电容式传感器测量水流泥沙含量信息融合的研究
|
摘要
泥沙测量是泥沙问题研究中的重要内容之一，而含沙量则是泥沙测量的必测参数。目前世界各国大多仍采用悬沙采样器取水样的方法通过“烘干称重法”来检测泥沙含量。这种方法既费时又费力，现已成为泥沙测量与研究中迫切需要解决的问题。本研究尝试着采用电容法测量水流泥沙含量，并用自行研制的电容式传感器进行试验，研究准确、快速、在线测量水流中泥沙含量的方法和技术。主要进行了如下研究：
(1)通过试验，论文确定了电容式传感器的输出特性为线性输出，并对电容传感器从0到800kg／m~3的泥沙含量进行了标定。
(2)通常的传感器多存在着交叉灵敏度，本文研究对象电容式传感器也存在着这种情况。为了确定传感器在输出时的干扰因素，分别做了温度对传感器输出的影响、土壤种类对传感器输出的影响、土壤含盐量对传感器输出的影响等试验。通过试验确定出温度是影响传感器输出的主要影响因素。同时测出了温度从0到45℃变化对传感器输出的影响。
(3)为了消除温度对传感器输出的影响，使得测量精度和稳定性得到进一步的提高，运用曲面回归法对所测得的数据进行了二传感器信息融合处理。融合结果表明，融合后的数据比未融合前相比其准确度有所提高。
(4)用人工神经网络法对所测得的数据进行了处理，结果表明，该方法能够有效的消除温度对传感器输出所产生的影响，在相同的温度变化下，传感器的输出稳定性提高了96倍。通过对比两种融合方法，选择人工神经网络法运用到了测试系统中。
(5)在网络训练过程中，对神经网络结构进行了分析，建立了计算输出和理想输出关系非线性方程组，依据非线性方程理论阐述设计变量、样本数量和输出层单元数量的关系，确定了隐层神经元的数量，经比较该方法很有效。
(6)利用Visual Basic编制了一套泥沙测量软件，可用于在线和离线测量。该软件界面友好，功能完备能够完成数据的采集、存储、融合处理等功能。
Measuring the sediment is one of the important questions in the sediment question research. In which the sediment concentration is a parameter that must be measured . Presently, the means of drying and weighing the sediment liquor are usually used to measure the sediment concentration in many countries. But this method is not only taking time but also strenuosity. This is becoming a question which must be solved urgently in sediment measuring and studying. This paper tries to use the capacitive method to measure sediment concentration in flow-water and use the self-regulating capacitance sensor to carry experimentation in order to study a way and technology used to measure the sediment concentration in a nicety - speediness and on-line way. The contents and results of this paper as follow:
1. The paper ascertained the response characteristic of the capacitive senser is linear. The sediment concentration from 0 to 800kg/m3 measured by capacitive sensor is demarcated.
2. Usually,there is cross responses in common sensors. The sensor in the paper has also with the character. In order to ensure the interferefering factor, the examination of the temperature effect, the earth kind, the saline earth are done in the paper. The conclusion that the temperature is the main effect factor is gotten from the examination. The effect of temperature from 0 to 45 C to the sensor is also measured in the paper.
3. In order to eliminate the effect of the temperature and to advance the precision of the sensor, the method based on curl suface is used to fusion the information. The fusing result indicate that the precision of the sensor is improved.
4. The method based on artificial neural network has also been used to fusion the information. The fusing result indicate that the precision of the sensor is improved 96 times. Comparing the two fusion ways, the latter is used in the measuring system.
5. In course of training the network, the structure of the network has been analysed. Using the nonlinear theory, the node of the hidden layer is ascertained. By comparing this method is very efficient.
6. Software for measuring the sediment was developed by using of Visual Basic. It has a friendly interface and can be used in on-line measuring.
