CN110458744B - 一种基于无线通信网络的河道清淤智能管理系统的控制方法 - Google Patents
一种基于无线通信网络的河道清淤智能管理系统的控制方法 Download PDFInfo
- Publication number
- CN110458744B CN110458744B CN201910762812.2A CN201910762812A CN110458744B CN 110458744 B CN110458744 B CN 110458744B CN 201910762812 A CN201910762812 A CN 201910762812A CN 110458744 B CN110458744 B CN 110458744B
- Authority
- CN
- China
- Prior art keywords
- data
- submodule
- module
- river
- sub
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004891 communication Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000013480 data collection Methods 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims abstract description 11
- 238000007405 data analysis Methods 0.000 claims abstract description 7
- 238000003384 imaging method Methods 0.000 claims abstract 3
- 238000012544 monitoring process Methods 0.000 claims description 25
- 238000007726 management method Methods 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 19
- 238000005457 optimization Methods 0.000 claims description 14
- 238000004062 sedimentation Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 238000012423 maintenance Methods 0.000 claims description 10
- 238000013439 planning Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000006378 damage Effects 0.000 claims description 3
- 230000003628 erosive effect Effects 0.000 claims description 3
- 238000009991 scouring Methods 0.000 claims description 3
- 239000010865 sewage Substances 0.000 claims description 3
- 239000002351 wastewater Substances 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims 2
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims 1
- 230000010354 integration Effects 0.000 claims 1
- 238000011835 investigation Methods 0.000 claims 1
- 238000005192 partition Methods 0.000 claims 1
- 238000007781 pre-processing Methods 0.000 claims 1
- 231100000279 safety data Toxicity 0.000 claims 1
- 238000013024 troubleshooting Methods 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 abstract description 10
- 238000000151 deposition Methods 0.000 description 39
