CN119151387B 基于无人机的河道水文采样巡检方法及系统 （水利部交通运输部国家能源局南京水利科学研究院）

基于无人机的河道水文采样巡检方法及系统本发明公开了一种基于无人机的河道水文2S1、采集无人机搭载的多参数传感器所获取的S2、基于重构数据流和重构质量评估指标，构建特列；量指标序列；3水文特征序列和特征重要性序列；基于趋势预测模型，对每个历史时间点的状态转移矩阵和状态稳定性指数进行加权求和，42.根据权利要求1所述的基于无人机的河道水S111、接收无人机机载高光谱相机获取的表层水体3.根据权利要求1所述的基于无人机的河道水54.根据权利要求1所述的基于无人机的河道水文采样巡检方法，S222、从预存储的历史模式库中提取参考模式；计算规5.根据权利要求1所述的基于无人机的河道水文采6所述存储器存储有可被所述处理器执行的指令，所述指令用于被所现权利要求1~5任一项所述的基于无人机的河道水78[0022]如图1所示，本申请提出一种基于无人机的河道水文采样巡检方法，包括如下步9序列；据质量指标序列；通过无人机搭载的水质采样装置和投放式多参数水质传感器采集pH值P(t)、电导率C(t)、i00[0033]获取原始采样数据集D(t)和历史数据集H(t)，采用多参数交叉验证(Multi一2)[0035]获取环境补偿后的参数序列Y(t)和质量指标序列Q(t)，采用数据流动态重构[0042]本实施例的上述步骤为差分率自适应采样算法（DRAS，DifferentialRate红外相机和多普勒雷达等多源传感器采集初始数据，基于参数变化率动态调整采样频率，[0048]本实施例的上述步骤为多参数交叉验证算法（MPV，Multi_parameterCross_常因子算法进行异常检测，结合空间邻域信息进行异常源定位，异常检测准确率提升至[0054]本实施例的上述步骤为环境补偿变换算法（ECT，EnvironmentalCompensation制参数稀疏性，使得补偿参数的精确性提升了45%。采用张量分解方法处理多参数交互影达到8:1。基于互信息矩阵和谱聚类方法进行特征分组和筛选，特征表达的有效性提升了i[0068]获取水文模式类别C(t)和模式可信度指标L(t)，采用状态演变分析(State[0069]获取状态转移矩阵T(t)和状态稳定性指数η(t)，采用趋势预测建模(Trend[0070]本实施例通过引入HFET算法和HPR算法的组合，实现了对河道水文特征的多维度状态转移概率，引入马尔可夫跳跃过程描述突变特性，使得状态转移的预测准确率达到iii))ijii)为行动价值函j[0106]本实施例的上述步骤为多尺度异常检测算法（MAD，Multi_scaleAnomaly节点关联强度；[0118]本实施例的上述步骤为风险评估分级算法（RAC，RiskAssessmentand[0124]本实施例的上述步骤为应急决策生成算法（EDG，EmergencyDecision[0130]本实施例的上述步骤为巡检策略优化算法（ISO，InspectionStrategy[0134]S43、基于优化后的资源分配方案，构建包含系统参数和调整步长的参数调整空优化后的参数集；指标Q(t)和重构质量指标Λ(t)，采用综合性能评估(ComprehensivePerformancejkijji[0142]本实施例通过综合性能评估算法（CPA，ComprehensivePerformance[0148]本实施例的上述步骤为综合性能评估算法（CPA，ComprehensivePerformance[0154]本实施例的上述步骤为资源配置优化算法（RAO，ResourceAllocation[0162]采用GPS或北斗导航为无人机提供定位导航功能。巡视检查系统中包含图像识别[0170]层次分析法(AHP)是一种解决多目标复杂问题的定性和定量相结合进行计算决策2[0190]建立紧急情况下河道水文快速评价评价模型，对河道的