A subsection orthogonal neural network technique for the ground-based radiometer to remotely sense cloudy atmosphere

The standard orthogonal neural network technique expands the atmospheric profile by a set of natural orthogonal functions. The coefficients of the orthogonal function are estimated by neural network. The information of cloudbase height can be well exploited by this method and then increases the retrieval precision in cloudy atmosphere. Based on the above method, a subsection orthogonal neural network technique is presented. The atmospheric profile is divided into several segments with corresponding coefficients of orthogonal functions. The result indicates that the correlation coefficient by using this coefficients matrix to simulate the cloudy atmospheric profile is higher than that of the standard method and the retrieval precision is also higher. Finally, the measured data at Qingdao site are used to validate the method.