CN109030579B - 基于聚类的ert污染检测数据处理方法及系统 - Google Patents

基于聚类的ert污染检测数据处理方法及系统 Download PDF

Info

Publication number
CN109030579B
CN109030579B CN201810884584.1A CN201810884584A CN109030579B CN 109030579 B CN109030579 B CN 109030579B CN 201810884584 A CN201810884584 A CN 201810884584A CN 109030579 B CN109030579 B CN 109030579B
Authority
CN
China
Prior art keywords
detection
clustering
resistivity
value
period
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.)
Active
Application number
CN201810884584.1A
Other languages
English (en)
Other versions
CN109030579A (zh
Inventor
王玉玲
宫淑兰
徐亚
王蒙
汪明
庄华伟
刘欢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chinese Research Academy of Environmental Sciences
Shandong Jianzhu University
Original Assignee
Chinese Research Academy of Environmental Sciences
Shandong Jianzhu University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chinese Research Academy of Environmental Sciences, Shandong Jianzhu University filed Critical Chinese Research Academy of Environmental Sciences
Priority to CN201810884584.1A priority Critical patent/CN109030579B/zh
Publication of CN109030579A publication Critical patent/CN109030579A/zh
Application granted granted Critical
Publication of CN109030579B publication Critical patent/CN109030579B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
    • G01N27/12—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid

Landscapes

  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开了基于聚类的ERT污染检测数据处理方法及系统，获取待检测区域不同点位的视电阻率；对不同点位的视电阻率进行数据拟合，形成电阻率数据集合；设置初始聚类类别数目；对电阻率数据集合进行聚类，同时计算每个类别的变异系数以及类间方差；根据变异系数以及类间方差的大小调整聚类的类别数目，输出聚类结果；根据聚类结果判断该聚类结果对应的地下介质以及地下介质的分布范围，从而确定污染区域的范围。

