论文部分内容阅读
伴随着科技水平的深入发展,在国民科技生产的诸多方面,如生物制药、污染防治、红外探测、卫星遥感等众多领域中对参与性介质辐射物性的研究正日益密切。参与性介质本身的辐射物性如粒径分布情况、入射激光光学常数、散射系数和吸收系数等,都直接影响着辐射传输的基本过程。颗粒物粒子系广泛分布于各种参与性介质中,无论是气相、液相还是固相。大气中的气溶胶粒子系的存在对于气候变化和太阳辐射有着重要影响,而工业生产中产品粒子系的粒径大小和分布情况直接关系着产品的质量和性能。现代工业上用到的颗粒材料的尺寸已经达到纳米级,这些超细颗粒材料的运用能力,直接体现了高科技发展状况和国防建设的科研实力。而参与性介质的光学常数也是其重要的物性参数之一,它是求解参与性介质辐射传输问题的必要条件,对于研究飞行器红外隐身和军事探测红外目标都具有特别重要的意义。目前,对于参与性介质粒子系物性的反演手段有很多,对于参与性介质粒子系粒径分布的反演主要使用的是消光法和光全散射法;而对于参与性介质粒子系光学常数的反演手段则主要有反射法、散射法、投射法等,再结合K-K关系式来求得。本文中对于参与性介质粒径分布和光学常数的反演主要运用的是透射-反射结合的方法,该方法的使用避免了求解K-K关系式。对于参与性介质粒子系散射系数和吸收系数而言,一般采用Mie理论进行求解,但这是以球形粒子为前提,其本身具有相对的局限性。本文先介绍了参与性介质物性广泛研究的时代背景、意义及参与性介质物性研究的发展历程和现实状况。然后在介绍了BP神经网络算法和微粒群优化算法(PSO)理论的基础上,针对微粒群优化算法自身存在的局域范围内搜索精度不够和种群寻优过程多样性易降低的问题,提出了相应的改进模型。并且将多策略改进的PSO算法用来优化BP神经网络的阈值系数和权系数,建立了一种多策略改进微粒群优化的BP神经网络算法(MPOPSO-BP)模型。再通过测试函数的验证发现,该算法在受到多策略微粒群训练完成后,算法收敛精确度和速率均有提高。最后,本文中将这一多策略改进微粒群优化的BP神经网络算法用于参与性介质辐射物性的反演中,反演了参与性介质粒子系的粒径分布、散射系数、吸收系数和光学常数,并且提出了一种粒径分布和光学常数联合反演方法。