Том 21, номер 06, статья № 14

Аннотация:

На основе модельных расчетов яркости безоблачного неба в области спектра 0,675 мкм анализируется возможность применения нейронных технологий в решении задачи по восстановлению альбедо однократного рассеяния аэрозольных частиц. Рассмотрена однородная нейронная сеть с тремя скрытыми слоями по 10 ней-ронов в каждом слое. В обучении сети использован комплекс оптических параметров, охватывающий их ре-альные вариации при разных атмосферных условиях. Тестирование сети осуществлено на многочисленных примерах в соответствии с обучаемой выборкой. Приводится гистограмма отклонений найденных значений альбедо от задаваемых в модели: в пределах 3% находится 96,8% случаев.

Список литературы:

1. Dubovik O.T., King M. A flexible inversion algorithm for retrieval aerosol optical properties from Sun and sky radiance measurements // J. Geophys. Res. D. 2000. V. 105. N 16. P. 20673-20696. 2. Tonna G., Nakajima T., Rao R. Aerosol featires retrieved from solar aureole data: a simulation study corcerning a turbid atmosphere // Appl. Opt. 1995. V. 34. N 21. P. 4486-4499. 3. Devaux C., Vermeulen A., Deuze J.L., Dubuisson P., Herman M., Senter R. Retrieval of aerosol single-scattering albedo from ground-based measurements: Application to observational data // J. Geоphys. Res. D. 1998. V. 103. N 8. P. 8753-8761. 4. Журавлева Т.Б., Павлов В.Е., Пашнев В.В. Разностный метод определения аэрозольных оптических толщ рассеяния по данным о яркости неба в видимой области спектра: Часть 1 // Оптика атмосф. и океана. 2003. T. 16. № 4. С. 377-382. 5. Журавлева Т.Б., Павлов В.Е., Шестухин А.С., Пашнев В.В. Интегральный метод определения оптической толщи рассеяния по данным о яркости неба // Оптика атмосф. и океана. 2003. T. 16. № 5-6. С. 454-460. 6. Zhuravleva T.B., Pavlov V.E., Pashnev V.V., Shestukhin A.S. Integral and difference methods for the determination of the aerosol scattering optical depth from sky brightness data // J. Quant. Spectrosc. and Radiat. Transfer. 2004. V. 88. P. 191-209. 7. Журавлева Т.Б. Статистическое моделирование распространения солнечной радиации: детерминированная атмосфера и стохастическая облачность: Автореф. дис. … докт. физ.-мат. наук. Томск, 2007. 39 с. 8. Уоссермен Ф. Нейрокомпьютерная техника. М.: Мир, 1992. 184 с. 9. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996. 276 с. 10. Okada Y., Mukai S., Sano I. Neural network for aerosol retrieval // Geosci. and Remote Sens. Symp. 2001. IGARRS'01. V. 4. P. 1716-1718. 11. Котова С.П., Майоров И.В., Майорова А.М. Применение нейронных сетей для определения оптических параметров сильно рассеивающих сред по профилю интенсивности рассеянного назад излучения // Квант. электрон. 2007. Т. 37. № 1. С. 22-26. 12. Гилев К.В., Некрасов В.М., Семьянов К.А. Решение обратной задачи рассеяния для одиночной сферической частицы с помощью нейронных сетей // Нейроинформатика и ее приложения: Матер. 12 Всерос. семинара. 2004. С. 49-50. 13. Метод Монте-Карло в атмосферной оптике / Под ред. Г.И. Марчука. Новосибирск: Наука, 1976. 283 с. 14. Журавлева Т.Б., Насртдинов И.М., Сакерин С.М. Численное моделирование угловой структуры яркости неба вблизи горизонта при наблюдении с Земли. Часть 1. Аэрозольная атмосфера // Оптика атмосф. и океана. 2003. Т. 16. № 5-6. С. 537-545. 15. Мулдашев Т.З., Павлов В.Е., Тейфель Я.А. Об определении аэрозольной оптической толщи по яркости неба в видимой области спектра // Оптика атмосф. 1989. Т. 2. № 11. С. 1130-1134.