论文部分内容阅读
受外界环境和仪器设备等的影响,实时水位观测数据流噪声和数据异常问题突出,严重制约了实时应用效能。针对已有数据清洗方法适应性差,难以根据动态观测数据的变化特征进行动态调整问题,本文提出了一种水文变化语义约束的实时水位观测数据流在线滤波方法:在实时水位观测数据变化特征与水文时空过程动态演变规律之间建立高层语义映射,实现水文变化语义知识约束下的卡尔曼模型参数自适应调整,从而突破传统滤波方法的瓶颈。采用多种降雨情景下的实时水位观测数据进行了试验,证明了该方法结果质量的可靠性。