1.一种基于神经网络的MWHTS通道权重函数计算方法，其特征在于，包括以下步骤：

步骤一：建立大气参数与MWHTS观测高度角在时间和空间上的匹配数据，把匹配数据输入到辐射传输模型RTTOV，分别计算MWHTS每个通道中大气分层中的每一层到卫星载荷MWHTS的大气透过率；

步骤二：根据MWHTS每个通道的大气透过率计算MWHTS对应通道权重函数廓线，并建立大气参数、MWHTS观测高度角和MWHTS每个通道权重函数廓线的匹配数据集；

步骤三：基于匹配数据集，以大气参数和MWHTS观测高度角为输入，以MWHTS每个通道权重函数廓线为输出，训练BP神经网络，针对MWHTS每个通道，分别建立基于BP神经网络的MWHTS通道权重函数廓线计算的最佳模型；

步骤四：使MWHTS每个通道权重函数廓线中极大值改变为1，其它值改变为0，建立每个通道权重函数极值样本，并作为深度神经网络的输出，以大气参数和MWHTS观测高度角为深度神经网络的输入，针对MWHTS每个通道，分别建立基于深度神经网络的MWHTS通道权重函数极大值所在大气分层计算的最佳模型。

2.根据权利要求1所述的一种基于神经网络的MWHTS通道权重函数计算方法，其特征在于，所述步骤一具体包括：

首先，大气参数包括温度廓线、湿度廓线、云水廓线、地表温度、地表湿度、地表压强、

10m风速，其中廓线数据的大气分层从地面到高空分为37层，每一层的压强值为 ，其中i=

1，2，3…37，从地面到高空 的值从1 000hPa逐渐减小至1 hPa，地理空间上的分辨率选择为0.5°×0.5°；然后，把大气参数按照时间误差小于10分钟，经纬度误差小于0.1°的匹配规则，在时间和空间上与MWHTS观测数据里的观测高度角进行匹配，形成匹配数据；最后，把大气参数和MWHTS观测高度角和匹配数据输入到辐射传输模型RTTOV，针对MWHTS全部通道，分别计算每个通道中第i层的大气分层到卫星载荷MWHTS的大气透过率 ，其中，n=1，2，3…

15，表示MWHTS的15个通道，那么，对于MWHTS的15个通道中的每一个通道，匹配数据中的每一组大气参数和MWHTS观测高度角可获得一组大气透过率。

3.根据权利要求2所述的一种基于神经网络的MWHTS通道权重函数计算方法，其特征在于，所述步骤二具体包括：MWHTS的n个通道权重函数廓线可表示为：其中，n=1，2，3…15表示MWHTS的15个通道，m=1，2，3…36；

建立大气参数、MWHTS观测高度角和MWHTS每个通道权重函数廓线的匹配数据集，其中随机选择匹配数据集中80%的数据形成分析数据集一，剩下20%的数据形成验证数据集一。

4.根据权利要求3所述的一种基于神经网络的MWHTS通道权重函数计算方法，其特征在于，所述步骤三具体包括：

首先，针对MWHTS每个通道，分别建立三层BP神经网络结构，获得15个BP神经网络结构；

其次，基于步骤二中建立的分析数据集一，以其中的大气参数和MWHTS观测高度角为输入，以其中的MWHTS每个通道权重函数廓线为输出，分别训练已建立的15个BP神经网络；然后，在每个神经网络的训练过程中，通过调节隐藏层神经元的个数可获得权重函数廓线预测值的均方差值，选择均方差最小的隐藏层神经元对应的神经网络作为最佳模型，那么对于MWHTS每个通道，均可获得基于BP神经网络的MWHTS通道权重函数廓线计算的最佳模型；最后，把验证数据集一中的大气参数和MWHTS观测高度角，输入到相应通道所对应的基于BP神经网络的MWHTS通道权重函数廓线计算的最佳模型，获得MWHTS每个通道权重函数廓线的计算结果。

5.根据权利要求4所述的一种基于神经网络的MWHTS通道权重函数计算方法，其特征在于，所述步骤四具体包括：

首先，在分析数据集一和验证数据集一中，使MWHTS每个通道权重函数廓线中极大值改变为1，通道权重函数廓线中的其它值改变为0，即可获得每个通道权重函数极大值样本，而相应的大气参数和MWHTS观测高度角不变，分别建立分析数据集二和验证数据集二；其次，针对MWHTS全部通道，建立四层深度神经网络结构，即可获得15个深度神经网络结构；然后，以分析数据集二中的大气参数和MWHTS观测高度角为输入，以分析数据集二中通道权重函数极大值样本为输出，分别训练这15个深度神经网络结构，通过调节隐藏层神经元个数，可获得深度神经网络对通道权重函数极值样本的分类的正确率，选择正确率最大值所对应的深度神经网络结构作为最佳模型，那么对于MWHTS每个通道，均可获得基于深度神经网络的MWHTS通道权重函数极大值所在大气分层计算的最佳模型；最后，把验证数据集二中的大气参数和MWHTS观测高度角，输入到相应通道所对应的基于深度神经网络的MWHTS通道权重函数极大值所在大气分层计算的最佳模型，获得MWHTS每个通道权重函数极大值所在大气分层的计算结果。