一种海底浅表层天然气水合物区域地形形变监测系统

1.本发明涉及海底环境监测技术领域，特别是涉及一种海底浅表层天然气水合物区域地形形变监测系统。


背景技术：

2.天然气水合物是甲烷分子与水分子在低温、高压条件下形成的笼型晶体水合物，具有广阔的应用前景。海底浅表层天然气水合物的存在对实现高纯度的块状天然气水合物的开采具有重要而深远的意义。
3.天然气水合物在给人类带来新能源前景的同时，也对人类生存环境提出了严重挑战。海底浅表层天然气水合物的形成需要高通量的甲烷气体，而且由于海底浅表层天然气水合物与海水接触较为紧密，容易受到海水温度、压力的影响。在海底甲烷气体通量较大时，天然气水合物会在近海底形成并聚集形成块状的天然气水合物，会造成海底沉积物体积膨胀，形成海底浅表层天然气水合物丘状体。然而，由于裸露在海底的天然气水合物受到海水的影响，该天然气水合物处于化学临界稳定状态，容易发生分解。天然气水合物分解会改变沉积物的物理性质，极大降低沉积物的剪切强度，使海底软化，严重可导致大规模滑坡、地震和塌方，甚至威胁海洋工程设施安全。
4.然而，由于海底浅表层天然气水合物区域内的沉积物的物理力学特性复杂，具有非均质性、各向异性、结构性、弹-黏-塑性等特点，存在变形规律复杂且不均匀的问题，因此海底浅表层天然气水合物区域内的沉积物的微小形变量很难捕获和监测；此外，基于传感网络的原位监测系统获取的海量数据具有多源、多尺度、动态、时空分布等特性，而且地形及地层形变与土力学等参量间又隐含着复杂的非线性关系，因此开发海底浅表层天然气水合物区域地形及地层形变原位监测系统及高效的预测模型，是实现海底浅表层天然气水合物开采环境的监测与预警的必然要求。


技术实现要素：

5.本发明的目的是提供一种海底浅表层天然气水合物区域地形形变监测系统，能够实现海底浅表层天然气水合物开采环境的监测。
6.为实现上述目的，本发明提供了如下方案：
7.一种海底浅表层天然气水合物区域地形形变监测系统，包括：立体监测网络、水下控制中心、远程传输单元以及离岸智能预测中心；
8.所述立体监测网络包含多条监测阵列，分别为水平阵列和垂直阵列；所述水平阵列与海底浅表层表面平行铺设，所述垂直阵列贯入海底浅表层内进行铺设，所述监测阵列由多个监测节点组网连接；所述立体监测网络用于获取监测阵列数据；所述监测阵列数据为监测节点坐标信息以及所述监测节点所处的环境信息；
9.所述水下控制中心，用于：
10.获取所述监测阵列数据；
11.输出监测阵列工作指令；所述监测阵列工作指令用于实现监测阵列的时间同步以及控制监测阵列的工作模式；
12.所述远程传输单元，用于将所述水下控制中心发送的监测阵列数据传输至所述离岸智能预测中心；
13.所述离岸智能预测中心用于根据所述监测阵列数据，重构海底浅表层天然气水合物区域地形以及预测海底浅表层天然气水合物区域地形趋势。
14.根据本发明提供的具体实施例，本发明公开了以下技术效果：
15.本发明提供了一种海底浅表层天然气水合物区域地形形变监测系统，包括：立体监测网络、水下控制中心、远程传输单元以及离岸智能预测中心；通过立体监测网络、水下控制中心、远程传输单元和离岸智能预测中心相互配合，重构海底浅表层天然气水合物区域地形以及预测海底浅表层天然气水合物区域地形趋势，实现海底浅表层天然气水合物开采环境的监测。
附图说明
16.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
17.图1为本发明一种海底浅表层天然气水合物区域地形形变监测系统的结构框图；
18.图2为本发明水下控制中心对监测阵列的控制流程图；
