本发明涉及廓线反演，具体是指基于改进粒子群算法的大气层臭氧垂直廓线反演方法。
背景技术：
1、大气层臭氧垂直廓线反演方法是通过观测臭氧的光谱特征，推断大气层中臭氧的垂直分布的技术方法。反演过程中将元启发式优化算法用于优化反演模型，以更精确地推断臭氧在大气中的垂直分布。但是一般大气层臭氧垂直廓线反演方法存在反演种群初始化不当导致个体位置的多样性不足，初始解质量过于随机性，移动权重的稳定性不足，进而导致反演效果差的问题；一般大气层臭氧垂直廓线反演方法存在学习率设计不当导致反演收敛速度慢，种群移动多样性差，容易陷入局部最优的问题。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本发明提供了基于改进粒子群算法的大气层臭氧垂直廓线反演方法，针对一般大气层臭氧垂直廓线反演方法存在反演种群初始化不当导致个体位置的多样性不足，初始解质量过于随机性，移动权重的稳定性不足，进而导致反演效果差的问题，本方案引入hammersley低差异序列和质心对立学习策略，提高种群初始位置的多样性；引入t-分布设计移动权重，提高算法在优化过程中的精度和鲁棒性；针对一般大气层臭氧垂直廓线反演方法存在学习率设计不当导致反演收敛速度慢，种群移动多样性差，容易陷入局部最优的问题，本方案引入自适应t分布修正学习率，有助于平衡算法的收敛速度和搜索精度，引入突变策略，利用邻居节点进行扰动，有助于引入多样性，避免陷入局部最优解，提高算法的全局搜索能力，进而提高反演过程的精准性。
2、本发明采取的技术方案如下：本发明提供的基于改进粒子群算法的大气层臭氧垂直廓线反演方法，该方法包括以下步骤：
3、步骤s1：数据采集；
4、步骤s2：数据清洗；
5、步骤s3：反演建模；
6、步骤s4：基于改进粒子群的反演。
7、进一步地，在步骤s1中，所述数据采集是采集大气层臭氧垂直廓线反演数据；所述大气层臭氧垂直廓线反演数据包括入射辐射强度数据、吸收系数数据、实际观测辐射强度数据和臭氧垂直分布数据。
8、进一步地，在步骤s2中，所述数据清洗是对采集的无效数据和噪声进行处理；并对数据进行格式化处理，以确保数据符合反演建模。
9、进一步地，在步骤s3中，所述反演建模具体包括以下步骤：
10、步骤s31：大气辐射传输方程描述大气中光子在传播过程中受到的吸收和散射影响，具体形式为：
11、；
12、式中，i(τ,μ)是光学厚度τ处，方向余弦为μ的辐射强度；i0(τ0,μ)是初始光学厚度τ0处的入射辐射强度；k(·)是臭氧的吸收系数；s(·)是源函数；和分别是τ的一阶导和二阶导；
13、步骤s32：假设源函数为零，即无内源，简化大气辐射传输方程为：
14、；
15、步骤s33：臭氧垂直分布是反演得到的目标函数，表示为臭氧浓度随高度的变化，所用公式如下：
16、；
17、式中，是地面处的臭氧浓度；h是臭氧的尺度高度；zt是对流层顶高度；nt是对流层顶处的臭氧浓度；n(·)是目标高度的臭氧浓度；z是高度；
18、步骤s34：计算光学厚度，光学厚度是臭氧垂直分布的积分结果所用公式如下：
19、；
20、式中，是垂直高度；是波长。
21、进一步地，在步骤s4中，所述基于改进粒子群的反演具体包括以下步骤：
22、步骤s41：预设置，基于地面处臭氧浓度、臭氧尺度高度h、对流层顶高度zt和对流层顶处的臭氧浓度nt建立搜索空间；计算反演值，所用公式如下：
23、；
24、式中，ymodeli,i1是第i粒子对于第i1个数据点的反演值；τi和μi分别是基于第i个粒子的位置得到的光学厚度和方向余弦；i(·)是辐射强度；
25、步骤s42：定义适应度值函数，适应度函数用来衡量反演值与实际观测值之间的误差，所用公式如下：
26、;
27、式中，f(·)是粒子位置的适应度值；xi是第i个粒子的位置；yobs,i1是实际观测值即实际辐射强度；n是数据点数量；
28、步骤s43：种群初始化，引入hammersley低差异序列和质心对立学习策略初始化种群，所用公式如下:
29、；
30、;
31、；
32、；
