基于径向基神经网络的明渠流量软测量方法

为克服现有明渠流量测量方法在监测自动化、测量准确度、测量成本和适用范围等方面存在的不足,在新兴的大尺度粒子图像测速(large-scale particle image velocimetry,LSPIV)技术的框架下,设计了一种基于径向基神经网络(radial basis functionneural network,RBFNN)模型的明渠流量软测量方法。无需进行水面流速系数分析即可实现断面流量动态测量,避免了由于流速系数取值不当引起的倍乘误差。该方法依据明渠流速-水位-流量的内在关系,选取少量水面点流速(LSPIV流速仪获取)和单点水位(超声波水位计获取)为二次变量,通过数据驱动的方法利用流速-面积法获取的精测数据建立RBFNN软测量模型。将该方法和三线一点流量简测法的测量结果进行实验对比,发现该方法可以在降低明渠流量测量复杂度的同时,保证较高的测量精度。