19.图3为本发明数据预处理模块的工作流程图。
具体实施方式
20.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
21.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
22.实施例一
23.本实施例提供一种海底浅表层天然气水合物区域地形形变监测系统，该系统包括：立体监测网络、水下控制中心、远程传输单元以及离岸智能预测中心。
24.所述立体监测网络包含多条监测阵列，分别为水平阵列和垂直阵列；所述水平阵列与海底浅表层表面平行铺设，所述垂直阵列贯入海底浅表层内进行铺设，所述监测阵列由多个监测节点组网连接；所述立体监测网络用于获取监测阵列数据；所述监测阵列数据为监测节点坐标信息以及所述监测节点所处的环境信息。
25.所述水下控制中心，用于：
26.获取所述监测阵列数据；
27.输出监测阵列工作指令；所述监测阵列工作指令用于实现监测阵列的时间同步以
及控制监测阵列的工作模式。
28.所述远程传输单元，用于将所述水下控制中心发送的监测阵列数据传输至所述离岸智能预测中心。
29.所述离岸智能预测中心用于根据所述监测阵列数据，重构海底浅表层天然气水合物区域地形以及预测海底浅表层天然气水合物区域地形趋势。
30.在本实施例中，所述监测节点包括两种类型的数据监测元，分别为形变量监测单元和非形变量监测单元。所述形变量监测单元包括三轴加速度计、三轴陀螺仪和三轴电子罗盘，所述形变量监测单元用于获取监测节点坐标信息；所述非形变量监测单元包括压力传感器、温度传感器和甲烷浓度传感器，所述非形变量监测单元用于获取所述监测节点所处的环境信息，以预测监测节点的坐标变化。
31.所述监测节点通过rs485总线实现通讯组网连接，使用水密材料包裹通讯线路与供电线路以实现与所述水下控制中心交互。
32.所述监测阵列的工作模式分为自动高频采集模式、自动低频采集模式、手动采集模式和休眠模式，其中，自动高频采集模式和自动低频采集模式适用于海底浅表层天然气水合物区域内地形的长期监测，手动采集模式适用于科学考察期间的针对性监测，休眠模式用于数据传输和监测阵列时间同步。
33.在本实施例中，水下控制中心用于为监测阵列提供电源，并实现监测阵列的时间同步，控制监测阵列的工作模式以及存储实时数据。水下控制中心使用sd卡存储监测阵列采集的数据，使用fatfs文件系统管理监测阵列采集的数据，为每个监测节点的每日状态监测数据单独建立文件，便于数据的查找与管理。其中，水下控制中心对监测阵列的控制流程如图2所示。
34.在本实施例中，为监测阵列提供的电源为一种软包锂离子电池，以适应海底浅表层天然气水合物区域的高压环境。使用rtc芯片实现监测阵列的时钟同步。优先地，可使用以ds1302为核心的高性能、低功耗、带ram的实时时钟电路。
35.在本实施例中，远程传输单元可通过水下控制中心将监测阵列获取到的数据传输给离岸智能预测中心，离岸智能预测中心用于运行海底浅表层天然气水合物区域地形形变预测模型。
36.远程传输单元通过水密缆(第一线路)连接水下控制中心的控制电路，通过rs485总线实现指令与数据的信息交换。远程传输单元通过无线通讯(第三线路)与离岸智能预测中心实现信息交换，无线通讯可以是卫星通信、短波通信。
37.所述远程传输中心包括第一中继和第二中继；所述远程传输单元包括三段线路，其中，第一线路为所述第一中继与所述水下控制中心直接相连的水密缆，第二线路为所述第一中继与所述第二中继相连的脐带缆，第三线路为所述第二中继与所述离岸智能预测中心进行信息交互的无线通讯。
