CN110954059A - 埋地管线沉降监测预警方法 - Google Patents
埋地管线沉降监测预警方法 Download PDFInfo
- Publication number
- CN110954059A CN110954059A CN201911337546.5A CN201911337546A CN110954059A CN 110954059 A CN110954059 A CN 110954059A CN 201911337546 A CN201911337546 A CN 201911337546A CN 110954059 A CN110954059 A CN 110954059A
- Authority
- CN
- China
- Prior art keywords
- settlement
- monitoring
- buried pipeline
- early warning
- safety 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Radar, Positioning & Navigation (AREA)
- Pipeline Systems (AREA)
Abstract
本发明公开了一种埋地管线沉降监测预警方法,包括:建立埋地管线沉降监测网,采集沉降区域和埋地管线的数据,以构建沉降安全监测数据库;对沉降安全监测数据库中的N个观测向量进行预处理,得到N个沉降安全监测特征向量,N个沉降安全监测特征向量构成沉降安全监测特征库;利用沉降安全监测特征库构建级联深度径向网络,建立埋地管线沉降监测预警模型;根据埋地管线沉降监测预警模型对地面沉降引发的埋地管线危险状态进行预警。相比于现有技术,本发明的技术方案通过埋地管线沉降安全监测网构建、数据采集、模型建立、训练和监测应用的过程,实现了有效的埋地管线沉降监测预警。
Description
技术领域
本发明涉及监测预警领域,特别是涉及一种埋地管线沉降监测预警方法。
背景技术
城市埋地管线是城市重要的基础设施,是城市各功能区有机连接和运转的生命线,一旦发生泄漏,将造成严重的经济损失和安全隐患。在工程实践中,地面沉降是引起埋地管线泄漏的重要因素之一,而随着城市化进程的加速,地面沉降影响的区域越来越广,沉降恶化速度也越来越快。地面沉降对埋地管线的影响日益严重,已成为埋地管线主要的失效诱因。当管线支撑随着地面发生沉降时、管线应力发生变化,从而引起管线变形,进而引发管线开裂,甚至断裂。现有的沉降监测方法主要是对地面沉降进行监测,难以有效评估地面沉降对管线安全性的具体影响。因此现有技术对埋地管线的泄漏检测具有滞后性,只有泄漏发生后才能触发报警。
鉴于此,本发明的目的在于提供一种埋地管线沉降监测预警方法,实时监测分析地面沉降对埋地管线的影响,一旦监测到管线处于危险状态即发出预警,通知专业人员进行维护和检修,避免管线失效和安全事故的发生,从而有效保障埋地管线的安全运行。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种埋地管线沉降监测预警方法,以缓解现有技术存在的问题。
一种埋地管线沉降监测预警方法,包括:建立埋地管线沉降监测网,采集沉降区域和埋地管线的数据,以构建沉降安全监测数据库;对沉降安全监测数据库中的N个观测向量进行预处理,得到N个沉降安全监测特征向量,N个沉降安全监测特征向量构成沉降安全监测特征库;利用沉降安全监测特征库构建级联深度径向网络,建立埋地管线沉降监测预警模型;根据埋地管线沉降监测预警模型对地面沉降引发的埋地管线危险状态进行预警。
进一步地,包括:沉降区域的数据包括土壤特性、地面沉降速率和累计沉降量;埋地管线数据包括材质、管径、壁厚、长度、埋深、服役年限、管线内压、外压、内温、外温和管线应变量。
进一步地,对N个观测向量进行预处理的方法,包括:对沉降安全监测数据库中N个观测向量进行联合单位编码处理后,形成矩阵M,对M的列向量进行去量纲化处理,及对M的行向量进行向中心化处理后形成沉降安全监测特征库,沉降安全监测特征库的N个行向量为沉降安全监测特征向量。
进一步地,建立埋地管线沉降监测预警模型的方法,包括:将N个沉降安全监测特征向量对应的管线应变量进行0-1标准化处理后,形成管线应变特征向量;将N个沉降安全监测特征向量、管线应变特征向量和网络拟合误差构建单层径向神经网络;将单层径向神经网络、深度训练步长和误差目标构建级联深度径向神经网络;级联深度径向神经网络训练完成后,得到埋地管线沉降监测预警模型。
进一步地,根据埋地管线沉降监测预警模型对地面沉降引发的埋地管线危险状态进行预警的方法,包括:根据埋地管线沉降监测预警模型和实际观测得到的沉降安全监测特征向量,预测管线应变量属于安全形变或危险形变,以预警埋地管线危险状态。
本发明的有益效果如下:
本发明提供的技术方案可以包括以下有益效果:本发明提出的技术方案根据大数据分析和机器学习的方法,建立埋地管线沉降监测预警模型,实时监测分析地面沉降对管道安全性的影响,对危险状态进行预警。通过埋地管线沉降安全监测网构建、数据采集、模型建立、训练和监测应用的过程,实现了有效的埋地管线沉降监测预警。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一种实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种埋地管线沉降监测预警方法流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
