基于改进卡尔曼滤波的CO2泄漏监测数据融合算法

杨兆发， 胡业林

(安徽理工大学电气与信息工程学院 安徽 淮南 232001)

0 引言

在应对全球气候变化的CCUS(Carbon Capture, Utilization and Sequestration)技术[1]得到开创性应用尝试的背景下，对CO2封存泄漏[2]的研究和监测成为值得关注的热点。关于CCUS封存环境地面CO2泄漏监测，一方面，监测环境处于有人类活动干扰的自然环境下，导致监测到的数据存在一定的误差[3]。另一方面，地质封存的CO2产生泄漏的过程是缓慢的，一般在几十年甚至上百年的时间尺度[4]。针对该情况下的监测数据处理问题，一个新的解决思路是采用数据滤波融合算法来提高监测的准确度。

卡尔曼滤波算法是在动态数据滤波领域应用最广泛的算法[5-8]。段杰等[5]利用卡尔曼滤波算法对农业大棚信息监测系统采集终端传感器采集到的大量数据进行融合处理，提高了监测精度，得到了更加平稳的数据值。吴勇等[7]研究SLAM问题过程中提出一种收缩无迹卡尔曼滤波器，通过设置收缩参数降低了计算复杂度。周艳青等[8]研究锡林河流域空气温度数据的规律时，提出了一种引入分布图法改进的卡尔曼滤波的空气温度数据融合算法，获得了较强的抗干扰性和稳定性，提高了气象数据处理的准确性。

考虑到CCUS封存环境下的地面CO2泄漏监测数据处理分析在超长时间尺度下减少干扰和降低冗余的需要，采用在监测时间序列上分段预处理，将预处理算法融入传统卡尔曼滤波融合算法，形成改进的卡尔曼滤波算法。对长时间尺度的监测数据基于时间序列预处理段长度值的合理取值分析是本研究的重点。……