CN109447339A - 作业窗口期的预测方法、装置及电子设备 - Google Patents
作业窗口期的预测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109447339A CN109447339A CN201811237624.XA CN201811237624A CN109447339A CN 109447339 A CN109447339 A CN 109447339A CN 201811237624 A CN201811237624 A CN 201811237624A CN 109447339 A CN109447339 A CN 109447339A
- Authority
- CN
- China
- Prior art keywords
- day
- amendment
- hourage
- basis
- information
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 360
- 230000008569 process Effects 0.000 claims abstract description 291
- 238000010276 construction Methods 0.000 claims abstract description 101
- 230000002354 daily effect Effects 0.000 claims description 39
- 238000003860 storage Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 230000003203 everyday effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 230000008439 repair process Effects 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 description 32
- 238000010586 diagram Methods 0.000 description 9
- 238000012216 screening Methods 0.000 description 7
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004393 prognosis Methods 0.000 description 3
- 230000008602 contraction Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000008014 freezing Effects 0.000 description 2
- 238000007710 freezing Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种作业窗口期的预测方法、装置及电子设备,该方法包括:获取可作业气象条件和目标作业区域的历年的气象信息;根据可作业气象条件和历年的气象信息,确定出每工序的基础可作业日;根据各工序的基础可作业日,确定出基础作业窗口期。由于历年的气象信息能够提供过去的某一年或数年的完整的气象数据,因此可以确定出历年的较长周期内的符合可作业气象条件的日期,从而根据历年的较长周期内的符合可作业气象条件的日期确定出各工序在施工年的较长周期内的基础可作业日,进而得到能够覆盖整个项目周期的作业窗口期,利用该作业窗口期能够合理地安排施工计划、显著地缩短施工周期、有效地控制施工成本,加快现场施工进度。
Description
技术领域
本申请涉及工期预测的技术领域,具体而言,本发明涉及一种作业窗口期的预测方法、装置及电子设备。
背景技术
在工程建设领域,可作业窗口期在工程建设施工中发挥着至关重要的作用。可作业窗口期是指在一段时间内,能够进行施工作业的时间的集合。
优质的作业窗口期结果体现在窗口期的准确性、全面性、专一性和精细度几个方面。其中,准确性是指作业窗口期的结果是准确的或从概率统计方面具有较高的准确率;全面性是作业窗口期能够预测较长周期或指定周期的结果;专一性是指能够根据地理区域概念的不同区分不同作业窗口期,或者根据地理区域需求的区分不同的作业窗口期;精细度是指作业窗口期中元素的最小单位可以精确到年、月、周、日、甚至小时。因此,优质的作业窗口期有助于合理地安排施工计划、显著地缩短施工周期、有效地控制施工成本,加快现场施工进度。目前,在工程建设领域影响各工序能否进行施工作业的因素主要是项目现场的气象状况,只有在气象数据满足施工作业要求的气象条件的日期才能进行工作的施工作业。现有的预测作业窗口期的方法,是工作人员根据项目所在地的气象预报信息制定作业窗口期,这种预测方法对于工作人员来说工作量大,预测出的作业窗口期的周期很短,无法覆盖项目的整个建设周期。
利用现有技术中方法制定的作业窗口期,存在周期较短而无法覆盖项目的整个建设周期的缺陷。
发明内容
本申请提供了一种作业窗口期的预测的方法、装置、电子设备及计算机可读存储介质,用于解决现有技术中存在周期较短而无法覆盖项目的整个建设周期的缺陷的技术问题。
第一方面,本申请实施例提供了一种作业窗口期的预测方法,包括:获取可作业气象条件和目标作业区域的历年的气象信息;根据所述可作业气象条件和历年的气象信息,确定出每工序的基础可作业日;根据各工序的基础可作业日,确定出基础作业窗口期。
第二方面,本申请实施例提供了一种作业窗口期的预测装置,包括:
获取模块,用于获取可作业气象条件和目标作业区域的历年的气象信息;
基础预测模块,用于根据所述可作业气象条件和历年的气象信息,确定出每工序的基础可作业日,以及根据各工序的基础可作业日,确定出基础作业窗口期
第三方面,本申请实施例提供了一种电子设备,包括:
处理器;以及
存储器,配置用于存储机器可读指令,所述指令在由所述处理器执行时,使得所述处理器执行本申请实施例第一方面提供的作业窗口期的预测方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本申请实施例第一方面提供的作业窗口期的预测方法。
本申请实施例提供的技术方案带来的有益效果是:
本申请实施例提供的作业窗口期的预测方法,是将某一区域内历年的气象信息与可作业气象条件进行比较,确定出历年符合可作业气象条件的日期,从而确定每个工序的基础可作业日,每个工序能够在各自对应的基础作业日可以选择进行施工作业,根据各工序的基础可作业日,即可确定出整个项目的基础作业窗口期。由于历年的气象信息能够提供过去的某一年或数年的完整的气象数据,因此可以确定出历年的较长周期内的符合可作业气象条件的日期,从而根据历年的较长周期内的符合可作业气象条件的日期确定出各工序在施工年的较长周期内的基础可作业日,进而得到能够覆盖整个项目周期的作业窗口期,利用该作业窗口期能够合理地安排施工计划、显著地缩短施工周期、有效地控制施工成本,加快现场施工进度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例一提供的一种作业窗口期的预测方法的流程示意图;