Description

基于聚类的ERT污染检测数据处理方法及系统
技术领域
本发明涉及污染检测技术领域，特别是涉及基于聚类的ERT污染检测数据处理方法及系统。电阻率成像法(Electrical Resistivity Tomography，简称ERT)。
背景技术
随着工业快速发展，环境污染也日益严重，尤其是土壤污染非常严峻。根据环保部2014年公布的《全国土壤污染状况调查报告》表明：我国土壤总超标率为16.1％，其中轻微、轻度、中度和重度污染点位比列分别为11.2％、2.3％、1.5％和1.1％，其耕地土壤、重污染企业用地和工业废弃地点位超标率分别为19.4％、36.3％和34.9％，由此可知，污染场地威胁着人们的身体健康。
近年来，各国高度重视环境污染的防治，开展了大规模的污染场地调查和修复治理工作。在土壤治理和修复过程中，了解污染物类型和污染范围尤其重要，由于电阻率法探测污染具有快速、费用低等优点，近年来成为环境探测的有效方法之一。电阻率法测量通过人为向地下介质注入稳定电流，建立稳定的人工电场，通过测量其电场的大小，进而研究电场的分布规律，推断地下电阻率的分布状况，从而获得地下介质的信息。ERT的检测结果通常是地下介质的电阻率或电导率分布图像，利用污染土壤与背景土壤的电阻率差异性，从检测图像中推断出污染物的分布状况是关键问题，目前主要依靠人工识别，尚无有效的计算机识别方法，因此，开展ERT检测结果的计算机识别成为急需解决的问题。
发明内容
为了解决现有技术的不足，本发明提供了基于聚类的ERT污染检测数据处理方法及系统，使用数据聚类技术和污染检测技术，利用Kmeans聚类算法对ERT污染检测数据进行分析，聚类类别数自动进行调整，根据聚类结果推断地下介质的分布以及污染物污染范围。
为了解决上述技术问题，本发明采用如下技术方案：
作为本发明的第一方面，提供了基于聚类的ERT污染检测数据处理方法；
基于聚类的ERT污染检测数据处理方法，包括：
获取待检测区域不同点位的视电阻率；
对不同点位的视电阻率进行数据拟合，形成电阻率数据集合；
设置初始聚类类别数目；对电阻率数据集合进行聚类，同时计算每个类别的变异系数以及类间方差；根据变异系数以及类间方差的大小调整聚类的类别数目，输出聚类结果；
根据聚类结果判断该聚类结果对应的地下介质以及地下介质的分布范围，从而确定污染区域的范围。
进一步的，所述获取待检测区域不同点位的视电阻率，是使用地表测量或钻孔测量方式获得。地表测量是指在地表布置测线的方法进行检测，钻孔测量方式指的是在场地中选定位置钻孔，在钻孔内沿孔壁在纵深方向布置电极。
进一步的，所述获取待检测区域不同点位的视电阻率的步骤为：
在电场内布置测线，在测线上选定若干个检测点，在每个检测点位置插入检测电极；将所有检测电极与电法仪连接；电法仪向供电电极供电建立电场，向所有检测电极发出检测信号；然后每个测量电极根据自身接收到的检测控制信号开始对相应检测点的电势进行检测；将检测得到的电势上传给电法仪，从而，电法仪获取到待检测区域不同点位的视电阻率，形成视电阻率数据集。
进一步的，电法仪预先设定检测模式、检测周期的调整步长以及初始检测周期；根据预先设定检测模式和初始检测周期，向供电电极供电建立电场，向所有检测电极发出检测信号；电法仪根据当前检测周期与前一个检测周期的测量结果和检测周期的调整步长，对下一个检测周期进行自适应动态调整，电法仪根据调整后的检测周期再向所有检测电极发出检测信号。
所述检测模式，包括：温纳装置模式、偶极装置模式或三极装置模式等。
进一步的，电法仪根据当前检测周期与前一个检测周期的测量结果和检测周期的调整步长，对下一个检测周期进行自适应动态调整的具体步骤为：
电法仪根据测量得到的电势数据集，计算得到不同点位的视电阻率数值，构成当前检测的视电阻率数据集；
电法仪计算当前检测周期与前一个检测周期的每一个点位的视电阻率差值；将所有点位的差值构成视电阻率差值集合；
根据视电阻率差值集合，计算视电阻率差值的平均值和视电阻率差值的方差；
计算视电阻率差值的方差与视电阻率差值的平均值的比值，将比值大于设定阈值的所有视电阻率数据构成视电阻率变化数据集；
根据视电阻率变化数据集和检测周期的调整步长，计算出检测周期变化值；
根据检测周期变化值，计算下一个检测周期的检测周期时间间隔。
