[發明專利]一種基于機器學習修正蒸發波導預測模型的方法

在審

• 申請號: 202110317266.9
• 申請日: 2021-03-25
• 公開（公告）號: CN113011600A
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 石廣亮;王健;馬建國
• 申請（專利權）人: 天津大學
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06Q10/04
• 代理公司: 天津市三利專利商標代理有限公司 12107
• 代理人: 張義

1.一種基于機器學習修正蒸發波導預測模型的方法，其特征在于，

包括如下步驟：

步驟A：采集大氣折射率剖面數據，即大氣折射率隨高度的變化數據，自變量為高度，因變量為大氣折射率，據此根據折射率梯度由負變正時的拐點，分析蒸發波導強度和厚度；

步驟B：利用專家系統確定多參數蒸發波導預測經驗模型；

步驟C：利用機器學習的方法訓練模型，確定最優參數；

步驟D：預測蒸發波導的高度，分析蒸發波導強度和厚度。

2.根據權利要求1所述的一種基于機器學習修正蒸發波導預測模型的方法，其特征在于，

步驟A包括如下步驟：

步驟A1：對采集的大氣折射率剖面數據，分析數據中已知參數，包括大氣折射率及其對應的高度；

步驟A2：分析蒸發波導的高度，在大氣折射率剖面中大氣折射率梯度由負變正時的拐點對應的高度即蒸發波導的高度；

步驟A3：根據蒸發波導的高度分析蒸發波導參數。

3.根據權利要求2所述的一種基于機器學習修正蒸發波導預測模型的方法，其特征在于，

在步驟A3中，所述蒸發波導參數為蒸發波導的強度、厚度參數。

4.根據權利要求1所述的一種基于機器學習修正蒸發波導預測模型的方法，其特征在于，

步驟B包括如下步驟：

步驟B1：對大氣折射率剖面數據集進行初步特征分析，確定已知參數和目標參數；

步驟B2：選用多參數蒸發波導預測經驗模型。

5.根據權利要求1所述的一種基于機器學習修正蒸發波導預測模型的方法，其特征在于，

步驟C包括如下步驟：

步驟C1：將大氣折射率剖面數據分為訓練數據集和測試數據集，將數據分為n個觀察組；

步驟C2：確定使用均方根誤差作為模型訓練的評價指標；

步驟C3：確定目標變量，蒸發波導的厚度t，混合層斜率k，蒸發波導頂的高度h_t；

步驟C4：設置必要參數，測量位置的高度h，大氣折射率M；

步驟C5：導入大氣折射率剖面數據進行訓練，使用回歸的方法，得出最優參數組，包括蒸發波導的厚度t，混合層斜率k，蒸發波導頂的高度h_t；

步驟C6：利用訓練完成的機器學習模型，確定最優參數；測試修正后的多參數方程蒸發波導預測模型，計算得到的大氣折射率模型和蒸發波導的高度值；對于n個時間段，最終共計得到n個修正的多參數方程蒸發波導預測模型；

步驟C7：使用均方根誤差評價修正的多參數方程蒸發波導預測模型。

6.根據權利要求1所述的一種基于機器學習修正蒸發波導預測模型的方法，其特征在于，

步驟D包括如下步驟：

步驟D1：對于得到的n組參數，繪出大氣折射率剖面；

步驟D2：預測得到不同時間的蒸發波導的高度，分析蒸發波導強度和厚度。