- 230000008021 deposition Effects 0.000 description 38
- 238000005516 engineering process Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 238000005067 remediation Methods 0.000 description 3
- 230000008676 import Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 239000010842 industrial wastewater Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Images
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (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)
- Alarm Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种基于无线通信网络的河道清淤智能管理系统的控制方法，该系统包括数据收集模块M1、数据分析处理模块M2、成图模块M3以及建议输出模块M4。针对不同河道的水文地质和人文环境的差异性，给出相应的河道清淤建议：定时定期清淤，岸坡及时维护以及对人类活动加以控制，从而可以在政府决策时给出工程量较小，且高效地清淤方案，也有效缓解汛期时河道的泄洪压力，此外由于传输速度快传输稳定，所给建议更为科学，有较强的参考意义。
Description
技术领域
本发明是属于水利水电工程技术领域，具体地说是涉及一种将数据传输技术与河道清淤相结合的模块化智能管理系统。
背景技术
无线网络通信技术应用在文件的传输过程中，传输速度的提高会大大缩短传输过程所需要的时间，对于工作效率的提高具有非常重要的作用。并且无线网络通信技术应用在不同的场景中都能进行很稳定的传输，能够适应多种复杂的场景。所以无线网络通信技术在实际的应用过程中非常实用。
水文检测系统通过信息化技术，通过无线传输技术，实现了对水位、流速、水文等水文数据实时监测，并传输到PC端，有效减少水文测量和整理以往所需的大量人力物力，大大提高了基层水文数据监测管理的工作效率。
目前的河道清淤管理办法，主要是政府部门在河道淤积较为严重，对流域安全造成一定威胁之后，在统一进行河道清淤工程，但往往治标不治本，并且花费巨大。在清理后一段时间后河道继续淤积，而在汛期若为及时清淤疏浚，往往对河道的泄洪能力造成很大影响。不同河道的水文地质以及人文环境不同，故河道内的淤积情况各不相同，某行政区内管辖有多条河流时，传统的统一清淤方式并不适用，政府工程投资大，收效浅。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种基于无线通信网络的河道清淤智能管理系统及控制方法，利用模块化收集、分析、处理河道淤积问题的智能管理系统。
为了解决上述技术问题，本发明通过以下技术方案实现：
一种基于无线通信网络的河道清淤智能管理系统，包括数据收集模块M1、数据分析处理模块M2、成图模块M3以及建议输出模块M4；
所述数据收集模块M1包括四个子模块：通过水文监测系统获得的水文数据子模块M11、岸坡情况监测子模块M12、利用卫星地图获得的植被覆盖情况以及河道形状子模块M13、通过政府普查资料获得流域内人口分布以及对河道淤积造成影响的工业活动情况模块M14。
所述数据处理模块M2包括三个子模块：往年河道淤积情况信息存储子模块M21、基于模糊算法的河道淤积预测子模块M22、以及对比往年河道淤积以及目前预测情况的优化子模块M23。
所述成图模块M3包括两个子模块：河道淤积情况预测图子模块M31、河道重点整治标注子模块M32。
所述建议输出模块M4可面向PC控制端或手机端，可给工作人员提供参考建议，其包括四个子模块：根据河道淤积的预测情况给出定点定时清淤建议子模块M41、根据岸坡安全数据以冲刷情况的滑坡风险区定期排查维护建议子模块M42、植被种植分区分地形建议子模块M43、以及河段内工业规划管理建议子模块M44。
基于无线通信网络的河道清淤智能管理系统的控制方法，包括如下步骤：
步骤一、将水位、水温和流速水文监测数据实时存入水文数据子模块M11；通过在岸坡定点设置滑坡监测仪器，监测部分特定参数随时间的变化量可以实现对滑坡的监测目的，利用水压测量仪测量地下水位、应变测量计测量滑坡移动量，放入岸坡情况监测子模块M12中；利用卫星获得的遥感影像栅格地图，栅格内绿色的面积占总面积的比例为范围内的植被覆盖率，此外河道的弯曲形状，其凹凸岸的冲刷程度不同从而使得淤积程度也不同，将所有数据存入植被覆盖情况以及河道形状子模块M13中；通过政府部门的普查数据获得人口分布以及工业活动范围数据存入人口分布及工业活动范围子模块M14内,对所有模块中收集到的数据进行预处理；
