CN109525455B - 一种水文实时监测网络状态综合评估方法 - Google Patents
一种水文实时监测网络状态综合评估方法 Download PDFInfo
- Publication number
- CN109525455B CN109525455B CN201811318003.4A CN201811318003A CN109525455B CN 109525455 B CN109525455 B CN 109525455B CN 201811318003 A CN201811318003 A CN 201811318003A CN 109525455 B CN109525455 B CN 109525455B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- index
- state
- data
- importance
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 125
- 238000011156 evaluation Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000007774 longterm Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000004083 survival effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明涉及水文监测技术领域，尤其是一种水文实时监测网络状态综合评估方法，步骤为(1)构建水文监测网络运行状态评估指标体系；(2)采用三角模糊数层次分析法对各个指标进行权重分配；(3)采用三角模糊数层次分析法权重计算公式得到各个指标的权重值；(4)根据指标权重及其计算得到的值进行加权求和，得到各个站点的重要性评分；(5)对监测站点的分数进行加权求和，从而得到整个监测网络的站点状态综合评估值，本发明提高了对监测网络运行评估的客观性和有效性。
Description
技术领域
本发明涉及水文监测技术领域，具体领域为一种水文实时监测网络状态综合评估方法。
背景技术
随着传感器网络和物联网的应用与发展，如何对水文监测网络的运行状态进行评估成为了一项关键性的工作，该评估分析结果可用于指导监测网络设计、部署、管理和维护等,为网络管理者、网络运营者提供管理的科学决策依据，同时它也是维护整个监测网络工作体系的前提性工作。针对监测网络的运行状态评估分析，目前的方法有基于SNMP协议，它将整体状态评估的焦点放在对网络中关键节点的评估上，如网络汇聚层的交换机，其目的是提高核心网络工作的稳定性，此外，还有的研究认为网络状态评估的关键在于 ISO/OSI7层网络参考模型，即用户应用层、信息表示层、会话层、传输层、网络层、数据链路层和物理层，中的后4个层次，并据此构建了一种基于属性和角色的网络测试评价方法。然而，由于水文监测网络在不同网段呈现的异构性特点以及大多数前端设备不支持SNMP协议，使得不能完全按照SNMP 标准实施管理，必须根据用户对特定网络的性能要求，建立管理和评价模型。
在对网络性能进行评价时，由于评估的网络对象不同，网络承载的业务有所差别，网络提供服务的偏重也有差异，评价网络性能最优的主要指标是不同的。按照不同的分类标准，可以得到不同的网络性能指标体系。常用的网络性能指标分为网络侧的和用户侧的，前者侧重于可实际测得性能指标，如时延、抖动、吞吐量、丢包率、响应时间等；而后者侧重于用户对业务影响的体验，如数据可用性、完整性、网络畅通性、监测站点数据到达的时效性等。对于后一类数据的测量往往不是单个指标可以直接感知的，需要建立数学模型，又多个相关参数计算、分析而来。对于水文监测网络来说，前端传感器所采集的数据主要通过4G等无线方式传输，受到基站信号等因素的影响比较大，而且由于信号的不稳定性，对其长期进行性能指标的探测并不有助于有效掌握监测网络的运行状态，而且会耗费前端传感器的大量能量，影响正常水文数据的采集。对后一类数据进行测量时，可以通过监测数据的上报情况以及站点的工况数据分析站点的运行状态。
在另一方面，在很多实际网络中，不同站点之间也由于监测内容、监测位置、监测数据的可恢复性等不同，它们的重要性程度也各不相同。因此，在对监测网络整体状态进行评估时，确定各站点的权重是一个关键问题，可以通过三角模糊数层次分析法解决评估权重客观确定的问题。
为此，本发明提出了一组反映监测网络站点状态的评估指标体系，并采用三角模糊综合评估的方法对监测网络整体运行状态进行定量计算，从而提高对监测网络运行评估的客观性和有效性。