图2为本申请实施例二提供的另一种作业窗口期的预测方法的流程示意图;
图3为本申请实施例二提供的另一种作业窗口期的预测方法的子步骤的流程示意图;
图4为本申请实施例提供的根据气象元素确定出基础作业窗口期的流程示意图;
图5为本申请实施例三提供的又一种作业窗口期的预测方法的流程示意图;
图6为本申请实施例四提供的一种作业窗口期的预测装置的结构示意图;
图7为本申请实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
首先对本申请涉及的几个名词进行介绍和解释:
作业窗口期:是指某工序在一段时期内能够进行施工作业的时间的集合。作业窗口期可以具备不同的精度,元素的最小单位可以是年、月、周、日、甚至小时。例如,某年内可以进行道路铺设作业的日期为7月、8月和10月,则道路铺设作业在该年的作业窗口期为7月、8月和10月。或者,某一周内可以进行道路铺设作业的日期为周一、周四和周五,道路铺设作业在本周的作业窗口期为周一、周四和周五。
历年的气象信息:是指某区域在过去年份中的气象数据。本申请实施例提供的历年的气象信息,空间精度可以达到以81平方千米的区域为单位,时间精度可以达到以小时为单位,即该历年的气象信息能够提供某单位区域的历年中每小时的气象数据。
气象预报信息:是某区域指未来一段时间的气象数据。本申请实施例提供的气象预报信息可以利用现有的气象预测方法获得,也可以通过第三方的气象预测应用或气象官方网站中获取。
可作业气象条件:是指能够满足施工作业要求的气象条件。本申请实施例提供的可作业气象条件可以根据行业标准或实际需要等而定。以道路修建为例,道路修建的可作业气象条件为:无降雨、无降雪、气温在零下5摄氏度至零上40摄氏度之间且风速小于10m/s。
可作业时段:是指一天中能够进行施工作业的时间段。例如,对于某一类工序,其能够在全天24小时进行施工作业;对于另一类工序,其仅能在一天中的白天时段内进行施工作业。
现有的预测作业窗口期的方法,是工作人员根据项目所在地的气象预报信息制定作业窗口期。这种预测方法对于工作人员来说工作量大,另外,由于气象预报信息仅能给出较短时间(例如几天)内的气象数据,因此依靠气象预报信息制定的作业窗口期的周期也会很短,而一般的项目周期可能会有数月甚至数年的时间,该作业窗口期的周期无法覆盖项目的整个建设周期,无法根据依据现有的方法预测出的作业窗口期指定较长期的施工规划。因此,利用现有技术中方法制定的作业窗口期存在周期较短的缺陷。
本申请提供的作业窗口期的预测方法、装置、电子设备和计算机可读存储介质,旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
实施例一
本申请实施例一提供了一种作业窗口期的预测方法,该方法的流程图示意图如图1所示,包括:
S11:获取可作业气象条件和目标作业区域的历年的气象信息。
S12:根据可作业气象条件和目标作业区域的历年的气象信息,确定出每工序的基础可作业日。
S13:根据各工序的基础可作业日,确定出基础作业窗口期。
本申请实施例一提供的作业窗口期的预测方法,是将目标作业区域的历年的气象信息与可作业气象条件进行比较,确定出历年符合可作业气象条件的日期,从而确定每个工序的基础可作业日,每个工序能够在各自对应的基础作业日可以选择进行施工作业,根据各工序的基础可作业日,即可确定出整个项目的基础作业窗口期。
例如,当前的时间点为2018年1月1号,获取2017年的气象信息以及道路修建工序的可作业气象条件,将2017年的气象信息和道路修建工序的可作业气象条件进行比较,确定2017年的1月2号、3号、4号和6号等的气象数据符合道路修建工序的可作业气象条件,那么则确定2018年的1月2号、3号、4号和6号等为道路修建工序的基础可作业日,依照上述方法,分别确定出各工序在2018年的1月1日之后的基础可作业日,从而确定出整个项目的基础作业窗口期。
在本申请实施例一提供的作业窗口期的预测方法中,历年的气象信息能够提供过去的某一年或数年的完整的气象数据,因此可以确定出历年的较长周期内的符合可作业气象条件的日期,从而确定出各工序较长周期内的基础可作业日,进而得到能够覆盖整个项目周期的基础作业窗口期,利用该基础作业窗口期能够合理地安排施工计划、显著地缩短施工周期、有效地控制施工成本,加快现场施工进度。
本申请实施例一提供的作业窗口期的预测方法可以利用经机器学习训练后的窗口期模型来执行,即根据每个目标作业区域的历年的气象信息的气象数据特征,采用机器学习思想实现每个目标作业区域的窗口期建模。考虑该预测方法实质上到从历史数据(历年的气象信息)计算得到可施工与否的结果,因此可以采用有监督学习的算法中的任何一种,例如:支持向量机(Support Vector Machines)、线性回归(linear regression)、逻辑回归(logistic regression)、朴素贝叶斯(naive Bayes)、线性判别分析(lineardiscriminant analysis)、决策树(decision trees)、K-近邻(k-nearest neighboralgorithm)和多层感知器(Multilayer perceptron)等。可选地,本申请实施例一的S11中,获取可作业气象条件和目标作业区域的历年的气象信息时,还包括:获取休假日信息。以及,本申请实施例一的S12中,在确定出每工序的基础可作业日之后,还包括:确定每个工序的基础可作业日是否属于休假日信息中的休假日,从每个工序的基础可作业日中,剔除属于休假日的基础可作业日,确定出每个工序的第一修正可作业日。以及,本申请实施例一的S13中,根据各工序的基础可作业日,确定出基础作业窗口期,包括:根据各工序的第一修正可作业日,确定出第一修正可作业窗口期。
本申请的发明人考虑到,一般不会计划在休假日进行施工作业,因此需要剔除各工序的属于休假日的基础可作业日,得到各工序的第一修正可作业日,各工序仅能选择在各自的第一修正可作业日进行施工作业,根据第一修正可作业日确定出的第一修正可作业窗口期相比于基础作业窗口期更加精确,根根该第一修正可作业窗口期能够制定更加符合实际情况的施工计划。对于某一确定的地区来说,每年的休假日的日期是固定的,因此提前获取该地区全年的休假日信息,使得确定出的第一修正可作业窗口期是具备较长时间且更加精确的窗口期,从而可以根据该第一修正可作业窗口期制定较长期且更加精确的施工计划。
