关键词：
高填方渠道
渗漏监测
多源数据融合
卡尔曼滤波
概率神经网络
摘要：
一般来说,填方高度大于6m的渠道称之为高填方渠道。高填方渠道广泛分布于南水北调中线工程中。由于南水北调中线工程跨区域广、填方高度大,工程地质条件复杂,高填方渠段会出现地面局部沉降、滑坡、冻胀等灾害。这些灾害会造成高填方衬砌面板开裂、防渗体被拉断而造成渗(漏)水出现渗漏。由于渠线较长,渗漏量依然会较大。高填方段渠道一旦长期渗漏就会导致溃堤,将直接影响沿线居民的生命财产安全。因此,高填方渠段渗漏监测技术是南水北调工程安全监测中的关键技术之一。为保证通水后渠道的安全运行,确保人民生命财产安全,需要对南水北调高填方渠段进行专项渗流监测设计。目前,国内外探测渗漏隐患的技术方法很多,如电法、地质雷达法、瞬变电磁法、同位素示踪法以及流场法等。但是,高填方渠道以其特殊的工程结构使得渗漏监测更加困难,需要选择更适合其渗漏监测特有的方法和技术。现有的南水北调高填方渠道渗漏监测在信息的有效获取、异常特征的判断以及模型的有机表述等方面还存在诸多问题。实际上,当高填方渠道渗漏水时,渗漏区域会产生一个温湿度和渗流场等环境量异常地段。因此,实时监测与渗漏有关联的多种环境量突变特征并进行多源数据融合将更有意义。本文对渗漏监测传感网络硬件设计、多源数据融合模型验证和监测信息可视化平台实现等方面进行研究和设计,其主要内容如下:1)研究高填方渠道工程渗漏隐患产生的机理,寻找高填方渠道渗漏检测的常用方法,采取多个传感器来共同检测高填方渠道渗漏状态,设计了可用于南水北调高填方渠道渗漏检测的物联网监测平台,能够感知温度场、湿度场、渗漏电流场和含水率等信息的变化。2)建立基于Kalman-PNN的高填方渠道渗漏监测的多源数据融合模型,实现了预定的渗漏状态的识别和分类;该模型应用卡尔曼滤波后的值进行梯度运算,然后应用PNN概率神经网络进行多源数据融合,同时也实现了渗漏级别的分类。3)利用图形化编程软件LabVIEW进行远程数据的可视化平台设计,实现了高填方渠道渗漏监测结果实时显示和预测分析,并通过实验模型验证了监测系统的有效性,最后实际应用于新乡市人民胜利渠高填方渠道渗漏监测中。
欢迎来到三峡大学图书馆！
