基于微波辐射测量和GA-BP神经网络的电缆内部温度反演

目的针对现有电缆监测系统无法实现无损式测量电缆内部温度的问题,方法提出一种基于微波辐射测量的电缆内部温度反演方法。首先,使用非相干方法构建多层微波辐射传输模型,利用指数函数进行分层,通过无限元仿真得到微波辐射计测量的亮温数据集,应用十折交叉验证划分数据集,为模拟实际测量中微波辐射计测得的亮温值易受环境噪声影响的情况,本文将测试集仿真值混合信噪比10~50 dB的高斯白噪声作为微波辐射计的实测值;然后采用遗传算法(genetic algorithm,GA)优化BP神经网络的权值和阈值,以此构建GA-BP神经网络模型,再向构建好的网络中输入样本,训练网络模型;最后利用实测值验证经过训练的GABP神经网络模型在反演电缆内部温度方面的能力。结果实验结果表明:相较于仅使用BP神经网络,使用遗传算法优化后的BP神经网络在反演电缆内部温度方面表现更优异;网络的反演效果和实测值添加的噪声信噪比呈正相关,噪声信噪比越大,神经网络的反演效果越好;当测试集中添加的噪声信噪比大于36 dB时,R^(2)>0.627,RMSE<5.55,反演效果较好;当混合噪声信噪比为50 dB时,反演效果最优,决定系数可达0.985。结论结果证明了GA-BP神经网络在电缆内部温度反演的有效性,为电缆内部温度反演提供了新思路。