(1)通过试验，论文确定了电容式传感器的输出特性为线性输出，并对电容传感器从0到800kg／m~3的泥沙含量进行了标定。
(2)通常的传感器多存在着交叉灵敏度，本文研究对象电容式传感器也存在着这种情况。为了确定传感器在输出时的干扰因素，分别做了温度对传感器输出的影响、土壤种类对传感器输出的影响、土壤含盐量对传感器输出的影响等试验。通过试验确定出温度是影响传感器输出的主要影响因素。同时测出了温度从0到45℃变化对传感器输出的影响。
(3)为了消除温度对传感器输出的影响，使得测量精度和稳定性得到进一步的提高，运用曲面回归法对所测得的数据进行了二传感器信息融合处理。融合结果表明，融合后的数据比未融合前相比其准确度有所提高。
(4)用人工神经网络法对所测得的数据进行了处理，结果表明，该方法能够有效的消除温度对传感器输出所产生的影响，在相同的温度变化下，传感器的输出稳定性提高了96倍。通过对比两种融合方法，选择人工神经网络法运用到了测试系统中。
(5)在网络训练过程中，对神经网络结构进行了分析，建立了计算输出和理想输出关系非线性方程组，依据非线性方程理论阐述设计变量、样本数量和输出层单元数量的关系，确定了隐层神经元的数量，经比较该方法很有效。
(6)利用Visual Basic编制了一套泥沙测量软件，可用于在线和离线测量。该软件界面友好，功能完备能够完成数据的采集、存储、融合处理等功能。
Measuring the sediment is one of the important questions in the sediment question research. In which the sediment concentration is a parameter that must be measured . Presently, the means of drying and weighing the sediment liquor are usually used to measure the sediment concentration in many countries. But this method is not only taking time but also strenuosity. This is becoming a question which must be solved urgently in sediment measuring and studying. This paper tries to use the capacitive method to measure sediment concentration in flow-water and use the self-regulating capacitance sensor to carry experimentation in order to study a way and technology used to measure the sediment concentration in a nicety - speediness and on-line way. The contents and results of this paper as follow:
1. The paper ascertained the response characteristic of the capacitive senser is linear. The sediment concentration from 0 to 800kg/m3 measured by capacitive sensor is demarcated.
2. Usually,there is cross responses in common sensors. The sensor in the paper has also with the character. In order to ensure the interferefering factor, the examination of the temperature effect, the earth kind, the saline earth are done in the paper. The conclusion that the temperature is the main effect factor is gotten from the examination. The effect of temperature from 0 to 45 C to the sensor is also measured in the paper.
3. In order to eliminate the effect of the temperature and to advance the precision of the sensor, the method based on curl suface is used to fusion the information. The fusing result indicate that the precision of the sensor is improved.
4. The method based on artificial neural network has also been used to fusion the information. The fusing result indicate that the precision of the sensor is improved 96 times. Comparing the two fusion ways, the latter is used in the measuring system.
5. In course of training the network, the structure of the network has been analysed. Using the nonlinear theory, the node of the hidden layer is ascertained. By comparing this method is very efficient.
6. Software for measuring the sediment was developed by using of Visual Basic. It has a friendly interface and can be used in on-line measuring.
引文
[1]席承藩，徐琪，马毅杰等．长江流域土壤与生态环境建设．科学出版社，1994
[2]李国英．对我国水土保持工作的几点思考．中国水土保持．1998(2)：20～23
[3]苗光忠．关于西部地区生态环境建设的思考．中国水土保持．2002，3：18～19
[4]郑粉莉．浅谈我国土壤侵蚀学科亟待加强的研究领域．水土保持研究．1999，6(2)：26～31