本申请实施例一的S11中,在获取可作业气象条件和目标作业区域的历年的气象信息时,还包括:获取气象预报信息。以及,本申请实施例一的S12中,在确定出每个工序的第一修正可作业日之后,还包括:确定每个工序的第一修正可作业日的气象预报信息,是否满足该工序的可作业气象条件,从每个工序的第一修正可作业日中,筛选出气象预报信息满足可作业气象条件的第一修正可工作日,作为该工序的第二修正可作业日。以及,本申请实施例一的S13中,根据各工序的第一修正可作业日,确定出第一修正可作业窗口期,包括:根据各工序的第二修正可作业日,确定出第二修正可作业窗口期。
本申请的发明人考虑到,对于距离当前日期较近的周期内,气象预报信息较为准确,具备较高的参考价值。因此,在制定短期的施工计划时,可以在基于休假日信息确定出各工序的第一修正可作业日后,再从每个工序的第一修正可作业日中筛选出气象预报信息满足可作业气象条件的第一修正可工作日,以筛选出的第一修正可作业日作为第二修正可作业日,各工序可以选择在各自的第二修正可作业日进行施工作业。各工序的第二修正可作业日的气象数据能够符合可作业气象条件的概率更高,有助于制定更加精确的施工计划,有利于各工序的施工作业能够更加高效地进行。
可选地,本申请实施例一的S11中,获取可作业气象条件和目标作业区域的历年的气象信息时,还包括:获取气象预报信息。以及,在本申请实施例一的S12中,在确定出每工序的基础可作业日之后,还包括:确定各工序的基础可作业日的气象预报信息是否满足各工序的可作业气象条件,在各工序的基础可作业日中筛选出气象预报信息满足可作业气象条件的基础可工作日,作为各工序的第三修正可作业日。以及,本申请实施例一的S13中,根据各工序的基础可作业日,确定出基础作业窗口期,包括:根据各工序的第三修正可作业日,确定出第三修正可作业窗口期。
本申请的发明人考虑到,某些工序或者在某些特殊情况下,在休假日也可以或需要进行施工作业,因此而本申请实施例中的第三修正可作业日是依次通过历年的气象信息和气象预报信息确定和筛选后获得的,不需要经过休假日信息的筛选。利用该方法确定出的第三修正可作业窗口期,满足了可以在休假日进行施工作业的需求,方便用户在特殊情况下制定符合实际需求的施工计划,以满足不同用户的个性化需求。
实施例二
本申请实施例二提供了另一种作业窗口期的预测方法,该方法的流程图示意图如图2所示,包括:
S21:获取可作业气象条件、目标作业区域的历年的气象信息和休假日信息。
应当说明的是,各个工序分别有各自的可作业气象条件,在本申请实施例二中,获取的可作业气象条件包括了不同工序的可作业气象条件。
在本申请实施例二中,获取的历年的气象信息可以是过去的一段时期或一个年份的气象信息,也可以是过去多个年份的气象信息,具体情况可以根据实际需要而定。例如,当前的时间点为2018年1月1号,那么可以获取2017年内某段时间内的气象信息或者2017年全年的气象信息,也可以获取2015年至2017年内某段时间内的气象信息或者这三个年份全部的气象信息。获取的历年的气象信息是过去多个年份的气象信息时,该多个年份可以是连续的年份,例如2015年至2017年;该多个年份也可以是不连续的年份,例如2014年、2016年和2017年。本申请实施例提供的历年的气象信息,空间精度可以达到以81平方千米的区域为单位,时间精度可以达到以小时为单位,即该历年的气象信息能够提供某单位区域的历年的每小时级的气象数据。
在本申请实施例二中,获取的休假日信息包括国家法定节假日、地方法定节假日(如少数民族的民俗节日、宗教节日)或者因重大活动而设定的停工日等。
S22:根据可作业气象条件和历年的气象信息,确定出每工序的基础可作业日。
S23:确定每个工序的基础可作业日是否属于目标作业区域的休假日信息中的休假日,从每个工序的基础可作业日中,剔除属于休假日的基础可作业日,确定出每个工序的第一修正可作业日。
S24:根据各工序的第一修正可作业日,确定出第一修正可作业窗口期。
本申请的发明人考虑到,除非在特殊情况下,休假日也不可以进行施工作业,因此需要剔除各工序的属于休假日的基础可作业日,得到各工序的第一修正可作业日,各工序仅能选择在各自的第一修正可作业日进行施工作业,根据第一修正可作业日确定出的第一修正可作业窗口期相比于基础作业窗口期更加精确,根据该第一修正可作业窗口期能够制定更加符合实际情况的施工计划。对于某一确定的地区来说,每年的休假日的日期是固定的,因此提前获取全年的休假日信息,使得最终确定的第一修正可作业窗口期可以具备较长的周期,从而可以根据该第一修正可作业窗口期制定较长期的施工计划。
S25:获取气象预报信息。
本申请实施例二提供的气象预报信息可以利用现有的气象预测方法获得,也可以通过第三方的气象预测应用或气象官方网站中获取。例如,某地区的气象预报信息可以包括未来3天、7天或15天的气象数据。
应当说明的是,S25的获取气象预报信息的步骤,可以与S21的获取可作业气象条件、历年的气象信息和休假日信息的步骤同时进行。本领域的技术人员可以理解,可以在完成S23后直接执行S25及后续步骤,无需执行S24。
S26:从每个工序的第一修正可作业日中,筛选出气象预报信息满足可作业气象条件的第一修正可工作日,作为该工序的第二修正可作业日。
可选地,在本申请实施例二中,确定每个工序的各第一修正可作业日的气象预报信息,是否满足该工序的可作业气象条件;将满足该工序的可作业气象条件的第一修正可作业日,作为该工序的第二修正可作业日,将不满足该工序的可作业气象条件的第一修正可作业日剔除。
S27:根据各工序的第二修正可作业日,确定出第二修正可作业窗口期。
本申请的发明人考虑到,对于距离当前日期较近的周期内,气象预报信息较为准确,具备较高的参考价值。因此,在制定短期的施工计划时,可以在基于休假日信息确定出各工序的第一修正可作业日后,再从每个工序的第一修正可作业日中筛选出气象预报信息满足可作业气象条件的第一修正可工作日,以筛选出的第一修正可作业日作为第二修正可作业日,各工序仅能选择在各自的第二修正可作业日进行施工作业。各工序的第二修正可作业日的气象数据能够符合可作业气象条件的概率更高,有助于制定更加准确的施工计划,有利于各工序的施工作业能够有序合理地进行。
可选地,在本申请实施例二中,在S22中根据可作业气象条件和历年的气象信息,确定出每个工序的基础可作业日的方法,如图3所示,包括下述步骤:
S221:确定历年每日中气象信息满足每个工序的可作业气象条件的小时数,作为历年每日每个工序在气象信息下的可作业小时数。
在本申请实施例二中,对于某一个工序,以小时为单位,确定某一年份的某一日中每个小时的每日中气象信息是否满足每个工序的可作业气象条件,将气象信息满足可作业气象条件的小时确定为可作业小时,进而确定出历年每日每个工序在气象信息下的可作业小时数。
进一步地,对于历年的气象信息中的每个气象元素,确定出历年每日中该气象元素满足每个工序的可作业气象条件的小时数,作为历年每日每个工序在气象元素下的可作业小时数。