38.所述第一中继通过第一线路与水下控制中心的控制电路连接，通过rs485总线实现指令与数据的信息交换。所述第一中继通过第二线路与所述第二中继连接，第二中继可以通过modbus协议向第一中继发送指令并接收第一中继返回的数据。所述第二中继通过第三线路与离岸智能预测中心，实现两个模块的信息交换，具体方式可以是卫星通信、短波通信。
39.所述第一中继为水下声通讯机或者水下光通讯机；第一中继作用为使得第一线路与第二线路之间没有物理连接，保证脐带缆不会拖拽监测阵列。
40.进一步地，第一中继是一对可以实现全双工通讯的水声通信机，水声通信机通过第一线路连接水下控制中心，水声通信机通过第二线路连接第二中继。
41.所述第二中继为科考船或海面浮动基站，可以通过第三线路向离岸智能预测中心发送数据。
42.在本实施例中，所述离岸智能预测中心内设置有目标预测模型；所述目标预测模型为海底浅表层天然气水合物区域地形形变预测模型。
43.所述目标预测模型，用于：
44.对预处理后的监测阵列数据进行处理，得到趋势分量矩阵、空间分量矩阵和环境分量矩阵。
45.根据所述空间分量矩阵重构海底浅表层天然气水合物区域地形。
46.根据所述趋势分量矩阵和环境分量矩阵预测海底浅表层天然气水合物区域地形趋势。
47.其中，在所述监测阵列数据预处理方面，所述目标预测模型，用于：
48.对所述监测阵列数据进行缺失值处理；
49.对缺失值处理后的监测阵列数据进行超范围剔除处理；所述超范围为超出监测阵列中传感器采集的范围；
50.对超范围剔除处理后的监测阵列数据进行异常值剔除处理；
51.对异常值剔除处理后的监测阵列数据进行去噪处理，得到预处理后的监测阵列数据。
52.在所述对预处理后的监测阵列数据进行处理，得到趋势分量矩阵、空间分量矩阵和环境分量矩阵的方面，所述目标预测模型，用于：
53.根据第一数据，确定趋势分量矩阵；所述第一数据为第一时刻预处理后的监测阵列数据中的监测节点坐标信息以及第二时刻预处理后的监测阵列数据中的监测节点坐标信息；所述第一时刻为所述第二时刻的上一时刻；
54.根据所述第一数据，确定空间分量矩阵；
55.根据第二数据，确定环境分量矩阵；所述第二数据为预处理后的监测阵列数据中的所述监测节点所处的环境信息。
56.所述趋势分量矩阵有多个元素组成；所述元素表示任一监测阵列中任一监测节点所在位置的地形变化趋势；其中，下一时刻t 1的趋势分量矩阵中的元素等于当前时刻t对应元素当前时刻t斜率与下一时刻t 1随机分量之和；下一时刻t 1斜率等于当前时刻t斜率与下一时刻t 1随机分量之和。
57.在所述根据所述趋势分量矩阵和环境分量矩阵预测海底浅表层天然气水合物区域地形趋势的方面，所述目标预测模型，用于：
58.根据所述趋势分量矩阵，初步确定海底浅表层天然气水合物区域地形趋势；根据所述环境分量矩阵对初步确定的海底浅表层天然气水合物区域地形趋势进行修正，最终得到预测的海底浅表层天然气水合物区域地形趋势。
59.一个示例为：
60.所述目标预测模型包括数据预处理模块、分量分解预测模块和参数修正模块
61.由于海底环境复杂，传感器数据容易出现测量偏差与数据缺失，需要对传感器直接获取的数据进行预处理。数据预处理共包含以下四个步骤，其数据预处理模块的工作流程图如图3所示。
62.步骤1：缺失值处理；由于环境的扰动以及系统的短时间维护，传感器数据可能发生缺失。若直接删去缺失数据所在的数据行可能破环数据集的完整性，因此采用以下方式求出缺失值。
63.选取缺失数据点的前3个数据(τ1,s1)，(τ2,s2)，(τ3,s3)以及后3个数据(τ4,s4)，(τ5,s5)，(τ6,s6)，解出插值多项式：并将代入以上多项式求出缺失值
