首頁 > 期刊 > 自然科學與工程技術 > 工程科技II > 綜合科技B類綜合 > 應用基礎與工程科學學報 > 基于SBKF-PNN融合的高填方渠道滲漏監測模型研究 【正文】
摘要:針對目前高填方渠道滲漏檢測方法通常單一、數據獲取易受環境干擾、滲漏等級難以分類等問題,研究了基于SBKF-PNN融合的高填方渠道滲漏實時監測模型.首先建立基于土質高填方渠段的實驗模型,設計了基于ZigBee和GPRS的滲漏信息無線傳感網絡,將高填方渠道的溫度信息、濕度信息、GPS信息和滲流信息進行可移動獲取;結合高填方渠道滲漏規律,分析傳感器多源數據變化的規律及其關聯度,定義了高填方渠道滲漏的等級模式,篩選了溫度場、電勢場和電磁場等多傳感器信息作為滲漏監測量;然后應用貫序式塊卡爾曼濾波(Sequential Block Kalman Filter,SBKF)方法對多傳感器數據塊進行處理,同時采用概率神經網絡(Probabilistic Neural Network,PNN)算法進行渠道滲漏的等級分類;最后用大量的實測數據對SBKF-PNN模型進行訓練,得到高填方渠道滲漏監測的反演模型,并將該反演模型應用到實際的高填方滲漏監測中.結果表明,基于SBKF-PNN的滲漏監測模型可實現多傳感數據塊的實時濾波,有效融合多種環境量的突變特征,能較準確地實現高填方渠道滲漏等級分類.
注:因版權方要求,不能公開全文,如需全文,請咨詢雜志社