气象信息可以包括多个气象元素,例如可以包括风速、降雨情况、降雪情况和气温情况等,每个气象元素分别对应各自的可作业气象条件。对于某一个工序,以小时为单位,确定某一年份的某一日中每个小时的每日中某一气象元素是否满足每个工序的对应该气象元素的可作业气象条件,将气象元素满足对应的可作业气象条件的小时确定为在该气象元素下的可作业小时,进而确定出历年每日每个工序在某一气象元素下的可作业小时数。
S222:根据历年每日每个工序在气象信息下的可作业小时数,确定施工年每日每个工序的在气象信息下的可作业小时数。
在本申请实施例二中,可以将历年中多个年份的对应日期每个工序在气象信息下的可作业小时数的平均值,作为施工年的对应日期每个工序的在气象信息下的可作业小时数。可选地,可作业小时数的平均值包括算术平均值、加权平均值、中位数和正态分布的期望值等中的一个。
例如,施工年为2018年,2015年、2016年和2017年在4月5日的A工序的可作业小时数分别为6小时、7小时和11小时,在三个年份的4月5日,A工序的可作业小时数的算数平均值为8小时,则在确定2018年的4月5日,A工序的可作业小时数为8小时。当然,也可以取2015年、2016年和2017年在4月5日的A工序的可作业小时数的加权平均值,将该加权平均值作为2018年的4月5日的A工序的可作业小时数。在取各年份可作业小时数的加权平均值时,各年份的可作业小时数的权重可以根据预设的标准进行分配,例如,根据与施工年的间隔时间的长短不同,给距离施工年较近的年份的可作业小时数分配较大的权重,给距离施工年较远的年份的可作业小时数分配较小的权重。进一步地,在本申请实施例二中,S222中根据历年每日每个工序在气象信息下的可作业小时数,确定施工年每日每个工序的在气象信息下的可作业小时数的方法,包括:根据历年每日每个工序在气象元素下的可作业小时数,确定施工年每日每个工序的在各气象元素下的可作业小时数。
相应地,可以将历年中多个年份的对应日期每个工序在某一气象元素下的可作业小时数的平均值,作为施工年的对应日期每个工序的在该气象元素下的可作业小时数
例如,施工年为2018年,2015年、2016年和2017年在4月5日的A工序在某一气象元素下的可作业小时数分别为6小时、7小时和11小时,在三个年份的4月5日,A工序在该气象元素下的可作业小时数的平均值为8小时,则确定在2018年在4月5日,A工序在该气象元素下的可作业小时数为8小时。
根据上述过程,分别确定出各工序在施工年的每日的各个气象元素下的可作业小时数。
S223:根据施工年每日每个工序的在气象信息下的可作业小时数和小时数阈值,确定出每个工序的基础可作业日。
在本申请实施例二中,各工序的小时数阈值可以根据行业标准或实际需要等因素而定,当某日某工序的可作业小时数超过该小时数阈值,则确定该日为该工序的基础可作业日。例如,A工序的小时数阈值为6小时,在2018年在4月5日,A工序的可作业小时数为8小时,超过了6小时,则可以确定2018年在4月5日的A工序的基础可作业日。
具体地,对于施工年每日每个工序,当该日中该个工序在各气象元素下的可作业小时数都超过小时数阈值时,将该日作为该工序的基础可作业日。例如,气象信息包括风速、降雨情况、降雪情况和气温情况,在2018年的4月5日,A工序在各气象元素下的可作业小时数都超过小时数阈值,则确定2018年在4月5日为A工序的基础可作业日。
可选地,在本申请实施例二中,对于施工年每日每个工序,当该日中该个工序在各气象元素下的可作业小时数都超过小时数阈值时,将该日作为该工序的基础可作业日,具体包括:对于施工年每日每个工序,当该日中该个工序在各气象元素下的可作业小时数都超过小时数阈值,且可作业小时都在该日的可作业时段内时,将该日作为该工序的基础可作业日。
本申请的发明人考虑到,不同的工序可能有不同的可作业时段,即对于某一类工序,其能够在全天24小时进行施工作业;对于另一类工序,其仅能在一天中的白天时段内进行施工作业,因此,只有在某一日可作业时段内的可作业小时才是有效的可作业小时,有效的可作业小时超过小时数阈值时,该日才可以作为工序的基础可作业日。
可选地,在本申请实施例二中,以图4为例,在确定出每工序的基础可作业日时,首先可以将气象信息中的气象元素进行分类,例如可以划分为风速、降雨情况、降雪情况和气温情况等。例如,按照气象元素分类,气象信息X=[X1,X2,…,Xn],Xn表示第n类气象元素,n为正整数。
以气象信息中的风速Xi(i<n)为例,构建以历年的年份(YEAR)为列,以各年份中的月(MONGTH)日(DAY)为行的时间矩阵,该时间矩阵可以记为[R=MONGTH-DAY,C=YEAR]。
可选地,以气象信息中的风速元素Xi为例,构建以历年的年份为列,以各年份中的月日时(hour)为行的时间矩阵,例如,以2015年、2016年和2017年为列,每个年份包括8760小时,三个年份供26280小时,则该时间矩阵包括26280个元素,上述时间矩阵中每一个元素即代表三个年份中的某一小时以及该小时的风速数据。
根据气象配置(即可作业气象条件)对时间矩阵进行气象符合度判断,即判断该时间矩阵中每个元素对应的风速数据是否符合某一工序对应于风速的可作业气象条件,若符合,将该元素赋值为1,若不符合,将该元素赋值为0,时间矩阵处理完成从而得到以历年的年份为列,以各年份中的月日时为行的二值矩阵,也就是说,该二值矩阵的26280个元素中,每个元素的值为1或0。
将小时级数据处理为以天为单位的矩阵类,得到历年中每天的可作业小时数。例如,2015年对应的行包括8760小时,2015年1月1日包括第1小时至第24小时,2015年1月2日包括第25小时至第48小时表示2015,依次类推,确定出2015年中每一天对应的24个小时。将2015年1月1日的24小时对应的二值矩阵中元素的赋值相加,得到的值即为2015年1月1日的可作业小时数,依次类推,确定出2015年、2016年和2017年每天的可作业小时数,完成将小时级数据处理为以天为单位的矩阵类。特就是说,矩阵类中的3个列对应3个年份,矩阵类的365行对应每个年份的365天,矩阵类的每个元素表示三个年份中每天的可作业小时数。
对矩阵类进行均值处理,得到针对风速数据的预测矩阵。例如,2015年4月5日、2016年4月5日和2017年4月5日,A工序在风速条件下的可作业小时数分别为6小时、7小时和11小时,那么确定在每年的4月5日,A工序在风速条件下的可作业小时数的算数平均值为8小时;则预测出在2018年的4月5日,A工序的可作业小时数为8小时,依次类推,预测出2018年每天的可作业小时数作为矩阵元素构建预测矩阵,预测矩阵的列表示2018年,预测矩阵的各行表示2018年的365天,预测矩阵中的每个元素表示2018年每天的可作业小数。
