CN108401237A - 一种基于大数据处理的内河航道滑坡涌浪的智能监测系统 - Google Patents
一种基于大数据处理的内河航道滑坡涌浪的智能监测系统 Download PDFInfo
- Publication number
- CN108401237A CN108401237A CN201810138542.3A CN201810138542A CN108401237A CN 108401237 A CN108401237 A CN 108401237A CN 201810138542 A CN201810138542 A CN 201810138542A CN 108401237 A CN108401237 A CN 108401237A
- Authority
- CN
- China
- Prior art keywords
- water surface
- node
- surface ripple
- cruiseway
- status data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
- H04L45/126—Shortest path evaluation minimising geographical or physical path length
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
- H04W40/14—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality based on stability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
- H04L45/123—Evaluation of link metrics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
- H04L45/124—Shortest path evaluation using a combination of metrics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/70—Routing based on monitoring results
Abstract
本发明提供了一种基于大数据处理的内河航道滑坡涌浪的智能监测系统,包括多个无线传感器网络监测装置和大数据处理中心,每个无线传感器网络监测装置皆连接至大数据处理中心,每个无线传感器网络监测装置用于采集一个内河航道监测区域内的多个监测节点的水面波纹状态数据;大数据处理中心用于对采集的水面波纹状态数据进行处理分析,判断各内河航道监测区域的水面波纹状态。
Description
技术领域
本发明涉及内河航道监测领域,具体涉及一种基于大数据处理的内河航道滑坡涌浪的智能监测系统。
背景技术
涌浪作为影响严重的内河航道灾害之一,因其发生时对在行船舶与航道结构物以及近岸建筑的破坏性,发生机制的复杂性等原因,具有重要的地质灾害研究价值,一直备受全世界相关领域研究人员的关注。危岩体崩滑危害主要涉及两方面,一是对航行过程中的船舶造成影响,崩滑体入江瞬间形成的能量大,破坏性强的涌浪,涌浪在传播过程中可以冲翻船只,溃堤毁坝,破坏沿程水工建筑物以及在对应范围内航行的船舶,对相关人员的生命财产安全造成威胁。严重情况下甚至可能形成溃堤洪水,造成二次危害。二是对于已停靠的船舶造成的影响,涌浪在传播过程中,使已经停泊的船只受到影响,当船舶受到涌浪产生的集中力大于系缆力时。会导致船舶之间的碰撞甚至是侧翻,由于船舶停靠的形式所限,船舶之间的碰撞往往会造成连锁反应,进而造成巨大的财产损失。此外,也增大了政府方面在救援方面的投资,造成国家不必要的资源浪费。
目前,针对内河涌浪缺乏专门的行之有效的监测手段,传统的监测手段通常采取单一的数值分析,实时性差,监测效率低,监测结果不准确。
发明内容
针对上述问题,本发明提供一种基于大数据处理的内河航道滑坡涌浪的智能监测系统。
本发明的目的采用以下技术方案来实现:
提供了一种基于大数据处理的内河航道滑坡涌浪的智能监测系统,包括多个无线传感器网络监测装置和大数据处理中心,每个无线传感器网络监测装置皆连接至大数据处理中心,每个无线传感器网络监测装置用于采集一个内河航道监测区域内的多个监测节点的水面波纹状态数据;大数据处理中心用于对采集的水面波纹状态数据进行处理分析,判断各内河航道监测区域的水面波纹状态。
当航道上发生诸如泥石流、山体滑坡等自然灾害时,就会在航道上形成大规模的浪涌,据相关研究表明,目前内河航道形成的浪涌高度最大可到15-30m。这样的浪涌高度无疑会给航道上的船只带来危险。如果在航道上航行的船只不能提前预知前方的浪涌状况,就很可能面临由浪涌带来的航行安全隐患,本实施例通过实时监测航道内水面波纹状态来对航道内航行及锚泊船只进行险情预警等操作,使相关人员在涌浪发生后可以更快的采取适当的应对措施以避免库区滑坡涌浪对船只、岸边设施带来的威胁,保障涌浪发生后周边过往、锚泊船只的行船安全及航道周边设施的完好,甚至于在发生事故后可以提早进行应对预案。既可以在较高级航道内结合电子航道进行信息反馈,也可在较低级航道内针对小型船只进行预警。
