1. 毕业设计（论文）主要目标：
气溶胶是大气的重要组成部分，对气候变化、云降雨等具有重要的影响。气溶胶消光系数作为气溶胶探测的必要内容，是分析气溶胶物理光学特性的重要参数，因此，研究如何提高气溶胶消光系数的反演精度具有重要意义。然而，传统的Mie散射激光雷达测量方法在反演过程中对激光雷达比和边界值等进行假设和近似处理，制约着反演结果的精度。为了避免此类问题，本文在自主研发设计的微脉冲激光雷达系统的基础上，提出了一种基于深度信念网络（DBN）的气溶胶系数反演方法，通过深度学习算法构建激光雷达回波信号与气溶胶消光系数之间的非线性映射关系，实现气溶胶消光系数的高精度反演。
2. 毕业设计（论文）主要内容：
本文从激光雷达重要元器件的选择和主要参数的选定等方面，详细阐述了整个微脉冲激光雷达系统的设计思想。进而基于本系统提出了一种基于深度信念网络（DBN）的气溶胶消光系数反演方法。以激光雷达回波信号作为网络输入，以气溶胶消光系数作为网络输出，通过深度学习算法构建两者的非线性映射关系，提高气溶胶消光系数反演的效率和精度。
3. 主要参考文献
[1] Ye D, Hsi Fuh J Y, Zhang Y, et al. In situ monitoring of selective laser melting using plume and spatter signatures by deep belief networks [J]. ISA Transactions, 2018, 81: 96-104.
[2] Wang F, Ma S, Wang H, et al. Prediction of NOX emission for coal-fired boilers based on deep belief network [J]. Control Engineering Practice, 2018, 80: 26-35.
[3] Safder U, Nam K, Kim D, et al. Quantitative structure-property relationship (QSPR) models for predicting the physicochemical properties of polychlorinated biphenyls (PCBs) using deep belief network [J]. Ecotoxicology and Environmental Safety, 2018, 162: 17-28.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