步骤二、将数据收集模块M1中的所有数据通过无线网络实时传输到系统中的数据处理模块M2；其中往年河道淤积情况信息存储子模块M21内存有事先汇编的历年河道淤积相关的水文数据以及清理程度情况；而数据收集模块M1中传输过来的数据直接存入基于模糊算法的河道淤积预测子模块M22中；优化子模块M23中对河道淤积预测子模块M22输出的河道内淤积的严重程度与往年淤积数据存储模块M21中的对应河道位置的淤积情况进行对比，对有较大差异位置进行优化处理，并修正；
步骤三、将M22中修正预测结果输入成图模块M3中，河道淤积情况预测图子模块M31内通过对河道地图进行栅格化，通过栅格内颜色深浅体现淤沙高度；河道重点整治标注子模块M32再对地图中导入数据收集模块M1中预处理的数据，根据优化子模块M23中二级模糊综合评判集B中的风险程度对滑坡风险区、人口聚集区、植被破坏区以及工业区进行标注，最终成图；
步骤四、建议输出模块M4结合数据处理模块M2内的预测情况，以及成图模块M3中的出图，在定点定时清淤建议子模块M41内根据河道淤积的预测情况，结合实际工程情况给出具体的河段内某位置清淤的建议频率。
进一步改进，所述河道淤积预测子模块M22的运行步骤如下：
1)、建立一个因素论域U,将不同子模块传输过来的数据的种类分为不同的影响因素mi，则有因素集合：
U＝{m1,m2,m3,...mi}；
且有子因素集：
m1＝{m11,m12,..m1j},m2＝{m21,m22,...m2j},m3＝{m31,m32,...m3j},mi＝{mi1,mi2,...,mij}；其中i、j为正整数；
2)、确定一个备择集合V，其元素vk表示第k个评价结果，对应不同的淤沙程度：
V＝{v1,v2,v3,v4,v5,...,vk}；其中k为正整数；
3)、确定一个权重集合，利用层次分析法确定各因素权重，得到权重集：
θ＝(θ1,θ2,θ3,...θi)
以及权重子集：
Ω＝(ω1,ω2,ω3,...ωj)；
4)、对mi中的数据输入量先进行预处理，剔除异常数据，再进行尺度化处理，并对数据进行分时间段分位置整合；由于mi中的数据输入均为时间序列，故在某一时刻x时，将影响因素子集mi中的元素标记为mijx；确定不同影响因素的隶属函数，结合子模块中河道淤积情况信息存储子模块中的河道淤积情况，因素集中的第i个因素的第j个元素对备择集中第k个元素Vk的评价值为rijk，从而得到按第i个因素进行评判得到的评判矩阵Ri；根据不同影响因素的隶属关系，通过权重集，从而构成一级模糊综合评判矩阵A，二级模糊综合评判集B可由换算得出；
5)、采用最大隶属度法确定最终的评判结果，取最大值对应输出预测某一测点范围的可能淤积程度。
进一步改进，所述滑坡风险区定期排查维护建议子模块M42可以根据岸坡的滑坡风险数据，结合数据处理中的水文监测数据子模块中的流速以及降雨数据，给出岸坡的定期维护建议。植被种植分区分地形建议子模块M43可通过地图中所标注易受冲刷区、植被覆盖较低区以及滑坡区结合不同植被的根系特点以及功能，对不同区域给出不同植被种植方案。河段内工业规划管理建议子模块M44可根据地图中人口聚集区以及工业聚集区给出城市规划、废水污水排放建议。
进一步改进，所述建议输出模块M4直接面向用户，通过无线通信网络PC端或手机端内容呈现可以给政府工作人员可参考管理系统所给出的建议，对河道进行有效清淤，同时在河道淤积的源头上进行管理和控制。
进一步改进，在优化子模块M23中对河道淤积预测子模块M22输出的河道内淤积的严重程度与往年淤积数据存储模块M21中的对应河道位置的淤积情况进行对比，对有较大差异位置进行优化处理，对比对应mxi的数值，若权重较大因素内的数据差值相差不大，则按往年淤积程度进行修正，若相差较大则保留预测结果。
与现有技术相比，本发明的有益效果是：
针对不同河道的水文地质和人文环境的差异性，给出相应的河道清淤建议：定时定期清淤，岸坡及时维护以及对人类活动加以控制，从而可以在政府决策时给出工程量较小，且高效地清淤方案，也有效缓解汛期时河道的泄洪压力此外由于传输速度快传输稳定，所给建议更为科学，有较强的参考意义。
附图说明
图1是一种基于无线通信网络的河道清淤智能管理系统的所有模块化结构示意图。
图2是子模块优化模块M23内的优化流程图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述：
如图1所示，一种基于无线通信网络的河道清淤智能管理系统，包括数据收集模块M1、数据分析处理模块M2、成图模块M3以及建议输出模块M4。