优选地,每个无线传感器网络监测装置包括设置于各个监测节点的传感器节点,还包括基站设备,传感器节点用于采集所在监测节点的水面波纹状态数据,基站设备用于接收传感器节点发送的水面波纹状态数据,并对接收的水面波纹状态数据进行处理后发送至大数据处理中心。
本发明的有益效果为:通过在内河航道监测节点布置传感器节点,可以实时监测内河航道的水面波纹状态,将专业测量手段与大数据应用相结合,具有实时性,高效性,准确性等优点,可推广应用到其他地质灾害以及海洋灾害方面的监测与预警,具有较高的研究价值。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1本发明一个示例性实施例的基于大数据处理的内河航道滑坡涌浪的监测系统的结构示意框图;
图2是本发明一个示例性实施例的大数据处理中心的结构示意框图。
附图标记:
无线传感器网络监测装置1、大数据处理中心2、数据接收模块10、数据存储模块20、数据分析模块30、数据压缩模块40、数据存储模块50。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例提供的一种基于大数据处理的内河航道滑坡涌浪的智能监测系统,包括多个无线传感器网络监测装置1和大数据处理中心2,每个无线传感器网络监测装置1皆连接至大数据处理中心2,每个无线传感器网络监测装置1用于采集一个内河航道监测区域内的多个监测节点的水面波纹状态数据;大数据处理中心2用于对采集的水面波纹状态数据进行处理分析,判断各内河航道监测区域的水面波纹状态。
当航道上发生诸如泥石流、山体滑坡等自然灾害时,就会在航道上形成大规模的浪涌,据相关研究表明,目前内河航道形成的浪涌高度最大可到15-30m。这样的浪涌高度无疑会给航道上的船只带来危险。如果在航道上航行的船只不能提前预知前方的浪涌状况,就很可能面临由浪涌带来的航行安全隐患,本实施例通过实时监测航道内水面波纹状态来对航道内航行及锚泊船只进行险情预警等操作,使相关人员在涌浪发生后可以更快的采取适当的应对措施以避免库区滑坡涌浪对船只、岸边设施带来的威胁,保障涌浪发生后周边过往、锚泊船只的行船安全及航道周边设施的完好,甚至于在发生事故后可以提早进行应对预案。既可以在较高级航道内结合电子航道进行信息反馈,也可在较低级航道内针对小型船只进行预警。
在一个实施例中,每个无线传感器网络监测装置1包括设置于各个监测节点的传感器节点,还包括基站设备,传感器节点用于采集所在监测节点的水面波纹状态数据,基站设备用于接收传感器节点发送的水面波纹状态数据,并对接收的水面波纹状态数据进行处理后发送至大数据处理中心。
本实施例基于无线传感器网络技术进行水面波纹状态数据的采集,无需布线,节省人力物力。
在一个实施例中,如图2所示,大数据处理中心2包括依次连接的数据接收模块10、数据存储模块20、数据分析模块30,其中数据接收模块10用于对接收多个无线传感器网络监测装置1发送的水面波纹状态数据;所述数据存储模块20用于对数据接收模块10接收的水面波纹状态数据进行存储;所述的数据分析模块30用于对接收的水面波纹状态数据进行分析处理。所述对接收的水面波纹状态数据进行分析处理,包括根据水面波纹状态数据进行图表绘制和显示。
在一个实施例中,在传感器节点采集水面波纹状态数据前,基站设备确定传感器节点中的易故障节点,并构建易故障节点列表,在发送水面波纹状态数据到监控中心前,基站设备对易故障节点发送的水面波纹状态数据进行异常检测,并对检测出的异常水面波纹状态数据进行处理。
本实施例通过基站设备对传感器节点进行易故障节点的判定,并在发送水面波纹状态数据到监控中心前,基站设备对易故障节点发送的水面波纹状态数据进行异常检测。其中,本实施例检测出的异常水面波纹状态数据,属于不能反映内河航道滑坡涌浪的真实状态而具有误差的水面波纹状态数据,这种水面波纹状态数据会严重影响整个水面波纹状态数据集的数据质量。
本实施例对检测出的异常水面波纹状态数据进行处理,能够避免异常水面波纹状态数据对输入到监控中心进行分析处理的监控数据的精度造成不利的影响,从而进一步提高系统对内河航道滑坡涌浪进行监测的精度。
其中,所述的确定传感器节点中的易故障节点,具体为:基站设备计算各传感器节点的故障概率,若传感器节点的故障概率大于设定的概率阈值,基站设备将传感器节点确定为易故障节点。
其中,设Qa表示传感器节点Ya的故障概率,Qa的计算公式为:
式中,da为由专家设定的传感器节点Ya的历史故障概率,L(Ya,Yab)为传感器节点Ya与其邻居节点Yab之间的距离,传感器节点Ya的邻居节点为位于其通信范围内的传感器节点,na为传感器节点Ya的邻居节点数量,Ra为传感器节点Ya的通信距离,L(Ya,SINK)为传感器节点Ya与基站设备SINK之间的距离,L(Yc,SINK)为部署在监测区域内的传感器节点Yc与基站设备SINK之间的距离,N表示部署在监测区域内的传感器节点数量。