将预测矩阵中每个元素对应的可作业小时数与小时数阈值进行对比,若可作业小时数超过小时数阈值,则将该元素赋值为1;若可作业小时数小于小时数阈值,则将该元素赋值为0,预测矩阵经上述过程处理后得到针对风速元素的判断矩阵Yi,也就是说,该判断矩阵Yi的列为2018年,判断矩阵Yi的行为的2018年的365天,共包括365个元素,每个元素的值为1或0,赋值为1的元素对应的日期在风速条件下为基础可作业日,赋值为0的元素对应的日期在风速条件下不是基础可作业日。
根据上述过程,逐个确定出针对每个气象元素的判断矩阵Yi,对所有判断矩阵Yi取并集,得到判断矩阵Y。针对判断矩阵Y进行逻辑运算,具体地,在判断矩阵Y中,对于同一日期,针对各个气象元素的判断矩阵Yi中,对应该日期的元素的赋值均为1,则表示该日期为基础可作业日,进而确定出基础作业窗口期。
可选地,在本申请实施例二中,S26中所述确定每个工序的所述第一修正可作业日的气象预报信息是否满足该工序的可作业气象条件的方法具体包括:从每个工序的第一修正可作业日中,确定出气象预报信息满足该工序的可作业气象条件的小时数,作为每个工序的第一修正可作业日在所述气象预报信息下的可作业小时数。若工序的第一修正可作业日在气象预报信息下的可作业小时数大于小时数阈值,确定该工序的第一修正可作业日的气象预报信息满足工序的可作业气象条件。
例如,对于A工序,A工序的小时数阈值为6小时,从A工序的一个第一修正可作业日中,确定出该第一修正可作业日的气象预报信息满足A工序的可作业气象条件的小时数为7小时,则该第一修正可作业日在气象预报信息下的可作业小时数为7小时,由于该第一修正可作业日中的可作业小时数大于A工序的小时数阈值,因此确定A工序的该第一修正可作业日的气象预报信息满足所述工序的所述可作业气象条件。
可选地,在本申请实施例二中,气象预报信息也可以包括多个气象元素,因此在S26中,根据气象预报信息在第一修正可作业日中筛选出气象预报信息满足可作业气象条件的第一修正可工作日的方法参照S22的部分方法,即对于某个工序的每个第一修正可作业日,当该第一修正可作业日中该个工序在气象预报信息中各气象元素下的可作业小时数都超过小时数阈值时,确定该第一修正可作业日为气象预报信息满足可作业气象条件的第一修正可工作日,作为该工序的第二修正可作业日,具体过程此处不再赘述。
实施例三
本申请实施例三提供了又一种作业窗口期的预测方法,该方法的流程图示意图如图5所示,包括:
S31:获取可作业气象条件、目标作业区域的历年的气象信息和气象预报信息。
S32:根据可作业气象条件和目标作业区域的历年的气象信息,确定出每工序的基础可作业日。
S33:确定各工序的基础可作业日的气象预报信息是否满足各工序的可作业气象条件,在各工序的基础可作业日中筛选出气象预报信息满足可作业气象条件的基础可工作日,作为各工序的第三修正可作业日。
在本申请实施例三中,各工序能够选择在各自对应的第三修正可作业日进行施工作业。
可选地,确定各工序的所述基础可作业日中气象预报信息满足每个工序的可作业气象条件的小时数,作为各工序的基础可作业日在气象预报信息下的可作业小时数。若工序的基础可作业日在气象预报信息下的可作业小时数大于小时数阈值,确定工序的基础可作业日的气象预报信息满足工序的可作业气象条件。
可选地,确定每个工序的各基础可作业日的气象预报信息,是否满足该工序的可作业气象条件;将将满足该工序的可作业气象条件的基础可作业日,作为该工序的第三修正可作业日;否则,将部满足该工序的可作业气象条件的基础可作业日剔除。
上述实施例二中的第二修改可作业日是依次通过历年的气象信息、休假日信息和气象预报信息确定和筛选后获得的。本申请的发明人考虑到,某些工序或者在某些特殊情况下,在休假日也可以或需要进行施工作业,因此而本申请实施例三中的第三修正可作业日是依次通过历年的气象信息和气象预报信息确定和筛选后获得的,不需要经过休假日信息的筛选。利用该方法确定出的第三修正可作业窗口期,满足了工序可以在休假日进行施工作业的需求,方便用户在在特殊情况下制定符合实际需求的施工计划。
S34:根据各工序的第三修正可作业日,确定出第三修正可作业窗口期。
本申请实施例一至实施例三提供的方法可以应用在风电工程领域,在风电场建设的项目中,根据风力发电机组建设过程中的各工序的基础可作业日,即可确定出整个项目的基础作业窗口期,利用该基础作业窗口期能够合理地安排风电场建设过程中的施工计划。
在风电场建设的过程中包括大量的工序,表1为本申请实施例提供的气象配置表,气象配置表示出了建造单个风力发电机组所涉及的工序以及工序的可作业气象条件。按照作业阶段的不同,将表1中所有工序分成三种类型的一级工序,一级工序包括前期工序、供货工序和吊装工序;各个一级工序还包括多个二级工序,例如,前期工序包括两个二级工序,分别为道路修建工序和基础施工工序;进一步地,各个二级还包括三级工序,建造单个风力发电机组所共需要35个三级工序,例如,基础施工工序包括的三级工序有基础环备料工序、基础开挖工序、基础回填工序等。本申请实施例提供的作业窗口期的预测方法,用于确定三级工序的可作业日。表1中示出了三级工序的可作业气象条件,包括风速条件、降雨量、降雪量、气温条件以及可作业时段,例如,道路修建的可作业气象条件为:无降雨、无降雪、气温在零下5摄氏度至零上40摄氏度之间且风速小于10m/s,可作业时段为白天。
表1
在本申请实施例中,历年的气象信息可以在气象数据库中获取,如表2所示,表2为本申请实施例历年的气象信息的缩略表。气象数据库的气象信息中包括的气象元素包括风速、降雨量、降雪量、气温、气压、相对湿度和空气密度等。气象数据库包括了过去7年历史气象信息,该历史气象信息的空间精度可以达到以9千米*9千米(即81平方千米)的区域为单位,时间精度可以达到以小时为单位,即该历年的气象信息能够提供某单位区域的历年中每小时的气象数据,例如,该历年的气象信息可以提供北京市某单位区域在2016年4月5日16时至17时的风速信息。
表2
在本申请实施例中,休假日信息可以在工建数据库中获取,工建数据库记载在各个区域的休假日信息,休假日信息包括国家法定节假日、地方法定节假日(如少数民族的民俗节日、宗教节日)或者因重大活动而设定的停工日。
在本申请实施例中,气象预报信息是某区域指未来一段时间的气象数据,如表3所示,表3为本申请实施例提供的气象预报信息的缩略表。气象预报信息中包括的气象元素包括风速、降雨量、降雪量、气温、气压、相对湿度和空气密度等。该气象预报信息可以利用现有的气象预测方法获得,也可以通过第三方的气象预测应用或气象官方网站中获取。如表3所示,气象预报信息可以是未来15天的气象预报信息,该气象预报信息的空间精度可以达到以9千米*9千米(即81平方千米)的区域为单位,时间精度可以达到以小时为单位,即该气象预报信息能够预先提供某单位区域的未来一段时间内每小时的气象数据,例如,气象预报信息可以预先提供北京市某单位区域在2018年10月15日16时至17时的风速信息。
表3
