CN111126483B - 一种时域-空间域的ert监测系统的预警方法 - Google Patents

一种时域-空间域的ert监测系统的预警方法 Download PDF

Info

Publication number
CN111126483B
CN111126483B CN201911340708.0A CN201911340708A CN111126483B CN 111126483 B CN111126483 B CN 111126483B CN 201911340708 A CN201911340708 A CN 201911340708A CN 111126483 B CN111126483 B CN 111126483B
Authority
CN
China
Prior art keywords
resistivity
matrix
early warning
clustering
current moment
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
CN201911340708.0A
Other languages
English (en)
Other versions
CN111126483A (zh
Inventor
王玉玲
刘梦晓
徐亚
宫淑兰
张波
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.)
Chinese Research Academy of Environmental Sciences
Shandong Jianzhu University
Original Assignee
Chinese Research Academy of Environmental Sciences
Shandong Jianzhu University
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 Chinese Research Academy of Environmental Sciences, Shandong Jianzhu University filed Critical Chinese Research Academy of Environmental Sciences
Priority to CN201911340708.0A priority Critical patent/CN111126483B/zh
Publication of CN111126483A publication Critical patent/CN111126483A/zh
Application granted granted Critical
Publication of CN111126483B publication Critical patent/CN111126483B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques
    • G06F18/2321Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R27/00Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
    • G01R27/02Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
    • G01R27/20Measuring earth resistance; Measuring contact resistance, e.g. of earth connections, e.g. plates
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

本发明公开了一种时域‑空间域的ERT监测系统的预警方法,包括:从时域上比较当前监测数据与前期数据之间的差异,判断是否发生了污染;然后,在空间域上,结合差异矩阵中异常值的空间位置坐标,计算初始聚类中心,对测线当前时刻的电阻率值矩阵进行k‑means聚类,根据聚类结果识别出污染区域;最后,发布预警信息,给出污染区域的位置及范围。本发明有益效果:能够对ERT监测得到的测线的电阻率数据集进行处理,识别出污染区域,发出预警信息。

