Floating Sensor Networks for River

Floating Sensor Networks for River Studies
Andrew Tinka, Student Member, IEEE, Mohammad Rafiee, and Alexandre M. Bayen, Member, IEEE
Abstract—Free-floating sensor packages that take local measurements
and track flows in water systems, known as drifters,
are a standard tool in oceanography, but are new to estuarial and
riverine studies. A system based on drifters for making estimates
on a hydrodynamic system requires the drifters themselves,
a communication network, and a method for integrating the
gathered data into an estimate of the state of the hydrodynamics.
This paper presents a complete drifter system and documents
a pilot experiment in a controlled channel. The utility of the
system for making measurements in unknown environments
is highlighted by a combined parameter estimation and data
assimilation algorithm using an extended Kalman filter. The
performance of the system is illustrated with field data collected
at the Hydraulic Engineering Research Unit, Stillwater, OK.
Index Terms—Data assimilation, hydrodynamics, Kalman
filters, sensor systems and applications.
I. Introduction
A. Freshwater Systems
The majority of the renewable freshwater available for
human use flows through rivers [1]. Human freshwater demand
will increase significantly in the next 50 years, due mainly to
population increase, urbanization, and increased use of waterintensive
agriculture [2]. Modeling and monitoring the flow of
freshwater, and the mixing and transport of constituents such
as salt, can lead to improvements in water use efficiency and
can help balance supply and demand [3]. Specific examples of
environmental management scenarios requiring understanding
of complex hydrodynamic systems include predicting the
movement of silt disturbed during dredging and underwater
construction operations, planning reservoir release and gate
control policies to affect the intrusion of salt water based on
specific local needs, and assessing vulnerabilities to contaminant
spills or other unforeseen events in critical water resource
regions. In each of these examples, high-quality hydrodynamic
models, based on data gathered from the actual system, can
be crucial for responsible environmental policy and decisionmaking.
Manuscript received February 21, 2011; revised September 14, 2011;
accepted December 2, 2011. Date of publication August 14, 2012; date of
current version February 20, 2013. This work was supported by NSF Awards
CNS-0615299, CNS-0915010, and NSF CAREER Award CNS-0845076. The
work of A. Tinka was supported by NSERC.
A. Tinka is with the Department of Electrical Engineering and Computer
Sciences, University of California, Berkeley, CA 94720 USA (e-mail:
[e-mail]).
M. Rafiee is with the Department of Mechanical Engineering, University of
California, Berkeley, CA 94720 USA (e-mail: [e-mail]).
A. M. Bayen is with the Department of Electrical Engineering and Computer
Sciences and the Department of Civil and Environmental Engineering, University
of California, Berkeley, CA 94720 USA (e-mail: [e-mail]).
Color versions of one or more of the figures in this paper are available
online at http://ieeexplore.ieee.org.
Digital Object Identifier 10.1109/JSYST.2012.2204914
B. Environmental and Mobile Sensing
The physical properties of large water systems can be
measured using several different sensor types and modalities.
Sensors are often categorized as Eulerian or Lagrangian (using
terminology from fluid mechanics) according to whether they
observe the medium as it flows past a fixed location (Eulerian)
or are embedded into the flow itself, measuring the
medium while moving along a trajectory (Lagrangian). The
canonical Lagrangian sensor is a small floating package that
transmits its location, and possibly other sensor measurements,
as it is carried by the water current through the system.
The oceanographic community calls such sensors drifters.
While most infrastructural sensing in rivers and estuaries is
implemented using Eulerian sensors, the evolution of wireless
sensor network technology has increased the interest in
novel Lagrangian sensor systems. The relative benefits of
Lagrangian sensors compared to Eulerian sensors can be classified
into two categories: logistical benefits and information
benefits.
The logistical benefits of a Lagrangian sensor system derive
from its flexibility and redeployable nature; in other words,
intrinsic benefits of self-contained devices designed for autonomous
operation. A fleet of drifters can be deployed, recovered,
and redeployed in response to changing needs or new
information. Their wireless communication allows them to be
used in remote locations where power and communication
infrastructure may not be available. These advantages are not
inherent to the Lagrangian or Eulerian distinction; it would be
possible to build an Eulerian sensor that was battery-powered,
communicated using wireless networks, and could be easily
redeployed. Rather, these logistical advantages are between
Lagrangian systems as they must be implemented compared
to Eulerian sensing as it is practised today.
The information benefits of mobile sensing, however, are
unique to the Lagrangian or Eulerian split. By following the
flow of water, Lagrangian sensors determine the particle outcomes
of water in the system. An Eulerian sensor, observing
the water as it flows past, can (normally) not infer anything
about the water’s history: where it came from, or where
it will end up. Tracking movement of water is particularly
important for studying the movement of contaminants or other
constituents, especially in regions with complex topology, such
as an estuary or a delta. Constituent transport is governed
by processes including advection and diffusion [4]; the Lagrangian
framework helps disambiguate the two, and allows
investigation into the precise location of interfaces or rapid
changes in concentration. One example of a hydrodynamic
phenomenon of interest where Lagrangian drifters are relevant
is tidal trapping, in which phase lags in tidal flow cause “dead
1932-8184/$31.00 c 2012 IEEE
TINKA et al.: FLOATING SENSOR NETWORKS FOR RIVER STUDIES 37
zones” where constituents can be trapped and released after a
delay [5], [6].
Lagrangian sensors do have some disadvantages in river
environments. Not all locations are suitable for deploying
drifting sensors. Rapids and waterfalls have the potential to
damage these devices. Rivers can contain obstacles that can
capture drifters. The drifters must be retrieved at the end of
a deployment, which can be a difficult procedure if they are
scattered over a wide area (or snagged on different obstacles
over a long stretch of river). The suitability of an environment
for drifter studies must be assessed prior to drifter deployment.
C. Data Assimilation
River hydraulics can be modeled with shallow water equations
in one or two dimensions [7]. Shallow water equations
are a standard constitutive model used in the environmental
engineering community and the hydraulics community to
model river flow; they are commonly used for simulation
and control. When dealing with experimental measurements,
algorithms are required to incorporate them into a model.
