针对我国大气污染严重和气溶胶多的特点, 文章开展基于差分吸收光谱(DOAS)同时反演大气痕量气体和气溶胶特性方法研究。 从DOAS系统获得的总大气消光信息中, 解析多种痕量气体浓度的同时, 获得大气气溶胶质粒导致的光谱消光； 并基于气溶胶消光信息, 通过查表法反演气溶胶的平均直径、 总个数和总比表面积等物理特性。 实验结果表明该方法可以在获取痕量气体浓度同时, 并能精确反演气溶胶物理特性。

差分吸收光谱（DOAS）法是一种有效的监测大气污染气体浓度的光学遥感方法, 不仅有好的时间分辨率, 而且测量灵敏度也很高。 但是由于遥测系统处于复杂的大气环境中, 各种干扰因素以及恶劣的气候条件, 都会对系统产生影响。 针对现有实时、 在线监测差分吸收光谱系统中存在的不足, 作者提出了一种基于改进Elman网络的实时预测模型。 利用逐步回归筛选预测因子, 不仅降低了预测网络的复杂程度, 而且增强了系统的预测实时性。 利用带自适应学习率的动态BP算法对改进的Elman网络进行训练, 使预测系统能更好地辨识要预测的差分吸收光谱系统, 该模型能较准确地对DOAS系统监测污染物数据进行实时跟踪监控, 一定程度上弥补了遥测系统的不足。

针对差分吸收光谱技术(DOAS)获取差分吸收光学密度(OD)的技术特点,本文提出采用自适应神经模糊推理系统(ANFIS)来逼近DOAS测量谱中慢变成分,并依次获得痕量气体差分吸收光学密度。该方法根据DOAS系统获得测量谱的特点进行自适应调整网络参数,因此能较精确地分离慢变部分和快变部分。利用SO₂样气进行实验,结果表明ANIFIS比多项式函数更为灵活。基于AINFIS网络获取的OD进行浓度反演,提高了DOAS反演精度。