<cite id="yyiou"><tbody id="yyiou"></tbody></cite>
<cite id="yyiou"><samp id="yyiou"></samp></cite>
  • <s id="yyiou"></s><bdo id="yyiou"><optgroup id="yyiou"></optgroup></bdo>
  • <cite id="yyiou"><tbody id="yyiou"></tbody></cite>

    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】

    基于SBKF-PNN融合的高填方渠道滲漏監測模型研究

    劉明堂; 王麗; 秦澤寧; 司孝平; 劉雪梅 華北水利水電大學信息工程學院; 河南鄭州450045; 中原經濟區水資源高效利用與保障工程河南省協同創新中心; 河南鄭州450041
    • 高填方渠道
    • 滲漏監測
    • 無線傳感網
    • 貫序塊卡爾曼濾波
    • pnn分類

    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

    投稿咨詢 免費咨詢 雜志訂閱

    我們提供的服務

    服務流程: 確定期刊 支付定金 完成服務 支付尾款 在線咨詢
    主站蜘蛛池模板: 分宜县| 武义县| 南涧| 策勒县| 景谷| 河东区| 星子县| 惠州市| 肇源县| 长治县| 千阳县| 青川县| 阿坝县| 道真| 昭苏县| 龙岩市| 罗定市| 泽州县| 双牌县| 吴旗县| 河曲县| 沧州市| 苗栗县| 体育| 隆德县| 航空| 康定县| 左权县| 宝坻区| 新余市| 图片| 蒲江县| 密山市| 广汉市| 天峻县| 公主岭市| 金堂县| 沅陵县| 盐津县| 谷城县| 西丰县|