发明内容
本发明的目的在于提供一种水文实时监测网络状态综合评估方法，以解决现有技术中水文监测网络的运行状态难以有效、准确、合理评估的问题。
为实现上述目的，本发明提供如下技术方案：一种水文实时监测网络状态综合评估方法，其步骤为：(1)构建水文监测网络运行状态评估指标体系；
(2)采用三角模糊数层次分析法对各个指标进行权重分配；
(3)采用三角模糊数层次分析法权重计算公式得到各个指标的权重值；
(4)根据指标权重及其计算得到的值进行加权求和，得到各个站点的重要性评分；
(5)对监测站点的分数进行加权求和，从而得到整个监测网络的站点状态综合评估值。
优选的，所述的构建水文监测网络运行状态评估指标体系由监测站点的重要性指标和监测站点的状态指标构成。
优选的，所述的监测站点的重要性指标由监测位置、监测内容和数据可恢复性三部分构成，
监测位置：区分测点所在位置的重要性程度；
监测内容：区分测点所监测数据信息的重要性程度；
数据可恢复性：挖掘测点数据之间潜在的相互关联性。
优选的，计算站点数据的可恢复性指标值步骤为：
a、将所有监测站点最近24小时以内的水文监测数据以矩阵的形式排列，其中矩阵的行为监测站点，矩阵的列为监测时间，缺少的数据以缺省形式留空；
b、针对特定监测站点，将矩阵中的监测数据逐个以缺省形式替换，然后采用基于凸优化的矩阵填充技术计算该缺省数据的预测值，并根据预测值和真实值计算预测误差的百分比；
c、将特定监测站点的所有非缺省监测数据都替换并计算误差的百分比之后，得到总体误差百分比的平均值，以此平均值的倒数作为评价数据可恢复性的指标；
d、对所有监测站点采用前述方法进行计算，并得到所有站点的数据可恢复性指标值，并对站点在数据可恢复性方面的重要性程度进行打分。
优选的，所述的监测站点的状态指标由传感器状态、RTU状态和信道状态三部分组成，
传感器状态：传感器状态主要指传感器是否正常工作，上报的数据是否准确；
RTU状态：RTU状态主要指RTU是否正常工作，工况数据是否异常；
信道状态：信道状态主要受到测点所处位置、环境因素的干扰，需要根据长期的观测结果来对各个站点的信道状态进行评估，具体基于近3天监测数据上报的到报率来打分。
优选的，根据步骤(2)在分配权重时，监测站点重要性指标中的三项指标进行两两比对，监测站点状态指标中的三项指标进行两两比对，比对的值采用专家打分的方式进行。
优选的，根据步骤(4)操作步骤为：根据监测站点重要性指标中的三项指标权重及其计算得到的值进行加权求和，得到各个站点的重要性评分，然后再对这些分数进行归一化处理，在保持各个分数比值不变的前提下，所有监测站点重要性指标分数之和为1。
优选的，根据步骤(5)，其监测站点的分数为重要性指标分数及状态指标分数，通过对监测站点的重要性指标分数及状态指标分数进行加权求和，从而得到整个监测网络的站点状态综合评估值。
与现有技术相比，本发明的有益效果是：实现对水文监测网络运行状态的监控、测量、分析，有效提高了对整个监测网络的运维管理能力。该方法的基本思想是：首先建立整个监测网络的站点状态指标体系，主要针对每个独立的监测站点，从站点重要性和站点状态指标方面来评价单个站点的状态；采用三角模糊数层次分析法对单个站点的状态指标进行打分和综合评估，得到单个站点的状态值；根据站点重要性指标，再次采用三角模糊数层次分析法方法对各个站点的状态值进行加权求和，得到整个监测网络站点综合评估结果。本发明具有评估内容全面、评估方法合理等优点。
1、能够对监测网络站点状态进行定量分析：本发明基于三角模糊数层次分析法来对检测网络站点状态进行综合评估，可以以科学、合理、定量的方式得到具体的评估值，而且该值的可理解性强；
2、能全面反映监测网络的站点状态：对站点状态的评估不仅考虑了监测站点的运行状态，还从监测站点的重要性角度对其进行了加权，所得到的综合评估值能全面反映出整个监测网络的状态。
附图说明
图1为本发明的监测体系状态图。
图2为本发明的水文监测网络运行状态评估指标体系。
具体实施方式
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。
请参阅图1，本发明提供一种技术方案：一种水文实时监测网络状态综合评估方法，其步骤为：(1)构建水文监测网络运行状态评估指标体系；
(2)采用三角模糊数层次分析法对各个指标进行权重分配；
(3)采用三角模糊数层次分析法权重计算公式得到各个指标的权重值；
(4)根据指标权重及其计算得到的值进行加权求和，得到各个站点的重要性评分；
(5)对监测站点的分数进行加权求和，从而得到整个监测网络的站点状态综合评估值。