33、式中，是使用基数b生成的van der corput序列中的第i个点，是一个长度为m的向量；al(i)是i第转换为基数b后的第l位数字；n是序列总长度；和分别是使用基数b1和bn-1生成的van der corput序列中的第i个点；hi是hammersley低差异序列的第i个点；lb和ub分别是搜索空间的下限和上限；、和分别是第1个、第i个和第n个准个体位置；
34、步骤s44：设计移动权重，引入t-分布增强搜索能力，所用公式如下：
35、；
36、式中，和分别是第t次迭代时和第t+1次迭代时的移动权重，q是自由度参数；是gamma函数；
37、步骤s45：设计学习率，引入自适应t分布修正学习率，用于平衡收敛速度和精度；所用公式如下：
38、；
39、式中，和分别是第t+1次迭代时的学习率和初始学习率；t(·)是t分布；d是比例因子；cp是临界值；
40、步骤s46：设计移动策略，个体适应度值越高则位置越差；所用公式如下：
41、；
42、；
43、式中，vi(t+1)和vi(t)分别是第t+1次迭代和第t次迭代时的粒子速度；xi(t+1)和xi(t)分别是第t+1次迭代和第t次迭代时的粒子位置；pi是第i个粒子历史最优位置；rand是0到1的随机数；best是种群最优个体位置；是最大移动权重；xr是随机个体位置；
44、步骤s47：设计突变策略，对种群中适应度值最高的10%的个体进行位置突变，基于邻居节点对突变个体位置进行扰动，所用公式如下：
45、；
46、式中，是突变后位置，α是突变权重；r1和r2都是0到1范围内的随机数，且相互独立；xi+1(t+1)和xi-1(t+1)分别是第t+1次迭代时第i+1个体和第i-1个体；
47、步骤s48：反演判定，预先设有适应度阈值，当存在个体适应度值低于适应度阈值时，大气层臭氧垂直廓线反演完成，粒子位置表示的参数即反演建模设置参数；若达到最大迭代次数，则重新初始化种群位置；否则继续更新位置迭代搜索。
48、采用上述方案本发明取得的有益效果如下：
49、（1）针对一般大气层臭氧垂直廓线反演方法存在反演种群初始化不当导致个体位置的多样性不足，初始解质量过于随机性，移动权重的稳定性不足，进而导致反演效果差的问题，本方案引入hammersley低差异序列和质心对立学习策略，提高种群初始位置的多样性；引入t-分布设计移动权重，提高算法在优化过程中的精度和鲁棒性。
50、（2）针对一般大气层臭氧垂直廓线反演方法存在学习率设计不当导致反演收敛速度慢，种群移动多样性差，容易陷入局部最优的问题，本方案引入自适应t分布修正学习率，有助于平衡算法的收敛速度和搜索精度，引入突变策略，利用邻居节点进行扰动，有助于引入多样性，避免陷入局部最优解，提高算法的全局搜索能力，进而提高反演过程的精准性。
1.基于改进粒子群算法的大气层臭氧垂直廓线反演方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的基于改进粒子群算法的大气层臭氧垂直廓线反演方法，其特征在于：在步骤s4中，所述基于改进粒子群的反演具体包括以下步骤：
3.根据权利要求2所述的基于改进粒子群算法的大气层臭氧垂直廓线反演方法，其特征在于：在步骤s4中，所述设计移动策略所用公式如下：
4.根据权利要求2所述的基于改进粒子群算法的大气层臭氧垂直廓线反演方法，其特征在于：在步骤s4中，所述设计突变策略所用公式如下：
5.根据权利要求1所述的基于改进粒子群算法的大气层臭氧垂直廓线反演方法，其特征在于：在步骤s3中，所述反演建模具体包括以下步骤：
6.根据权利要求1所述的基于改进粒子群算法的大气层臭氧垂直廓线反演方法，其特征在于：在步骤s1中，所述大气层臭氧垂直廓线反演数据包括入射辐射强度数据、吸收系数数据、实际观测辐射强度数据和臭氧垂直分布数据。
7.根据权利要求1所述的基于改进粒子群算法的大气层臭氧垂直廓线反演方法，其特征在于：在步骤s2中，所述所述数据清洗是对采集的无效数据和噪声进行处理；并对数据进行格式化处理，以确保数据符合反演建模。