图1是本发明实施例的一种埋地管线沉降监测预警方法流程示意图,如图1所示,该方法包括如下四个步骤。
步骤S101:构建沉降安全监测数据库。具体地,建立埋地管线沉降监测网,采集沉降区域和埋地管线的数据,以构建沉降安全监测数据库。沉降区域的数据包括土壤特性、地面沉降速率和累计沉降量;埋地管线数据包括材质、管径、壁厚、长度、埋深、服役年限、管线内压、外压、内温、外温和管线应变量。
在一个具体的实施例中,沉降区域数据和埋地管线数据组成沉降观测向量SO,SO=(pm,pd,pt,pl,bd,sl,sp,pi,po,ti,to,sr,sa,dq),式中,pm、pd、pt、pl、bd、sl、sp、pi、po、ti、to、sr、sa、dq分别代表管线材质、管径、壁厚、长度、埋深、服役年限、土壤特性、管线内压、外压、内温、外温、地面沉降速率、累计沉降量和管线应变量。可选地,采集1000个SO构成沉降安全监测数据库。
步骤S102:构建沉降安全监测特征库。对沉降安全监测数据库中的N个观测向量进行预处理,得到N个沉降安全监测特征向量,N个沉降安全监测特征向量构成沉降安全监测特征库。具体地,对沉降安全监测数据库中N个观测向量进行联合单位编码处理后,形成矩阵M,对M的列向量进行去量纲化处理,及对M的行向量进行向中心化处理后形成沉降安全监测特征库,沉降安全监测特征库的N个行向量为沉降安全监测特征向量。
在一个具体的实施例中,观测向量SO中的分量分为离散型数据和连续型数据两类,其中离散型数据包括:材质(pm)、管径(pd)、壁厚(pt)、土壤特性(sp),首先对离散型数据进行联合单位编码,以便于与连续型数据进行联合处理。可选地,使用Matlab函数进行联合单位编码。设PM、PD、PT、SP分别为pm、pd、pt、sp的取值集合,对PM、PD、PT、SP进行联合单位编码,得到沉降监测基础数集BS。BS=jic(PM,PD,PT,SP)=bin2dec(eye(prod(numel(PM),numel(PD),numel(PT),numel(SP))))。式中,jic()为联合单位编码函数,bin2dec()为二进制编码转十进制函数,eye()为单位量化函数,prod()为向量乘积函数,numel()为元素个数统计函数。沉降监测基础数集BS中的每一个值代表pm、pd、pt、sp的一种组合的联合编码,记为bs。
详细地,形成矩阵M的方法,首先构建待处理数据向量DV,DV=(bs,pl,bd,sl,pi,po,ti,to,sr,sa)。由于待处理数据向量DV与沉降观测向量SO存在一一对应关系,因此沉降安全监测数据库对应于矩阵M={DVk}k=1,…,N。M具有矩阵形式,其行向量对应每一组实际的沉降观测向量,记为Mr,共有N个行向量;其列向量对应每一个观测分量的实际取值集合,记为Mc,共有10个列向量。
由于Mr中每个分量具有不同的量纲,为了便于统一的数据化处理,对Mc进行去量纲化处理。Mc′=(Mc-mean(Mc))./std(Mc),式中,mean()表示取向量均值函数,std()表示取向量标准差函数,./表示向量点除运算。
由于每个Mc具有不同的数值分布,为了便于数据联合比较和计算,对Mr进行向中心化处理。Mr′=(Mr-min(Mr))./(max(Mr)-min(Mr)),式中,min()表示按列方向取最小值函数,max()表示按列方向取最大值函数,./表示向量点除运算。
对沉降安全监测数据库进行离散数据联合单位编码形成矩阵M,对M进行去量纲化和向中心化的数据预处理后,得到沉降安全监测特征库MF={SFk}k=1,…,N,其中沉降安全监测特征向量SF=Mr′,共有N个SF,可选地,N=1000。
需要进行说明的是,各式中的函数均采用Matlab函数。
步骤S103:建立埋地管线沉降监测预警模型。利用沉降安全监测特征库构建级联深度径向网络,建立埋地管线沉降监测预警模型。具体地,将N个沉降安全监测特征向量对应的管线应变量进行0-1标准化处理后,形成管线应变特征向量;将N个沉降安全监测特征向量、管线应变特征向量和网络拟合误差构建单层径向神经网络;将单层径向神经网络、深度训练步长和误差目标构建级联深度径向神经网络;级联深度径向神经网络训练完成后,得到埋地管线沉降监测预警模型。
在一个具体的实施例中,将实际观测的对应于N个SF的N个沉降管线应变量(dq)进行0-1标准化处理,得到管线应变特征向量DF。DF=stdnorml(DQ,[0,1])。式中,DQ表示dq的取值数集,stdnorml()表示向量标准归一化函数。定义单层径向网络如下:NS=newrb(MF,DF,es)。式中,MF表示由N个SF组成的沉降安全监测特征库,DF为对应的管线应变特征向量,newrb()表示单层径向网络构建函数,es代表网络拟合误差,NS为得到的单层径向网络。定义级联深度径向网络如下:NC=casrb(NS,ec,gl)。式中,casrb()表示级联深度径向网络构建函数,ec表示深度训练步长,gl表示误差目标,NC为得到的级联深度径向网络。将N组SF及其对应的DF分成n组训练数据集和N-n组测试数据集,对级联深度径向网络NC进行训练,直到网络误差小于目标gl时,训练停止,得到所需的埋地管线沉降监测预警模型。可选地,N=1000,n=800,gl=0.001。