[5]方彦军，张红梅，程瑛．含沙量测量的新进展．武汉水利电力大学学报．1999，32(3)：55～57
[6]汪志荣．γ射线法测量土壤含水量．动力水文实验研究．西安：陕西科学技术出版社，89～97
[7]土壤水分层测定方法编写组．土壤水分测定方法．北京：水利电力出版社，1986
[8]李小昱，雷廷武，王为．一种电容式水流泥沙含量传感器．专利号：ZL0026706.3
[9]李小昱，雷廷武，王为．电容式传感器测量水流泥沙含量的研究．土壤学报．2002，39(3)：429～434
[10]张明社，李小昱，雷廷武等．用基于神经网络的数据融合法测量水流泥沙含量．农业工程学报，2002，18(4)：41～43
[11]王莉田，王玉田，史锦珊，郑龙江．电荷转移式原油含水率传感器的研究．传感器技术，1999，18(2)：19～21
[12]曾亚波．用电和转移原理测量水份．传感器技术，1991，3：27～29
[13]华东水利学院．模型试验量测技术．水利电力出版社，1983
[14]唐懋官．水流电测技术．水利电力出版社，1991，5
[15]中国水利学会泥沙专业委员会．泥沙手册．中国环境科学出版社，1989
[16]中国科学技术学会．泥沙知多少声测就知晓．大众科技报(电子版)，2000，5，11 (731)
[17]雷廷武，刘清坤，黄兴法等．伽玛射线测量径流泥沙含量算法中质量吸收系数优选及其对测量误差影响的分析．农业工程学报，2003，1(19)：51～53
[18]陈永宗．黄河泥沙来源及侵蚀产沙的时间变化．中国水土保持，1988(1)
[19]李锐，徐传早．美国水土流失预测预报与动态监测．水土保持研究，1998，6(2)：119～123
[20]雷廷武等．土壤侵蚀预报模型及其在中国发展的考虑．水土保持研究，1999，6(2)：162～166
[21]刘君华．智能传感器系统．西安：西安电子科技大学出版社，1999，3
[22]滕召胜，罗隆福，童调生．智能检测系统与数据融合．北京：机械工业出版社，2000，1
[23]庄海军，刘兴斌，梅艳．一种测量油井产液含水率的电容传感器．传感器技术，1997，16(2)：39～41
[24]杜榕桓．泥石流研究及治理．北京：科学出版社，1983
[25]肖慧荣．多极探针型电容式水分传感器．传感器技术，1997，16(1)：47～49
[26]石文茂，胡显华，刘雅娟等．土壤温湿度测量仪的研制．农业工程学报，1994，10(4)：57～61
[27]单成祥．传感器理论与设计基础及其应用．北京：国防工业出版社，1999：479～481
[28]西北农业大学水土工程研究所，农业部水土工程重点开放实验室主编．西北地区农业节水与水资源持续利用．北京：中国农业出版社，1999：160～179
[29]黄正华．颗粒状物料含水率传感器的研制．传感器技术，1993，12(增刊)；19～21
[30]应火冬．谷物介电性质及其含水量在测量中的应用．农业工程学报，1992，8(3)：113～119
[31]杨勤科，李锐．LISEM—一个基于GIS的土壤侵蚀预报模型．水土保持通报，1998，18(3)：82～89
[32]张际先．神经网络在农业工程中的应用．农业工程学报，1995，11(1)：28～34
[33]赵捧，蒋慰孙．神经网络在过失误差检测中的应用．仪器仪表学报，1997，18(5)：538～541
[34]边肇祺，张学工等．模式识别(第二版)．北京：清华大学出版社，1999
[35]蒋敏兰，胡生清，幸国全．AD590温度传感器的非线性补偿及应用．传感器技术，2001，20(10)：54～56
[36]方佩敏．新编传感器原理·应用·电路详解．北京：电子工业出版社，1994，35～36
[37]王建明，杨颖．利用集成温度传感器AD590对热电偶进行冷端温度补偿的一种方法．大学物理，1995，6，14(6)32～33
[38]周成刚，施林，陆申龙．AD590集成电路温度传感器特性测量与应用．大学物理实验，1998，11(2)：8～11
[39]隋吉东．用低频电磁波速测土壤水分的研究．农业机械学报，1998，(1)：42～46
[40]胡建东，蒋国良，谢卫东等．土样水分速测电容传感器的研制．河南农业大学学报，2002，6，36(2)：191～195
[41]刘君华．现代检测技术与测试系统设计．西安：西安交通大学出版社，1999，4：238～284
[42]雷廷武，赵军，袁建平等．利用γ射线透射法测量径流含沙量及算法．农业工程学报，2002，18(1)：18～23
[43]赵拥军，张彦肖，王振兴 浑水浊度自动测控系统的实现．测控技术，1999，18(7)：54～57
[44]贾春娟．超声反射发含沙量多点测试初探．[博士论文]．武汉水利水电大学，1996
[45]张锁平，周长兴．60m船用多功能ADCP悬浮沙浓度测量及比测数据分析．海洋技术，2001，20(1)：83～88
[46]王耀南，李树涛．多传感器信息融合及其应用综述．控制与决策，2001，16(5)：518～523
[47]王耀南．国家863计划项目验收技术报告——复杂工业过程的综合集成智能控制及应用．长沙：湖南大学，2000，150～200
[48]丛爽．面向MATLAB工具箱的神经网络理论与应用．合肥：中国科学技术大学出版社，1998
[49]谷耀新，石丽，安晓卫．应用数值计算方法．沈阳：辽宁科学技术出版社，1996，6
[50]焦李成．神经网络的应用与实现．西安：西安电子科技大学出版社，1993，87～125
[51]张小峰等．流域产流产沙BP网络预报模型的初步研究．水科学进展，2001，12(1)：17～22
[52]侯祥林，陈长征，虞和济，等．神经网络权值和阈值的优化方法．东北大学学报(自然科学版)，1999，20(4)：447～450
[53]侯祥林，张春晖，徐心和．多层神经网络的共轭梯度优化算法及其在模式识别中的应用．东北大学学报(自然科学版)，2002，23(1)20～23
[54]黄山，赵亚峰．基于VB6.0和DLL的PC机与下位机并行通讯方法．北京：电气自动化，2001
[55]韩云台主编．测试技术基础．国际工业出版社，1993
[56]李行善编著．计算机测试与控制 北京航空航天大学出版社，1990
[57]HY-1232 A／D、D／A低价格转换板说明书 北京远华自动化系统
[58]李小昱编．传感器原理与测试信号处理．西北农业大学机电学院，1996
[59]黄世霖著．工程信号处理．人民交通出版社，1986
[60]张如洲编著．微型计算机数据采集与处理．北京工业学院出版社，1987
[61]袁希光．传感器技术手册．北京：国防工业出版社，1986
[62]王世一编著．数字信号处理．北京理工大学出版社，1997
[63]沈兰荪 著．数据采集技术．中国科技大学出版社，1990
[64]五汉义编．模数与数模转换技术基础，哈尔滨船舶工程学院出版社，1986
[65]杨路，张景中，侯晓荣．非线性代数方程组与定理机器证明．上海：上海科技教育出版社，1996，8～35
[66]李信真，车刚明，欧刚洁等．计算方法．西北工业大学出版社，2000，8：52～58