One such technique is data assimilation, which is the process
of integrating measurements into a flow model, and which
originated in meteorology and oceanography [8].
Most data assimilation methods can be placed into the
historically named categories of variational or sequential
assimilation methods [9]. Variational assimilation methods
perform a single optimization step on all the observed data
to minimize a cost functional. By contrast, sequential assimilation
methods, such as the Kalman filter and its extensions,
perform a series of update and analysis steps, blending the
observed data into the state estimate one step at a time. Several
extensions of the Kalman filter are applicable to nonlinear
systems. Examples include: the extended Kalman filter [10],
which uses the Jacobian of the state update equation to update
the estimate of the mean and covariance of the state, the
ensemble Kalman filter [11], which tracks the evolution of
a number of random samples in order to update the various
estimates, and the unscented Kalman filter [12], which also
tracks an ensemble of samples, but generates those samples
using a deterministic technique in order to accurately track
the mean and covariance with a minimal sample set.
This paper presents a data assimilation method based on
the extended Kalman filter. Sequential assimilation methods
are well suited to real-time assimilation, which is one of the
future goals for this system. The extended Kalman filter is
appropriate for nonlinear systems where the Jacobian is easy
to compute, which will be seen in Section III.
D. Drifters in Oceanography and Hydrology
Although studies of flotsam drift (drawing inferences about
currents from the observed movement of accidentally dropped
material) can be found in antiquity, the first deliberate drifter
study seems to be the work of G. Aim´e circa 1845 [13].
His first drifters were drift bottles: sealed bottles containing
a message asking the eventual recipient to report the date
and location found. Drift bottle studies became a widely used
technique in European oceanography around the beginning of
the 20th century [14].
The first drifter that could actively communicate its position
back to researchers was the “swallow float,” invented by
J. Swallow in 1955 [15]. It was a neutrally buoyant float that
would drift approximately 1000m underwater while transmitting
acoustic pulses that would be received by researchers’
hydrophones. Development of drifters with acoustic communication
capabilities continued in the 1960s and 1970s [16]. In
1978, the introduction of the Argos satellite service [17] gave
oceanographic researchers a global location and data uplink
system, which lead to the development of oceanographic
drifters that could communicate the

ผลลัพธ์ (ไทย) 1:

