[发明专利]一种ECA-CNN融合双通道RNN并行提取光子晶体空间透射谱时空特征的方法

权利要求书

1.一种ECA-CNN融合双通道RNN并行提取光子晶体空间透射谱时空特征的方法，其特征在于，包括以下步骤：

(1)分别获取一维光子晶体的空间透射光谱样本和相应的光子晶体结构参量作为训练数据集，并对结构参量进行数据预处理操作；

(2)设计ECA-CNN融合双通道RNN的神经网络模型；

(3)利用获取的数据集对构建的神经网络模型进行训练，并采用优化算法提高模型特征提取和参量预测性能；

(4)通过计算均方误差、均方根误差、平均绝对误差、平均相对误差、平均绝对百分比误差和对称平均绝对百分比误差指标对所述网络模型的性能进行评价。

2.根据权利要求1所述一种ECA-CNN融合双通道RNN并行提取光子晶体空间透射谱时空特征的方法，其特征在于，所述的步骤(1)中，分别采集不同类型的光子晶体空间透射光谱作为训练样本，将相应结构参量除以各自的最大值进行归一化操作以作为标签数据，通过多组试验来验证该网络模型的普适性。

3.根据权利要求1所述一种ECA-CNN融合双通道RNN并行提取光子晶体空间透射谱时空特征的方法，其特征在于，所述的步骤(2)中，神经网络模型结构包括特征融合模块和全连接层，特征融合模块用于提取空间透射光谱的空间像素特征和图像时序特征并进行融合传递；全连接层用于将最后一个特征融合模块输出的融合特征展平后映射成光子晶体的结构参量。

4.根据权利要求3所述一种ECA-CNN融合双通道RNN并行提取光子晶体空间透射谱时空特征的方法，其特征在于，所述的特征融合模块包含一个卷积模块和一个双通道循环层，卷积模块中通过在卷积层后接ECA注意力机制，以一种不降维的局部跨信道交互策略增强卷积层对空间像素特征的提取能力；双通道循环层则通过两个并行的循环层提取并融合输入特征图的行、列时序特征来获取特征图整体的时间序列特征，两种特征按1:1进行融合后得到的新特征图作为下一层特征融合模块的输入继续进行特征提取。

5.根据权利要求1所述一种ECA-CNN融合双通道RNN并行提取光子晶体空间透射谱时空特征的方法，其特征在于，所述的步骤(3)中，神经网络模型利用了Sigmoid非线性激活函数，其数学表达式为：

其中，x表示展平后特征序列的每个权重值，通过该公式将各个权重值都限制在0到1之间；此外，还利用自适应算法ReduceLROnPlateau动态调整学习率，当验证损失在一定迭代周期内没有变化时，学习率将按指定倍率进行衰减，通过多种优化方式来提高模型的特征提取和参量预测性能。

6.根据权利要求1所述一种ECA-CNN融合双通道RNN并行提取光子晶体空间透射谱时空特征的方法，其特征在于，所述的步骤(4)中，采用均方误差、均方根误差、平均绝对误差、平均相对误差、平均绝对百分比误差和对称平均绝对百分比误差多种评价指标评价该模型的预测性能：

其中，n表示样本数量，表示预测值，y_i表示实际值，六种评价指标以不同方式反映了真实数据和预测数据两个集合的差异性，模型性能越高，评价指标值越接近于0。