在本申请实施例中,气象数据库和工建数据库能够及时地收集和梳理气象信息和休假日信息,利用本申请实施例提供的作业窗口期的预测方法,能够准确地获取到各个目标作业区域各个年份的气象信息以及休日信息,降低了获取信息的难度,也提高获取信息的准确性,同时,将气象信息和休假日信息双向融合应用,能够确定出更加符合实际作业情况的作业窗口期。
另外,气象预报信息以及气象数据库中的气象信息的颗粒度可以达到日级,因此能够预测工序的日级颗粒度的作业窗口期,提高了作业窗口期的精度。
而且,历年的气象信息能够提供过去的某一年或数年的完整的气象数据,因此可以确定出历年的较长周期内的符合可作业气象条件的日期,从而确定出各工序较长周期内的基础可作业日,进而得到能够覆盖整个项目周期的全年的作业窗口期,提高了作业窗口期的全面性。
本领域的技术人员可以理解,针对不同情况的风电场建设项目,历年的气象信息和气象预报信息中包括的气象元素类型可以适当增加,例如,对于海上的风电场建设项目,除了需要考虑风速、降雨量、降雪量和气温等气象元素,还需要考虑海浪、台风和潮汐等气象元素,因此历年的气象信息和气象预报信息中还需要包括历年的海浪、台风和潮汐等信息,对于表1,需要增加设置海浪、台风和潮汐对于每个工序的可作业气象条件。
实施例四
本申请实施例四提供了一种作业窗口期的预测装置,如图6所示,作业窗口期的预测装置400包括:获取模块401和基础预测模块402。
获取模块401用于获取可作业气象条件和目标作业区域的历年的气象信息。
基础预测模块402,用于根据可作业气象条件和历年的气象信息,确定出每工序的基础可作业日,以及根据各工序的基础可作业日,确定出基础作业窗口期。
可选地,本申请实施例四提供的作业窗口期的预测装置,还包括:第一修正预测模块403。
以及,获取模块401还用于获取休假日信息。第一修正预测模块403用于确定每个工序的基础可作业日是否属于休假日信息中的休假日,从每个工序的基础可作业日中,剔除属于休假日的基础可作业日,确定出每个工序的第一修正可作业日,根据各工序的第一修正可作业日,确定出第一修正可作业窗口期。
可选地,本申请实施例四提供的作业窗口期的预测装置还包括:第二修正预测模块404。
获取模块401还用于获取气象预报信息。
以及,第二修正预测模块404用于从每个工序的第一修正可作业日中,筛选出气象预报信息满足可作业气象条件的第一修正可工作日,作为该工序的第二修正可作业日,根据各工序的第二修正可作业日,确定出第二修正可作业窗口期。
实施例五
本申请实施例提供了一种电子设备,如图7所示,电子设备500包括:处理器501和存储器502。存储器502配置用于存储机器可读指令,指令在由处理器501执行时,使得处理器501执行本申请实施例一至三提供的作业窗口期的预测方法。
本申请实施例中的处理器501可以是CPU(Central Processing Unit,中央处理器)、通用处理器、DSP(Digital Signal Processor,数据信号处理器)、ASIC(ApplicationSpecific Integrated Circuit,专用集成电路)、FPGA(Field-Programmable GateArray,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器501也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
本申请实施例中的存储器502可以是ROM(Read-Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,可以是RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically Erasable Programmable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact Disc Read-Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
本技术领域技术人员可以理解,本申请实施例提供的电子设备可以为所需的目的而专门设计和制造,或者也可以包括通用计算机中的已知设备。这些设备具有存储在其内的计算机程序,这些计算机程序选择性地激活或重构。这样的计算机程序可以被存储在设备(例如,计算机)可读介质中或者存储在适于存储电子指令并分别耦联到总线的任何类型的介质中。
实施例六
本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本申请实施例一至三提供的作业窗口期的预测方法。
计算机可读介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM、RAM、EPROM(Erasable Programmable Read-Only Memory,可擦写可编程只读存储器)、EEPROM、闪存、磁性卡片或光线卡片。也就是,可读介质包括由设备(例如,计算机)以能够读的形式存储或传输信息的任何介质。
应用本申请实施例的技术方案,至少可实现如下有益效果:
1、本申请实施例提供的作业窗口期的预测方法,是将某一区域内历年的气象信息与可作业气象条件进行比较,确定出历年符合可作业气象条件的日期,从而确定每个工序的基础可作业日,每个工序能够在各自对应的基础作业日可以选择进行施工作业,根据各工序的基础可作业日,即可确定出整个项目的基础作业窗口期。由于历年的气象信息能够提供过去的某一年或数年的完整的气象数据,因此可以确定出历年的较长周期内的符合可作业气象条件的日期,从而确定出各工序较长周期内的基础可作业日,进而得到能够覆盖整个项目周期的作业窗口期,利用该作业窗口期能够合理地安排施工计划、显著地缩短施工周期、有效地控制施工成本,加快现场施工进度。
2、在本申请实施例提供的作业窗口期的预测方法中,本申请的发明人考虑到,一般不会计划在休假日进行施工作业,因此需要剔除各工序的属于休假日的基础可作业日,得到各工序的第一修正可作业日,各工序仅能选择在各自的第一修正可作业日进行施工作业,根据第一修正可作业日确定出的第一修正可作业窗口期相比于基础作业窗口期更加精确,根根该第一修正可作业窗口期能够制定更加符合实际情况的施工计划。对于某一确定的地区来说,每年的休假日的日期是固定的,因此提前获取该地区全年的休假日信息,使得确定出的第一修正可作业窗口期是具备较长时间且更加精确的窗口期,从而可以根据该第一修正可作业窗口期制定较长期且更加精确的施工计划。
3、在本申请实施例提供的作业窗口期的预测方法中,本申请的发明人考虑到,对于距离当前日期较近的周期内,气象预报信息较为准确,具备较高的参考价值。因此,在制定短期的施工计划时,可以在基于休假日信息确定出各工序的第一修正可作业日后,再从每个工序的第一修正可作业日中筛选出气象预报信息满足可作业气象条件的第一修正可工作日,以筛选出的第一修正可作业日作为第二修正可作业日,各工序仅能选择在各自的第二修正可作业日进行施工作业。各工序的第二修正可作业日的气象数据能够符合可作业气象条件的概率更高,有助于制定更加准确的施工计划,有利于各工序的施工作业能够有序合理地进行。