เครือข่ายเซ็นเซอร์ลอยแม่น้ำศึกษาแอนดรู Tinka สมาชิกนักเรียน IEEE, Mohammad Rafiee และ Bayen ภัณฑ์อเล็กซานเดอร์เมตร สมาชิก IEEEนามธรรมซึ่งลอยฟรีเซ็นเซอร์แพคเกจที่ใช้ภายในวัดและขั้นตอนการติดตามในระบบน้ำประปา เรียกว่า driftersเป็นเครื่องมือมาตรฐานในสมุทรศาสตร์ แต่ยังใหม่ estuarial และการศึกษาที่ริเวอร์ไรน์ ระบบตาม drifters สำหรับการประเมินระบบ hydrodynamic ต้อง drifters เองเครือข่ายสื่อสาร และวิธีการในการบูรณาการการรวบรวมข้อมูลในการประเมินของรัฐศาสต์เอกสารนี้แสดง drifter สมบูรณ์ระบบและเอกสารการทดลองนำร่องในช่องสัญญาณควบคุม โปรแกรมอรรถประโยชน์ของการระบบสำหรับการประเมินในสภาพแวดล้อมที่ไม่รู้จักเน้นการประเมินรวมพารามิเตอร์และข้อมูลใช้ตัวกรอง Kalman ขยายอัลกอริทึมการผสานกลืน ที่สะท้อนประสิทธิภาพของระบบกับข้อมูลของเขตข้อมูลที่เก็บรวบรวมในงานวิศวกรรมไฮดรอลิกวิจัยหน่วย Stillwater ตกลงคำดัชนีแบบผสมข้อมูล ศาสต์ Kalmanกรอง ระบบเซนเซอร์ และการประยุกต์I. บทนำอ.ระบบน้ำจืดส่วนใหญ่ของการทดแทนปลาหามนุษย์ใช้ไหลผ่านแม่น้ำ [1] ความต้องการน้ำจืดที่มนุษย์จะเพิ่มขึ้นอย่างมีนัยสำคัญใน 50 ปีถัดไป ครบกำหนดส่วนใหญ่ไปประชากรเพิ่ม ขึ้น เป็น และเพิ่มการใช้ waterintensiveเกษตร [2] การสร้างโมเดล และตรวจสอบการไหลของปลา และการผสมและการขนส่งของ constituents ดังกล่าวเกลือ สามารถนำไปปรับปรุงน้ำใช้เป็นประสิทธิภาพ และสามารถช่วยให้อุปสงค์และอุปทานสมดุล [3] ตัวอย่างเฉพาะของต้องทำความเข้าใจเกี่ยวกับสถานการณ์สิ่งแวดล้อมระบบซับซ้อน hydrodynamic รวมคาดการณ์การการเคลื่อนที่ของตะกอนรบกวนระหว่าง dredging และใต้น้ำการดำเนินงานก่อสร้าง การวางแผนนำอ่างเก็บน้ำและประตูนโยบายการควบคุมจะมีผลต่อการบุกรุกของน้ำเค็มตามความต้องการเฉพาะท้องถิ่น และประเมินช่องโหว่กับสารปนเปื้อนการหกรั่วไหลหรือเหตุการณ์ไม่คาดฝันอื่น ๆ ทรัพยากรน้ำที่สำคัญขอบเขตการ ในตัวอย่างเหล่านี้ คุณภาพ hydrodynamicรูปแบบ ตามข้อมูลที่รวบรวมจากระบบจริง สามารถเป็นสิ่งสำคัญสำหรับนโยบายความรับผิดชอบด้านสิ่งแวดล้อมและ decisionmakingฉบับที่ 21 กุมภาพันธ์ 2011 ได้รับ แก้ไข 14 กันยายน 2011ยอมรับ 2 ธันวาคม 2011 วันประกาศ 14 สิงหาคม 2012 วันปัจจุบันรุ่น 20 กุมภาพันธ์ 2013 งานนี้ได้รับการสนับสนุนจาก NSF รางวัลCNS-0615299, CNS 0915010 และ NSF อาชีพรางวัล CNS-0845076 ที่งานของ A. Tinka ได้รับการสนับสนุน โดย NSERCA. Tinka เป็นภาควิชาวิศวกรรมไฟฟ้าและคอมพิวเตอร์ศาสตร์ มหาวิทยาลัยแคลิฟอร์เนีย สหรัฐอเมริกาเบิร์กลีย์ CA 94720 (อีเมล์:[e-mail])Rafiee เมตรจะมีภาควิชาวิศวกรรมเครื่องกล มหาวิทยาลัยรัฐแคลิฟอร์เนีย สหรัฐอเมริกาเบิร์กลีย์ CA 94720 (อีเมล์: [e-mail])อ.ม. Bayen เป็นภาควิชาวิศวกรรมไฟฟ้าและคอมพิวเตอร์ศาสตร์และภาควิชาวิศวกรรมโยธา และสิ่งแวดล้อม มหาวิทยาลัยของรัฐแคลิฟอร์เนีย สหรัฐอเมริกาเบิร์กลีย์ CA 94720 (อีเมล์: [e-mail])รุ่นสีอย่างน้อยหนึ่งตัวเลขในกระดาษนี้มีออนไลน์ที่ http://ieeexplore.ieee.orgตัวระบุวัตถุดิจิตอล 10.1109/JSYST.2012.2204914B. สิ่งแวดล้อม และโทรศัพท์มือถือไร้สายคุณสมบัติทางกายภาพของระบบน้ำขนาดใหญ่สามารถวัดโดยใช้หลายชนิดของเซ็นเซอร์ต่าง ๆ และ modalitiesเซนเซอร์มักจะจัดประเภทเป็นแบบออยเลอร์หรือ Lagrangian (ใช้คำศัพท์จากกลศาสตร์ของไหล) ตามว่าพวกเขาสังเกตสื่อมันไหลผ่านตำแหน่งถาวร (แบบออยเลอร์)หรือฝังตัวเข้ากระแสตัวเอง การวัดการปานกลางในขณะที่ย้ายตามวิถี (Lagrangian) ที่มาตรฐาน Lagrangian เซ็นเซอร์มีขนาดเล็กลอยแพที่ส่งตำแหน่ง และอาจรวมถึงวัดอื่น ๆ เซนเซอร์มันจะทำน้ำปัจจุบันผ่านระบบชุมชน oceanographic เรียก drifters เช่นเซนเซอร์ขณะตรวจรัฐมนตรีมากที่สุดในแม่น้ำและปากแม่น้ำดำเนินการโดยใช้เซนเซอร์แบบออยเลอร์ วิวัฒนาการของเครือข่ายไร้สายเทคโนโลยีเครือข่ายเซ็นเซอร์ขึ้นดอกเบี้ยในระบบเซ็นเซอร์ Lagrangian นวนิยาย ประโยชน์ของญาติสามารถจัดประเภทเซนเซอร์ Lagrangian เมื่อเทียบกับเซนเซอร์แบบออยเลอร์เป็นสองประเภท: ประโยชน์ logistical และข้อมูลประโยชน์ประโยชน์ของระบบเซ็นเซอร์ Lagrangian logistical มาจากความยืดหยุ่นความธรรมชาติ redeployable ในคำอื่น ๆประโยชน์ intrinsic ของอุปกรณ์อยู่ในตัวเองที่ออกแบบมาสำหรับเขตปกครองตนเองการดำเนินการ กอง drifters สามารถใช้งานได้ กู้คืนและปรับใช้ในการตอบสนองความต้องการที่เปลี่ยนไป