CN110031917B - 一种雨情监测方法 - Google Patents

一种雨情监测方法 Download PDF

Info

Publication number
CN110031917B
CN110031917B CN201910265569.3A CN201910265569A CN110031917B CN 110031917 B CN110031917 B CN 110031917B CN 201910265569 A CN201910265569 A CN 201910265569A CN 110031917 B CN110031917 B CN 110031917B
Authority
CN
China
Prior art keywords
water level
data
value
level sensor
condition monitoring
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
CN201910265569.3A
Other languages
English (en)
Other versions
CN110031917A (zh
Inventor
蒋宪伟
姚佳
杨琪
马英杰
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.)
Shanghai Linlan Environmental Technology Co.,Ltd.
Original Assignee
殷健
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 殷健 filed Critical 殷健
Priority to CN201910265569.3A priority Critical patent/CN110031917B/zh
Publication of CN110031917A publication Critical patent/CN110031917A/zh
Application granted granted Critical
Publication of CN110031917B publication Critical patent/CN110031917B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Hydrology & Water Resources (AREA)
  • Engineering & Computer Science (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Fluid Mechanics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)

Abstract

本发明涉及水位监测技术领域，具体涉及一种雨情监测方法，包括以下步骤：A）服务器实时接收水位传感器数据；B）对水位数据进行凸点识别和抹平处理；C）使用抹平后的水位数据生成报表。凸点识别包括：B11）将接收到的水位数据与其历史同期数据值比较，若差值大于阈值ε则进入步骤B12，反之，则判定该水位数据为非凸点，其中，若水位传感器故障未采集到数据则使用负常数值代替进行本步骤的比较；B12）服务器向对应水位传感器发出采集命令，若采集到的水位数据与历史同期数据值的差值仍大于阈值ε，则判定该水位数据为凸点。本发明的实质性效果是：通过识别异常数据并进行抹平处理，消除了异常数据对监测结果的影响，提高了监测的准确度。