[67]Greg Perry编著．学用Visual Basic6.0．清华大学出版社，1999，11
[68]许会，白静洁，孙静．阵列式电容传感器测量两相流组分含率．沈阳工业大学学报，1999，21(3)187～191
[69]张宪全．黑龙让省土壤流失方程的研究．水土保持通报，1992，12(4)，1～9
[70]周伏建，陈明华，等．福建省土壤流失预报研究．水土保持学报，1995，9：25～30
[71]蔡崇法，丁树文，史志华，等．应用USLE模型与IDRISI预测小流域土壤侵蚀量的研究．水土保持学报，2000，14：19-24
[72]李云开，杨培岭，刘洪禄．SMP-01型土壤水分传感器性能测试．农业工程学报，2002，7：50～52
[73]肖世德，王凯印等．两相流测量专用电容传感器的研制．计量与测试技术，1995，4；23～24
[74]李国瑞，王贵平，冯九梁等．土壤侵蚀模型研究的现状与发展趋势．太原理工大学学报，2003，1，34(1)：99～103
[75]徐卫亚．边坡及滑坡环境岩石力学与工程研究．北京：中国环境科学出版社，2000，1
[76]孙广忠．论地质工程的基础理论．工程地质学报，1996，4(4)：1～6
[77]王晓燕，田均良，杨明义．示踪技术在流域泥沙研究中的应用．泥沙研究，2003，2，1：18～24
[78]Alexander G P, Bentito F A. An accelerated learning algorithm for multi-layer perceptron network. IEEE Trans on Neural Networks, 1994, 5 (3) 493～497
[79]Auziner W, Stetter H J. An elimination algorithm for the computation of all zeros of a system of multivariate polynomial equations. Series of Number Math, 1988,(86): 11～30
[80]Ben-Yacoub S, Abdeljaoued Y, Mayoran E. Fusion of face and speech data for person identity verification. IEEE Trans on Neural Networks, 1999, 10(5): 1065～1074
[81]Chanussot J, Mauris G, Lambert P. Fuzzy fusion techniques for linear features detection in multitem poral SAR images. IEEE Trans on Geosci Remote Sening, 1999, 37(3): 1292～1305
[82]De Roo APJ, Wesseling C G, Ritsema C J. LISEM: A single-event physically based hydrological and soil erosion model for drainage basins Ⅰ : Theory, input and output. Hydro. Processes, 1996,10: 1107～1117
[83]De Roo APJ, Offermans R J E, Cremers NHDT. LISEM: A single-event physically based hydrological and soil erosion model for drainage basins Ⅱ: Sensitivity analysis, validation and aplication. Hydro. Processes, 1996, 10: 1107～1117, 1996, 10:1119～1126
[84]Ding K, Gunasekaran S. Shape feature extraction and classification of food material using computer vision. Transactions of ASAE, 1994, 37(5): 1537～1545
[85]D. Wang, F. E. Dowell, R. E. Lacey. Single Wheat Kernel Color Classification Using Neural Network. Transactions ofTheASAE, 1999, Vol.40(1): 233～240
[86]Earnest F, Gloyna. Environmental engineering-history, current and future perspectives. J Environ Eng, 1986, 112(5): 812-826
[87]Funahashi K. On the approximate realization of continuous mappings by neural networks, NeuralNetworks, 1989, 2(3): 183～192
[88]Guh R S, Tannock J D T. A neural network approach to characterize pattern parameters in process control charts. Journal oflntelligentManufacturing, 1999, 10 (5): 446～449
[89]Hall D L, Llinas J. An introduction to multisensor data fusion, Proc IEEE, 1997, 85(1): 6～123
[90]HaydockR. Solid StatePhysics. New York: Academic, 1980, 35:216
[91]Hornik K, Stinchcombe M, White H. Multilayer feed-forward networks are universal approximators, NeuralNetworks, 1989, 2(5): 359～366
[92]Huang H L, Zhang G Y. Electronic Structures of (ZnSe)2n/(ZnS)2m Strained Layer Superlattices. Phys. Stat. Sol. (b), 1991, 168～489
[93] Huang H L, Xing J H, Liu G L, etal. Electronic Structures of (CdSe)n/(ZnSe)m strained-layer Superlattices. Acta. Metallurgica Sinica(English Letters), 1997, 10(1) : 10-16