所述数据收集模块M1包括四个子模块：通过水文监测系统获得的水文数据子模块M11、岸坡情况监测子模块M12、利用卫星地图获得的植被覆盖情况以及河道形状子模块M13、通过政府普查资料获得流域内人口分布以及对河道淤积造成影响的工业活动情况模块M14。
所述数据处理模块M2包括三个子模块：往年河道淤积情况信息存储子模块M21、基于模糊算法的河道淤积预测子模块M22、以及对比往年河道淤积以及目前预测情况的优化子模块M23。
所述成图模块M3包括两个子模块：河道淤积情况预测图子模块M31、河道重点整治标注子模块M32。
所述建议输出模块M4可面向PC控制端或手机端，可给工作人员提供参考建议，其包括四个子模块：根据河道淤积的预测情况给出定点定时清淤建议子模块M41、根据岸坡安全数据以冲刷情况的滑坡风险区定期排查维护建议子模块M42、植被种植分区分地形建议子模块M43、以及河段内工业规划管理建议子模块M44。
如图2所示，将水位、水温、流速等水文监测数据实时存入水文数据子模块M11。通过在岸坡定点设置滑坡监测仪器，监测部分特定参数随时间的变化量可以实现对滑坡的监测目的，例如利用水压测量仪测量地下水位、应变测量计测量滑坡移动量，放入岸坡情况监测子模块M12中。利用卫星获得的遥感影像栅格地图，栅格内绿色的面积占总面积的比例为范围内的植被覆盖率，此外河道的弯曲形状，其凹凸岸的冲刷程度不同从而使得淤积程度也不同，将所有数据存入植被覆盖情况以及河道形状子模块M13中。河道内的淤积还与人口分布以及工业分布相关，工业废水排放，生产生活垃圾的倾倒，对河道的淤积程度不同，因此通过政府部门的普查数据获得人口分布以及工业活动范围数据存入人口分布及工业活动范围子模块M14内,对所有模块中收集到的数据进行预处理。
将数据收集模块M1中的所有数据通过无线网络实时传输到系统中的数据处理模块M2。其中往年河道淤积情况信息存储子模块M21内存有事先汇编的历年河道淤积相关的水文数据以及清理程度情况。而数据收集模块M1中传输过来的数据直接存入基于模糊算法的河道淤积预测子模块M22中，河道淤积预测子模块M22的运行步骤如下：
建立一个因素论域U,将不同子模块传输过来的数据的种类分为不同的影响因素mi，则有因素集合：
U＝{m1,m2,m3,...mi}；
且有子因素集：
m1＝{m11,m12,..m1j},m2＝{m21,m22,...m2j},m3＝{m31,m32,...m3j},mi＝{mi1,mi2,...,mij}；其中i、j为正整数；
确定一个备择集合V，其元素vk表示第k个评价结果，对应不同的淤沙程度：
V＝{v1,v2,v3,v4,v5,...,vk}；其中k为正整数；
确定一个权重集合，利用层次分析法确定各因素权重，得到权重集：
θ＝(θ1,θ2,θ3,...θi)
以及权重子集：
Ω＝(ω1,ω2,ω3,...ωj)；
对mi中的数据输入量先进行预处理，剔除异常数据，再进行尺度化处理，并对数据进行分时间段分位置整合；由于mi中的数据输入均为时间序列，故在某一时刻x时，将影响因素子集mi中的元素标记为mijx；确定不同影响因素的隶属函数，结合子模块中河道淤积情况信息存储子模块中的河道淤积情况，因素集中的第i个因素的第j个元素对备择集中第k个元素Vk的评价值为rijk，从而得到按第i个因素进行评判得到的评判矩阵Ri；根据不同影响因素的隶属关系，通过权重集，从而构成一级模糊综合评判矩阵A，二级模糊综合评判集B可由换算得出；
采用最大隶属度法确定最终的评判结果，取最大值对应输出预测某一测点范围的可能淤积程度。
在优化子模块M23中对河道淤积预测子模块M22输出的河道内淤积的严重程度与往年淤积数据存储模块M21中的对应河道位置的淤积情况进行对比，对有较大差异位置进行优化处理，对比对应mxi的数值，若权重较大因素内的数据差值相差不大，则按往年淤积程度进行修正，若相差较大则保留预测结果。
经修正后的预测结果输入成图模块M3中，河道淤积情况预测图子模块M31内通过对河道地图进行栅格化，栅格原值代表该栅格区域内的淤积严重程度，从低到高，颜色逐渐加深。河道重点整治标注子模块M32再对地图中导入数据收集模块M1中预处理的数据，根据优化子模块M23中二级模糊综合评判集B中的风险程度对滑坡风险区、人口聚集区、植被破坏区以及工业区进行标注，最终成图。
建议输出模块M4结合数据处理模块M2内的预测情况，以及成图模块M3中的出图，在定点定时清淤建议子模块M41内根据河道淤积的预测情况，结合实际工程情况给出具体的河段内某位置清淤的建议频率。滑坡风险区定期排查维护建议子模块M42可以根据岸坡的滑坡风险数据，结合数据处理中的水文监测数据子模块中的流速以及降雨数据，给出岸坡的定期维护建议。植被种植分区分地形建议子模块M43可通过地图中所标注易受冲刷区、植被覆盖较低区以及滑坡区结合不同植被的根系特点以及功能，对不同区域给出不同植被种植方案。河段内工业规划管理建议子模块M44可根据地图中人口聚集区以及工业聚集区给出城市规划、废水污水排放建议。建议输出模块M4直接面向用户，通过无线通信网络PC端或手机端内容呈现可以给政府工作人员可参考管理系统所给出的建议，对河道进行有效清淤，同时在河道淤积的源头上进行管理和控制，有效提高河道汛期的泄洪能力以及安全性。