由于传感器节点对部署的环境比较敏感,同时工作环境也是复杂多变的,这些都将导致传感器节点出现各种故障状态,这些故障状态将导致采集的水面波纹状态数据出现较大误差甚至错误的情况,其水面波纹状态数据不能真实反映内河航道滑坡涌浪的实际情况。
本实施例提出了易故障节点的判定机制,该机制综合考虑了传感器节点的历史故障概率和传感器节点的部署位置。由于传感器节点与邻居节点及基站设备的距离会影响到其通信的效率,因此传感器节点与邻居节点及基站设备的距离能够较为准确地反映传感器节点的通信故障率,本实施例结合历史故障率和通信故障率设定了故障概率的计算公式,能够较为有效、精确地判定出易故障节点。
在一个实施例中,基站设备对易故障节点发送的水面波纹状态数据进行异常检测,具体包括:
(1)基站设备获取易故障节点Yi的所有除易故障节点外的邻居节点集合Φ(Yi),并确定邻居节点集合Φ(Yi)中每个邻居节点的故障概率;
(2)接收易故障节点Yi在t时刻采集的水面波纹状态数据si(t)和邻居节点集合Φ(Yi)中各邻居节点Yj在t时刻采集的水面波纹状态数据sj(t),其中j=1,2,…,mi,mi为邻居节点集合Φ(Yi)中的邻居节点数量;
(3)计算si(t)的比较水面波纹状态数据值si′(t);
(4)若|si(t)-si′(t)|>δ,δ为设定的误差阈值,则判定该水面波纹状态数据sj(t)为异常水面波纹状态数据;
其中,si′(t)的计算公式为:
式中,Qj为邻居节点集合Φ(Yi)中邻居节点Yj的故障概率,L(Yi,Yk)为邻居节点集合Φ(Yi)中邻居节点Yk与易故障节点Yi之间的距离,L(Yi,Yj)邻居节点Yj与易故障节点Yi之间的距离;
本实施例创新性地提出了针对水面波纹状态数据的异常检测机制,由于易故障节点采集的水面波纹状态数据与其邻居节点采集的水面波纹状态数据具有较大的时空关联性,该机制利用这种时空关联性,基于距离和故障率对邻居节点的水面波纹状态数据进行加权,计算出与易故障节点采集的水面波纹状态数据相对应的比较水面波纹状态数据值,通过计算水面波纹状态数据和对应的比较水面波纹状态数据值之间的差值是否在一定的阈值范围内,来判断该水面波纹状态数据是否异常。
本实施例提出的异常检测机制能够较为有效地、准确地判定出异常的水面波纹状态数据。其中,本实施例判定出的异常的水面波纹状态数据,属于不能反映内河航道滑坡涌浪的真实状态而具有误差的水面波纹状态数据,这种水面波纹状态数据会严重影响整个水面波纹状态数据集的数据质量。通过对检测出的异常水面波纹状态数据进行处理,可以避免异常水面波纹状态数据影响整个水面波纹状态数据集的数据质量,对后续的数据处理精度造成不利的影响。
在一个实施例中,所述对检测出的异常水面波纹状态数据进行处理,具体包括:
(1)设易故障节点Yv采集的一个异常水面波纹状态数据为sv(t),获取sv(t)的前一时刻水面波纹状态数据sv(t-1)和后一时刻水面波纹状态数据sv(t+1),以及sv(t)的比较水面波纹状态数据值sv′(t);
(2)按照下列公式计算异常水面波纹状态数据为sv(t)的替代值sv T(t),将3v T(t)替换sv(t):
式中,f1、f2为设定的权重系数,且满足f1+f2=1。
现有技术中对出现误差的水面波纹状态数据进行处理时,通常是直接将出现误差的水面波纹状态数据进行剔除处理,这种方式会造成水面波纹状态数据的缺失,从而影响水面波纹状态数据的时间特性,进一步影响后续对水面波纹状态数据进行处理分析的精度。
本实施例对出现误差的水面波纹状态数据进行处理时,按照设定的公式计算出替代值,将替代值替换水面波纹状态数据组中的异常水面波纹状态数据,有利于使得水面波纹状态数据组中的水面波纹状态数据趋于平稳,避免造成水面波纹状态数据缺失而影响水面波纹状态数据的时间特性。其中,本实施例根据异常水面波纹状态数据前后时刻的水面波纹状态数据和对应的比较水面波纹状态数据值设计了替代值的计算公式,使得替代值能够基本反映内河航道滑坡涌浪的真实状态。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (6)
1.一种基于大数据处理的内河航道滑坡涌浪的智能监测系统,其特征是,包括多个无线传感器网络监测装置和大数据处理中心,每个无线传感器网络监测装置皆连接至大数据处理中心,每个无线传感器网络监测装置用于采集一个内河航道监测区域内的多个监测节点的水面波纹状态数据;大数据处理中心用于对采集的水面波纹状态数据进行处理分析,判断各内河航道监测区域的水面波纹状态。
2.根据权利要求1所述的一种基于大数据处理的内河航道滑坡涌浪的智能监测系统,其特征是,每个无线传感器网络监测装置包括设置于各个监测节点的传感器节点,还包括基站设备,传感器节点用于采集所在监测节点的水面波纹状态数据,基站设备用于接收传感器节点发送的水面波纹状态数据,并对接收的水面波纹状态数据进行处理后发送至大数据处理中心。
3.根据权利要求1所述的一种基于大数据处理的内河航道滑坡涌浪的智能监测系统,其特征是,监测节点为内河航道水面底部和/或内河航道的浮标。
