[发明专利]一种烟云浓度时空分布快速反演方法及系统

权利要求书

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-对抗网络结构包括第一生成网络和第一判别网络，所述烟云浓度训练样本集包括实测烟云浓度精细分布样本和实测烟云浓度粗略分布样本；

S22：将每个实测烟云浓度精细分布样本进行一次n倍下采样，将实测烟云浓度粗略分布样本送入第一生成网络中，输出初始时刻烟云浓度精细分布样本，将初始时刻烟云浓度精细分布样本和实测烟云浓度精细分布样本一起送入第一判别网络中，输出判别结果；

S23：利用第一判别网络的输出判别结果对第一生成网络中的激活函数参数进行迭代训练；

S24：循环步骤S22至S23，直至判别相似性的损失函数完全收敛，输出此时的下采样倍数；

S25：超分辨率神经网络训练完成，将此时的下采样倍数作为烟云浓度设定的实测采样位置，并将此时第一生成网络输出的烟云浓度分布作为重构的初始时刻烟云浓度精细分布。

5.一种烟云浓度时空分布快速反演系统，其特征在于，包括实测获取模块、重构模块、计算模块和输出模块；

实测获取模块用于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；

重构模块用于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；

计算模块用于构建高斯扩散模型，计算得到稳态条件下的烟云浓度空间精细分布；

输出模块用于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。

6.根据权利要求5所述的烟云浓度时空分布快速反演系统，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，σ_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。

7.一种计算机可读储存介质，其特征在于，所述计算机可读存储介质上存储有若干获取分类程序，所述若干获取分类程序用于被处理器调用并执行如权利要求1-4任一所述的烟云浓度时空分布快速反演方法。