本发明中涉及的未说明部份与现有技术相同或采用现有技术加以实现。
Claims (5)
1.一种基于无线通信网络的河道清淤智能管理系统的控制方法，其特征在于，包括数据收集模块M1、数据分析处理模块M2、成图模块M3以及建议输出模块M4；
所述数据收集模块M1包括四个子模块：通过水文监测系统获得的水文数据子模块M11、岸坡情况监测子模块M12、利用卫星地图获得的植被覆盖情况以及河道形状子模块M13、人口分布以及工业活动情况模块M14；
所述数据分析处理模块M2包括三个子模块：往年河道淤积情况信息存储子模块M21、基于模糊算法的河道淤积预测子模块M22、以及对比往年河道淤积以及目前预测情况的优化子模块M23；
所述成图模块M3包括两个子模块：河道淤积情况预测图子模块M31、河道重点整治标注子模块M32；
所述建议输出模块M4可面向PC控制端或手机端，可给工作人员提供参考建议，其包括四个子模块：根据河道淤积的预测情况给出定点定时清淤建议子模块M41、根据岸坡安全数据以冲刷情况的滑坡风险区定期排查维护建议子模块M42、植被种植分区分地形建议子模块M43、以及河段内工业规划管理建议子模块M44；
控制方法包括如下步骤：
步骤一、将水位、水温和流速水文监测数据实时存入水文数据子模块M11；通过在岸坡定点设置滑坡监测仪器监测部分特定参数随时间的变化量可以实现对滑坡的监测目的，利用水压测量仪测量地下水位、应变测量计测量滑坡移动量，放入岸坡情况监测子模块M12中；利用卫星获得的遥感影像栅格地图，栅格内绿色的面积占总面积的比例为范围内的植被覆盖率，此外河道的弯曲形状，其凹凸岸的冲刷程度不同从而使得淤积程度也不同，将所有数据存入植被覆盖情况以及河道形状子模块M13中；通过政府部门的普查数据获得人口分布以及工业活动范围数据存入，人口分布以及工业活动情况模块M14内,对所有模块中收集到的数据进行预处理；
步骤二、将数据收集模块M1中的所有数据通过无线网络实时传输到系统中的数据分析处理模块M2；其中往年河道淤积情况信息存储子模块M21内存有事先汇编的历年河道淤积相关的水文数据以及清理程度情况；而数据收集模块M1中传输过来的数据直接存入基于模糊算法的河道淤积预测子模块M22中；优化子模块M23中将河道淤积预测子模块M22输出的河道内淤积的严重程度与往年河道淤积情况信息存储子模块M21中的对应河道位置的淤积情况进行对比，对有较大差异位置区域进行优化处理，并修正；
步骤三、将经修正后的预测结果输入成图模块M3中，河道淤积情况预测图子模块M31通过对河道地图进行栅格化，通过栅格内颜色深浅体现淤沙高度；河道重点整治标注子模块M32再对地图中导入数据收集模块M1中预处理的数据，根据优化子模块M23中二级模糊综合评判集B中的风险程度对滑坡风险区、人口聚集区、植被破坏区以及工业区进行标注，最终成图；
步骤四、建议输出模块M4结合数据分析处理模块M2内的预测情况，以及成图模块M3中的出图，在定点定时清淤建议子模块M41内根据河道淤积的预测情况，结合实际工程情况给出具体的河段内某位置清淤的建议频率。
2.根据权利要求1所述的基于无线通信网络的河道清淤智能管理系统的控制方法，其特征在于，所述河道淤积预测子模块M22的运行步骤如下：
1)、建立一个因素论域U,将不同子模块传输过来的数据的种类分为不同的影响因素mi，则有因素集合：
U＝{m1,m2,m3,...mi}；
且有子因素集：
m1＝{m11,m12,..m1j},m2＝{m21,m22,...m2j},m3＝{m31,m32,...m3j},mi＝{mi1,mi2,...,mij}；其中i、j为正整数；
2)、确定一个备择集合V，其元素vk表示第k个评价结果，对应不同的淤沙程度：
V＝{v1,v2,v3,v4,v5,...,vk}；其中k为正整数；
3)、确定一个权重集合，利用层次分析法确定各因素权重，得到权重集：
θ＝(θ1,θ2,θ3,...θi)
以及权重子集：
Ω＝(ω1,ω2,ω3,...ωj)；
4)、对mi中的数据输入量先进行预处理，剔除异常数据，再进行尺度化处理，并对数据进行分时间段分位置整合；由于mi中的数据输入均为时间序列，故在某一时刻x时，将影响因素子集mi中的元素标记为mijx；确定不同影响因素的隶属函数，结合子模块中河道淤积情况信息存储子模块中的河道淤积情况，因素集中的第i个因素的第j个元素对备择集中第k个元素Vk的评价值为rijk，从而得到按第i个因素进行评判得到的评判矩阵Ri；根据不同影响因素的隶属关系，通过权重集，从而构成一级模糊综合评判矩阵A，二级模糊综合评判集B可由换算得出；
