基于雷达点云的降雨模式识别及流速校正

微波雷达测量河流流速利用了电磁波与水面纹波的多普勒效应,但降雨影响纹波运动特性,导致测量精度下降。为此,提出了聚类识别降雨并用水位-流速曲线及神经网络对实测表面流速进行校正的方法。首先,对雷达采集的河流流速点云进行预处理,利用k-means聚类识别是否降雨,获取非降雨场景下的水位-流速数据集。然后,利用直方图统计法筛选出可靠数据组,根据峰度、偏度、数据量进行单值化处理,得到水位-流速关系曲线。最后,利用关系曲线和反向传播(back propagation,BP)神经网络对测量结果进行校正。为验证所提方法的可行性,在西双版纳允景洪水文站进行实验,实验结果表明该校正方法使流速偏差由1.92%降低至0.27%,平均流速误差由3.5%降至0.47%。

多输入优化神经网络河流流量估计算法

针对传统模型在河流流量估计方面精度低、自适应能力差、易陷入局部最小值的问题,提出一种改进麻雀搜索算法(improved sparrow search algorithm,ISSA)优化反向传播(back propagation,BP)神经网络的算法,利用雷达采集的河流水位、断面积、流速对河流流量进行估计。针对麻雀搜索算法(sparrow search algorithm,SSA)易陷入局部极值问题进行改进,通过莱维飞行对SSA初始个体优化,从而提高种群多样性;引入捕获繁衍机制至麻雀发现者中,以便麻雀个体能够最大程度搜索且提高其跳出局部最优的能力;使用基于适应度的差分变异算法对麻雀加入者进行优胜劣汰的选择,以提高流量估计的准确性和稳定性。使用云南河边水文站2022年6月和7月两个月的数据,搭建了ISSA-BP、SSA-BP和BP神经网络进行对比。实验结果表明,ISSA-BP较SSA-BP和BP平均绝对误差(mean absolute error,MAE)分别降低了25.5%和40.2%,证实了该算法在多特征值河流流量估计方面具有较好的可行性和性能。

一种地下排水管道流速测量方法

城市地下管网排水系统是整个城市的“血脉”,准确掌握管道水流状况能为制定科学的管理方案提供有效数据支撑。地下管网腐蚀性强、湿度大、毒性重、空间狭小等环境特点,给传统流速测量设备带来挑战。为更好地监测流速情况,设计了一种以0.12 THz频段雷达流速仪,使用透镜天线将雷达电磁波约束在较小的范围内,采用多普勒谱中心频率估计算法计算多普勒频率,结合速度统计滤波法获取稳定可靠的流速测量结果。所设计的太赫兹雷达流速仪具有精度高、体积小、功耗低、耐腐蚀、不受温湿度影响等优点,为地下管网流速测量提供有效可行性方案。