悬移质含沙量在线检测的多传感器数据融合研究

发布时间：2021-12-25 09:25

　　为了掌握河流泥沙流动规律、河床及渠道冲淤的变化、水土流失情况及治理效果等,悬移质含沙量实时检测就成为水文测验中重要的组成部分。然而,现有的悬移质含沙量检测方法存在一些问题,如含沙量信息有效获取、环境变量的干扰消除以及多传感器数据融合模型合理构建等。目前还没有一套完整的针对悬移质含沙量实时检测的多传感器数据融合处理系统。本文针对含沙量检测中面临的环境变量所引起的问题和如何准确检测含沙量展开研究,研究了含沙量实时在线检测方法及多传感器数据融合模型,将为流域的水土保持、水质检测及排水排沙等提供相应的合理依据。在含沙量自动监测系统中,除了要选择合适的传感器外,其还要能够适应复杂多变的检测环境等,以及能保证含沙量检测的精准性。随着相关技术的发展,多传感器数据融合的研究逐渐成为含沙量检测和数据处理的主要方向之一。卡拉曼滤波理论、人工神经网络、遗传算法等可为准确检测含沙量做出一定的贡献。因此进行基于多传感器数据融合的悬移质含沙量的研究具有重要的意义。本文的主要研究内容和创新点包括:1.讨论悬移质含沙量检测的方法及原理,总结现有含沙量检测方法的优缺点;提出一种基于音频共振法的含沙量检测方法,并构建基于... 

【文章来源】：华北水利水电大学河南省

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

含沙量测量技术路线图

RBF神经网络结构

图 2-2 遗传算法框图Fig2-2 Genetic algorithm block diagram论基础分析程的求法与一元线性回归方程的求法类似，不同之解过程中要用到矩阵。y 与 M 个 自 变 量Mx ,x,,x12 的 线 性 关 系 ， i=1，2，…，N 有数据结构形式： NNNMNMNMMMMyxxxyxxxyxxx 0112220121222221011121211

【参考文献】：
期刊论文
[1]黄河泥沙变化研究现状与问题[J]. 穆兴民,王万忠,高鹏,赵广举.  人民黄河. 2014(12)
[2]黄河流域近期水沙变化及其趋势预测[J]. 姚文艺,冉大川,陈江南.  水科学进展. 2013(05)
[3]基于RBF神经网络的城市建成区面积预测研究——兼与BP神经网络和线性回归对比分析[J]. 张晓瑞,方创琳,王振波,马海涛.  长江流域资源与环境. 2013(06)
[4]Mean-Shift和Kalman算法在工件分拣技术中的应用[J]. 刘振宇,赵彬,邹风山,朱海波.  仪器仪表学报. 2012(12)
[5]基于GA-RBF神经网络的变压器温升预测[J]. 黄方良,周玲,任新新,陈月峰.  电测与仪表. 2012(04)
[6]基于PLC的含沙量多量程在线监测系统[J]. 付立彬,刘明堂,刘雪梅.  人民黄河. 2011(09)
[7]基于RBF的故障电缆距离的预测算法[J]. 夏伟伟,袁振海,季晨宇,黄锋.  电测与仪表. 2010(10)
[8]含沙量测量方法及比较分析[J]. 付艳红,时铁彬,徐岩.  东北水利水电. 2010(09)
[9]多泥沙河流水质监测方法探讨[J]. 李家科,李怀恩,刘健,张涛,杨涛,马苏文.  干旱区资源与环境. 2009(09)
[10]基于MATLAB的主成分RBF神经网络降水预报模型[J]. 农吉夫,金龙.  热带气象学报. 2008(06)

硕士论文
[1]南水北调高填方渠道渗漏监测的多源数据融合模型研究[D]. 田壮壮.华北水利水电大学 2017
[2]时空Kalman滤波及其在变形监测数据处理中的应用[D]. 潘家宝.中南大学 2014
[3]小流域泥沙测定系统研究及应用[D]. 迟秀全.北京林业大学 2007
[4]超声波测量河流泥沙含量的算法研究[D]. 胡博.郑州大学 2005



本文编号：3552204