4、在本申请实施例提供的作业窗口期的预测方法中,本申请的发明人考虑到,某些工序或者在某些特殊情况下,在休假日也可以或需要进行施工作业,因此而本申请实施例中的第三修正可作业日是依次通过历年的气象信息和气象预报信息确定和筛选后获得的,不需要经过休假日信息的筛选。利用该方法确定出的第三修正可作业窗口期,满足了可以在休假日进行施工作业的需求,方便用户在特殊情况下制定符合实际需求的施工计划,以满足不同用户的个性化需求。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (14)
1.一种作业窗口期的预测方法,其特征在于,包括:
获取可作业气象条件和目标作业区域的历年的气象信息;
根据所述可作业气象条件和历年的气象信息,确定出每工序的基础可作业日;
根据各工序的基础可作业日,确定出基础作业窗口期。
2.根据权利要求1所述的预测方法,其特征在于,所述根据所述可作业气象条件和历年的气象信息,确定出每个工序的基础可作业日,包括:
确定历年每日中所述气象信息满足每个工序的可作业气象条件的小时数,作为历年每日每个工序在所述气象信息下的可作业小时数;
根据历年每日每个工序在所述气象信息下的可作业小时数,确定施工年每日每个工序的在所述气象信息下的可作业小时数;
根据施工年每日每个工序的在所述气象信息下的可作业小时数和小时数阈值,确定出每个工序的基础可作业日。
3.根据权利要求2所述的预测方法,其特征在于,所述确定历年每日中所述气象信息满足每个工序的可作业气象条件的小时数,作为历年每日每个工序在所述气象信息下的可作业小时数,包括:
对于所述历年的气象信息中的每个气象元素,确定出历年每日中该气象元素满足每个工序的可作业气象条件的小时数,作为历年每日每个工序在所述气象元素下的可作业小时数;
以及,所述根据历年每日每个工序在所述气象信息下的可作业小时数,确定施工年每日每个工序的在所述气象信息下的可作业小时数,包括:
根据历年每日每个工序在所述气象元素下的可作业小时数,确定施工年每日每个工序的在各所述气象元素下的可作业小时数;
以及,根所述据施工年每日每个工序的在所述气象信息下的可作业小时数和小时数阈值,确定出每个工序的基础可作业日,包括:
对于施工年每日每个工序,当该日中该个工序在各气象元素下的可作业小时数都超过小时数阈值时,将该日作为该工序的基础可作业日。
4.根据权利要求3所述的预测方法,其特征在于,所述对于施工年每日每个工序,当该日中该个工序在各气象元素下的可作业小时数都超过小时数阈值时,将该日作为该工序的基础可作业日,具体包括:
对于施工年每日每个工序,当该日中该个工序在各气象元素下的可作业小时数都超过小时数阈值,且可作业小时都在该日的可作业时段内时,将该日作为该工序的基础可作业日。
5.根据权利要求1所述的预测方法,其特征在于,在所述获取可作业气象条件和目标作业区域的历年的气象信息时,还包括:获取休假日信息;
以及,所述确定出每工序的基础可作业日之后,还包括:
确定每个工序的所述基础可作业日是否属于所述休假日信息中的休假日;
从每个工序的所述基础可作业日中,剔除属于所述休假日的所述基础可作业日,确定出每个工序的第一修正可作业日;
以及,所述根据各工序的基础可作业日,确定出基础作业窗口期,包括:所述根据各工序的所述第一修正可作业日,确定出第一修正可作业窗口期。
6.根据权利要求5所述的预测方法,其特征在于,在所述获取可作业气象条件和目标作业区域的历年的气象信息时,还包括:获取气象预报信息;
以及,在所述确定出每个工序的第一修正可作业日之后,还包括:
从每个工序的所述第一修正可作业日中,筛选出所述气象预报信息满足所述可作业气象条件的所述第一修正可工作日,作为该工序的第二修正可作业日;
以及,所述根据各工序的所述第一修正可作业日,确定出第一修正可作业窗口期,包括:所述根据各工序的所述第二修正可作业日,确定出第二修正可作业窗口期。
7.根据权利要求6所述的预测方法,其特征在于,所述确定每个工序的所述第一修正可作业日的气象预报信息,是否满足该工序的所述可作业气象条件,具体包括:
从每个工序的所述第一修正可作业日中,确定出所述气象预报信息满足该工序的所述可作业气象条件的小时数,作为每个工序的所述第一修正可作业日在所述气象预报信息下的可作业小时数;
若每个工序的所述第一修正可作业日在所述气象预报信息下的可作业小时数大于小时数阈值,确定该工序的所述第一修正可作业日的气象预报信息满足所述工序的所述可作业气象条件。
8.根据权利要求1所述的预测方法,其特征在于,在所述获取可作业气象条件和目标作业区域的历年的气象信息时,还包括:获取气象预报信息;
以及,在所述根据所述可作业气象条件和历年的气象信息,确定出每工序的基础可作业日之后,还包括:
确定各所述工序的所述基础可作业日的气象预报信息是否满足各所述工序的所述可作业气象条件;
在各所述工序的所述基础可作业日中筛选出所述气象预报信息满足所述可作业气象条件的所述基础可工作日,作为各所述工序的第三修正可作业日;
以及,所述根据各工序的基础可作业日,确定出基础作业窗口期,包括:所述根据各工序的所述第三修正可作业日,确定出第三修正可作业窗口期。
9.根据权利要求8所述的预测方法,其特征在于,所述确定各所述工序的所述基础可作业日的气象预报信息是否满足各所述工序的所述可作业气象条件,具体包括:
确定各所述工序的所述基础可作业日中所述气象预报信息满足每个工序的所述可作业气象条件的小时数,作为各所述工序的所述基础可作业日在所述气象预报信息下的可作业小时数;
若所述工序的所述基础可作业日在所述气象预报信息下的可作业小时数大于小时数阈值,确定所述工序的所述基础可作业日的气象预报信息满足所述工序的所述可作业气象条件。
10.一种作业窗口期的预测装置,其特征在于,包括:
获取模块,用于获取可作业气象条件和目标作业区域的历年的气象信息;
基础预测模块,用于根据所述可作业气象条件和历年的气象信息,确定出每工序的基础可作业日,以及根据各工序的基础可作业日,确定出基础作业窗口期。
11.根据权利要求10所述的预测装置,其特征在于,还包括:第一修正预测模块;
所述获取模块还用于获取休假日信息;
以及,所述第一修正预测模块用于确定每个工序的所述基础可作业日是否属于所述休假日信息中的休假日,从每个工序的所述基础可作业日中,剔除属于所述休假日的所述基础可作业日,确定出每个工序的第一修正可作业日,根据各工序的所述第一修正可作业日,确定出第一修正可作业窗口期。
12.根据权利要求11所述的预测装置,其特征在于,还包括:第二修正预测模块;
所述获取模块还用于获取气象预报信息;
以及,所述第二修正预测模块用于从每个工序的所述第一修正可作业日中,筛选出所述气象预报信息满足所述可作业气象条件的所述第一修正可工作日,作为该工序的第二修正可作业日,根据各工序的第二修正可作业日,确定出第二修正可作业窗口期。