进一步的，根据视电阻率变化数据集和检测周期的调整步长，计算出检测周期变化值的具体步骤为：
首先，计算视电阻率变化数据集中数据个数；
其次，计算视电阻率变化数据集中数据个数与总的测量点位数比值，记为第一比值；
再次，判断第一比值是否大于等于设定的周期更新启动阈值；
如果第一比值是否大于等于设定的周期更新启动阈值，则检测周期变化值为：视电阻率变化数据集中的每个元素值求和后，将求和的结果与视电阻率差值的平均值进行求比值，将比值与检测周期的调整步长求乘积；乘积的结果即为检测周期变化值；
如果第一比值小于设定的周期更新启动阈值，则检测周期变化值为零。
进一步的，根据检测周期变化值，计算下一个检测周期的检测周期时间间隔的具体步骤为：
如果当前周期时间间隔与检测周期变化值求和后的结果大于等于周期调整最大限值，则下一个周期的测量时间间隔为周期调整最大限值；
如果当前周期时间间隔与检测周期变化值求和后的结果大于等于周期调整最小限值，但是小于周期调整最大限值，则下一个周期的测量时间间隔为当前周期时间间隔与检测周期变化值求和后的结果；
如果当前周期时间间隔与检测周期变化值求和后的结果小于周期调整最小限值，则下一个周期的测量时间间隔为周期调整最小限值。
进一步的，所述对不同点位的视电阻率进行数据拟合，形成电阻率数据集合：采用反演算法对采集的视电阻率数据集进行数据拟合，得到真实电阻率值，形成电阻率数据集合；
进一步的，所述对电阻率数据集合进行聚类，同时计算每个类别的变异系数以及类间方差：使用K-means算法对电阻率数据集合进行聚类，同时计算每个类别的均值、方差或变异系数；计算类间方差。
进一步的，所述根据变异系数以及类间方差的大小调整聚类的类别数目的具体步骤为：
判断变异系数是否小于第一设定阈值，同时判断类间方差是否小于第二设定阈值；
如果变异系数大于等于第一设定阈值或类间方差大于等于第二设定阈值，则设置聚类类别数目加一，再次对电阻率数据集合进行聚类，直至变异系数小于第一设定阈值且类间方差小于第二设定阈值，则停止聚类；
如果变异系数小于第一设定阈值且类间方差小于第二设定阈值，则停止聚类，输出聚类结果。
进一步的，所述聚类结果包括：聚类类别数目、每个类别对应的聚类中心、每个电阻率数据所属的类别，从而根据每个电阻率数据所属的类别确定其对应点位的聚类类别。
进一步的，所述根据聚类结果判断该聚类结果对应的地下介质的具体步骤为：
将聚类结果与已知的正常土壤电阻率统计数据比对，若聚类中心以及属于该类别的电阻率值在已知某种类型的土壤电阻率范围内，则推断该类别对应于当前已知的土壤类型，从而得到每种聚类类别对应的土壤类型。
根据每种聚类类别对应的土壤类型，确定不同点位的数据的土壤类型，从而得到地下介质的土壤类型分布。
根据对场地化学取样分析的结果或经验数据，得到污染土壤的电阻率范围，从聚类结果中选择聚类中心以及聚类中心对应的电阻率值在污染土壤的电阻率范围内的类别，聚类中心对应的点位集合即构成污染范围。
计算每个类别均值
Figure BDA0001755313530000041
标准差δ、变异系数C或类间方差θ的计算公式如下：
Figure BDA0001755313530000042
Figure BDA0001755313530000043
Figure BDA0001755313530000044
Figure BDA0001755313530000045
其中，K为聚类类别数目，
Figure BDA0001755313530000046
表示第l个类别的电阻率均值，ρi表示类别l中第i个数据的电阻率值，nl表示第l个类别的电阻率数据数量，l表示类别序号，δ2 l表示第l个类别的标准差，wm和wl分别表示第m和第l个类别的数据量除以总数据量，
Figure BDA0001755313530000047
和
Figure BDA0001755313530000048
分别表示第m和第l个类别的平均电阻率。
作为本发明的第二方面，提供了基于聚类的ERT污染检测数据处理系统；
基于聚类的ERT污染检测数据处理系统，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述任一方法所述的步骤。
作为本发明的第三方面，提供了一种计算机可读存储介质；
