摘要：針對(duì)目前高填方渠道滲漏檢測(cè)方法通常單一、數(shù)據(jù)獲取易受環(huán)境干擾、滲漏等級(jí)難以分類(lèi)等問(wèn)題,研究了基于SBKF-PNN融合的高填方渠道滲漏實(shí)時(shí)監(jiān)測(cè)模型.首先建立基于土質(zhì)高填方渠段的實(shí)驗(yàn)?zāi)Ｐ?設(shè)計(jì)了基于ZigBee和GPRS的滲漏信息無(wú)線傳感網(wǎng)絡(luò),將高填方渠道的溫度信息、濕度信息、GPS信息和滲流信息進(jìn)行可移動(dòng)獲取;結(jié)合高填方渠道滲漏規(guī)律,分析傳感器多源數(shù)據(jù)變化的規(guī)律及其關(guān)聯(lián)度,定義了高填方渠道滲漏的等級(jí)模式,篩選了溫度場(chǎng)、電勢(shì)場(chǎng)和電磁場(chǎng)等多傳感器信息作為滲漏監(jiān)測(cè)量;然后應(yīng)用貫序式塊卡爾曼濾波(Sequential Block Kalman Filter,SBKF)方法對(duì)多傳感器數(shù)據(jù)塊進(jìn)行處理,同時(shí)采用概率神經(jīng)網(wǎng)絡(luò)(Probabilistic Neural Network,PNN)算法進(jìn)行渠道滲漏的等級(jí)分類(lèi);最后用大量的實(shí)測(cè)數(shù)據(jù)對(duì)SBKF-PNN模型進(jìn)行訓(xùn)練,得到高填方渠道滲漏監(jiān)測(cè)的反演模型,并將該反演模型應(yīng)用到實(shí)際的高填方滲漏監(jiān)測(cè)中.結(jié)果表明,基于SBKF-PNN的滲漏監(jiān)測(cè)模型可實(shí)現(xiàn)多傳感數(shù)據(jù)塊的實(shí)時(shí)濾波,有效融合多種環(huán)境量的突變特征,能較準(zhǔn)確地實(shí)現(xiàn)高填方渠道滲漏等級(jí)分類(lèi).