The present invention relates to a method and system for predicting atmospheric visibility based on neural network. The method includes collecting hygroscopic growth factor and optical microphysical characteristic parameters of current environment, inputting the acquired hygroscopic growth factor and optical microphysical characteristic parameters into the pre-trained atmospheric visibility prediction model, and outputting them. The atmospheric visibility is predicted, and the atmospheric visibility prediction model is a neural network based model. The method of the invention avoids the situation that the actual atmosphere can not be well or completely reflected due to the experimental environment or on-site measurement, and realizes the accurate prediction of Visibility Based on the strong non-linear prediction ability of Shenjiang network, which has certain guiding significance for the monitoring and early warning prediction of low visibility.
【技术实现步骤摘要】
基于神经网络的大气能见度预测方法及系统
本专利技术涉及大气探测
,特别涉及一种基于神经网络的大气能见度预测方法及系统。
技术介绍
气溶胶作为大气-地球系统重要的组成部分,影响着地球-大气辐射收支。气溶胶特性的变化影响着大气的众多方面,如气候、环境、降雨、能见度等。而吸湿特性是气溶胶的主要性质之一,在一定的大气相对湿度下,由于吸湿特性,气溶胶粒子尺寸可能增大,这将改变气溶胶粒子的谱分布以及相关的光学和微物理特性。在气溶胶吸湿增长中,吸湿增长因子是一个关键的参数,其可以由特定相对湿度下的散射系数与参考湿度下的散射系数的比值计算得到,主要用于描述气溶胶光散射系数对相对湿度的依赖。增长因子主要取决于气溶胶的化学成分以及粒子谱分布,依赖于这两者,当气溶胶粒子吸收水分时,粒子尺寸将增加,即粒子截面积增大,从而散射更多的光线,即粒子尺寸的变化将产生不同的折射率和角度散射特性。通常,吸湿增长因子可以利用不同相对湿度条件下的浊度测定法、前后差分迁移分析仪法、电力平衡法等进行测量。但是,这些测量方法大部分是在实验室环境中进行,或者是现场测量。因此,这些测量方法不能很好或完全地反映实际大气的状况。
技术实现思路
本专利技术的目的在于提供一种基于神经网络的大气能见度预测方法及系统,能够提高吸湿增长因子测量的准确度,进而提高大气能见度预测的准确度。为了实现上述专利技术目的,本专利技术实施例提供了以下技术方案:一方面,本专利技术实施例提供了一种基于神经网络的大气能见度预测方法,包括以下步骤:采集当前环境的吸湿增长因子、光学微物理特性参数;将采集得到的吸湿增长因子、光学微物理特性参数 ...
【技术保护点】
1.一种基于神经网络的大气能见度预测方法,其特征在于,包括以下步骤:采集当前环境的吸湿增长因子、光学微物理特性参数;将采集得到的吸湿增长因子、光学微物理特性参数,输入预先训练的大气能见度预测模型,输出得到预测大气能见度,所述大气能见度预测模型为基于神经网络的模型。
【技术特征摘要】
1.一种基于神经网络的大气能见度预测方法,其特征在于,包括以下步骤:采集当前环境的吸湿增长因子、光学微物理特性参数;将采集得到的吸湿增长因子、光学微物理特性参数,输入预先训练的大气能见度预测模型,输出得到预测大气能见度,所述大气能见度预测模型为基于神经网络的模型。2.根据权利要求1所述的方法,其特征在于,所述光学微物理特性参数包括:PM2.5、PM10、SO2、O3、NO2、大气温度、风速、气压、湿度中的全部或部分参数。3.根据权利要求2所述的方法,其特征在于,所述大气能见度预测模型通过以下方式训练得到:确定大气能见度预测模型的结构,并初始化模型参数;输入历史数据进行模型训练,更新模型参数;所述历史数据包括吸湿增长因子、PM2.5、PM10、SO2、O3、NO2、大气温度、风速、气压、湿度中的全部或部分参数以及参数对应下的能见度数据;判断训练误差或迭代次数是否达到设定阈值,如果是则结束训练,得到所述大气能见度预测模型,否则继续输入历史数据进行模型训练,直至训练误差或迭代次数达到设定阈值。4.根据权利要求1所述的方法,其特征在于,所述吸湿增长因子通过以下方式采集得到:利用激光雷达在532nm处探测一定相对湿度下的后向散射系数,利用探测到的后向散射系数计算吸湿增长因子:f...
【专利技术属性】
技术研发人员:毛建东,陈蕾,赵虎,周春艳,巩鑫,
申请(专利权)人:北方民族大学,
类型:发明
国别省市:宁夏,64
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。