买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉烟台大学申请的专利基于遗传算法优化BP神经网络的MIGHTI中高层大气温度校正方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116108920B 。

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310230758.3，技术领域涉及：G06N3/126；该发明授权基于遗传算法优化BP神经网络的MIGHTI中高层大气温度校正方法是由何微微;胡向瑞;党同为;李昊天;王道琦;吴传航;武魁军设计研发完成，并于2023-03-08向国家知识产权局提交的专利申请。

本基于遗传算法优化BP神经网络的MIGHTI中高层大气温度校正方法在说明书摘要公布了：本发明公开了一种基于遗传算法优化BP神经网络的MIGHTI中高层大气温度校正方法。本发明通过遗传算法优化BP神经网络反演模型，建立与定标大气温度的最优映射关系，遗传算法优化BP神经网络反演模型。与现有的“剥洋葱”算法获得MIGHTI中高层大气温度相比，使用BP神经网络反演方法在保证温度精度的情况下，解决了其计算量大，反演所需用时长的问题。本发明的BP神经网络充分利用MIGHTI数据集与温度相关的视线强度值数据进行特征学习，在保证反演精度的情况下降低了计算量，缩短了耗时，具有模型简单、快捷、反演精度高等特点。

本发明授权基于遗传算法优化BP神经网络的MIGHTI中高层大气温度校正方法在权利要求书中公布了：1.基于遗传算法优化BP神经网络的MIGHTI中高层大气温度校正方法，其特征在于包括以下步骤： 步骤S1，从ICON官网获取MIGHTI的观测数据； 步骤S2，选取MIGHTI的观测数据中连续θ日内在92-140km处通道的视线强度值数据集 其中，IA,IB,IC,ID,IE分别为A、B、C、D、E通道连续θ日内在92-140km处的视线强度值数据集； 然后，去除视线强度值数据集中的星点异常值后，采样通道的视线强度值数据集IB、IC、ID中减去背景通道的视线强度值数据集IA、IE消除误差，得到标准强度值数据集 其中，EB、EC与ED分别为B、C、D采样通道连续θ日内在92-140km处的标准强度值数据集； 步骤S3，使用“剥洋葱”算法对标准强度值数据集计算获得连续θ日92-140km范围内目标层高度为h的相对强度值数据集与92≤h≤140km； 步骤S4，将目标层高度为h的相对强度值数据集分别与做比值，得到连续θ日92-140km范围内目标层高度为h的相对强度比值数据集与 从高分辨率传输数据库HITRAN2016中提取温度配分函数RPartition，将相对强度比值数据集与代入对应的温度配分函数RPartition，计算得到连续θ日92-140km范围内的定标温度数据集 步骤S5，根据目标层高度与观测时间节点的对应一致原则，建立标准强度值数据集与定标温度数据集的一一对应关系； 步骤S6，将标准强度值数据集与定标温度数据集归一化，得到无量纲标准强度值数据集与无量纲定标温度数据集 步骤S7，构建BP神经网络反演模型 7.1定义BP神经网络的拓扑结构包括输入层、隐含层和输出层，相邻两层之间采用全连接的方式相连，输入层到隐含层的传递函数为tan-sigmoid型函数，隐含层到输出层的传递函数为Purelin线性函数，训练函数为traingdm函数， 7.2确定BP神经网络反演模型的输入层、隐含层与输出层的神经元个数，设置BP神经网络的训练次数O、训练目标最小误差Emin， 7.3将步骤S5数据处理的无量纲标准强度值数据集与无量纲定标温度数据集划分训练集E,TTrain和测试集E,TTest， 其中，训练集E,TTrain为连续θ-x日的无量纲标准强度值数据集与对应的无量纲定标温度数据集的集合，x为1-θ之间的整数； 测试集E,TTest为连续x日的无量纲标准强度值数据集与对应的无量纲定标温度数据集的集合； 7.4将训练集E,TTrain代入BP神经网络反演模型进行训练，建立无量纲标准强度值数据与无量纲定标温度数据之间的映射关系，同时，得到训练集E,TTrain的输出温度数据集直至θ-x日内的训练集E,TTrain的输出温度数据集和无量纲定标温度数据集之间的误差值不大于训练目标最小误差Emin或是达到训练次数O时，即得训练后的BP神经网络反演模型； 步骤S8，将测试集E,TTest代入训练后的BP神经网络反演模型，对测试集E,TTest按照数据正向传播、误差反向传播方式训练，得到训练后的BP神经网络反演模型的测试集E,TTest的输出温度数据以及x组训练后的BP神经网络反演模型的初始权值W和初始阈值J； 步骤S9，构建基于遗传算法的BP神经网络反演模型GA-BP 9.1计算适应值度F，然后通过遗传算法对适应值度F的进行若干次的遗传、选择、交叉、变异后，获得初始权值W和初始阈值J的最优值， 其中， ex为测试集E,TTest的测试误差； 9.2将初始权值W和初始阈值J的最优值输入训练后的BP神经网络反演模型训练，确定测试集E,TTest无量纲标准强度值数据集与无量纲定标温度数据集之间的最优映射关系，即得基于遗传算法的BP神经网络反演模型GA-BP； 步骤S10，选取连续ρ天标准强度值数据集输入基于遗传算法的BP神经网络反演模型GA-BP，即得输出温度其中，ρ≥1，然后，将输出温度反归一化处理，即得连续ρ天内在92-140km处的大气温度

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人烟台大学，其通讯地址为：264005 山东省烟台市莱山区清泉路30号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。