中国典型气溶胶模型光学特性分析及在大气校正中的应用

针对中国区域内卫星影像大气校正中气溶胶模型的适用性问题，基于Lorenz-MIE理论，结合多角度偏振相机(DPC)的3个观测通道，分析了中国典型气溶胶模型的光学特性，并将其出现频率较高(>5%)的模型组合用于可见短波红外高光谱相机(AHSI)观测仿真数据的大气校正中。通过对比校正结果，得到如下结论:在大气较为清洁的情况下，适合应用城市污染型与夏季粉煤灰型的模型组合或二次污染型与夏季粉煤灰型的模型组合，对中国区域内卫星影像进行大气校正;在气溶胶光学厚度较大(或能见度较低)时，华北、华南和西北区域内卫星影像大气校正中二次污染型与夏季粉煤灰型的模型组合更为适用，华东区域则是城市污染型与夏季粉煤灰型的模型组合更适合。     

增强神经网络辨识模型泛化能力的研究

神经网络(Artificial Neural Network,ANN)辨识模型的泛化能力是其最主要的性能之一,增强ANN模型的泛化能力也是近年来国内外有关专家学者研究的重点问题。大量研究表明,ANN模型泛化能力的改善与很多因素相关联,其中恰当的性能指标函数设计是一个重要影响因素。文中在分析常见的基于均方误差最小原则的性能指标函数基础上,通过加入ANN辨识模型权值间的延迟信息,进而获得一种改进型性能指标函数。通过仿真,验证了所设计的改进型性能指标函数对增强ANN辨识模型的泛化能力是有效的。