[94] J. M. Olley, A. S. Murry, etal. The use of fallout nuclides'as chronometers. Quaterary dating workshop, 1999: 51-59
[95] Jimenez L O, Morales-Morell A, Creus A. Classification of hyperdimensional data based on feature and decision approaches using projection pursuit, majority voting and neural networks, IEEE Trans on Geosci Remote Sening, 1999, 37(3) : 1360-1365
[96] Lane LJ, Renard K G, forster G R, Laflen J M. Development and Application of Modern Soil Erosion Prodiction Technology-The USDA Experience Aust, J. Soil Res 1992, 30: 893-912
[97] Li S T, Wang Y N . Multisensor image fusion using discrete multiwavelet transform , Proc of the 3rd Int Conf on Visual Computing, Mexico, 2000, 93-103．
[98] Loughran, R. J. , Campbell, B. L. , Shelley, D. J. , & Elliott, G. L. Deceloping a sediment budget for a small drainage basin in Australlian . Hydrol . Process , 1992 , 6 : 115-131
[99] Magnitskii N A. Some new approaches to the construction and learing of artificial neural network. Computational Mathematics and Modeling, 2001, 12 (4) : 293-304
[100] Mallat S G. A theory for multiresolution signal decomposition. The wavelet representation, IEEE Trans on Pattern Anal Machine Intell, 1989, 11(7) : 674-693
[101] MM Nelson, W T Illingworth. A Practical Guide to Neural Nets, 1991
[102] Narendra K S, Parthasarathy K. Nonlinear system identification using neural networks , Int J Control, 1990, 1(1) : 1191-1214
[103] Robert HN. Theory of the back propagation neural network. In: Proc. of IJCNN, 1989, 11: 593-603
[104] Rumelhart D E, Hinton G E. Learning internal representations by back-propagation error, Nature, 1886, 323 (9) : 533-536
[105] Rumelhart D E, Hinton G E, Williams R J. Learning infernal representations by error propagation in parallel distributed. Gambridgef: MIT Press, 1986: 318-362
[106] Russo F, Ramponi G. Fuzzy methods for multisensor data fusion , IEEE Trans on Instrum Meas, 1994, 43(2) : 288-294
[107] Sinnasamy R, Naidu, etal. Use of Neural Networks for Sensor Failure Detection in a Control System. IEEE Control System Magazine, 1990, (3) : 49-55
[108] T Eerikainen, P Linko, S Linko, T Siimes, Y-H Zhu. Fuzzy logic and neural network applications in food science and technology, Trends in Food Science & Technology, 1993, 4, 237-242
[109] Varshney P K. Multisensor data fusion. Eclec Commu Eng, 1997, 9(6) : 245-1253
[110] Waltz E, LilnasJ. Multisensor data fusion, Boston: Artech House, 1990
[111] Wan W, Frase D. Multisource data fusion with multiple self-organizing maps, IEEE Trans on
Geosci Remote Sening, 1999, 37(3) : 1344-1349
[112] Widrow B, Bilello M. Nonlinear Adaptive Signal Processing for Inverse Control, World Conference on Neural Networks'94 : III-3-13, 1994
[113] Zhang Z, Blum R S. A categorization of multiscale-decomposition-based image fusion schemes with a performance study for a digital camera application, Proc IEEE, 1999, 87(8) : 1315-1326
[2]李国英．对我国水土保持工作的几点思考．中国水土保持．1998(2)：20～23