หรือใหม่ข้อมูล การสื่อสารไร้สายช่วยให้คุณใช้ในพื้นที่ห่างไกลใช้พลังงาน และการสื่อสารโครงสร้างพื้นฐานอาจไม่พร้อมใช้งาน ข้อดีเหล่านี้ไม่โดยธรรมชาติจะแตก Lagrangian หรือแบบออยเลอร์ มันจะสามารถสร้างการเซ็นเซอร์แบบออยเลอร์ที่แบตเตอรี่ขับเคลื่อนใช้สื่อสารกับเครือข่ายไร้สาย และอาจจะง่ายปรับใช้ ค่อนข้าง เหล่านี้ logistical ประการระหว่างระบบ Lagrangian ตามที่พวกเขาต้องนำมาใช้เปรียบเทียบการตรวจตามแบบออยเลอร์เป็นปฏิบัติวันนี้อย่างไรก็ตาม มีประโยชน์ข้อมูลของไร้สายมือถือเฉพาะการแบ่ง Lagrangian หรือแบบออยเลอร์ ตามกระแสน้ำ เซนเซอร์ Lagrangian กำหนดผลลัพธ์ของอนุภาคน้ำในระบบ การเซ็นเซอร์แบบออยเลอร์ สังเกตน้ำมันไหลผ่าน สามารถ (โดยปกติ) ไม่รู้อะไรเกี่ยวกับประวัติของน้ำ: มาจาก หรือมันจะสิ้นสุด ติดตามความเคลื่อนไหวของน้ำเป็นอย่างยิ่งสำคัญสำหรับการศึกษาการเคลื่อนที่ของสารปนเปื้อน หรืออื่น ๆconstituents โดยเฉพาะอย่างยิ่งในภูมิภาคที่มีโครงสร้างซับซ้อน เช่นมีห้องหรือสันดอน ภายใต้ควบคุมส่วนประกอบต่าง ๆ ของการขนส่งกระบวนการรวมถึง advection และแพร่ [4]; การ Lagrangianกรอบช่วย disambiguate สอง และช่วยให้ตรวจสอบลงในตำแหน่งที่แม่นยำของอินเทอร์เฟซหรืออย่างรวดเร็วการเปลี่ยนแปลงในความเข้มข้น ตัวอย่างหนึ่งของการ hydrodynamicปรากฏการณ์ที่น่าสนใจเกี่ยวข้อง Lagrangian driftersจะดักหน้า ระยะ lags ในไหลบ่าทำให้ "ตายปี 1932-8184 / $31.00 IEEE c 2012TINKA et al.: ลอยเซ็นเซอร์เครือข่ายสำหรับแม่น้ำการศึกษา 37โซน"ที่ constituents สามารถติด และนำออกใช้หลังจากการหน่วง [5], [6]เซนเซอร์ Lagrangian มีข้อเสียบางอย่างในแม่น้ำสภาพแวดล้อม สถานไม่เหมาะสำหรับการจัดวางเซอร์ลอย แก่งและน้ำตกมีศักยภาพอุปกรณ์เหล่านี้สร้างความเสียหาย แม่น้ำที่ประกอบด้วยสิ่งกีดขวางที่สามารถจับ drifters ต้องดึง drifters ที่จบการปรับใช้ ซึ่งจะมีขั้นตอนที่ยากที่จะกระจายเป็นบริเวณกว้าง (หรือขวัญใจนักบนอุปสรรคแตกต่างกันผ่านการยืดยาวของแม่น้ำ) ความเหมาะสมของสภาพแวดล้อมศึกษาต้องประเมินก่อนใช้ drifter สำหรับ drifterC. ข้อมูลผสมกลมกลืนริเวอร์ไฮดรอลิกสามารถสร้างแบบจำลอง ด้วยสมการที่น้ำตื้นในหนึ่ง หรือสองขนาด [7] สมการที่น้ำตื้นมีแบบจำลองขึ้นมาตรฐานที่ใช้ในการสิ่งแวดล้อมชุมชนวิศวกรรมและชุมชนระบบไฮดรอลิกส์รูปแม่น้ำไหล พวกเขามักจะใช้สำหรับการจำลองและการควบคุม เมื่อจัดการกับขนาดทดลองอัลกอริทึมจะต้องรวมไว้ในแบบเทคนิคหนึ่งดังกล่าวเป็นข้อมูลอัน ซึ่งเป็นกระบวนการของรวมวัดแบบขั้นตอน และที่มาในอุตุนิยมวิทยาและสมุทรศาสตร์ [8]วิธีการผสมข้อมูลส่วนใหญ่มีอยู่ประวัติชื่อประเภท variational หรือตามลำดับวิธีผสม [9] วิธีผสม variationalทำขั้นตอนเดียวปรับให้เหมาะสมกับข้อมูลที่พบทั้งหมดเพื่อลดต้นทุนการทำงาน โดยคมชัด การผสมตามลำดับวิธี กรอง Kalman และขยายความดำเนินการปรับปรุงและวิเคราะห์ขั้นตอน ผสมชุดตรวจสอบข้อมูลเป็นขั้นตอนหนึ่งประเมินสถานะครั้ง หลายส่วนขยายของตัวกรอง Kalman มีการไม่เชิงเส้นระบบ ตัวอย่าง: ตัวกรอง Kalman ขยาย [10],ซึ่งใช้ Jacobian ของสมการปรับปรุงสถานะการปรับปรุงการประเมินค่าเฉลี่ยและความแปรปรวนร่วมของรัฐ การวงดนตรี Kalman กรอง [11], ซึ่งติดตามวิวัฒนาการของจำนวนสุ่มตัวอย่างเพื่อปรับปรุงการประเมิน และตัวกรอง Kalman สเปรย์ผม [12], ซึ่งยังติดตามเพลิดเพลินอย่าง แต่สร้างตัวอย่างเหล่านั้นการใช้เทคนิคแบบ deterministic เพื่อติดตามได้อย่างถูกต้องค่าเฉลี่ยและความแปรปรวนร่วมกับชุดตัวอย่างน้อยที่สุดเอกสารนี้แสดงวิธีการผสมข้อมูลตามตัวกรอง Kalman แบบขยาย วิธีการผสมตามลำดับซึ่งเหมาะสมจะผสมแบบเรียลไทม์ ซึ่งเป็นหนึ่งในของเป้าหมายในอนาคตสำหรับระบบนี้ เป็นตัวกรอง Kalman แบบขยายเหมาะสำหรับระบบไม่เชิงเส้นที่ Jacobian ที่พักการคำนวณ ซึ่งจะได้เห็นในส่วนที่ IIID. drifters