13.一种电子设备,其特征在于,其包括:
处理器;以及
存储器,配置用于存储机器可读指令,所述指令在由所述处理器执行时,使得所述处理器执行权利要求1-9任一项所述的作业窗口期的预测方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-9任一项所述的作业窗口期的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811237624.XA CN109447339A (zh) | 2018-10-23 | 2018-10-23 | 作业窗口期的预测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811237624.XA CN109447339A (zh) | 2018-10-23 | 2018-10-23 | 作业窗口期的预测方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109447339A true CN109447339A (zh) | 2019-03-08 |
Family
ID=65547163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811237624.XA Withdrawn CN109447339A (zh) | 2018-10-23 | 2018-10-23 | 作业窗口期的预测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109447339A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105050A (zh) * | 2019-12-23 | 2020-05-05 | 远景智能国际私人投资有限公司 | 风机维护计划的生成方法、装置、设备及存储介质 |
CN117094449A (zh) * | 2023-10-18 | 2023-11-21 | 广东省气象服务中心(广东气象影视宣传中心) | 基于气象风险的建筑工地作业场景施工窗口期预报系统 |
CN117216497A (zh) * | 2023-09-13 | 2023-12-12 | 北京玖天气象科技有限公司 | 带电作业窗口期预测方法、装置、设备以及存储介质 |
-
2018
- 2018-10-23 CN CN201811237624.XA patent/CN109447339A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105050A (zh) * | 2019-12-23 | 2020-05-05 | 远景智能国际私人投资有限公司 | 风机维护计划的生成方法、装置、设备及存储介质 |
CN111105050B (zh) * | 2019-12-23 | 2023-09-29 | 远景智能国际私人投资有限公司 | 风机维护计划的生成方法、装置、设备及存储介质 |
CN117216497A (zh) * | 2023-09-13 | 2023-12-12 | 北京玖天气象科技有限公司 | 带电作业窗口期预测方法、装置、设备以及存储介质 |
CN117094449A (zh) * | 2023-10-18 | 2023-11-21 | 广东省气象服务中心(广东气象影视宣传中心) | 基于气象风险的建筑工地作业场景施工窗口期预报系统 |
CN117094449B (zh) * | 2023-10-18 | 2024-01-26 | 广东省气象服务中心(广东气象影视宣传中心) | 基于气象风险的建筑工地作业场景施工窗口期预报系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109492334A (zh) | 航班延误的模型建立方法、预测方法及装置 | |
CN112330215B (zh) | 一种城市用车需求量预测方法、设备及存储介质 | |
CN109447339A (zh) | 作业窗口期的预测方法、装置及电子设备 | |
CN113313303A (zh) | 基于混合深度学习模型的城市区域路网过车流量预测方法及其系统 | |
CN109002937A (zh) | 电网负荷预测方法、装置、计算机设备和存储介质 | |
CN103793795B (zh) | 基于gis技术的水电站水电调度计划生成及仿真方法 | |
CN105844371A (zh) | 一种用电客户短期负荷需求预测方法及装置 | |
CN105760970A (zh) | 空气质量指数的预测方法 | |
CN106951990A (zh) | 电力负荷智能预测方法及装置 | |
CN108491982A (zh) | 一种基于回声状态网络的短期负荷预测方法及系统 | |
CN104156786A (zh) | 一种考虑气象多因素影响的非工作日最大日负荷预测系统 | |
CN109711614A (zh) | 一种分布式能源站的动态优化运行控制方法及系统 | |
CN112749842B (zh) | 一种押运路径的规划方法及装置 | |
CN105068152A (zh) | 基于实时成果展示的气象预报制作方法及制作系统 | |
CN104913438A (zh) | 冰蓄冷系统控制优化方法与系统 | |
CN103164617B (zh) | 一种飞机行为预测系统及预测方法 | |
CN109214565A (zh) | 一种适用于大电网分区调度的子区域系统负荷预测方法 | |
CN117335411B (zh) | 一种光伏电站群的中长期发电量预测方法 | |
CN103002165B (zh) | 用于供电服务中心短期话务量预测方法 | |
CN104680328A (zh) | 一种基于客户感知价值的电网建设质量监测方法 | |
CN116205378A (zh) | 一种基于区块链的产品调度管理方法及系统 | |
CN106529747A (zh) | 一种基于大数据的电力负荷预测方法与系统 | |
CN115481918A (zh) | 一种基于源网荷储的单元状态主动感知及预测分析系统 | |
Gao et al. | A multifactorial framework for short-term load forecasting system as well as the jinan’s case study | |
CN110147908A (zh) | 一种基于三维最优相似度与改进布谷鸟算法的风电功率预测方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190308 |