買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉煙臺大學申請的專利基于遺傳算法優化BP神經網絡的MIGHTI中高層大氣溫度校正方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116108920B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310230758.3，技術領域涉及：G06N3/126；該發明授權基于遺傳算法優化BP神經網絡的MIGHTI中高層大氣溫度校正方法是由何微微;胡向瑞;黨同為;李昊天;王道琦;吳傳航;武魁軍設計研發完成，并于2023-03-08向國家知識產權局提交的專利申請。

本基于遺傳算法優化BP神經網絡的MIGHTI中高層大氣溫度校正方法在說明書摘要公布了：本發明公開了一種基于遺傳算法優化BP神經網絡的MIGHTI中高層大氣溫度校正方法。本發明通過遺傳算法優化BP神經網絡反演模型，建立與定標大氣溫度的最優映射關系，遺傳算法優化BP神經網絡反演模型。與現有的“剝洋蔥”算法獲得MIGHTI中高層大氣溫度相比，使用BP神經網絡反演方法在保證溫度精度的情況下，解決了其計算量大，反演所需用時長的問題。本發明的BP神經網絡充分利用MIGHTI數據集與溫度相關的視線強度值數據進行特征學習，在保證反演精度的情況下降低了計算量，縮短了耗時，具有模型簡單、快捷、反演精度高等特點。

本發明授權基于遺傳算法優化BP神經網絡的MIGHTI中高層大氣溫度校正方法在權利要求書中公布了：1.基于遺傳算法優化BP神經網絡的MIGHTI中高層大氣溫度校正方法，其特征在于包括以下步驟： 步驟S1，從ICON官網獲取MIGHTI的觀測數據； 步驟S2，選取MIGHTI的觀測數據中連續θ日內在92-140km處通道的視線強度值數據集 其中，IA,IB,IC,ID,IE分別為A、B、C、D、E通道連續θ日內在92-140km處的視線強度值數據集； 然后，去除視線強度值數據集中的星點異常值后，采樣通道的視線強度值數據集IB、IC、ID中減去背景通道的視線強度值數據集IA、IE消除誤差，得到標準強度值數據集 其中，EB、EC與ED分別為B、C、D采樣通道連續θ日內在92-140km處的標準強度值數據集； 步驟S3，使用“剝洋蔥”算法對標準強度值數據集計算獲得連續θ日92-140km范圍內目標層高度為h的相對強度值數據集與92≤h≤140km； 步驟S4，將目標層高度為h的相對強度值數據集分別與做比值，得到連續θ日92-140km范圍內目標層高度為h的相對強度比值數據集與 從高分辨率傳輸數據庫HITRAN2016中提取溫度配分函數RPartition，將相對強度比值數據集與代入對應的溫度配分函數RPartition，計算得到連續θ日92-140km范圍內的定標溫度數據集 步驟S5，根據目標層高度與觀測時間節點的對應一致原則，建立標準強度值數據集與定標溫度數據集的一一對應關系； 步驟S6，將標準強度值數據集與定標溫度數據集歸一化，得到無量綱標準強度值數據集與無量綱定標溫度數據集 步驟S7，構建BP神經網絡反演模型 7.1定義BP神經網絡的拓撲結構包括輸入層、隱含層和輸出層，相鄰兩層之間采用全連接的方式相連，輸入層到隱含層的傳遞函數為tan-sigmoid型函數，隱含層到輸出層的傳遞函數為Purelin線性函數，訓練函數為traingdm函數， 7.2確定BP神經網絡反演模型的輸入層、隱含層與輸出層的神經元個數，設置BP神經網絡的訓練次數O、訓練目標最小誤差Emin， 7.3將步驟S5數據處理的無量綱標準強度值數據集與無量綱定標溫度數據集劃分訓練集E,TTrain和測試集E,TTest， 其中，訓練集E,TTrain為連續θ-x日的無量綱標準強度值數據集與對應的無量綱定標溫度數據集的集合，x為1-θ之間的整數； 測試集E,TTest為連續x日的無量綱標準強度值數據集與對應的無量綱定標溫度數據集的集合； 7.4將訓練集E,TTrain代入BP神經網絡反演模型進行訓練，建立無量綱標準強度值數據與無量綱定標溫度數據之間的映射關系，同時，得到訓練集E,TTrain的輸出溫度數據集直至θ-x日內的訓練集E,TTrain的輸出溫度數據集和無量綱定標溫度數據集之間的誤差值不大于訓練目標最小誤差Emin或是達到訓練次數O時，即得訓練后的BP神經網絡反演模型； 步驟S8，將測試集E,TTest代入訓練后的BP神經網絡反演模型，對測試集E,TTest按照數據正向傳播、誤差反向傳播方式訓練，得到訓練后的BP神經網絡反演模型的測試集E,TTest的輸出溫度數據以及x組訓練后的BP神經網絡反演模型的初始權值W和初始閾值J； 步驟S9，構建基于遺傳算法的BP神經網絡反演模型GA-BP 9.1計算適應值度F，然后通過遺傳算法對適應值度F的進行若干次的遺傳、選擇、交叉、變異后，獲得初始權值W和初始閾值J的最優值， 其中， ex為測試集E,TTest的測試誤差； 9.2將初始權值W和初始閾值J的最優值輸入訓練后的BP神經網絡反演模型訓練，確定測試集E,TTest無量綱標準強度值數據集與無量綱定標溫度數據集之間的最優映射關系，即得基于遺傳算法的BP神經網絡反演模型GA-BP； 步驟S10，選取連續ρ天標準強度值數據集輸入基于遺傳算法的BP神經網絡反演模型GA-BP，即得輸出溫度其中，ρ≥1，然后，將輸出溫度反歸一化處理，即得連續ρ天內在92-140km處的大氣溫度

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人煙臺大學，其通訊地址為：264005 山東省煙臺市萊山區清泉路30號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。