021-11-23

申请号：CN202110967743.6

申请日：2021-08-23

Applicant: 安徽大学

Inventor： 田鑫 ,  潘屹峰 ,  谢品华 ,  李昂 ,  徐晋 ,  任博 ,  黄骁辉 ,  田伟

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/04 ,  G06N3/08 ,  G01N21/25

Abstract: 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。