[发明专利]一种非均匀流场积分吸光度的计算方法和系统

权利要求书

1.一种非均匀流场积分吸光度的计算方法，其特征在于，该计算方法包括以下步骤：

步骤1、获取利用仿真系统在固定光线、不同流场模型下产生的吸收光谱第一积分吸光度和第一谐波信号；

步骤2、通过确定单隐层前馈神经网络，选择极限学习机算法，构造积分吸光度与谐波信号的回归模型；

步骤3、确定利用吸收光谱法测量仿真非均匀流场时，吸收谱线的第二谐波信号；

步骤4、输入第二谐波信号，利用回归模型，实现被测非均匀流场的第二积分吸光度的求解。

2.按照权利要求1所述的非均匀流场积分吸光度计算方法，其特征在于，所述步骤1，具体为：

随机生成大量流场模型，计算光线经过流场的第一积分吸光度、透射系数，结合参考光强得到透射光强信号，解调透射光强，确定吸收谱线的第一谐波信号。

3.按照权利要求2所述的非均匀流场积分吸光度计算方法，其特征在于，所述步骤2，具体为：

步骤2.1、步骤1仿真系统生成的数据集作为训练集，其中第一谐波信号作为训练数据，第一积分吸光度信号是训练数据对应标签，在神经网络中作为输出值；

步骤2.2、依据算法的特性确定网络隐藏层输入权重、偏置以及激活函数，再根据训练数据确定隐藏层节点数目，从而确定隐藏层输出矩阵；

步骤2.3、结合隐藏层输出矩阵和网络输出权重，计算训练数据输入单隐藏层前馈神经网络ELM的预测输出值；

步骤2.4、目标函数为网络预测输出与训练集数据标签的偏差，最小化目标函数时的输出权重值即为最优解，从而推导出输出权重最优解表达式。

4.根据权利要求3所述的非均匀流场积分吸光度的计算方法，其特征在于，所述步骤2.2具体为：

步骤2.2.1、随机产生隐藏层输入权重和输入偏置；

步骤2.2.2、利用第一公式计算隐藏层节点的输出，所述第一公式为：

h_i(x)＝g(x,w_i,b)＝g(w_ix+b),w_i∈R^D,b∈R

式中，x为输入训练数据，这里代表第一谐波信号，w_i为隐藏层输入权重(i为隐藏层节点编号)，b为隐藏层输入偏置，g为激活函数。

步骤2.2.3、利用第二公式表示隐藏层输出矩阵，所述第二公式为：

H(x)＝[h₁(x),…,h_L(x)]

式中，h(x)为隐藏层节点，L为隐藏层节点数。

5.根据权利要求4所述的非均匀流场积分吸光度的计算方法，其特征在于，所述步骤2.3具体为：

利用第三公式计算单隐层前馈神经网络ELM的输出，所述第三公式为：

式中，H(x)表示隐藏层输出矩阵，β表示隐藏层与输出层之间的网络输出权重。

6.根据权利要求5所述的非均匀流场积分吸光度的计算方法，其特征在于，所述步骤2.4具体为：

步骤2.4.1、利用第四公式计算最小化近似平方差的方法对连接隐藏层和输出层的权重β进行求解，所述第四公式为：

min||Hβ-T||²,β∈R^L×M

式中，T为训练数据对应输出标签，这里表示第一积分吸光度，M为输出标签个数。

步骤2.4.2、利用第五公式确定网络输出权重表达式，所述第五公式为：

β^*＝H^*T

式中，H^*是矩阵H的Moore-Penrose广义逆矩阵。

7.根据权利要求6所述的非均匀流场积分吸光度的计算方法，其特征在于，所述步骤4具体为：

结合隐藏层输入权重、偏置及网络输出权重，输入第二谐波信号，计算获得被测非均匀流场的第二积分吸光度。