ในสมุทรศาสตร์และอุทกวิทยาถึงแม้ว่าศึกษาดริฟท์ flotsam (inferences วาดเกี่ยวกับกระแสจากขบวนการสังเกตของตั้งใจหลุดวัสดุ) สามารถพบได้ในโบราณ drifter เจตนาแรกการศึกษาน่าจะ เป็นการทำงานของ Aim´e กรัมเซอร์กา 1845 [13]Drifters พระองค์แรกได้ดริฟท์ขวด: ขวดปิดผนึกที่ประกอบด้วยข้อความขอให้ผู้รับในวันรายงานและตำแหน่งที่พบ ศึกษาขวดดริฟท์เป็น การใช้กันอย่างแพร่หลายเทคนิคในยุโรปสมุทรศาสตร์ทั่วต้นศตวรรษที่ 20 [14]Drifter แรกที่กำลังสื่อสารตำแหน่งกลับไปยังนักวิจัยถูก "สวอลโล่ลอย คิดค้นโดยเจกลืนใน 1955 [15] ก็ neutrally buoyant ลอยที่จะดริฟท์ประมาณ 1000 เมตรใต้น้ำในขณะที่ส่งกะพริบอะคูสติกที่จะรับของนักวิจัยhydrophones พัฒนา drifters ด้วยระดับการสื่อสารความสามารถอย่างต่อเนื่องในช่วงปี 1960 และทศวรรษ 1970 [16] ใน1978 แนะนำบริการดาวเทียมอาร์ [17] ให้นักวิจัย oceanographic ถ่ายทอดสัญญาณตำแหน่งและข้อมูลส่วนกลางระบบ ซึ่งนำไปสู่การพัฒนาของ oceanographicdrifters ซึ่งสามารถสื่อสาร

ผลลัพธ์ (ไทย) 2:

เครือข่ายเซ็นเซอร์ลอยแม่น้ำศึกษาแอนดรู Tinka, Student เป็นสมาชิกอีอีอีโมฮัมหมัด Rafiee และอเล็กซานเดเมตร Bayen สมาชิกอีอีอีบทคัดย่อฟรีลอยแพคเกจเซ็นเซอร์ที่ใช้วัดในท้องถิ่นและติดตามการไหลในระบบน้ำที่เรียกว่าเร่ร่อนเป็นเครื่องมือมาตรฐานในการสมุทรศาสตร์ แต่ยังใหม่กับ estuarial และการศึกษาแม่น้ำ ระบบบนพื้นฐานของเร่ร่อนสำหรับการทำประมาณการในระบบอุทกพลศาสตร์ต้องเร่ร่อนตัวเองเครือข่ายการสื่อสารและวิธีการสำหรับการบูรณาการข้อมูลที่รวบรวมไว้เป็นประมาณการของสถานะของhydrodynamics ฯ . บทความนี้นำเสนอระบบเร่ร่อนที่สมบูรณ์และเอกสารนักบินการทดลองในช่องควบคุม ยูทิลิตี้ของระบบการวัดในสภาพแวดล้อมที่ไม่รู้จักจะถูกเน้นโดยการประมาณค่าพารามิเตอร์รวมข้อมูลและขั้นตอนวิธีการดูดซึมโดยใช้ตัวกรองคาลมานขยาย ประสิทธิภาพการทำงานของระบบจะแสดงกับข้อมูลภาคสนามเก็บรวบรวมที่วิศวกรรมไฮดรอลิหน่วยวิจัย, สติลล์ตกลง. ดัชนีการดูดซึมข้อตกลง-ข้อมูล hydrodynamics, คาลมานกรองระบบเซ็นเซอร์และการใช้งาน. I. บทนำเอ ระบบน้ำจืดส่วนใหญ่ของน้ำจืดทดแทนที่มีอยู่สำหรับการใช้งานของมนุษย์ไหลผ่านแม่น้ำ[1] ความต้องการน้ำจืดของมนุษย์จะเพิ่มขึ้นอย่างมีนัยสำคัญในอีก 50 ปีสาเหตุหลักมาจากการเพิ่มขึ้นของประชากรขยายตัวของเมืองและการใช้งานที่เพิ่มขึ้นของwaterintensive การเกษตร [2] การสร้างแบบจำลองและการตรวจสอบการไหลของน้ำจืดและการผสมและการขนส่งขององค์ประกอบดังกล่าวเป็นเกลือสามารถนำไปสู่การปรับปรุงประสิทธิภาพการใช้น้ำและสามารถช่วยให้อุปทานสมดุลและความต้องการ[3] ตัวอย่างที่เฉพาะเจาะจงของสถานการณ์การจัดการด้านสิ่งแวดล้อมที่ต้องใช้ความเข้าใจของระบบอุทกพลศาสตร์ที่ซับซ้อนรวมถึงการคาดการณ์การเคลื่อนไหวของตะกอนรบกวนในระหว่างการขุดลอกและใต้น้ำการดำเนินงานการก่อสร้างการวางแผนการเปิดตัวอ่างเก็บน้ำและประตูนโยบายการควบคุมจะมีผลต่อการบุกรุกของน้ำทะเลที่ขึ้นอยู่กับความต้องการของท้องถิ่นที่เฉพาะเจาะจงและการประเมินช่องโหว่ที่จะสารปนเปื้อนรั่วไหลหรือเหตุการณ์ที่ไม่คาดฝันในแหล่งน้ำที่สำคัญในภูมิภาค ในแต่ละตัวอย่างเหล่านี้มีคุณภาพสูงอุทกพลศาสตร์รูปแบบขึ้นอยู่กับข้อมูลที่รวบรวมมาจากระบบที่เกิดขึ้นจริงสามารถเป็นสิ่งสำคัญสำหรับนโยบายด้านสิ่งแวดล้อมและความรับผิดชอบในการตัดสินใจ. ต้นฉบับที่ได้รับ 21 กุมภาพันธ์ 2011; ปรับปรุง 14 กันยายน 2011; ยอมรับวันที่ 2 ธันวาคม 2011 วันที่ตีพิมพ์ 14 สิงหาคม 2012; วันที่รุ่นปัจจุบันวันที่ 20 กุมภาพันธ์ 2013 งานนี้ได้รับการสนับสนุนโดย NSF รางวัล CNS-0615299, CNS-0915010 และ NSF CAREER รางวัล CNS-0845076 การทำงานของเอ Tinka ได้รับการสนับสนุนโดย NSERC. เอ Tinka อยู่กับภาควิชาวิศวกรรมไฟฟ้าและคอมพิวเตอร์วิทยาศาสตร์มหาวิทยาลัยแคลิฟอร์เนียเบิร์กลีย์, CA 94720 สหรัฐอเมริกา (E-mail:. [e-mail]) เอ็ม Rafiee อยู่กับภาควิชาวิศวกรรมเครื่องกลมหาวิทยาลัยแคลิฟอร์เนียเบิร์กลีย์, CA 94720 สหรัฐอเมริกา (E-mail: [e-mail]). AM Bayen อยู่กับภาควิชาวิศวกรรมไฟฟ้าและคอมพิวเตอร์วิทยาศาสตร์และกรมวิศวกรรมโยธาและสิ่งแวดล้อมมหาวิทยาลัยCalifornia, Berkeley, CA 94720 USA. (E-mail: [e-mail]) รุ่นสีหนึ่งหรือมากกว่าของตัวเลขในเอกสารนี้มีอยู่ทางออนไลน์ที่ http://ieeexplore.ieee.org. วัตถุดิจิตอล ตัวบ่งชี้ 10.1109 / JSYST.2012.2204914 บี สิ่งแวดล้อมและการตรวจจับมือถือคุณสมบัติทางกายภาพของระบบน้ำขนาดใหญ่สามารถวัดโดยใช้ชนิดเซ็นเซอร์แตกต่างกันและรังสี. เซนเซอร์มีการแบ่งประเภทมักจะเป็น Eulerian หรือลากรองจ์ (ใช้คำศัพท์จากกลศาสตร์ของไหล) ตามที่ว่าพวกเขาสังเกตกลางในขณะที่มันไหลผ่านคงที่ สถานที่ตั้ง (Eulerian) หรือถูกฝังลงในการไหลของตัวเองการวัดขนาดกลางในขณะที่เดินไปตามวิถี (ลากรองจ์) เซ็นเซอร์ลากรองจ์ยอมรับเป็นแพคเกจที่ลอยขนาดเล็กที่ส่งตำแหน่งของมันและอาจจะวัดเซ็นเซอร์อื่น ๆ ตามที่มีการดำเนินการโดยปัจจุบันน้ำผ่านระบบ. ชุมชนประสานเรียกเซ็นเซอร์เช่นเร่ร่อน. ในขณะที่การตรวจจับโครงสร้างพื้นฐานมากที่สุดในแม่น้ำและบริเวณปากแม่น้ำมีการดำเนินการใช้เซ็นเซอร์ Eulerian วิวัฒนาการของไร้สายเทคโนโลยีเครือข่ายเซ็นเซอร์ได้เพิ่มความสนใจในระบบเซ็นเซอร์ลากรองจ์นวนิยาย ประโยชน์ญาติของเซ็นเซอร์ลากรองจ์เมื่อเทียบกับเซ็นเซอร์ Eulerian สามารถแบ่งได้เป็นสองประเภท: ประโยชน์จิสติกส์และข้อมูลสิทธิประโยชน์. ประโยชน์จิสติกส์ของระบบเซ็นเซอร์ลากรองจ์เป็นผลมาจากความยืดหยุ่นและธรรมชาติ redeployable; ในคำอื่น ๆ ที่ได้รับประโยชน์ที่แท้จริงของอุปกรณ์ที่ตนเองมีอิสระที่ออกแบบมาสำหรับการดำเนินงาน เรือเดินสมุทรของเร่ร่อนสามารถนำไปใช้กู้คืนและนำกลับในการตอบสนองต่อการเปลี่ยนแปลงความต้องการใหม่หรือข้อมูล การสื่อสารไร้สายของพวกเขาช่วยให้พวกเขาที่จะใช้ในสถานที่ห่างไกลที่มีอำนาจและการสื่อสารโครงสร้างพื้นฐานอาจไม่สามารถใช้ได้ ข้อได้เปรียบเหล่านี้ไม่ได้โดยธรรมชาติเพื่อลากรองจ์หรือความแตกต่าง Eulerian; มันจะเป็นไปได้ที่จะสร้างเซ็นเซอร์ Eulerian ว่าเป็นแบตเตอรี่ขับเคลื่อนการสื่อสารโดยใช้เครือข่ายไร้สายและสามารถได้อย่างง่ายดายนำกลับ แต่ข้อได้เปรียบเหล่านี้เป็นจิสติกส์ระหว่างระบบลากรองจ์ขณะที่พวกเขาจะต้องดำเนินการเมื่อเทียบกับการตรวจจับEulerian ในขณะที่มันเป็นประสบการณ์ในวันนี้. ประโยชน์ของการตรวจจับข้อมูลมือถือ แต่จะไม่ซ้ำกันเพื่อแยกลากรองจ์หรือEulerian โดยต่อไปนี้การไหลของน้ำเซ็นเซอร์ลากรองจ์ตรวจสอบผลลัพธ์ที่อนุภาคของน้ำในระบบ เซ็นเซอร์ Eulerian สังเกตน้ำที่ไหลผ่านมาสามารถ(ปกติ) ไม่เห็นอะไรที่เกี่ยวกับประวัติศาสตร์ของน้ำ: มันมาจากไหนหรือที่มันจะจบลง การติดตามการเคลื่อนไหวของน้ำโดยเฉพาะอย่างยิ่งสิ่งที่สำคัญสำหรับการศึกษาการเคลื่อนที่ของสารปนเปื้อนหรืออื่น ๆ องค์ประกอบโดยเฉพาะอย่างยิ่งในพื้นที่ที่มีโครงสร้างที่ซับซ้อนเช่นเป็นบริเวณปากแม่น้ำหรือเดลต้า การขนส่งรัฐธรรมนูญถูกควบคุมโดยกระบวนการรวมทั้งการพาและการกระจาย [4]; ลากรองจ์กรอบจะช่วยให้กระจ่างทั้งสองและช่วยให้การสอบสวนในตำแหน่งที่แม่นยำของการเชื่อมต่ออย่างรวดเร็วหรือการเปลี่ยนแปลงในความเข้มข้น ตัวอย่างหนึ่งของอุทกพลศาสตร์ปรากฏการณ์ที่น่าสนใจที่เร่ร่อนลากรองจ์มีความเกี่ยวข้องเป็นดักน้ำขึ้นน้ำลงซึ่งในขั้นตอนการล่าช้าในการทำให้เกิดกระแสน้ำไหล"ตาย1932-8184 / $ 31.00? ค IEEE 2012 Tinka et al .: ลอยเครือข่ายเซ็นเซอร์สำหรับ RIVER ศึกษา 37 โซน" องค์ประกอบที่สามารถติดอยู่และปล่อยออกมาหลังจากที่ล่าช้า[5] [6]. เซ็นเซอร์ลากรองจ์จะมีข้อเสียบางอย่างในแม่น้ำสภาพแวดล้อม ไม่ได้ทุกสถานที่ที่มีความเหมาะสมสำหรับการปรับใช้เซ็นเซอร์ดริฟท์ แรพิดส์และน้ำตกที่มีศักยภาพที่จะสร้างความเสียหายให้อุปกรณ์เหล่านี้ แม่น้ำสามารถมีอุปสรรคที่สามารถจับภาพเร่ร่อน เร่ร่อนจะต้องดึงมาในตอนท้ายของการใช้งานซึ่งจะเป็นขั้นตอนที่ยากถ้าพวกเขาจะกระจายไปทั่วบริเวณกว้าง(หรือคว้าบนอุปสรรคที่แตกต่างกว่าที่ทอดยาวของแม่น้ำ) ความเหมาะสมของสภาพแวดล้อมสำหรับการศึกษาเร่ร่อนจะต้องได้รับการประเมินก่อนที่จะมีการใช้งานบ่อย. ซี ข้อมูลการดูดซึมชลแม่น้ำสามารถจำลองสมการที่มีน้ำตื้นในหนึ่งหรือสองมิติ[7] สมน้ำตื้นเป็นรูปแบบมาตรฐานที่ใช้เป็นส่วนประกอบในสิ่งแวดล้อมชุมชนวิศวกรรมและชุมชนไฮโดรลิคในการสร้างแบบจำลองการไหลของแม่น้ำ; พวกเขาจะใช้กันทั่วไปสำหรับการจำลองและการควบคุม เมื่อจัดการกับการวัดการทดลองขั้นตอนวิธีการจะต้องรวมไว้ในรูปแบบ. หนึ่งเทคนิคดังกล่าวคือการดูดซึมข้อมูลซึ่งเป็นกระบวนการของการบูรณาการการวัดในรูปแบบการไหลและที่เกิดขึ้นในอุตุนิยมวิทยาและสมุทรศาสตร์[8]. ส่วนใหญ่ใช้วิธีการดูดซึมข้อมูล สามารถวางลงในประเภทชื่อในอดีตของแปรผันต่อเนื่องหรือวิธีการดูดซึม[9] แปรผันวิธีการดูดซึมดำเนินการขั้นตอนการเพิ่มประสิทธิภาพเดียวบนข้อมูลทั้งหมดที่สังเกตเพื่อลดค่าใช้จ่ายในการทำงาน ในทางตรงกันข้ามการดูดซึมลำดับวิธีการเช่นตัวกรองคาลมานและส่วนต่อขยายดำเนินการชุดของการปรับปรุงและขั้นตอนการวิเคราะห์, การผสมข้อมูลที่สังเกตได้เข้ารัฐประมาณขั้นตอนหนึ่งที่เวลา หลายนามสกุลของตัวกรองคาลมานใช้กับการไม่เชิงเส้นระบบ ตัวอย่างเช่น: กรองคาลมานขยาย [10], ซึ่งใช้จาโคเบียนของสมการปรับปรุงรัฐในการปรับปรุงประมาณการของค่าเฉลี่ยและความแปรปรวนของรัฐที่วงคาลมานกรอง[11] ซึ่งติดตามวิวัฒนาการของจำนวนสุ่มกลุ่มตัวอย่างในการที่จะปรับปรุงต่างๆประมาณการและไม่มีกลิ่นคาลมานกรอง [12] ซึ่งยังติดตามวงดนตรีของกลุ่มตัวอย่างแต่สร้างตัวอย่างผู้ที่ใช้เทคนิคที่กำหนดเพื่อให้ถูกต้องติดตามค่าเฉลี่ยและความแปรปรวนร่วมกับชุดตัวอย่างน้อยที่สุด. นี้ กระดาษนำเสนอวิธีการดูดซึมข้อมูลขึ้นอยู่กับตัวกรองคาลมานขยาย วิธีการดูดซึมต่อเนื่องเป็นอย่างดีเหมาะกับการดูดซึมแบบ real-time ซึ่งเป็นหนึ่งในเป้าหมายในอนาคตสำหรับระบบนี้ ตัวกรองคาลมานขยายเป็นที่เหมาะสมสำหรับระบบเชิงเส้นที่จาโคเบียนเป็นเรื่องง่ายในการคำนวณซึ่งจะเห็นได้ในมาตราIII. D. เร่ร่อนในสมุทรศาสตร์อุทกวิทยาและถึงแม้ว่าการศึกษาของลอยลอยน้ำ(การวาดภาพการหาข้อสรุปเกี่ยวกับกระแสจากการเคลื่อนไหวของข้อสังเกตตั้งใจลดลงวัสดุ) สามารถพบได้ในสมัยโบราณที่เร่ร่อนโดยเจตนาครั้งแรกที่การศึกษาน่าจะเป็นผลงานของจี Aim'e ประมาณ 1845 [13 .] เร่ร่อนแรกของเขาถูกขวดลอย: ขวดปิดผนึกที่มีข้อความขอให้ผู้รับที่สุดที่จะรายงานวันที่และสถานที่ที่พบ การศึกษาขวดดริฟท์กลายเป็นใช้กันอย่างแพร่หลายเทคนิคสมุทรศาสตร์ยุโรปรอบจุดเริ่มต้นของศตวรรษที่20 [14]. เร่ร่อนแรกที่สามารถแข็งขันสื่อสารตำแหน่งกลับไปที่นักวิจัยก็คือ "กลืนลอย" ที่คิดค้นโดยเจ กลืนในปี 1955 [15] มันเป็นลอยลอยตัวกลางที่จะลอยอยู่ใต้น้ำประมาณ 1000m ในขณะที่การส่งพัลส์อะคูสติกที่จะได้รับโดยนักวิจัยhydrophones การพัฒนาเร่ร่อนอะคูสติกที่มีการสื่อสารความสามารถอย่างต่อเนื่องในปี 1960 และปี 1970 [16] ในปี 1978 การเปิดตัวบริการดาวเทียมกรีกเมื่อ [17] ให้นักวิจัยผู้ประสานงานสถานที่ทั่วโลกและข้อมูลอัปลิงค์ระบบที่นำไปสู่การพัฒนาประสานเร่ร่อนที่สามารถสื่อสาร

ผลลัพธ์ (ไทย) 3:

เครือข่ายเซ็นเซอร์เพื่อการศึกษา
ลอยแม่น้ำ แอนดรูว์ tinka สมาชิกนักศึกษา , IEEE , โมฮัมหมัด rafiee และ Alexandre ม. Bayen , สมาชิก , IEEE
นามธรรมฟรีแพคเกจที่ใช้ไหลลอยเซ็นเซอร์วัด
และติดตามท้องถิ่นในระบบน้ำ เรียกว่าเร่ร่อน
, เป็นเครื่องมือมาตรฐานในมหาสมุทร แต่ยังใหม่และ estuarial
ริเวอร์ไรน์ ศึกษา ระบบบนพื้นฐานของการประมาณการ
เร่ร่อนในระบบ Hydrodynamic ต้องเร่ร่อนตัวเอง
เครือข่ายการสื่อสาร และวิธีการในการรวบรวมข้อมูลในการประมาณการ
สภาพชลศาสตร์ .
