基于群智感知的航道测深数据处理方法研究

发布时间：2020-06-17 06:19

【摘要】：航道水深信息表征了航道条件,是重要的航道尺度指标,在内河航道船舶通行安全中发挥着重要作用。因此,航道管理部门通常利用专业测量船舶的自动测量系统,完成高质量水深数据的测量工作。然而长江水文情况复杂,特别是回水变动区,弯多水急,河床泥沙淤积变动大,加之近年来航道作业的逐渐增多,使河床形态发生快速变化。传统的航道水深测量方式尽管保持较高的测量精度,但是较长的测量周期却使航道维护管理部门难以有效地掌握河床的变化情况,实时地对风险航道做出预警和预报。群智感知作为一种新兴的传感器网络服务模式,以普通个体携带的传感器设备作为数据源,形成大规模、可拓展的信息感知网络,可极大地提高数据测量效率,增加数据感知规模,减少测量成本。因此,本文基于群智感知技术,探索和研究群智感知航道水深测量数据中的数据处理问题,着重研究基于群智感知的水深测量数据中的数据质量控制及数据融合等问题,以期为群智感知的水深测量数据的实际应用提供技术支撑保障。论文的主要研究内容如下:(1)对航道水深数据的测量特性进行分析,通过航道水深数据高程校正和航道假水深数据的剔除等数据处理算法,确保航道水深数据的质量。(2)针对群智感知测深数据在空间分布上和传统测深数据具有不同特征的情况,提出一种基于插值方差估计(Interpolated Variance Estimator,IVE)的同源传感器加权融合算法,提高数据融合算法的融合精度,并通过仿真和实验分析验证了所提算法的有效性。(3)针对群智感知测深数据拥有不同的测深日期这一数据特征,引入一种考虑时间因素(即数据新旧程度)的群智感知测深时间序列融合算法,以完成群智感知测深数据在时空域内完整的数据融合,进一步提高测深数据的融合精度。通过对比分析融合算法中不同的时间衰减函数,寻找出最适合航道水深时间序列的函数,并构建相应的融合算法。
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U675.4
【图文】：

地形图,水道,地形图,航道

航道如今已经能够实现全年通航。良好的外部环境和重要域有望成为我国最大的产业密集带之一，也使长江航运在重要地位日渐凸显[1]。受航道整治、河床采砂等航道作业的影响，造成航道河床此直接造成了航道水深变化迅速，不易及时测量这一突出。同时，由于长江独特的地貌形态和复杂多变的水文条件湍急，江面弯曲狭窄，礁石时现等众多不利的地质情况。庆段江津红花碛至涪陵变动回水区航道，因弯多水急，船水深浅时船底距离江底仅 1 米左右，航行安全无法保障。后，由于人为地制造了水位高度差，分别增加了大坝两侧长江上游江面升高，降低了江水水流自身能够输移的泥沙沙淤积。同时，随着近几年长江航道作业的持续进行，特大规模地质开采，破坏了航道河床地形，恶化了航道通航带来了极大的困扰。以长江巴南航道管理处辖区为例，如床呈“V”型，整个河段蜿蜒曲折，汛期水流湍急，水下情况

数据分布,声波脉冲,测量方式,单波束

图 1.2 单波束声波脉冲测量方式和多波束声波脉冲测量方式对比. 1.2 Comparison of Single beam sonic pulse measurement method and multi beam sonic measurement method由图可知，单波束脉冲测量设备在进行水深测量时，是以一个测量点的水表征附近某一领域的水深信息。单波束测深的数据分布特点是沿船舶航据密集，而在垂直航迹方向上没有数据，因此无法探测尺度小于测线间，测量精度较低，无法准确地反映测量区域的实际河床地形情况。而多脉冲测量设备是以多束声波脉冲对测量点附近的一定范围进行精确测量过声波发射与接收换能器阵进行声波广角度定向发射、接收，再辅以各（卫星定位系统、运动传感器、电罗经、声速剖面仪等）对各个波束测位置归算，从而获取在与航向垂直的条带式高密度水深数据[12]。总的来束脉冲测量方式较之单波束脉冲测量方式测量精度高。另外，两者由于不同，仪器设备的结构也完全不同，设备价格更是相差几十倍。目前在我国，受技术设备等方面影响，多波束脉冲测量设备价格普遍较贵

【参考文献】