4.根据权利要求1所述的一种基于大数据处理的内河航道滑坡涌浪的智能监测系统,其特征是,大数据处理中心包括依次连接的数据接收模块、数据存储模块、数据分析模块,其中数据接收模块用于对接收多个无线传感器网络监测装置发送的水面波纹状态数据;所述数据存储模块用于对数据接收模块接收的水面波纹状态数据进行存储;所述的数据分析模块用于对接收的水面波纹状态数据进行分析处理。
5.根据权利要求1-4任一项所述的一种基于大数据处理的内河航道滑坡涌浪的智能监测系统,其特征是,基站设备在传感器节点采集水面波纹状态数据前,确定传感器节点中的易故障节点,并构建易故障节点列表,在发送水面波纹状态数据到监控中心前,基站设备对易故障节点发送的水面波纹状态数据进行异常检测,并对检测出的异常水面波纹状态数据进行处理。
6.根据权利要求5所述的一种基于大数据处理的内河航道滑坡涌浪的智能监测系统,其特征是,所述的确定传感器节点中的易故障节点,具体为:基站设备计算各传感器节点的故障概率,若传感器节点的故障概率大于设定的概率阈值,基站设备将传感器节点确定为易故障节点;
其中,设Qa表示传感器节点Ya的故障概率,Qa的计算公式为:
式中,da为由专家设定的传感器节点Ya的历史故障概率,L(Ya,Yab)为传感器节点Ya与其邻居节点Yab之间的距离,传感器节点Ya的邻居节点为位于其通信范围内的传感器节点,na为传感器节点Ya的邻居节点数量,Ra为传感器节点Ya的通信距离,L(Ya,SINK)为传感器节点Ya与基站设备SINK之间的距离,L(Yc,SINK)为部署在监测区域内的传感器节点Yc与基站设备SINK之间的距离,N表示部署在监测区域内的传感器节点数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810138542.3A CN108401237A (zh) | 2018-02-10 | 2018-02-10 | 一种基于大数据处理的内河航道滑坡涌浪的智能监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810138542.3A CN108401237A (zh) | 2018-02-10 | 2018-02-10 | 一种基于大数据处理的内河航道滑坡涌浪的智能监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108401237A true CN108401237A (zh) | 2018-08-14 |
Family
ID=63096643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810138542.3A Pending CN108401237A (zh) | 2018-02-10 | 2018-02-10 | 一种基于大数据处理的内河航道滑坡涌浪的智能监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108401237A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112751720A (zh) * | 2019-10-31 | 2021-05-04 | 中车株洲电力机车研究所有限公司 | 列车骨干网系统、故障检测方法及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101428735A (zh) * | 2007-11-08 | 2009-05-13 | 北京普瑞塞特控制系统科技有限公司 | 一种基于人工神经网络算法的起重力矩限制器自适应精度校准方法 |
CN202013587U (zh) * | 2011-02-15 | 2011-10-19 | 上海海事大学 | 基于无线传感器网络技术的内河管理信息系统 |
CN103439593A (zh) * | 2013-07-31 | 2013-12-11 | 国家电网公司 | 基于电气回路故障特性的分布式电网风险评估系统及分布式电网风险评估方法 |
CN106781701A (zh) * | 2016-12-22 | 2017-05-31 | 重庆交通大学 | 基于大数据处理的内河航道滑坡涌浪的监测系统 |
-
2018
- 2018-02-10 CN CN201810138542.3A patent/CN108401237A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101428735A (zh) * | 2007-11-08 | 2009-05-13 | 北京普瑞塞特控制系统科技有限公司 | 一种基于人工神经网络算法的起重力矩限制器自适应精度校准方法 |
CN202013587U (zh) * | 2011-02-15 | 2011-10-19 | 上海海事大学 | 基于无线传感器网络技术的内河管理信息系统 |