บทความนี้เสนอระบบความหมายสมบูรณ์และเอกสาร
นักบินทดลองในห้องควบคุมช่องทาง ประโยชน์ของระบบการตรวจวัดใน

ไม่รู้จักสภาพแวดล้อมเป็นไฮไลต์โดยการประมาณค่าพารามิเตอร์และการรวมข้อมูลขั้นตอนวิธีตัวกรองคาลมาน
ใช้ขยาย
ประสิทธิภาพของระบบจะแสดงกับฟิลด์ข้อมูล
ที่ไฮดรอลิกวิจัยวิศวกรรมหน่วย สติล โอเค .
ดัชนีด้านการผสมผสานข้อมูลไฮโดร , ตัวกรองคาลมาน
, ระบบเซ็นเซอร์และการประยุกต์ใช้
.
A
แนะนำระบบน้ำจืดส่วนใหญ่ของน้ำจืดที่มีอยู่เพื่อใช้ทดแทน
มนุษย์ไหลผ่านแม่น้ำ [ 1 ]
ความต้องการน้ำจืดของมนุษย์จะเพิ่มขึ้นอย่างมากในอีก 50 ปีข้างหน้า เนื่องจาก
เพิ่มประชากร ความเป็นเมือง และการใช้ที่เพิ่มขึ้นของเกษตร waterintensive
[ 2 ] การสร้างและการตรวจสอบการไหลของ
น้ำจืด และการผสมและการขนส่งขององค์ประกอบเช่น
เป็นเกลือสามารถนำไปสู่การปรับปรุงประสิทธิภาพการใช้น้ำและ
สามารถช่วยปรับสมดุลของอุปสงค์และอุปทาน [ 3 ] เฉพาะเจาะจงตัวอย่างการจัดการสิ่งแวดล้อมสถานการณ์ที่ต้องการของระบบที่ซับซ้อน ได้แก่ ความเข้าใจ

ดัชนีคาดการณ์การเคลื่อนไหวของตะกอนรบกวนในระหว่างการดำเนินการก่อสร้างขุดลอกและใต้น้ำ

ปล่อยอ่างเก็บน้ำการวางแผนและประตูการควบคุมนโยบายที่จะมีผลต่อการบุกรุกของน้ำเค็มจาก
ความต้องการของท้องถิ่นที่เฉพาะเจาะจงและการประเมินช่องโหว่ที่จะรั่วไหลปนเปื้อน
หรือเหตุการณ์ที่ไม่คาดฝันอื่น ๆในภาคทรัพยากร
น้ำวิกฤต ในแต่ละตัวอย่างเหล่านี้ Hydrodynamic
รุ่นที่มีคุณภาพสูงบนพื้นฐานของข้อมูลที่รวบรวมจากระบบจริง จะเป็นผู้รับผิดชอบนโยบายด้านสิ่งแวดล้อมที่สำคัญ

และนำเสนอ .ต้นฉบับที่ได้รับ 21 กุมภาพันธ์ 2011 ; แก้ไขกันยายน 14 , 2011 ;
รับวันที่ 2 ธันวาคม 2554 วันที่ประกาศ 14 สิงหาคม , 2012 ; วันที่
รุ่นปัจจุบัน 20 กุมภาพันธ์ 2013 งานวิจัยนี้ได้รับการสนับสนุนโดย NSF รางวัล
cns-0615299 cns-0915010 , และ cns-0845076 รางวัลอาชีพ NSF
งานของอ. tinka ได้รับการสนับสนุนโดย nserc .
. tinka กับภาควิชาวิศวกรรมไฟฟ้าและวิทยาศาสตร์คอมพิวเตอร์
,มหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ , แคลิฟอร์เนีย 94720 USA ( e :
tinka @ Berkeley . edu )
. rafiee กับภาควิชาวิศวกรรมเครื่องกล คณะวิศวกรรมศาสตร์ มหาวิทยาลัย
แคลิฟอร์เนีย เบิร์กลีย์ , แคลิฟอร์เนีย 94720 USA ( E-mail : rafiee @ Berkeley . edu )
. M . Bayen กับภาควิชาวิศวกรรมไฟฟ้าและวิทยาศาสตร์คอมพิวเตอร์
และภาควิชาวิศวกรรมโยธาและสิ่งแวดล้อม มหาวิทยาลัย
แคลิฟอร์เนียแคลิฟอร์เนียสหรัฐอเมริกา ( อีเมล 94720 : Bayen @ Berkeley . edu ) .
สีรุ่นหนึ่งหรือมากกว่าตัวเลขในกระดาษนี้มีอยู่
ออนไลน์ที่ http : / / ieeexplore . IEEE . org .
ดิจิตอลระบุวัตถุ 10.1109 / jsyst . 2012.2204914
B
การตรวจวัดสิ่งแวดล้อมและโทรศัพท์มือถือคุณสมบัติทางกายภาพของระบบน้ำขนาดใหญ่ สามารถใช้เครื่องมือวัดหลายประเภทแตกต่างกัน

และ modalities .เซ็นเซอร์มักจะแบ่งออกเป็นออยเลอร์ลากรองจ์ ( หรือใช้
คำศัพท์จากกลศาสตร์ของไหล ) ตามไม่ว่าจะ
สังเกตกลางขณะที่มันไหลหลักแหล่งในอดีต ( ออยเลอร์ )
หรือฝังเข้าไปในตัววัดการไหล ,
) ในขณะที่ย้ายตามวิถี ( ระบบ )
เซ็นเซอร์ระบบ Canonical เป็นลอยขนาดเล็กแพค
ส่ง สถานที่