阅读笔记:基于时频卷积神经网络的给水管网泄漏检测

本文介绍了基于时频卷积神经网络(TFCNN)的给水管网泄漏检测方法,利用STFT生成泄漏谱图,并通过TFCNN模型进行分类预测。研究在不同信噪比下,TFCNN模型表现出优于其他分类模型的性能,适用于低信噪比条件下的泄漏检测。此外,还探讨了迁移学习在数据集不足情况下的应用。
摘要由CSDN通过智能技术生成

关键词:WDS(water distribution system),leakage detection,time-frequency spectrogram;CNN

Guo G, Yu X, Liu S, et al. Leakage detection in water distribution systems based on time–frequency convolutional neural network[J]. Journal of Water Resources Planning and Management, 2021, 147(2): 04020101.

一、介绍

1.  泄漏信号的特点:短期非平稳和长期平稳的随机信号。在实践中,需要考虑噪声的影响,低信噪比情况的检测。

2.  以往研究很少关注泄漏频带内的噪声对检测模型的影响,通常使用简单的预处理方法去除泄漏频带外的噪声。所以,有必要测试噪声对检测方法的影响,以便开发稳定的泄漏检测模型。

3. 在泄漏检测方面,特征可归纳为三类,时域、频域和时频域。本文提出用泄漏谱图来表征泄漏信号的特征,并以三种不同分辨率的时频谱图作为输入,用于TFCNN模型。

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值