一种利用前馈神经网络结合时序变化的大气CO2数据填补方法和系统

本发明提出一种利用前馈神经网络结合时序变化的大气CO2数据填补方法和系统。其中，方法包括：通过深度学习模型学习CO2在大气中的时间空间变化规律，拟合辅助变量与CO2的非线性关系，构建高时空分辨率高精度的全球CO2分布，即融合卫星、地基和模式数据，大大提高了精度和覆盖度；在训练集中加入CO2的时间变化，模型在一定程度上可以学习到CO2的时间变化规律，提高精度。使用多个简单模型构建长时间序列CO2分布，减小运算量。