[3]苗光忠．关于西部地区生态环境建设的思考．中国水土保持．2002，3：18～19
[4]郑粉莉．浅谈我国土壤侵蚀学科亟待加强的研究领域．水土保持研究．1999，6(2)：26～31
[5]方彦军，张红梅，程瑛．含沙量测量的新进展．武汉水利电力大学学报．1999，32(3)：55～57
[6]汪志荣．γ射线法测量土壤含水量．动力水文实验研究．西安：陕西科学技术出版社，89～97
[7]土壤水分层测定方法编写组．土壤水分测定方法．北京：水利电力出版社，1986
[8]李小昱，雷廷武，王为．一种电容式水流泥沙含量传感器．专利号：ZL0026706.3
[9]李小昱，雷廷武，王为．电容式传感器测量水流泥沙含量的研究．土壤学报．2002，39(3)：429～434
[10]张明社，李小昱，雷廷武等．用基于神经网络的数据融合法测量水流泥沙含量．农业工程学报，2002，18(4)：41～43
[11]王莉田，王玉田，史锦珊，郑龙江．电荷转移式原油含水率传感器的研究．传感器技术，1999，18(2)：19～21
[12]曾亚波．用电和转移原理测量水份．传感器技术，1991，3：27～29
[13]华东水利学院．模型试验量测技术．水利电力出版社，1983
[14]唐懋官．水流电测技术．水利电力出版社，1991，5
[15]中国水利学会泥沙专业委员会．泥沙手册．中国环境科学出版社，1989
[16]中国科学技术学会．泥沙知多少声测就知晓．大众科技报(电子版)，2000，5，11 (731)
[17]雷廷武，刘清坤，黄兴法等．伽玛射线测量径流泥沙含量算法中质量吸收系数优选及其对测量误差影响的分析．农业工程学报，2003，1(19)：51～53
[18]陈永宗．黄河泥沙来源及侵蚀产沙的时间变化．中国水土保持，1988(1)
[19]李锐，徐传早．美国水土流失预测预报与动态监测．水土保持研究，1998，6(2)：119～123
[20]雷廷武等．土壤侵蚀预报模型及其在中国发展的考虑．水土保持研究，1999，6(2)：162～166
[21]刘君华．智能传感器系统．西安：西安电子科技大学出版社，1999，3
[22]滕召胜，罗隆福，童调生．智能检测系统与数据融合．北京：机械工业出版社，2000，1
[23]庄海军，刘兴斌，梅艳．一种测量油井产液含水率的电容传感器．传感器技术，1997，16(2)：39～41
[24]杜榕桓．泥石流研究及治理．北京：科学出版社，1983
[25]肖慧荣．多极探针型电容式水分传感器．传感器技术，1997，16(1)：47～49
[26]石文茂，胡显华，刘雅娟等．土壤温湿度测量仪的研制．农业工程学报，1994，10(4)：57～61
[27]单成祥．传感器理论与设计基础及其应用．北京：国防工业出版社，1999：479～481
[28]西北农业大学水土工程研究所，农业部水土工程重点开放实验室主编．西北地区农业节水与水资源持续利用．北京：中国农业出版社，1999：160～179
[29]黄正华．颗粒状物料含水率传感器的研制．传感器技术，1993，12(增刊)；19～21
[30]应火冬．谷物介电性质及其含水量在测量中的应用．农业工程学报，1992，8(3)：113～119
[31]杨勤科，李锐．LISEM—一个基于GIS的土壤侵蚀预报模型．水土保持通报，1998，18(3)：82～89
[32]张际先．神经网络在农业工程中的应用．农业工程学报，1995，11(1)：28～34
[33]赵捧，蒋慰孙．神经网络在过失误差检测中的应用．仪器仪表学报，1997，18(5)：538～541
[34]边肇祺，张学工等．模式识别(第二版)．北京：清华大学出版社，1999
[35]蒋敏兰，胡生清，幸国全．AD590温度传感器的非线性补偿及应用．传感器技术，2001，20(10)：54～56
[36]方佩敏．新编传感器原理·应用·电路详解．北京：电子工业出版社，1994，35～36
[37]王建明，杨颖．利用集成温度传感器AD590对热电偶进行冷端温度补偿的一种方法．大学物理，1995，6，14(6)32～33
[38]周成刚，施林，陆申龙．AD590集成电路温度传感器特性测量与应用．大学物理实验，1998，11(2)：8～11
[39]隋吉东．用低频电磁波速测土壤水分的研究．农业机械学报，1998，(1)：42～46
[40]胡建东，蒋国良，谢卫东等．土样水分速测电容传感器的研制．河南农业大学学报，2002，6，36(2)：191～195
[41]刘君华．现代检测技术与测试系统设计．西安：西安交通大学出版社，1999，4：238～284
[42]雷廷武，赵军，袁建平等．利用γ射线透射法测量径流含沙量及算法．农业工程学报，2002，18(1)：18～23
[43]赵拥军，张彦肖，王振兴 浑水浊度自动测控系统的实现．测控技术，1999，18(7)：54～57
[44]贾春娟．超声反射发含沙量多点测试初探．[博士论文]．武汉水利水电大学，1996
[45]张锁平，周长兴．60m船用多功能ADCP悬浮沙浓度测量及比测数据分析．海洋技术，2001，20(1)：83～88
[46]王耀南，李树涛．多传感器信息融合及其应用综述．控制与决策，2001，16(5)：518～523
[47]王耀南．国家863计划项目验收技术报告——复杂工业过程的综合集成智能控制及应用．长沙：湖南大学，2000，150～200
[48]丛爽．面向MATLAB工具箱的神经网络理论与应用．合肥：中国科学技术大学出版社，1998
[49]谷耀新，石丽，安晓卫．应用数值计算方法．沈阳：辽宁科学技术出版社，1996，6
[50]焦李成．神经网络的应用与实现．西安：西安电子科技大学出版社，1993，87～125
[51]张小峰等．流域产流产沙BP网络预报模型的初步研究．水科学进展，2001，12(1)：17～22
[52]侯祥林，陈长征，虞和济，等．神经网络权值和阈值的优化方法．东北大学学报(自然科学版)，1999，20(4)：447～450
[53]侯祥林，张春晖，徐心和．多层神经网络的共轭梯度优化算法及其在模式识别中的应用．东北大学学报(自然科学版)，2002，23(1)20～23
[54]黄山，赵亚峰．基于VB6.0和DLL的PC机与下位机并行通讯方法．北京：电气自动化，2001
[55]韩云台主编．测试技术基础．国际工业出版社，1993
[56]李行善编著．计算机测试与控制 北京航空航天大学出版社，1990
[57]HY-1232 A／D、D／A低价格转换板说明书 北京远华自动化系统
[58]李小昱编．传感器原理与测试信号处理．西北农业大学机电学院，1996
[59]黄世霖著．工程信号处理．人民交通出版社，1986
[60]张如洲编著．微型计算机数据采集与处理．北京工业学院出版社，1987
[61]袁希光．传感器技术手册．北京：国防工业出版社，1986
[62]王世一编著．数字信号处理．北京理工大学出版社，1997
[63]沈兰荪 著．数据采集技术．中国科技大学出版社，1990
[64]五汉义编．模数与数模转换技术基础，哈尔滨船舶工程学院出版社，1986
[65]杨路，张景中，侯晓荣．非线性代数方程组与定理机器证明．上海：上海科技教育出版社，1996，8～35
