10.3964/j.issn.1000-0593(2009)11-3057-04
差分吸收光谱系统监测污染物浓度实时预测模型
差分吸收光谱(DDAS)法是一种有效的监测大气污染气体浓度的光学遥感方法,不仅有好的时间分辨率,而且测量灵敏度也很高.但是由于遥测系统处于复杂的大气环境中,各种干扰因素以及恶劣的气候条件,都会对系统产生影响.针对现有实时、在线监测差分吸收光谱系统中存在的不足,作者提出了一种基于改进Elman网络的实时预测模型.利用逐步回归筛选预测因子,不仪降低了预测网络的复杂程度,而且增强了系统的预测实时性.利用带自适应学习率的动态BP算法对改进的Elman网络进行训练,使预测系统能更好地辨识要预测的差分吸收光谱系统,该模型能较准确地对DOAS系统监测污染物数据进行实时跟踪监控,一定程度上弥补了遥测系统的不足.
差分吸收光谱系统、Elman网络、实时预测、动态BP算法
29
O433.4(光学)
国家自然科学基金项目40805015;教育部科学技术研究重点项目209057;安徽高校省级自然科学研究计划重点项目KJ2008A114;安徽省自然科学基金项目090412028
2009-12-15（万方平台首次上网日期，不代表论文的发表时间）
共4页
3057-3060