Description

一种雨情监测方法
技术领域
本发明涉及水位监测技术领域，具体涉及一种雨情监测方法。
背景技术
实时精准的对河流水位进行持续监测，能够积累监测历史资料，从而反映水位变化状况及与邻近河道水位的变化关系。整体上反映不同气候状况下雨量的年度变化状况，使得水文部门能够掌握城市内基本水文雨情信息，为区域防汛调度、水资源统一配置管理和水资源保护等工作提供必要的基础信息，为经济社会发展提供安全保障。但目前的雨量监测方法，不能有效识别异常的数据，降低了监测结果的准确性。
中国专利CN103345004B，公开日2015年8月12日，一种采用光纤光栅虹吸式雨量计的雨量监测网络及方法，监测网络包括雨量计阵列和信号发生及解调单元，信号发生及解调单元通过光纤耦合器阵列与雨量计阵列相连；雨量计阵列包括复数个内设光纤光栅的雨量计，雨量计之间通过光纤互联。利用该发明技术可以实时监测多点的降雨量，对水文气象监测具有重要的意义。但其不能解决目前的雨情监测方法不能有效反应雨量长期变化趋势的问题。
发明内容
本发明要解决的技术问题是：目前的雨量监测系统不能有效识别异常数据的技术问题。提出了一种识别和抹平数据凸点的能够更准确的反映雨量变化趋势的雨情监测方法。
为解决上述技术问题，本发明所采取的技术方案为：一种雨情监测方法，适用于包括服务器和若干个水位传感器的雨情监测系统，包括以下步骤：A)服务器实时接收水位传感器数据；B)对水位数据进行凸点识别和抹平处理；C)使用抹平后的水位数据生成报表。
作为优选，步骤B中凸点识别的方法包括以下步骤：B11)将接收到的水位数据与其历史同期数据值比较，若差值大于阈值ε则进入步骤B12，反之，则判定该水位数据为非凸点，其中，若水位传感器故障未采集到数据则使用负常数值代替进行本步骤的比较；B12)服务器向对应水位传感器发出采集命令，若采集到的水位数据与历史同期数据值的差值仍大于阈值ε，则判定该水位数据为凸点。
作为优选，步骤B中对水位数据进行抹平的方法为包括以下步骤：B21)将凸点数据剔除并做备份处理；B22)建立水位预测模型，获得水位预测值；B23)将水位预测值和水位历史同期数据进行加权插补计算，使用计算结果替换水位凸点数据。
作为优选，获得水位预测值的方法包括以下步骤：A)获得水位传感器上下游两侧的两个水位传感器的水位值，分别为x1，x3，当前水位传感器水位记为x2；B)计算断面比能
Figure GDA0003028594260000021
其中，αi为水位传感器i所在断面的动能校正系数，vi为断面平均水流速度，g为重力加速度；
C)建立目标函数
Figure GDA0003028594260000022
Figure GDA0003028594260000023
其中，hw为水体能量损失，l为水位传感器j和水位传感器j+1之间的距离，R为水力半径，n为粗糙系数，其值由人工设定，ζ为权重系数；D)使用优化算法得出x2的值，作为水位预测值。
作为优选，水位传感器i所在位置水流为湍流时αi＝1.1，水流为层流时αi＝2。
作为优选，所述加权插补计算的加权因子根据水位预测模型和历史同期数据的可信度进行分配。
作为优选，水位预测模型的可信度
Figure GDA0003028594260000024
其中，xt，model为水位预测模型的预测结果，xt为实测结果，m为参与计算的数据数量；历史同期数据的可信度
Figure GDA0003028594260000025
其中，
Figure GDA0003028594260000026
x′t为历史实测结果，m为参与计算的数据数量，
Figure GDA0003028594260000027
为m个实测结果的均值。
作为优选，水位预测模型的加权因子a以及历史同期数据的加权因子b根据：
Figure GDA0003028594260000028
计算获得。
本发明的实质性效果是：通过识别异常数据并进行抹平处理，消除了异常数据对监测结果的影响，提高了监测的准确度。
附图说明
图1为实施例一雨情监测方法流程框图。
具体实施方式
下面通过具体实施例，并结合附图，对本发明的具体实施方式作进一步具体说明。
实施例一：
一种雨情监测方法，适用于包括服务器和若干个水位传感器的雨情监测系统，如图1所示，本实施例包括以下步骤：A)服务器实时接收水位传感器数据；B)对水位数据进行凸点识别和抹平处理；C)使用抹平后的水位数据生成报表。
凸点识别的方法包括以下步骤：B11)将接收到的水位数据与其历史同期数据值比较，若差值大于阈值ε则进入步骤B12，反之，则判定该水位数据为非凸点，其中，若水位传感器故障未采集到数据则使用负常数值代替进行本步骤的比较；B12)服务器向对应水位传感器发出采集命令，若采集到的水位数据与历史同期数据值的差值仍大于阈值ε，则判定该水位数据为凸点。
对水位数据进行抹平的方法为包括以下步骤：B21)将凸点数据剔除并做备份处理；B22)建立水位预测模型，获得水位预测值；B23)将水位预测值和水位历史同期数据进行加权插补计算，使用计算结果替换水位凸点数据。
获得水位预测值的方法包括以下步骤：A)获得水位传感器上下游两侧的两个水位传感器的水位值，分别为x1，x3，当前水位传感器水位记为x2；B)计算断面比能
Figure GDA0003028594260000031
其中，αi为水位传感器i所在断面的动能校正系数，水位传感器i所在位置水流为湍流时αi＝1.1，水流为层流时αi＝2，vi为断面平均水流速度，g为重力加速度；C)建立目标函数
Figure GDA0003028594260000032
Figure GDA0003028594260000033
其中，hw为水体能量损失，l为水位传感器j和水位传感器j+1之间的距离，R为水力半径，n为粗糙系数，其值由人工设定，ζ为权重系数；D)使用优化算法得出x2的值，作为水位预测值。
加权插补计算的加权因子根据水位预测模型和历史同期数据的可信度进行分配。
水位预测模型的可信度
Figure GDA0003028594260000034
其中，xt，model为水位预测模型的预测结果，xt为实测结果，m为参与计算的数据数量；历史同期数据的可信度
Figure GDA0003028594260000035
其中，
Figure GDA0003028594260000036
x′t为历史实测结果，m为参与计算的数据数量，
Figure GDA0003028594260000038
为m个实测结果的均值。
水位预测模型的加权因子a以及历史同期数据的加权因子b根据：
Figure GDA0003028594260000037
计算获得。
以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。