64.其中，τ表示时间，s表示传感器采集到的数据。例如，(τ1,s1)表示τ1时刻传感器采集到的数据为s1。
65.无波浪线的数据点表示正常采集到的数据，带波浪线～的数据点的代表缺失的数据，是空值，但可以通过插值求解出来。
66.步骤2：超出合理范围；每类传感器获取的数据都有测量范围，当获取到超出传感器测量范围的数据时，将该数据进行剔除，并返回步骤1后按照缺失值处理。
67.例如：加速度计监测范围为
±
2g，陀螺仪的监测范围为
±
250
°
/s，磁力计的监测范围为
±
4800u。
68.步骤3：基于多元高斯分布的异常检测。由于每个监测节点由不同的传感器组合而成，当一个节点发生故障时，如供电电压不足、参考电压漂移，整个节点的测量数据都会发生异常。按照以下步骤检测并处理异常数据。每个检测节点包含6个不同的传感器，传感器采集到的数据向量为：v＝[v1,v2,v3,v4,v5,v6]
t
。该数据遵循以下多元高斯分布：
[0069][0070]
其中，μ为均值向量，σ为协方差矩阵。
[0071]
以上两个参数矩阵μ和σ根据某一监测时间段内经过步骤1和步骤2处理过的m个数据样本训练得出：
[0072][0073][0074]
将以上两个参数代入公式(1)，即可得到数据集的分布。
[0075]
将各个数据值代入到数据集的分布中即可得到该数据为异常值的概率，剔除超过90％概率为异常的数据。
[0076]
步骤4：传感器噪声消除
[0077]
水下地形一般情况下的变形是缓慢的，因此传感器采集的数据属于低频信号。传
感器易受周围环境噪声和高频干扰的影响，此外信号在触发、感知和传输过程中，也会有随机误差产生，这些噪声频率一般比较高。使用数字滤波器消除噪声的运算次数少而且滤波器设计简单，因此适用于实时数据处理和传输系统。
[0078]
采用基于bp神经网络的iir数字低通滤波器对传感器数据进行降噪。滤波器的频率响应为：
[0079][0080]
其中，ai和bi为数字滤波器中的传递参数，p和q为数字滤波器的阶次，ω为频率。
[0081]
传感器采集的数据向量经过步骤(3)提出异常数据后，得到的数据向量可以表示为：
[0082]
v'＝[v1',v'2,v'3,v'4,v'5,v'6]
t
；
[0083]
经过iir数字滤波器处理后，传感器数据的频率相应可以表示为：
[0084]yii
(jω)＝vi'(jω)
·
h(jω),i＝1,2,3,4,5,6；
[0085]
其中，i为传感器向量的个数，h(jw)为数字滤波器频率响应函数，v'i(jw)为滤波前传感器的数据向量。
[0086]
因此，经过滤波后的传感器数据向量可以表示为：
[0087]
y＝[y1,y2,y3,y4,y5,y6]
t
。
[0088]
将预处理后的监测阵列数据作为分量分解预测模块的输入，根据传感器类型与影响地形变化的因素，将地形的变化分为趋势分量矩阵、空间分量矩阵、环境分量矩阵与随机分量矩阵，其表达式如下：
[0089]yt
＝α
t
β
t
δ
t
ε
t
；
[0090]
其中y
t
为当前时刻t的预测值，α
t
为当前时刻t的趋势分量矩阵，β
t
为当前时刻t的空间分量矩阵，δ
t
为当前时刻t的环境分量矩阵，ε
t
为当前时刻t的随机分量矩阵，随机分量矩阵的元素遵循正态分布。
[0091]
趋势分量矩阵的预测数据源来自监测阵列的形变量监测单元。其中，当前时刻t的趋势分量矩阵的单个元素可以看成一个线性回归模型的延伸，α
[i,j]
可以看成一个随时间变化的截距，v
[i,j]
可以看成一个随时间变化的斜率。下一时刻t 1的趋势分量矩阵与当前时刻t的趋势分量矩阵的关系为：