所述的构建水文监测网络运行状态评估指标体系由监测站点的重要性指标和监测站点的状态指标构成。
所述的监测站点的重要性指标由监测位置、监测内容和数据可恢复性三部分构成，
监测位置：区分测点所在位置的重要性程度；
监测内容：区分测点所监测数据信息的重要性程度；
数据可恢复性：挖掘测点数据之间潜在的相互关联性。
计算站点数据的可恢复性指标值步骤为：
a、将所有监测站点最近24小时以内的水文监测数据以矩阵的形式排列，其中矩阵的行为监测站点，矩阵的列为监测时间，缺少的数据以缺省形式留空；
b、针对特定监测站点，将矩阵中的监测数据逐个以缺省形式替换，然后采用基于凸优化的矩阵填充技术计算该缺省数据的预测值，并根据预测值和真实值计算预测误差的百分比；
c、将特定监测站点的所有非缺省监测数据都替换并计算误差的百分比之后，得到总体误差百分比的平均值，以此平均值的倒数作为评价数据可恢复性的指标；
d、对所有监测站点采用前述方法进行计算，并得到所有站点的数据可恢复性指标值，并对站点在数据可恢复性方面的重要性程度进行打分。
所述的监测站点的状态指标由传感器状态、RTU状态和信道状态三部分组成，
传感器状态：传感器状态主要指传感器是否正常工作，上报的数据是否准确；
RTU状态：RTU状态主要指RTU是否正常工作，工况数据是否异常；
信道状态：信道状态主要受到测点所处位置、环境因素的干扰，需要根据长期的观测结果来对各个站点的信道状态进行评估，具体基于近3天监测数据上报的到报率来打分。
根据步骤(2)在分配权重时，监测站点重要性指标中的三项指标进行两两比对，监测站点状态指标中的三项指标进行两两比对，比对的值采用专家打分的方式进行。
根据步骤(4)操作步骤为：根据监测站点重要性指标中的三项指标权重及其计算得到的值进行加权求和，得到各个站点的重要性评分，然后再对这些分数进行归一化处理，在保持各个分数比值不变的前提下，所有监测站点重要性指标分数之和为1。
根据步骤(5)，其监测站点的分数为重要性指标分数及状态指标分数，通过对监测站点的重要性指标分数及状态指标分数进行加权求和，从而得到整个监测网络的站点状态综合评估值。
通过本技术方案，基于三角模糊数层次分析法的水文监测网络运行状态评估方法该方法着重描述了在对水文监测网络运行状态进行评估的过程，包括以下步骤：
A、构建水文监测网络运行状态评估指标体系，整个指标体系如图1所示；
整个监测网络的运行评估指标体系由两部分构成，分别为监测站点的重要性指标和监测站点的状态指标。
监测站点重要性指标由监测位置、监测内容和数据可恢复性三部分构成，这三种指标的具体说明如下：
(1)监测位置：区分了测点所在位置的重要性程度。通常越重要的位置，其水文和水质信息对于用户的意义越大，例如水源地、防洪防汛监测点、企业密集处的排污口等位置相对更为重要。该指标通过专家打分的方法来完成，分数为百分制。
(2)监测内容：区分了测点所监测数据信息的重要性程度。通常所能监测数据越多的站点其重要性程度越高。该指标通过专家打分的方法来完成，分数为百分制。
(3)数据可恢复性：挖掘了测点数据之间潜在的相互关联性。测点与测点的数据之间在时间序列上可能存在较强的相关性，在这种情况下，可以通过某些测点的数据恢复和暂时替代某个失效测点的数据，通常数据可恢复性越高的测点，其重要性程度越低。在计算站点数据的可恢复性指标值时，我们采用了基于凸优化的矩阵填充技术来实现，具体步骤如下：
·将所有监测站点最近24小时以内的水文监测数据以矩阵的形式排列，其中矩阵的行为监测站点，矩阵的列为监测时间，缺少的数据以缺省形式留空。
·针对特定监测站点，将矩阵中的监测数据逐个以缺省形式替换，然后采用基于凸优化的矩阵填充技术计算该缺省数据的预测值，并根据预测值和真实值计算预测误差的百分比。
·将特定监测站点的所有非缺省监测数据都替换并计算误差的百分比之后，得到总体误差百分比的平均值，以此平均值的倒数作为评价数据可恢复性的指标。
·对所有监测站点采用前述方法进行计算，并得到所有站点的数据可恢复性指标值，然后按照表1对站点在数据可恢复性方面的重要性程度进行打分。
·表1基于数据可恢复性的监测站点重要性分数表
| 平均误差百分比 | 分数 |
| 超过50％ | 100 |
| 45％～50％ | 90 |
| 40％～45％ | 80 |
| 35％～40％ | 70 |
| 30％～35％ | 60 |
| 25％～30％ | 50 |
| 20％～25％ | 40 |
| 15％～20％ | 30 |
| 10％～15％ | 20 |
| 5％～10％ | 10 |
| 5％以内 | 0 |
监测站点状态指标由传感器状态、RTU状态和信道状态三部分组成，这三种指标的具体说明如下：