需要进行说明的是,各式中的函数均采用Matlab函数。
步骤S104:对埋地管线危险状态进行预警。根据埋地管线沉降监测预警模型对地面沉降引发的埋地管线危险状态进行预警。具体地,根据埋地管线沉降监测预警模型和实际观测得到的沉降安全监测特征向量,预测管线应变量属于安全形变或危险形变,以预警埋地管线危险状态。
在一个具体的实施例中,在实际的地面沉降监测中,实际观测得到的沉降安全监测特征向量为rf,根据埋地管线沉降监测预警模型可得到对应的管线应变量rd。rd=ssim(NC,rf)。式中,NC为埋地管线沉降监测预警模型对应的级联深度径向网络,ssim()表示深度网络预测函数。由于不同的埋地管线应变量与其安全运行状态之间存在对应关系,应变量分为安全形变和危险形变两个区间,可在监测到危险形变发生时进行预警。
需要进行说明的是,式中的函数采用Matlab函数。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (5)
1.一种埋地管线沉降监测预警方法,其特征在于,包括:
建立所述埋地管线沉降监测网,采集沉降区域和埋地管线的数据,以构建沉降安全监测数据库;
对所述沉降安全监测数据库中的N个观测向量进行预处理,得到N个沉降安全监测特征向量,所述的N个沉降安全监测特征向量构成沉降安全监测特征库;
利用所述沉降安全监测特征库构建级联深度径向网络,建立埋地管线沉降监测预警模型;
根据所述埋地管线沉降监测预警模型对地面沉降引发的埋地管线危险状态进行预警。
2.根据权利要求1所述的方法,其特征在于,包括:
所述沉降区域的数据包括土壤特性、地面沉降速率和累计沉降量;所述埋地管线数据包括材质、管径、壁厚、长度、埋深、服役年限、管线内压、外压、内温、外温和管线应变量。
3.根据权利要求1所述的方法,其特征在于,对所述N个观测向量进行预处理的方法,包括:
对所述沉降安全监测数据库中N个观测向量进行联合单位编码处理后,形成矩阵M,对所述M的列向量进行去量纲化处理,及对所述M的行向量进行向中心化处理后形成所述沉降安全监测特征库,所述沉降安全监测特征库的N个行向量为沉降安全监测特征向量。
4.根据权利要求1所述的方法,其特征在于,所述的建立埋地管线沉降监测预警模型的方法,包括:
将所述N个沉降安全监测特征向量对应的管线应变量进行0-1标准化处理后,形成管线应变特征向量;
将所述N个沉降安全监测特征向量、管线应变特征向量和网络拟合误差构建单层径向神经网络;
将所述单层径向神经网络、深度训练步长和误差目标构建级联深度径向神经网络;所述级联深度径向神经网络训练完成后,得到埋地管线沉降监测预警模型。
5.根据权利要求1所述的方法,其特征在于,所述的根据埋地管线沉降监测预警模型对地面沉降引发的埋地管线危险状态进行预警的方法,包括:
根据埋地管线沉降监测预警模型和实际观测得到的沉降安全监测特征向量,预测管线应变量属于安全形变或危险形变,以预警所述埋地管线危险状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911337546.5A CN110954059A (zh) | 2019-12-23 | 2019-12-23 | 埋地管线沉降监测预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911337546.5A CN110954059A (zh) | 2019-12-23 | 2019-12-23 | 埋地管线沉降监测预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110954059A true CN110954059A (zh) | 2020-04-03 |
Family
ID=69983500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911337546.5A Pending CN110954059A (zh) | 2019-12-23 | 2019-12-23 | 埋地管线沉降监测预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110954059A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112683233A (zh) * | 2020-12-15 | 2021-04-20 | 温州鼎玛建筑技术有限公司 | 一种建筑物沉降检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105065917A (zh) * | 2015-08-24 | 2015-11-18 | 苏交科集团股份有限公司 | 城市排水管网在线检测方法 |