Claims (6)

1.一种雨情监测方法，适用于包括服务器和若干个水位传感器的雨情监测系统，其特征在于，包括以下步骤：
A)服务器实时接收水位传感器数据；
B)对水位数据进行凸点识别和抹平处理；
C)使用抹平后的水位数据生成报表；
步骤B中对水位数据进行抹平的方法为包括以下步骤：
B21)将凸点数据剔除并做备份处理；
B22)建立水位预测模型，获得水位预测值；
B23)将水位预测值和水位历史同期数据进行加权插补计算，使用计算结果替换水位凸点数据；
获得水位预测值的方法包括以下步骤：
A)获得水位传感器上下游两侧的两个水位传感器的水位值，分别为x1，x3，当前水位传感器水位记为x2；
B)计算断面比能
Figure FDA0003028594250000011
其中，αi为水位传感器i所在断面的动能校正系数，vi为断面平均水流速度，g为重力加速度；
C)建立目标函数
Figure FDA0003028594250000012
Figure FDA0003028594250000013
其中，hw为水体能量损失，l为水位传感器j和水位传感器j+1之间的距离，R为水力半径，n为粗糙系数，其值由人工设定，ζ为权重系数；
D)使用优化算法得出x2的值，作为水位预测值。
2.根据权利要求1所述的一种雨情监测方法，其特征在于，
步骤B中凸点识别的方法包括以下步骤：
B11)将接收到的水位数据与其历史同期数据值比较，若差值大于阈值ε则进入步骤B12，反之，则判定该水位数据为非凸点，其中，若水位传感器故障未采集到数据则使用负常数值代替进行本步骤的比较；
B12)服务器向对应水位传感器发出采集命令，若采集到的水位数据与历史同期数据值的差值仍大于阈值ε，则判定该水位数据为凸点。
3.根据权利要求1所述的一种雨情监测方法，其特征在于，
所述加权插补计算的加权因子根据水位预测模型和历史同期数据的可信度进行分配。
4.根据权利要求1所述的一种雨情监测方法，其特征在于，
水位传感器i所在位置水流为湍流时αi＝1.1，水流为层流时αi＝2。
5.根据权利要求3所述的一种雨情监测方法，其特征在于，
水位预测模型的可信度
Figure FDA0003028594250000021
其中，xt，model为水位预测模型的预测结果，xt为实测结果，m为参与计算的数据数量；
历史同期数据的可信度
Figure FDA0003028594250000022
其中，
Figure FDA0003028594250000023
x′t为历史实测结果，m为参与计算的数据数量，
Figure FDA0003028594250000024
为m个实测结果的均值。
6.根据权利要求5所述的一种雨情监测方法，其特征在于，
水位预测模型的加权因子a以及历史同期数据的加权因子b根据：
Figure FDA0003028594250000025
计算获得。
CN201910265569.3A 2019-04-03 2019-04-03 一种雨情监测方法 Active CN110031917B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910265569.3A CN110031917B (zh) 2019-04-03 2019-04-03 一种雨情监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910265569.3A CN110031917B (zh) 2019-04-03 2019-04-03 一种雨情监测方法

Publications (2)

Publication Number Publication Date
CN110031917A CN110031917A (zh) 2019-07-19
CN110031917B true CN110031917B (zh) 2021-06-18

Family

ID=67237322

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910265569.3A Active CN110031917B (zh) 2019-04-03 2019-04-03 一种雨情监测方法

Country Status (1)

