一种烟云浓度时空分布快速反演方法及系统技术方案

本发明专利技术公开了一种烟云浓度时空分布快速反演方法及系统，包括：获取特定位置的实测烟云浓度数据，得到实测烟云浓度粗略分布；将所述实测烟云浓度粗略分布输送到已训练完成的超分辨率神经网络中，输出重构的初始时刻烟云浓度精细分布；构建高斯扩散模型，计算得到稳态条件下的烟云浓度空间精细分布；将所述重构的初始时刻烟云浓度精细分布和所述稳态条件下的烟云浓度精细分布输入到已训练完成的卷积神经网络中，利用分步迭代反演输出烟云浓度在不同时刻的精细分布；该种反演方法不依赖于有限元方法，复杂度不高，可以用于快速反演的场景中，同时该反演方法具有计算精确性和泛化性特点，可以准确反映固定区域内烟云浓度随时间的变化过程。间的变化过程。间的变化过程。

【技术实现步骤摘要】
一种烟云浓度时空分布快速反演方法及系统


[0001]本专利技术涉及烟云浓度检测
，尤其涉及一种烟云浓度时空分布快速反演方法及系统。

技术介绍

[0002]烟云扩散是大气环境中的一种常见物理现象。发展烟云浓度分布的时空动力学计算模型可以有效反演大气中烟云浓度的空间分布与时间变化，在气象预报、军事观测等领域均由广泛的用途可积极意义。
[0003]目前，已开发的烟云浓度分布时空动力学模型主要由两类：第一，从扩散与流动的第一性原理出发，发展形成的解析模型；第二，基于实验数据发展出的经验模型。其中，解析模型需要依赖于有限元方法开展计算，复杂度较高，难以用于需要快速反演的场景中；经验模型的应用范围较小，泛化性较差。

技术实现思路

[0004]基于
技术介绍
存在的技术问题，本专利技术提出了一种烟云浓度时空分布快速反演方法及系统，具有计算精确性与泛化特性特点。
[0005]本专利技术提出的一种烟云浓度时空分布快速反演方法，包括：
[0006]获取特定位置的实测烟云浓度数据，得到实测烟云浓度粗略分布；
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种烟云浓度时空分布快速反演方法，其特征在于，包括：获取特定位置的实测烟云浓度数据，得到实测烟云浓度粗略分布；将所述实测烟云浓度粗略分布输送到已训练完成的超分辨率神经网络中，输出重构的初始时刻烟云浓度精细分布；构建高斯扩散模型，计算得到稳态条件下的烟云浓度空间精细分布；将所述重构的初始时刻烟云浓度精细分布和所述稳态条件下的烟云浓度精细分布输入到已训练完成的卷积神经网络中，利用分步迭代反演输出烟云浓度在不同时刻的精细分布。2.根据权利要求1所述的烟云浓度时空分布快速反演方法，其特征在于，所述高斯扩散模型如下：其中，C(x，y，z)表示在空间(x，y，z)处的烟云浓度；A(x)表示浓度增益函数，
y
表示高斯分布在y轴方向的标准差，σ
z
表示高斯分布在z轴方向的标准差。3.根据权利要求1所述的烟云浓度时空分布快速反演方法，其特征在于，在将所述重构的初始时刻烟云浓度精细分布和所述稳态条件下的烟云浓度精细分布输入到已训练完成的卷积神经网络中，利用分步迭代反演输出烟云浓度在不同时刻的精细分布中，具体包括：构建第二生成
‑
对抗网络结构，所述第二生成
‑
对抗网络结构包括第二生成网络和第二判别网络；将所述重构的初始时刻烟云浓度精细分布和所述稳态条件下的烟云浓度空间分布送入第二生成网络中，生成一定时间步长后的烟云浓度分布；将所述实测烟云浓度粗略分布和所述一定时间步长后的烟云浓度分布送入第二判别网络中，输出所述一定时间步长后的烟云浓度分布的判断结果；将对所述一定时间步长后的烟云浓度分布的判断结果重新送入第二生成网络中，迭代计算下一时刻的烟云浓度分布，直至判别相似性的损失函数收敛；此时第二生成网络计算得到的所有时刻烟云浓度作为所需的烟云浓度时空分布。4.根据权利要求1所述的烟云浓度时空分布快速反演方法，其特征在于，所述超分辨率神经网络的训练过程如下：S21：构建第一生成
‑
对抗网络结构和烟云浓度训练样本集，所述第一生成
...

【专利技术属性】
技术研发人员：汪炜怡，余东升，杨明翰，方蔚恺，杨喆，徐赤东，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：