[66]李信真，车刚明，欧刚洁等．计算方法．西北工业大学出版社，2000，8：52～58
[67]Greg Perry编著．学用Visual Basic6.0．清华大学出版社，1999，11
[68]许会，白静洁，孙静．阵列式电容传感器测量两相流组分含率．沈阳工业大学学报，1999，21(3)187～191
[69]张宪全．黑龙让省土壤流失方程的研究．水土保持通报，1992，12(4)，1～9
[70]周伏建，陈明华，等．福建省土壤流失预报研究．水土保持学报，1995，9：25～30
[71]蔡崇法，丁树文，史志华，等．应用USLE模型与IDRISI预测小流域土壤侵蚀量的研究．水土保持学报，2000，14：19-24
[72]李云开，杨培岭，刘洪禄．SMP-01型土壤水分传感器性能测试．农业工程学报，2002，7：50～52
[73]肖世德，王凯印等．两相流测量专用电容传感器的研制．计量与测试技术，1995，4；23～24
[74]李国瑞，王贵平，冯九梁等．土壤侵蚀模型研究的现状与发展趋势．太原理工大学学报，2003，1，34(1)：99～103
[75]徐卫亚．边坡及滑坡环境岩石力学与工程研究．北京：中国环境科学出版社，2000，1
[76]孙广忠．论地质工程的基础理论．工程地质学报，1996，4(4)：1～6
[77]王晓燕，田均良，杨明义．示踪技术在流域泥沙研究中的应用．泥沙研究，2003，2，1：18～24
[78]Alexander G P, Bentito F A. An accelerated learning algorithm for multi-layer perceptron network. IEEE Trans on Neural Networks, 1994, 5 (3) 493～497
[79]Auziner W, Stetter H J. An elimination algorithm for the computation of all zeros of a system of multivariate polynomial equations. Series of Number Math, 1988,(86): 11～30
[80]Ben-Yacoub S, Abdeljaoued Y, Mayoran E. Fusion of face and speech data for person identity verification. IEEE Trans on Neural Networks, 1999, 10(5): 1065～1074
[81]Chanussot J, Mauris G, Lambert P. Fuzzy fusion techniques for linear features detection in multitem poral SAR images. IEEE Trans on Geosci Remote Sening, 1999, 37(3): 1292～1305
[82]De Roo APJ, Wesseling C G, Ritsema C J. LISEM: A single-event physically based hydrological and soil erosion model for drainage basins Ⅰ : Theory, input and output. Hydro. Processes, 1996,10: 1107～1117
[83]De Roo APJ, Offermans R J E, Cremers NHDT. LISEM: A single-event physically based hydrological and soil erosion model for drainage basins Ⅱ: Sensitivity analysis, validation and aplication. Hydro. Processes, 1996, 10: 1107～1117, 1996, 10:1119～1126
[84]Ding K, Gunasekaran S. Shape feature extraction and classification of food material using computer vision. Transactions of ASAE, 1994, 37(5): 1537～1545
[85]D. Wang, F. E. Dowell, R. E. Lacey. Single Wheat Kernel Color Classification Using Neural Network. Transactions ofTheASAE, 1999, Vol.40(1): 233～240
[86]Earnest F, Gloyna. Environmental engineering-history, current and future perspectives. J Environ Eng, 1986, 112(5): 812-826
[87]Funahashi K. On the approximate realization of continuous mappings by neural networks, NeuralNetworks, 1989, 2(3): 183～192
[88]Guh R S, Tannock J D T. A neural network approach to characterize pattern parameters in process control charts. Journal oflntelligentManufacturing, 1999, 10 (5): 446～449
[89]Hall D L, Llinas J. An introduction to multisensor data fusion, Proc IEEE, 1997, 85(1): 6～123
[90]HaydockR. Solid StatePhysics. New York: Academic, 1980, 35:216
[91]Hornik K, Stinchcombe M, White H. Multilayer feed-forward networks are universal approximators, NeuralNetworks, 1989, 2(5): 359～366
[92]Huang H L, Zhang G Y. Electronic Structures of (ZnSe)2n/(ZnS)2m Strained Layer Superlattices. Phys. Stat. Sol. (b), 1991, 168～489