(1)传感器状态：传感器状态主要指传感器是否正常工作，上报的数据是否准确，因此，传感器的状态由存活状态和数据状态两部分组成。存活状态指标采用二元法进行评估，它通过对传感器数据的上报情况来进行评分，若某个传感器连续多次未能将数据上报给监测中心，则整个传感器的状态为0 分，否则查看传感器的数据状态。传感器所上报的数据如果落在正常范围值之内，则认为数据状态正常，分数为100分，否则分数为0分。
(2)RTU状态：RTU状态主要指RTU是否正常工作，工况数据是否异常，因此，RTU的状态由存活状态和工况状态两部分组成。存活状态指标采用二元法进行评估，具体通过对RTU所连接传感器监测数据的上报情况来打分，如果所有传感器的数据都无法上报至监测中心，则整个RTU状态为0分，否则查看RTU的工况状态。工况状态指标评估RTU设备的运行是否良好，是否存在潜在的损坏可能，具体根据RTU上报的温度、湿度、电压、电池等数据与正常值的偏离程度来进行打分，具体如表2所示。
表2 RTU工况数据表
在表1中的数据每项正常为5分，异常则为0分，并综合计算得到整个 RTU的状态值。
(3)信道状态：信道状态主要受到测点所处位置、环境等因素的干扰，需要根据长期的观测结果来对各个站点的信道状态进行评估，具体基于近3 天监测数据上报的到报率来打分，如果到报率为90％，则评分为90分，并以此类推。
B、采用三角模糊数层次分析法对各个指标进行权重分配，在分配权重时，监测站点重要性指标中的三项指标进行两两比对，监测站点状态指标中的三项指标进行两两比对，比对的值采用专家打分的方式进行，具体标度及其物理意义如表3所示；
表3模糊标度及其物理含义
C、采用三角模糊数层次分析法权重计算公式得到各个指标的权重值；
D、根据监测站点重要性指标中的三项指标权重及其计算得到的值进行加权求和，得到各个站点的重要性评分，然后再对这些分数进行归一化处理，在保持各个分数比值不变的前提下，所有监测站点重要性指标分数之和为1；
E、对监测站点的重要性指标分数及状态指标分数进行加权求和，从而得到整个监测网络的站点状态综合评估值。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种水文实时监测网络状态综合评估方法，其特征在于：其步骤为：(1)构建水文监测网络运行状态评估指标体系，其中，所述的构建水文监测网络运行状态评估指标体系由监测站点的重要性指标和监测站点的状态指标构成，所述的监测站点的重要性指标由监测位置、监测内容和数据可恢复性三部分构成，
监测位置：区分测点所在位置的重要性程度；
监测内容：区分测点所监测数据信息的重要性程度；
数据可恢复性：挖掘测点数据之间潜在的相互关联性；其中，计算站点数据的可恢复性指标值步骤为：
a、将所有监测站点最近24小时以内的水文监测数据以矩阵的形式排列，其中矩阵的行为监测站点，矩阵的列为监测时间，缺少的数据以缺省形式留空；
b、针对特定监测站点，将矩阵中的监测数据逐个以缺省形式替换，然后采用基于凸优化的矩阵填充技术计算缺省数据的预测值，并根据预测值和真实值计算预测误差的百分比；
c、将特定监测站点的所有非缺省监测数据都替换并计算误差的百分比之后，得到总体误差百分比的平均值，以此平均值的倒数作为评价数据可恢复性的指标；
d、对所有监测站点采用前述方法进行计算，并得到所有站点的数据可恢复性指标值，并对站点在数据可恢复性方面的重要性程度进行打分；其中，所述的监测站点的状态指标由传感器状态、RTU状态和信道状态三部分组成，
传感器状态：传感器状态主要指传感器是否正常工作，上报的数据是否准确；
RTU状态：RTU状态主要指RTU是否正常工作，工况数据是否异常；
信道状态：信道状态主要受到测点所处位置、环境因素的干扰，需要根据长期的观测结果来对各个站点的信道状态进行评估，具体基于近3天监测数据上报的到报率来打分；
(2)采用三角模糊数层次分析法对各个指标进行权重分配；
(3)采用三角模糊数层次分析法权重计算公式得到各个指标的权重值；
(4)根据指标权重及其计算得到的值进行加权求和，得到各个站点的重要性评分；
(5)对监测站点的分数进行加权求和，从而得到整个监测网络的站点状态综合评估值。
2.根据权利要求1所述的一种水文实时监测网络状态综合评估方法，其特征在于：根据步骤(2)在分配权重时，监测站点重要性指标中的三项指标进行两两比对，监测站点状态指标中的三项指标进行两两比对，比对的值采用专家打分的方式进行。
3.根据权利要求2所述的一种水文实时监测网络状态综合评估方法，其特征在于：根据步骤(4)操作步骤为：根据监测站点重要性指标中的三项指标权重及其计算得到的值进行加权求和，得到各个站点的重要性评分，然后再对这些分数进行归一化处理，在保持各个分数比值不变的前提下，所有监测站点重要性指标分数之和为1。