一种计算机可读存储介质，其上运行有计算机指令，所述计算机指令被处理器运行时，完成上述任一方法所述的步骤。
与现有技术相比，本发明的有益效果是：
使用数据聚类技术和污染检测技术，利用Kmeans聚类算法对ERT污染检测数据进行分析，聚类类别数自动进行调整，根据聚类结果推断地下介质的分布以及污染物污染范围。
通过设置合理的检测周期，一方面可以即时发现待检测污染区域的污染问题，另外一方面，还可以节省电法仪的能耗，避免消耗过多的资源。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1为本发明的流程框图；
图2为本发明一种实施例的重污染物区域确定流程图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示，基于聚类的ERT污染检测数据处理方法，包括以下步骤：
步骤1、获取地下不同点位的视电阻率；
步骤2、采用反演算法，对所述地下不同点位的视电阻率进行数据拟合，计算得到地下不同点位的电阻率值，形成电阻率数据集合；
步骤3、设置所述初始聚类类别数目为2；
步骤4、使用Kmeans进行聚类对所述电阻率数据对象集合，同时计算每个类别的均值、方差、变异系数；
步骤5、判断所述变异系数是否小于阈值TH1，或类间方差最小值是否小于阈值TH2；
如果符合要求，则停止聚类，否则，设置类别数增加1，重复步骤4；
步骤6、输出聚类结果，根据聚类结果判断该聚类结果判断地下介质分布，并推断污染区域。
如图2所示，提供一种实施例的基于聚类的ERT污染检测数据处理方法，该实施列用于确定重金属污染区域流程图，包括以下步骤：
S211：获取地下不同点位的视电阻率。
在该步骤中，使用地表测线测量及钻孔方式获得不同点位的视电阻率。
S212：根据反演技术，对地下不同点位的视电阻率进行数据拟合，获取地下不同点位的真实电阻率，形成真实电阻率数据对象集合。
在S211步骤中获取的不同点位的电阻率受不同因素的影响，因此需要反演技术，利用数据拟合方法，求得地下不同点位的真实电阻率值。
S213：根据污染类型，设置一定的判别阈值，对电阻率数据集进行聚类，得到聚类结果。
S214：根据聚类结果判断该聚类结果对应的地下介质。
S215：土壤污染物为重金属，假设土壤介质相对均匀，则聚类结果中聚类中心电阻率值低的区域为重金属污染区域，电阻率值高的类别为正常土壤区域，从而确定污染区域范围。
将电法仪与若干个检测电极连接，若干个检测电极按照选定检测点在待检测区域布置；待检测区域在地面的选定点供电建立电场；电法仪根据检测周期向每个检测电极发出检测信号；检测电极对地表相应检测点的电势进行测量，并将测量结果上传给电法仪；
1)检测电极采集第n-1和第n个周期Tn-1，Tn的视电阻率数据集，统计其采样点数K，并记录其每个点位的视电阻率数值
Figure BDA0001755313530000061
2)计算两个检测周期Tn-1，Tn中相同点位的视电阻率差值
Figure BDA0001755313530000062
构成视电阻率差值集合{Δρi}，并计算其平均视电阻率差值
Figure BDA0001755313530000063
其计算公式如下所示：
Figure BDA0001755313530000064
其中：Δρi为相邻两个检测周期Tn-1，Tn中第i个点位的视电阻率差值；K为总的测量点位数。
3)计算相邻两个检测周期Tn-1，Tn中视电阻率差值集合的方差，记为
Figure BDA0001755313530000065
并统计满足
Figure BDA0001755313530000066
的视电阻率差值数据，构成视电阻率变化集{θi}，α为视电阻率变动系数，统计视电阻率变化集中数据个数，记为m。
4)计算检测周期更新值ΔT，其计算公式如下：
Figure BDA0001755313530000067
其中：Td为检测周期的调整步长，η0为周期更新启动阈值。
5)更新检测周期Tn+1为：
Figure BDA0001755313530000071
其中：Tmax，Tmin为其周期调整最大最小限值。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (9)

