为了实现对城市地下综合管廊全域温度精准、高效、低成本的在线监测,解决分布式光纤温度传感(RDTS,raman distributed temperature sensor)面临的信噪比低、空间分辨率有限、小尺度异常不敏感、数据存储成本高及无法二维监测等技术瓶颈...为了实现对城市地下综合管廊全域温度精准、高效、低成本的在线监测,解决分布式光纤温度传感(RDTS,raman distributed temperature sensor)面临的信噪比低、空间分辨率有限、小尺度异常不敏感、数据存储成本高及无法二维监测等技术瓶颈。本文提出一套RDTS性能提升方法:包括采用GraphSAGE图神经网络的信号降噪方法;结合全变差反卷积与全连接神经网络的空间分辨率提升方法;利用注意力机制与K-Means聚类检测的小尺度异常检测方法;通过隐式神经表示的数据压缩方法;最终基于处理后的一维温度信号,通过特殊布线策略的二维温度场构建方法。该套方法能有效提升RDTS在测量精度、异常检测灵敏度和覆盖维度上的性能,为管廊全域温度监测提供了高准确度、小尺度、低成本的解决方案。展开更多
文摘为了实现对城市地下综合管廊全域温度精准、高效、低成本的在线监测,解决分布式光纤温度传感(RDTS,raman distributed temperature sensor)面临的信噪比低、空间分辨率有限、小尺度异常不敏感、数据存储成本高及无法二维监测等技术瓶颈。本文提出一套RDTS性能提升方法:包括采用GraphSAGE图神经网络的信号降噪方法;结合全变差反卷积与全连接神经网络的空间分辨率提升方法;利用注意力机制与K-Means聚类检测的小尺度异常检测方法;通过隐式神经表示的数据压缩方法;最终基于处理后的一维温度信号,通过特殊布线策略的二维温度场构建方法。该套方法能有效提升RDTS在测量精度、异常检测灵敏度和覆盖维度上的性能,为管廊全域温度监测提供了高准确度、小尺度、低成本的解决方案。