[93] Huang H L, Xing J H, Liu G L, etal. Electronic Structures of (CdSe)n/(ZnSe)m strained-layer Superlattices. Acta. Metallurgica Sinica(English Letters), 1997, 10(1) : 10-16
[94] J. M. Olley, A. S. Murry, etal. The use of fallout nuclides'as chronometers. Quaterary dating workshop, 1999: 51-59
[95] Jimenez L O, Morales-Morell A, Creus A. Classification of hyperdimensional data based on feature and decision approaches using projection pursuit, majority voting and neural networks, IEEE Trans on Geosci Remote Sening, 1999, 37(3) : 1360-1365
[96] Lane LJ, Renard K G, forster G R, Laflen J M. Development and Application of Modern Soil Erosion Prodiction Technology-The USDA Experience Aust, J. Soil Res 1992, 30: 893-912
[97] Li S T, Wang Y N . Multisensor image fusion using discrete multiwavelet transform , Proc of the 3rd Int Conf on Visual Computing, Mexico, 2000, 93-103．
[98] Loughran, R. J. , Campbell, B. L. , Shelley, D. J. , & Elliott, G. L. Deceloping a sediment budget for a small drainage basin in Australlian . Hydrol . Process , 1992 , 6 : 115-131
[99] Magnitskii N A. Some new approaches to the construction and learing of artificial neural network. Computational Mathematics and Modeling, 2001, 12 (4) : 293-304
[100] Mallat S G. A theory for multiresolution signal decomposition. The wavelet representation, IEEE Trans on Pattern Anal Machine Intell, 1989, 11(7) : 674-693
[101] MM Nelson, W T Illingworth. A Practical Guide to Neural Nets, 1991
[102] Narendra K S, Parthasarathy K. Nonlinear system identification using neural networks , Int J Control, 1990, 1(1) : 1191-1214
[103] Robert HN. Theory of the back propagation neural network. In: Proc. of IJCNN, 1989, 11: 593-603
[104] Rumelhart D E, Hinton G E. Learning internal representations by back-propagation error, Nature, 1886, 323 (9) : 533-536
[105] Rumelhart D E, Hinton G E, Williams R J. Learning infernal representations by error propagation in parallel distributed. Gambridgef: MIT Press, 1986: 318-362
[106] Russo F, Ramponi G. Fuzzy methods for multisensor data fusion , IEEE Trans on Instrum Meas, 1994, 43(2) : 288-294
[107] Sinnasamy R, Naidu, etal. Use of Neural Networks for Sensor Failure Detection in a Control System. IEEE Control System Magazine, 1990, (3) : 49-55
[108] T Eerikainen, P Linko, S Linko, T Siimes, Y-H Zhu. Fuzzy logic and neural network applications in food science and technology, Trends in Food Science & Technology, 1993, 4, 237-242
[109] Varshney P K. Multisensor data fusion. Eclec Commu Eng, 1997, 9(6) : 245-1253
[110] Waltz E, LilnasJ. Multisensor data fusion, Boston: Artech House, 1990
[111] Wan W, Frase D. Multisource data fusion with multiple self-organizing maps, IEEE Trans on
Geosci Remote Sening, 1999, 37(3) : 1344-1349
[112] Widrow B, Bilello M. Nonlinear Adaptive Signal Processing for Inverse Control, World Conference on Neural Networks'94 : III-3-13, 1994
[113] Zhang Z, Blum R S. A categorization of multiscale-decomposition-based image fusion schemes with a performance study for a digital camera application, Proc IEEE, 1999, 87(8) : 1315-1326