由于環境等因素影響,用于測量水位的超聲波、雷達式等非接觸式水位計存在一定的測量誤差,更換高精度設備會增加成本,為解決測量誤差,提出基于機器學習的水位計校準算法。該算法融合測量誤差產生的環境因素,采用迭代Boosting學習算法,構建Adaboost的單層決策樹模型,采用誤差輾轉遞送的強學習算法對測量誤差進行校準。算法仿真結果顯示,校準結果可以很好地擬合標準設備測量值,校準算法不僅克服更換設備帶來的成本,還將傳統的儀器校準遷移至后端軟件層面,為解決非接觸式水位計校準提供新手段。

【文章頁數】：4 頁

【部分圖文】：

圖1 Boosting模型算法流程圖

Boosting模型使用基于單層決策樹的AdaBoost模型，訓練數據集輸出校準值，其算法流程如圖1所示。利用誤差輾轉遞送的水位測量數據實時校準算法步驟如下：

圖2 校準算法仿真結果

根據校準算法理念，本研究采集贛江某監測點1個月的水位數據，采用SEBAPuls20雷達水位計作為自建點采集設備，測量范圍為0～35m，測量精度為±2cm，輸出4～20mA電流信號，水位數據采樣為1次/h。校準算法仿真結果如圖2所示，其中藍色曲線為自建點采集設備實際采樣的水....

本文編號：4057543