1.基于聚类的ERT污染检测数据处理方法，其特征是，包括：
获取待检测区域不同点位的视电阻率；
对不同点位的视电阻率进行数据拟合，形成电阻率数据集合；
设置初始聚类类别数目；对电阻率数据集合进行聚类，同时计算每个类别的变异系数以及类间方差；根据变异系数以及类间方差的大小调整聚类的类别数目，输出聚类结果；
根据聚类结果判断该聚类结果对应的地下介质以及地下介质的分布范围，从而确定污染区域的范围；
所述根据变异系数以及类间方差的大小调整聚类的类别数目的具体步骤为：
判断变异系数是否小于第一设定阈值，同时判断类间方差是否小于第二设定阈值；
如果变异系数大于等于第一设定阈值或类间方差大于等于第二设定阈值，则设置聚类类别数目加一，再次对电阻率数据集合进行聚类，直至变异系数小于第一设定阈值且类间方差小于第二设定阈值，则停止聚类；
如果变异系数小于第一设定阈值且类间方差小于第二设定阈值，则停止聚类，输出聚类结果。
2.如权利要求1所述的基于聚类的ERT污染检测数据处理方法，其特征是，所述获取待检测区域不同点位的视电阻率的步骤为：
在电场内布置测线，在测线上选定若干个检测点，在每个检测点位置插入检测电极；将所有检测电极与电法仪连接；电法仪向供电电极供电建立电场，向所有检测电极发出检测信号；然后每个测量电极根据自身接收到的检测控制信号开始对相应检测点的电势进行检测；将检测得到的电势上传给电法仪，从而，电法仪获取到待检测区域不同点位的视电阻率，形成视电阻率数据集。
3.如权利要求2所述的基于聚类的ERT污染检测数据处理方法，其特征是，
电法仪预先设定检测模式、检测周期的调整步长以及初始检测周期；根据预先设定检测模式和初始检测周期，向供电电极供电建立电场，向所有检测电极发出检测信号；电法仪根据当前检测周期与前一个检测周期的测量结果和检测周期的调整步长，对下一个检测周期进行自适应动态调整，电法仪根据调整后的检测周期再向所有检测电极发出检测信号。
4.如权利要求3所述的基于聚类的ERT污染检测数据处理方法，其特征是，
电法仪根据当前检测周期与前一个检测周期的测量结果和检测周期的调整步长，对下一个检测周期进行自适应动态调整的具体步骤为：
电法仪根据测量得到的电势数据集，计算得到不同点位的视电阻率数值，构成当前检测的视电阻率数据集；
电法仪计算当前检测周期与前一个检测周期的每一个点位的视电阻率差值；将所有点位的差值构成视电阻率差值集合；
根据视电阻率差值集合，计算视电阻率差值的平均值和视电阻率差值的方差；
计算视电阻率差值的方差与视电阻率差值的平均值的比值，将比值大于设定阈值的所有视电阻率数据构成视电阻率变化数据集；
根据视电阻率变化数据集和检测周期的调整步长，计算出检测周期变化值；
根据检测周期变化值，计算下一个检测周期的检测周期时间间隔。
5.如权利要求4所述的基于聚类的ERT污染检测数据处理方法，其特征是，
根据视电阻率变化数据集和检测周期的调整步长，计算出检测周期变化值的具体步骤为：
首先，计算视电阻率变化数据集中数据个数；
其次，计算视电阻率变化数据集中数据个数与总的测量点位数比值，记为第一比值；
再次，判断第一比值是否大于等于设定的周期更新启动阈值；
如果第一比值大于等于设定的周期更新启动阈值，则检测周期变化值为：视电阻率变化数据集中的每个元素值求和后，将求和的结果与视电阻率差值的平均值进行求比值，将比值与检测周期的调整步长求乘积；乘积的结果即为检测周期变化值；
如果第一比值小于设定的周期更新启动阈值，则检测周期变化值为零。
6.如权利要求4所述的基于聚类的ERT污染检测数据处理方法，其特征是，
根据检测周期变化值，计算下一个检测周期的检测周期时间间隔的具体步骤为：
如果当前周期时间间隔与检测周期变化值求和后的结果大于等于周期调整最大限值，则下一个周期的测量时间间隔为周期调整最大限值；
如果当前周期时间间隔与检测周期变化值求和后的结果大于等于周期调整最小限值，但是小于周期调整最大限值，则下一个周期的测量时间间隔为当前周期时间间隔与检测周期变化值求和后的结果；
如果当前周期时间间隔与检测周期变化值求和后的结果小于周期调整最小限值，则下一个周期的测量时间间隔为周期调整最小限值。
7.如权利要求1所述的基于聚类的ERT污染检测数据处理方法，其特征是，
所述对不同点位的视电阻率进行数据拟合，形成电阻率数据集合：采用反演算法对采集的视电阻率数据集进行数据拟合，得到真实电阻率值，形成电阻率数据集合；
所述对电阻率数据集合进行聚类，同时计算每个类别的变异系数以及类间方差：使用K-means算法对电阻率数据集合进行聚类，同时计算每个类别的均值、方差或变异系数；计算类间方差；
所述聚类结果包括：聚类类别数目、每个类别对应的聚类中心、每个电阻率数据所属的类别，从而根据每个电阻率数据所属的类别确定其对应点位的聚类类别；
所述根据聚类结果判断该聚类结果对应的地下介质的具体步骤为：
将聚类结果与已知的正常土壤电阻率统计数据比对，若聚类中心以及属于该类别的电阻率值在已知某种类型的土壤电阻率范围内，则推断该类别对应于当前已知的土壤类型，从而得到每种聚类类别对应的土壤类型；
根据每种聚类类别对应的土壤类型，确定不同点位的数据的土壤类型，从而得到地下介质的土壤类型分布；
根据对场地化学取样分析的结果或经验数据，得到污染土壤的电阻率范围，从聚类结果中选择聚类中心以及聚类中心对应的电阻率值在污染土壤的电阻率范围内的类别，聚类中心对应的点位集合即构成污染范围。
8.基于聚类的ERT污染检测数据处理系统，其特征是，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述权利要求1-7任一方法所述的步骤。
9.一种计算机可读存储介质，其特征是，其上运行有计算机指令，所述计算机指令被处理器运行时，完成上述权利要求1-7任一方法所述的步骤。
CN201810884584.1A 2018-08-06 2018-08-06 基于聚类的ert污染检测数据处理方法及系统 Active CN109030579B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810884584.1A CN109030579B (zh) 2018-08-06 2018-08-06 基于聚类的ert污染检测数据处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810884584.1A CN109030579B (zh) 2018-08-06 2018-08-06 基于聚类的ert污染检测数据处理方法及系统