4.根据权利要求3所述的一种水文实时监测网络状态综合评估方法，其特征在于：根据步骤(5)，其监测站点的分数为重要性指标分数及状态指标分数，通过对监测站点的重要性指标分数及状态指标分数进行加权求和，从而得到整个监测网络的站点状态综合评估值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811318003.4A CN109525455B (zh) | 2018-11-07 | 2018-11-07 | 一种水文实时监测网络状态综合评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811318003.4A CN109525455B (zh) | 2018-11-07 | 2018-11-07 | 一种水文实时监测网络状态综合评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109525455A CN109525455A (zh) | 2019-03-26 |
| CN109525455B true CN109525455B (zh) | 2022-05-13 |
Family
ID=65774517
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811318003.4A Active CN109525455B (zh) | 2018-11-07 | 2018-11-07 | 一种水文实时监测网络状态综合评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109525455B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111080129B (zh) * | 2019-12-16 | 2024-02-20 | 浙江清环智慧科技有限公司 | 排水管网监测点的评分方法、装置和电子设备 |
| CN111461513A (zh) * | 2020-03-20 | 2020-07-28 | 上海数据交易中心有限公司 | 政府开放数据的评估方法、数据分析平台 |
| CN117202238B (zh) * | 2023-11-06 | 2024-01-30 | 张家港保税科技集团电子商务有限公司 | 一种用于无线传感器网络节点的数据处理方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102075356B (zh) * | 2010-12-31 | 2013-11-06 | 深圳市永达电子股份有限公司 | 一种网络风险评估方法与系统 |
| CN104992245A (zh) * | 2015-07-09 | 2015-10-21 | 南京信息工程大学 | 一种基于广义熵理论的水环境风险管理动态智能综合分析方法 |
| ITUB20155063A1 (it) * | 2015-10-16 | 2017-04-16 | Univ Degli Studi Di Roma La Sapienza Roma | ?metodo e dispositivo per selezionare dinamicamente ed in modo autonomo nel tempo, la migliore soluzione da usare per la comunicazione fra i diversi nodi di una rete di sensori sottomarina, al fine di adattarsi automaticamente alle condizioni mutevoli dell?ambiente sottomarino? |
| CN106841545A (zh) * | 2017-02-14 | 2017-06-13 | 蚌埠学院 | 基于改进模糊综合评判法的茶叶感官品质评价方法 |
| CN107832973B (zh) * | 2017-11-29 | 2021-05-28 | 国网山东省电力公司电力科学研究院 | 一种基于多态信息综合评判的设备质量管控的方法 |
-
2018
- 2018-11-07 CN CN201811318003.4A patent/CN109525455B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109525455A (zh) | 2019-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109525455B (zh) | 一种水文实时监测网络状态综合评估方法 | |