5)、采用最大隶属度法确定最终的评判结果，取最大值对应输出预测某一测点范围的淤积程度。
3.根据权利要求2所述的基于无线通信网络的河道清淤智能管理系统的控制方法，其特征在于，所述定期排查维护建议子模块M42可以根据岸坡的滑坡风险数据，结合数据处理中的水文监测数据子模块中的流速以及降雨数据，给出岸坡的定期维护建议；植被种植分区分地形建议子模块M43可通过地图中所标注易受冲刷区、植被覆盖较低区以及滑坡区结合不同植被的根系特点以及功能，对不同区域给出不同植被种植方案；河段内工业规划管理建议子模块M44可根据地图中人口聚集区以及工业聚集区给出城市规划、废水污水排放建议。
4.根据权利要求3所述的基于无线通信网络的河道清淤智能管理系统的控制方法，其特征在于，所述建议输出模块M4直接面向用户，通过无线通信网络PC端或手机端内容呈现，政府工作人员可参考管理系统所给出的建议，对河道进行有效清淤，同时在河道淤积的源头上进行管理和控制。
5.根据权利要求4所述的基于无线通信网络的河道清淤智能管理系统的控制方法，其特征在于，在优化子模块M23中对河道淤积预测子模块M22输出的河道内淤积的严重程度与往年河道淤积情况信息存储子模块M21中的对应河道位置的淤积情况进行对比，对有较大差异位置进行优化处理，若权重较大因素内的数据差值相差不大，则按往年淤积程度进行修正，若相差较大则保留预测结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910762812.2A CN110458744B (zh) | 2019-08-17 | 2019-08-17 | 一种基于无线通信网络的河道清淤智能管理系统的控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910762812.2A CN110458744B (zh) | 2019-08-17 | 2019-08-17 | 一种基于无线通信网络的河道清淤智能管理系统的控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110458744A CN110458744A (zh) | 2019-11-15 |
| CN110458744B true CN110458744B (zh) | 2022-08-02 |
Family
ID=68487427
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910762812.2A Active CN110458744B (zh) | 2019-08-17 | 2019-08-17 | 一种基于无线通信网络的河道清淤智能管理系统的控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110458744B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111199632A (zh) * | 2019-12-23 | 2020-05-26 | 重庆交通大学 | 一种沿河滑坡灾害快速应急监测系统及方法 |
| CN114442638B (zh) * | 2022-02-14 | 2023-07-07 | 北京大学 | 一种基于大数据路径规划的清淤机器人 |
| CN118586587A (zh) * | 2024-05-22 | 2024-09-03 | 南京扶联单环保科技有限公司 | 一种河道环保用清淤输送系统 |
| CN118644092B (zh) * | 2024-08-16 | 2024-10-15 | 中国水利水电第九工程局有限公司 | 基于清淤检测的管道淤积风险评估方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106846178A (zh) * | 2017-02-13 | 2017-06-13 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种河流型水源地综合安全评价方法 |
| CN109242291A (zh) * | 2018-08-28 | 2019-01-18 | 天津大学 | 河湖流域水环境智慧管理方法 |
-
2019
- 2019-08-17 CN CN201910762812.2A patent/CN110458744B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106846178A (zh) * | 2017-02-13 | 2017-06-13 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种河流型水源地综合安全评价方法 |