CN103439593A (zh) * | 2013-07-31 | 2013-12-11 | 国家电网公司 | 基于电气回路故障特性的分布式电网风险评估系统及分布式电网风险评估方法 |
CN106781701A (zh) * | 2016-12-22 | 2017-05-31 | 重庆交通大学 | 基于大数据处理的内河航道滑坡涌浪的监测系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112751720A (zh) * | 2019-10-31 | 2021-05-04 | 中车株洲电力机车研究所有限公司 | 列车骨干网系统、故障检测方法及存储介质 |
CN112751720B (zh) * | 2019-10-31 | 2022-05-20 | 中车株洲电力机车研究所有限公司 | 列车骨干网系统、故障检测方法及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108508469A (zh) | 一种基于北斗前置解算的电力铁塔形变监测系统及其监测方法 | |
CN105738925B (zh) | 一种列车定位专用的卫星接收机自主完好性方法 | |
US8922427B2 (en) | Methods and systems for detecting GPS spoofing attacks | |
CN205879247U (zh) | 一种基于光纤传感技术和bim技术的高桩码头健康监测系统 | |
KR20190066873A (ko) | 드론을 이용한 인명 구조 자동화 방법 및 이를 실행하는 프로그램이 기록된 기록매체 | |
WO2007007728A1 (ja) | 津波情報提供方法および津波情報提供システム | |
CN104091470A (zh) | 一种基于多数据融合的航道交通信息预测方法及应用 | |
CN110888126A (zh) | 基于多源传感器的无人船信息感知系统数据综合处理方法 | |
CN106781701A (zh) | 基于大数据处理的内河航道滑坡涌浪的监测系统 | |
CN111232131A (zh) | 一种海洋渔业养殖水域实时立体观测系统 | |
CN103913746B (zh) | 一种船舶吃水超限检测系统及其检测方法 | |
JPH1163984A (ja) | 津波検知システム | |
CN108401237A (zh) | 一种基于大数据处理的内河航道滑坡涌浪的智能监测系统 | |
IT202000011794A1 (it) | Procedimento per rilevare spoofing in un ricevitore gnss (global navigation satellite system), corrispondenti apparecchiatura ricevente e prodotto informatico | |
KR20200009450A (ko) | 어망 감시용 부표의 위치 확인 및 이 부표를 이용한 적조의 확산 예측 방법 | |
JP2009017241A (ja) | Gps内蔵高機能ブイ | |
CN112433232B (zh) | 一种基于北斗高精度定位ais终端的搜救系统及方法 | |
Premalatha et al. | A survey on underwater wireless sensor networks: progresses, applications, and challenges | |
Venkatesan et al. | Assessment of the reliability of the Indian tsunami buoy system | |
Cruz et al. | A versatile acoustic beacon for navigation and remote tracking of multiple underwater vehicles | |
Hossain et al. | Three dimensional (3D) underwater sensor network architectures for intruder localization using EM wave | |
CN116597693A (zh) | 一种内河航运监控系统及方法 | |
CN111959690A (zh) | 海啸监测装置和海啸预警系统 | |
CN209248729U (zh) | 一种地质灾害监测北斗预警报警系统 | |
CN106645622A (zh) | 一种水质检测机器人的运行方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180814 |
|
RJ01 | Rejection of invention patent application after publication |