[0092][0093]
其中，各个元素表示当前时刻t不同监测节点地形的变化趋势。
[0094]
具体而言，为当前时刻t监测阵列i中监测节点j所在位置的地形变化趋势。若为正值，表示当前时刻t监测阵列i中监测节点j所在位置的地形变化趋势为上升趋势，若为负值，表示当前时刻t监测阵列i中监测节点j所在位置的地形变化趋势为沉降趋势。当前时刻t的趋势分量矩阵中各个元素的更新方式如公式(2)所示，下一时刻t 1的趋势分量矩阵中的元素等于当前时刻t对应元素当前时刻t斜率与下一时刻t 1随机分量
之和，下一时刻t 1斜率等于当前时刻t斜率与下一时刻t 1随机分量之和。
[0095]
其中，随机分量表示更新趋势分量时添加的随机波动，随机分量表示更新斜率时添加的随机波动，二者的均值和方差都有所不同。
[0096]
空间分量的预测数据源自于监测阵列的形变量监测单元，用于表征监测区域地形的空间分布，首先由imu将三轴加速度计、三轴陀螺仪和三轴电子罗盘输出的数据转换成四元数据形式，然后利用四元数据解算姿态并重构空间分量。具体步骤如下：
[0097]
(1)根据初始姿态角ψ0、θ0、γ0确定初始四元数：
[0098][0099]
(2)姿态矩阵更新：
[0100][0101]
(3)姿态角解算：
[0102][0103]
t
13
(t)为t时刻姿态矩阵的第1行第3列元素，其余同理。
[0104]
(4)将解算出的姿态角代入圆弧模型或直线模型重构海底浅表层天然气水合物区域地形。
[0105]
环境分量矩阵的预测数据源自于监测阵列的非形变量监测单元，主要根据压力、温度和甲烷浓度对地形变化的影响做出预测。
[0106]
设某时刻压力、温度和甲烷浓度归一化处理后的环境向量为：x＝[x1,x2,x3]
t
，设该时刻与后一时刻的地形差值为y，地形差值与环境向量的假设函数为：h
θ
(x；θ)＝θ0 θ1x1 θ2x2 θ3x3。
[0107]
根据m个训练样本，使用梯度下降法优化以下代价函数得出环境因素对地形变化的影响函数。其代价函数为：
[0108][0109]
其中，m为训练样本的个数，i为样本的序号，x为样本的输入特征，y为样本的输出值。h
θ
为地形差值与环境向量的假设函数，θ0,θ1,θ2,θ3是上述假设函数的参数。j为代价函数，这里要将θ0,θ1,θ2,θ3作为决策变量，使得j(θ)的值最小。
[0110]
随机分量矩阵的元素为白噪声。
[0111]
参数修正模块，将前一时间段的预处理后的监测阵列数据输入到分量分解预测模块后，会得出预测结果，将预测结果与后续相应的实际监测情况进行对比，将误差反馈给数
据预处理模块中的各个参数矩阵并修正参数矩阵。
[0112]
假设预测结果与实际监测情况的误差为δ，则对均值向量μ和协方差矩阵σ的修正为：其中κi为误差折算系数。
[0113]
与现有技术相比，本发明具有以下技术效果：
[0114]
1.可以实现地形与地层多参量的立体监测。
[0115]
2.结合了海底浅表层天然气水合物的环境因素对地形及地层变化的影响，预测更准确。
[0116]
3.对传感器数据进行一系列预处理，避免了因传感器测量数据错误或误差引起的预测误差。
[0117]
4.水下控制中心具有时钟同步功能，确保传感器网络的采样时间准确统一。
[0118]
5.数据可实现远距离无线传输，避免有线传输时脐带缆拖拽监测网络。
[0119]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
[0120]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。