CN109284876A (zh) * | 2018-11-19 | 2019-01-29 | 福州大学 | 基于pca-rbf埋地管道腐蚀速率预测方法 |
CN109708008A (zh) * | 2019-01-23 | 2019-05-03 | 北京市燃气集团有限责任公司 | 管道安全监测与预警方法 |
CN109858126A (zh) * | 2019-01-23 | 2019-06-07 | 北京市燃气集团有限责任公司 | 基于沉降监测的城市燃气管网安全监测预警方法和系统 |
-
2019
- 2019-12-23 CN CN201911337546.5A patent/CN110954059A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105065917A (zh) * | 2015-08-24 | 2015-11-18 | 苏交科集团股份有限公司 | 城市排水管网在线检测方法 |
CN109284876A (zh) * | 2018-11-19 | 2019-01-29 | 福州大学 | 基于pca-rbf埋地管道腐蚀速率预测方法 |
CN109708008A (zh) * | 2019-01-23 | 2019-05-03 | 北京市燃气集团有限责任公司 | 管道安全监测与预警方法 |
CN109858126A (zh) * | 2019-01-23 | 2019-06-07 | 北京市燃气集团有限责任公司 | 基于沉降监测的城市燃气管网安全监测预警方法和系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112683233A (zh) * | 2020-12-15 | 2021-04-20 | 温州鼎玛建筑技术有限公司 | 一种建筑物沉降检测方法 |
CN112683233B (zh) * | 2020-12-15 | 2021-10-26 | 温州鼎玛建筑技术有限公司 | 一种建筑物沉降检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111596604B (zh) | 一种基于数字孪生的工程装备故障智能诊断与自愈控制系统及方法 | |
CN107036581B (zh) | 基于mems陀螺仪的桥梁变形在线监测系统及方法 | |
CN105653851B (zh) | 基于分阶段物理模型及粒子滤波的滚动轴承剩余寿命预测方法 | |
CN105389595A (zh) | 一种化工装备长周期运行安全风险雷达监测方法及装置 | |
CN103679280A (zh) | 一种性能缓变退化的设备最优维护方法 | |
CN103678858A (zh) | 一种存在竞争失效条件下的设备剩余寿命预测方法 | |
CN110702261A (zh) | 混凝土水化热实时监测系统及方法 | |
CN107609989A (zh) | 一种路网级的桥梁健康监测智能cs架构系统 | |
CN110954059A (zh) | 埋地管线沉降监测预警方法 | |
CN106682159A (zh) | 一种阈值配置方法 | |
CA2518697A1 (fr) | Procede et systeme pour surveiller le comportement d`une tuyauterie contenant un fluide sous pression | |
CN113175987A (zh) | 一种考虑环境温度变异的桥梁动力特性异常预警方法 | |
CN112758279A (zh) | 一种fpso单点系泊系统受力异常诊断方法 | |
CN115407712A (zh) | 一种钢厂液压站智慧维修保养系统及工作流程 | |
CN102252861A (zh) | 空间坐标监测识别受损索支座广义位移的递进式方法 | |
CN112016835A (zh) | 配电网电缆线路监测方法、计算机设备和存储介质 | |
CN106355002B (zh) | 一种基于管道存在弹性敷设时轴向监测应力的预警方法 | |
CN112611353A (zh) | 一种大坝监控报警系统和方法 | |
CN111289036A (zh) | 设备故障预警方法、装置、设备及系统 | |
CN116823220A (zh) | 一种电缆运行状态监测平台及设备 | |
CN104238501A (zh) | 一种炼化系统的告警数据处理方法及装置 | |
CN114662196A (zh) | 铁路隧道竖井衬砌安全性评价方法及系统 | |
CN115713312A (zh) | 一种水利水电工程环境量不利工况组合识别方法及装置 | |
Kim et al. | A fuzzy inference based reliability method for underground gas pipelines in the presence of corrosion defects | |
CN104281766A (zh) | 一种电力系统中用于安全评价的故障树分析法的改进方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200403 |