| CN109242291A (zh) * | 2018-08-28 | 2019-01-18 | 天津大学 | 河湖流域水环境智慧管理方法 |
Non-Patent Citations (2)
| Title |
|---|
| 水库泥沙淤积量测算方法研究综述及展望;魏炳乾等;《自然灾害学报》;20071215(第06期);全文 * |
| 航道维护保障系统;周树高等;《港口科技》;20170115(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110458744A (zh) | 2019-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110458744B (zh) | 一种基于无线通信网络的河道清淤智能管理系统的控制方法 | |
| CN101354757B (zh) | 一种精细尺度下的动态风险及易损性预测方法 | |
| JP2019194424A (ja) | 河川流域に関する水文解析および管理のためのプロセスおよびシステム | |
| CN112241607B (zh) | 一种基于仿真并考虑气候变化的水资源规划方法 | |
| Elzain et al. | ANFIS-MOA models for the assessment of groundwater contamination vulnerability in a nitrate contaminated area | |
| CN117236199B (zh) | 城市水网区域河湖水质提升与水安全保障方法及系统 | |
| CN112801342A (zh) | 一种基于降雨径流相似性的自适应径流预报方法 | |
| CN111737853B (zh) | 一种基于swmm模型的低影响开发多目标区间优化配置方法 | |
| Kovačević et al. | Application of artificial neural networks for hydrological modelling in Karst | |
| CN111598724B (zh) | 一种中小水库入库流量日前预测的分时段集成方法 | |
| CN116050628A (zh) | 一种基于数字孪生的考虑预报不确定性的水库防洪优化调度方法 | |
| CN110276477A (zh) | 一种基于分层贝叶斯网络和增量学习的洪水预报方法 | |
| CN111814411B (zh) | 一种基于mike21和盲数理论的雨源型河流水环境容量计算方法 | |
| CN106651040A (zh) | 城市内涝监测点的优化布置方法 | |
| CN116502739A (zh) | 水库来水量的雨洪耦合预报方法、系统及电子设备 | |
| Li et al. | Multi-objective optimal allocation of sediment resources under multiple uncertainties | |
| CN116911194B (zh) | 基于城市时变增益模型和rnn耦合的城市内涝模拟方法 | |
| Zheng et al. | Multi-uncertainty river health assessment in the Loess plateau based on a novel comprehensive similarity cloud model | |
| CN117236552A (zh) | 一种基于多层级指标体系的区域需水量预测方法 | |
| Lyu et al. | Water level prediction model based on GCN and LSTM | |
| CN115471010A (zh) | 一种绿色小水电优化规划方法 | |
| Abushammal et al. | Domestic water demand forecasting for Makkah Saudi Arabia | |
| CN118780644B (zh) | 城乡中小河道生态渠道水环境监测系统及其评价方法 | |
| CN119004730B (zh) | 水网系统联网方法及系统 | |
| Fasipe et al. | GIS and RS techniques for identification of hydropower potential sites in Benin-Owena river Basin in Nigeria |
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 |