Publications (2)

Publication Number Publication Date
CN109030579A CN109030579A (zh) 2018-12-18
CN109030579B true CN109030579B (zh) 2021-03-02

Family

ID=64648775

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810884584.1A Active CN109030579B (zh) 2018-08-06 2018-08-06 基于聚类的ert污染检测数据处理方法及系统

Country Status (1)

Country Link
CN (1) CN109030579B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111126483B (zh) * 2019-12-23 2023-05-26 山东建筑大学 一种时域-空间域的ert监测系统的预警方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5495175A (en) * 1993-09-14 1996-02-27 The Regents Of The University Of California Using electrokinetic phenomena and electrical resistance tomography to characterize the movement of subsurface fluids
CN103903266A (zh) * 2014-04-08 2014-07-02 上海交通大学 一种微纳米颗粒分散分布的分析评估方法
CN105136866A (zh) * 2015-10-16 2015-12-09 上海岩土工程勘察设计研究院有限公司 基于高密度电阻率法的污染土检测方法
CN106706715A (zh) * 2016-12-26 2017-05-24 上海岩土工程勘察设计研究院有限公司 基于三维高密度电阻率法的污染土检测方法
CN107807396A (zh) * 2017-09-15 2018-03-16 中国石油天然气股份有限公司 地层基质电阻率的确定方法和装置
CN107909096A (zh) * 2017-11-08 2018-04-13 南京因泰莱电器股份有限公司 一种基于二分k‑均值聚类的逆变器故障预警判据实现方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5495175A (en) * 1993-09-14 1996-02-27 The Regents Of The University Of California Using electrokinetic phenomena and electrical resistance tomography to characterize the movement of subsurface fluids
CN103903266A (zh) * 2014-04-08 2014-07-02 上海交通大学 一种微纳米颗粒分散分布的分析评估方法
CN105136866A (zh) * 2015-10-16 2015-12-09 上海岩土工程勘察设计研究院有限公司 基于高密度电阻率法的污染土检测方法
CN106706715A (zh) * 2016-12-26 2017-05-24 上海岩土工程勘察设计研究院有限公司 基于三维高密度电阻率法的污染土检测方法
CN107807396A (zh) * 2017-09-15 2018-03-16 中国石油天然气股份有限公司 地层基质电阻率的确定方法和装置
CN107909096A (zh) * 2017-11-08 2018-04-13 南京因泰莱电器股份有限公司 一种基于二分k‑均值聚类的逆变器故障预警判据实现方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
2 种电阻率法污染探测装置的抗噪声性能比较;王玉玲 等;《环境科学研究》;20130831;第26卷(第8期);第879-884页 *
Contribution of hydrochemical and geoelectrical approaches to investigate salinization process and seawater intrusion in the coastal aquifers of Chaouia, Morocco;Saliha Najib 等;《Journal of Contaminant Hydrology》;20170131;第198卷;第24-36页 *

Also Published As

Publication number Publication date
CN109030579A (zh) 2018-12-18

Similar Documents

Publication Publication Date Title
US6744265B2 (en) Automated cathodic protection monitor and control system
Bagarello et al. Predicting event soil loss from bare plots at two Italian sites
CN107909192B (zh) 土壤重金属含量的估测方法及装置
CN106442302B (zh) 一种管道管壁表面极化电阻和腐蚀速度的监测方法及装置
CN110929359A (zh) 基于pnn神经网络和swmm技术的管网淤积风险预测建模方法
CN109030579B (zh) 基于聚类的ert污染检测数据处理方法及系统
Li et al. On bandlimitedness and lag-limitedness of fractional Gaussian noise
Vergni et al. Setup and calibration of the rainfall simulator of the Masse experimental station for soil erosion studies
CN112084608A (zh) 一种采用参数不确定性分析模型识别风险管道和节点的方法
CN106872350B (zh) 深井型直流接地极混凝土结构中馈电棒腐蚀检测模拟方法
Hofierka et al. Optimisation of interpolation parameters using cross-validation
CN108982594B (zh) 检测周期自适应设定的ert污染检测系统及设定方法
CN114444914A (zh) 流域综合治理绩效评估的关键水质因子变化趋势分析方法
Prodanovic et al. Calibration and sensitivity analysis of a novel water flow and pollution model for future city planning: Future Urban Stormwater Simulation (FUSS)
Tan et al. Field and laboratory assessment of electrochemical probes for visualizing localized corrosion under buried pipeline conditions
CN111080020A (zh) 钻孔布置方案的鲁棒性评估方法和装置
CN107255837B (zh) 一种二维地形正演和改正方法
CN114318347B (zh) 阴极保护评价方法、装置、计算机设备及存储介质
CN111125626B (zh) 一种基于s型函数随机子空间识别的模型定阶方法
CN110108609B (zh) 一种基于卫星多通道的pm2.5浓度值分布情况获取方法及系统
Ozerdem et al. Self-organized maps based neural networks for detection of possible earthquake precursory electric field patterns
CN111126483B (zh) 一种时域-空间域的ert监测系统的预警方法
Baudo Uncertainty in description of sediment chemical composition
CN101872337A (zh) 相似性检测方法及系统
CN116630676B (zh) 大尺度范围的场地分类处理方法、装置及电子设备

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
GR01 Patent grant
GR01 Patent grant