| EP2489156B1 (en) | Network management system and method for identifying and accessing quality of service issues within a communications network | |
| CN109872003B (zh) | 对象状态预测方法、系统、计算机设备及存储介质 | |
| CN112243249B (zh) | 5g nsa组网下lte新入网锚点小区参数配置方法和装置 | |
| CN104574219A (zh) | 电网业务信息系统运行工况的监测预警方法及系统 | |
| CN104468200A (zh) | 数据中心网络设备健康度的自适应评价方法 | |
| CN102487523A (zh) | 用户投诉分析方法及装置 | |
| CN109255524A (zh) | 一种计量设备数据分析评估方法及系统 | |
| CN110705887A (zh) | 一种基于神经网络模型的低压台区运行状态综合评价方法 | |
| CN112202597A (zh) | 一种低压台区通信网络节点重要度的评估方法 | |
| CN103914482B (zh) | 基于cmdb的集中监控事件影响性确定方法 | |
| Bodrog et al. | A robust algorithm for anomaly detection in mobile networks | |
| CN104684004B (zh) | 一种基于模糊分析的复杂无线通信网络运行质量评估方法 | |
| CN114268981A (zh) | 网络故障检测与诊断方法及系统 | |
| CN116485267A (zh) | 一种基于多维数据的智能建筑健康状态评估系统 | |
| CN108684051A (zh) | 一种基于因果诊断的无线网络性能优化方法、电子设备及存储介质 | |
| CN107371175A (zh) | 一种使用协作预测的自组织网络故障检测方法 | |
| CN106998563B (zh) | 一种基于网络性能的室分系统预警方法及装置 | |
| CN108243439A (zh) | 移动互联网数据业务质量劣化定位的方法及系统 | |
| CN107590008B (zh) | 一种通过加权熵判断分布式集群可靠度的方法和系统 | |
| CN102740331A (zh) | 一种基于模糊分析的复杂无线通信网络运行质量评估方法 | |
| Kaada et al. | Resilience analysis and quantification method for 5G-Radio Access Networks | |
| CN115208773B (zh) | 网络隐性故障监测方法及装置 | |
| CN109359810A (zh) | 一种基于多策略均衡的电力通信传输网运行状态评估方法 | |
| Muñoz et al. | A method for identifying faulty cells using a classification tree-based UE diagnosis in LTE |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240306 Address after: Room 410, No. 10 Shishi Road, Maqun Street, Qixia District, Nanjing City, Jiangsu Province, 210000 Patentee after: NANJING JINMA INTELLIGENCE TECHNOLOGY Co.,Ltd. Country or region after: China Address before: 210049 6/F, Building C, 18 Xianlin Avenue, Qixia District, Nanjing, Jiangsu Province Patentee before: NANJING JINSHUI SHANGYANG INFORMATION TECHNOLOGY CO.,LTD. Country or region before: China |