Country Link
CN (1) CN110031917B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112461340A (zh) * 2020-12-03 2021-03-09 上海普适导航科技股份有限公司 水位仪的故障纠正、检测方法及装置
CN112816023A (zh) * 2020-12-23 2021-05-18 中国船舶重工集团有限公司第七一0研究所 一种水量采集滤波方法及水量采集方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102968669A (zh) * 2011-08-31 2013-03-13 富士通株式会社 对负荷进行预测的方法和装置
CN105931458A (zh) * 2016-05-05 2016-09-07 杭州智诚惠通科技有限公司 一种路面交通流量检测设备可信度评估的方法
US9569959B1 (en) * 2012-10-02 2017-02-14 Rockwell Collins, Inc. Predictive analysis for threat detection
CN108319649A (zh) * 2017-12-27 2018-07-24 南瑞集团有限公司 一种提高水情水调数据质量的系统和方法
CN108920429A (zh) * 2018-06-12 2018-11-30 河海大学 一种水位动态监测的异常数据分析方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102968669A (zh) * 2011-08-31 2013-03-13 富士通株式会社 对负荷进行预测的方法和装置
US9569959B1 (en) * 2012-10-02 2017-02-14 Rockwell Collins, Inc. Predictive analysis for threat detection
CN105931458A (zh) * 2016-05-05 2016-09-07 杭州智诚惠通科技有限公司 一种路面交通流量检测设备可信度评估的方法
CN108319649A (zh) * 2017-12-27 2018-07-24 南瑞集团有限公司 一种提高水情水调数据质量的系统和方法
CN108920429A (zh) * 2018-06-12 2018-11-30 河海大学 一种水位动态监测的异常数据分析方法

Also Published As

Publication number Publication date
CN110031917A (zh) 2019-07-19

Similar Documents

Publication Publication Date Title
CN110031917B (zh) 一种雨情监测方法
Toukourou et al. Rainfall-runoff modeling of flash floods in the absence of rainfall forecasts: the case of “Cévenol flash floods”
CN107911396A (zh) 登录异常检测方法和系统
CN113538861B (zh) 基于矿产地质勘查的地质灾害信息管理系统
CN111325947B (zh) 一种基于长短期记忆网络的风暴潮洪涝预警方法和系统
CN109186706A (zh) 一种用于城市雨洪淹没区预警的方法
CN108876203B (zh) 道路交通震后功能韧性评价方法和装置
CN115096373A (zh) 一种基于传感器的桥梁工程健康检测系统
CN112150769A (zh) 一种基于大数据的地质灾害岩体崩塌智能监测预警系统
CN110895354A (zh) 一种基于泰森多边形动态调整的面雨量计算方法
JP6677075B2 (ja) 水位計測装置、方法及びプログラム
CN103606240B (zh) 采用分布式光纤温度传感器系统进行火灾报警的方法
CN112325967A (zh) 智能化物联网水表工作状态预警方法及系统
CN116308305A (zh) 一种桥梁健康监测数据管理系统
CN115909664A (zh) 基于bim的河道安全预警方法、装置及设备
Zhang et al. Real-time burst detection based on multiple features of pressure data
CN108108839B (zh) 基于逆向模糊层次分析的电网信息系统设备状态预警方法
CN112016739B (zh) 故障检测方法、装置、电子设备及存储介质
CN116895134A (zh) 一种基于5g技术的水电站下游水位突涨预警方法及系统
CN103983323A (zh) 水电站水位测量方法和水电站水位监测系统
CN116738535A (zh) 一种基于Transformer模型的隧道结构变形预测方法
JP6965640B2 (ja) 雨量推定装置、雨量推定方法、雨量推定プログラム、流入量推定装置
CN103090855B (zh) 一种基于水流流速判断涌潮是否到达的方法
CN113532384B (zh) 一种基于无线传感器技术的地下管网管线位移沉降监测方法及云监测平台
CN108509716A (zh) 一种通过断面水位计算水量的方法

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20211102

Address after: 200333 no.442, Lane 3671, Zhongshan North Road, Putuo District, Shanghai

Patentee after: Shanghai Linlan Environmental Technology Co.,Ltd.

Address before: 200333 No. 442, Lane 3671, Zhongshan North Road, Putuo District, Shanghai

Patentee before: Yin Jian