一种基于KAN的分布式光纤拉曼放大器正反向问题拟合方法

本发明公开了一种基于柯尔莫哥洛夫‑阿诺德神经网络(KAN)的分布式光纤拉曼放大器正反向问题的拟合方法，属于光纤拉曼放大器技术领域。该方法通过建立分布式光纤拉曼放大器的数学模型，在二阶泵浦条件下生成理想数据集，并针对不同使用场景设计三种不同的KAN结构模型，分别用于正向单增益点、增益谱预测以及反向泵浦参数预测。通过优化超参数和网络结构，利用训练好的KAN模型实现高效、准确的正反向拟合。该方法在简化网络结构的同时，大幅减少了计算资源需求、提高了非线性拟合能力、能够快速适应不同场景的需求、结合正向和反向模型的级联，可实时观测反向预测的泵浦参数对应的增益谱形状，显著提升了分布式光纤拉曼放大器的设计和性能评估效率，具有重要的实际应用价值。