Description

一种时域-空间域的ERT监测系统的预警方法
技术领域
本发明涉及ERT(电阻率成像)监测技术领域,尤其涉及一种时域-空间域的ERT监测系统的预警方法。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
环境污染问题是当今世界关心的热点问题之一。随着工业快速发展,环境污染也日益严重,尤其是土壤污染非常严峻。根据环保部2014年公布的《全国土壤污染状况调查报告》指出:“全国土壤环境状况总体不容乐观,部分地区土壤污染较重,耕地土壤环境质量堪忧,工矿业废弃地土壤环境问题突出”。由此可知,污染场地威胁着人们的身体健康。
近年来,各国高度重视环境污染的防治,开展了大规模的污染场地调查和修复治理工作。与此同时,对污染场地的监测预警也是一个十分重要的问题。由于电阻率法探测污染具有快速、费用低等优点,近年来成为环境探测的有效方法之一。然而,目前对ERT检测数据的分析处理主要依靠人工完成,因此很难保证识别的效率和准确性,这成为制约ERT监测系统应用的关键问题之一。目前尚未有有效的预警算法应用于ERT监测系统。因此,开展ERT监测系统的预警方法成为急需解决的问题。
发明内容
为了解决上述问题,本发明提出了一种时域-空间域的ERT监测系统的预警方法,该方法能够对ERT监测得到的测线的电阻率数据集进行处理,识别出污染区域,发出预警信息。
在一些实施方式中,采用如下技术方案:
一种时域-空间域的ERT监测系统的预警方法,包括:
在时域上,通过某条测线当前时刻测得的电阻率值矩阵与前期数据的平均值矩阵,得到两者的差异矩阵;进而推断当前时刻测得的该条测线中是否出现了污染区域;
在空间域上,确定所述差异矩阵中最大值和最小值的空间位置坐标,在该条测线当前时刻的电阻率值矩阵中找到与所述空间位置坐标相同的电阻率值;计算初始聚类中心,对测线当前时刻的电阻率值矩阵进行聚类,根据聚类结果识别出污染区域。
具体地,在时域上,根据获得的某一条测线的电阻率值,得到该条测线前n次时刻测得的电阻率数据的平均值矩阵;
将该条测线当前时刻测得的电阻率值矩阵与所述平均值矩阵做差,得到差异矩阵;
对所述差异矩阵进行均值滤波,将滤波后的差异矩阵扩展为一个向量;
将所述向量的范数与设定阈值比较,如果大于设定阈值,则推断当前时刻测得的该条测线中出现了污染区域;否则,推断当前时刻测得的该条测线中没有出现污染区域。
在空间域上,确定所述差异矩阵中最大值和最小值的空间位置坐标,在该条测线当前时刻的电阻率值矩阵中找到与所述空间位置坐标相同的电阻率值;
在该条测线当前时刻的电阻率值矩阵中,分别以上述的两个与所述空间位置坐标相同的电阻率值为中心,确定一个设定的范围,分别计算这两个范围内的平均电阻率值;
将所述的两个平均电阻率值作为初始聚类中心;
设置聚类类别数目,对当前时刻测得的该条测线的电阻率值矩阵进行k-means聚类,并输出聚类结果;所述聚类结果包括:每个类别对应的聚类中心以及每个电阻率数据所属的类别;
根据聚类结果识别出污染区域,其中,以根据空间位置坐标最大值求得的平均电阻率值为初始聚类中心所聚为的一类为污染区域,从而发出预警信息,给出污染区域的中心点坐标及横纵坐标范围。
与现有技术相比,本发明的有益效果是:
由于成像系统、传输介质和记录设备等的不完善,电阻率数据在其形成、传输记录过程中往往会受到多种噪声的污染。本发明采用均值滤波可以降低噪声的影响;基于当前时刻电阻率值矩阵与前n次时刻电阻率平均值矩阵求差异矩阵,从而可以判断是否发生了污染;上文所述的选取k-means初始聚类中心的方法可以提高聚类的精度,从而提高污染区域识别的质量。
本发明结和时域与空间域的方法,可以让人们及时发现场地是否发生了污染;如果发生了污染,可以识别出污染区域的具体位置,从而制定污染修复方案,遏制污染持续扩散。
附图说明
图1为本发明一个实施例中时域-空间域的ERT监测系统的预警方法流程图;
图2为污染场地ERT检测系统示意图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例一
在一个或多个实施方式中,公开了一种时域-空间域的ERT监测系统的预警方法,如图1所示,包括以下步骤:
在时域上:
步骤1、设置阈值α;
步骤2、获取地下不同点位的视电阻率;
具体的,在电场内布置测线,在测线上选定若干个检测点,在每个检测点位置插入检测电极;将所有检测电极与电法仪连接;电法仪向供电电极供电建立电场,向所有检测电极发出检测信号;然后每个测量电极根据自身接收到的检测控制信号开始对相应检测点的电势进行检测;将检测得到的电势上传给电法仪,从而,电法仪获取到待检测区域不同点位的视电阻率,形成视电阻率数据集。
步骤3、采用反演算法,对所述地下不同点位的视电阻率进行数据拟合,计算得到地下不同点位的电阻率值,形成电阻率数据集合;
步骤4、如图2所示,提供一种污染场地ERT检测系统,电法仪将采集的数据传输给数据存储与分析服务器,实现采集数据的分析处理,根据处理结果进行预警,并生成新的检测参数并下发给电法仪。
步骤5、用l1距离来比较某条测线当前时刻测得的电阻率值与之前时刻测得的电阻率值的差异,时间间隔T由检测周期而定。具体的,将该条测线当前时刻测得的电阻率值矩阵E与其前n次时刻测得的电阻率数据的平均值矩阵
Figure BDA0002332183530000056
作差,求差异矩阵,记为ΔE;
步骤6、选择模板为3×3的均值滤波器对差异矩阵ΔE进行均值滤波;
步骤7、将经过均值滤波后的电阻率值差异矩阵
Figure BDA0002332183530000051
扩展成一个向量/>
Figure BDA0002332183530000052
其中,
Figure BDA0002332183530000053
求该向量的l1范数β;
步骤8、若β>α,则推断当前时刻测得的该条测线中出现了污染区域;若β<α,则推断当前时刻测得的该条测线中没有出现污染区域。
在空间域上:
步骤9、找出滤波后矩阵
Figure BDA0002332183530000054
中元素的最大值和最小值的空间位置坐标;
步骤10、在该条测线当前时刻测得的电阻率矩阵E中找出与
Figure BDA0002332183530000055
矩阵中的最大值和最小值的位置相同的电阻率值;
步骤11、在矩阵E中分别以这两个电阻率值为中心点,确定一个3×3的范围,分别计算这两个范围内的平均电阻率值;
步骤12、记以最大值为中心的3×3的范围内求得的平均电阻率值为c1;以最小值为中心的3×3范围内求得的平均电阻率值为c2
步骤13、使用k-means算法对所述当前时刻测得的电阻率数据矩阵E进行聚类;
步骤14、设置聚类类别数目为2;
步骤15、该聚类算法的损失函数定义如下:
Figure BDA0002332183530000061
其中,xp为当前时刻测得的电阻率矩阵中待分类的电阻率值,ck为第k个类别的聚类中心,μkp∈{0,1}表示电阻率值xp对于聚类类别k的归属(其中,p=1,2,…,M;k=1,2)。如果数据点xp属于第k类,则μkp=1,否则为0;
步骤16、具体的,选取c1,c2为初始聚类中心;其次,计算电阻率矩阵E中每个电阻率值到每个聚类中心的距离,将每个电阻率值归到其距离最近的聚类中心,即:
Figure BDA0002332183530000062
然后,对每个簇,以所有电阻率的均值作为该簇新的聚类中心,从而使得J有最小值,聚类中心计算公式如下:
Figure BDA0002332183530000063
最后,迭代优化终止后输出聚类结果。
步骤17、根据聚类结果识别出污染区域,其中,以最大值c1为初始聚类中心所聚为的一类为污染区域,从而发出预警信息,给出污染区域的中心点坐标及横纵坐标范围。
实施例二
在一个或多个实施方式中,公开了一种时域-空间域的ERT监测系统的预警系统,参照图2,包括:
用于获取地下不同点位的视电阻率的检测电极,与检测电极连接的检测主机以及与检测主机连接的服务器。其中,所述的服务器被配置为包括以下部分:
用于通过某条测线当前时刻测得的电阻率值矩阵与前期数据的平均值矩阵,得到两者的差异矩阵的装置;
用于根据差异矩阵推断当前时刻测得的该条测线中是否出现了污染区域的装置;
用于确定所述差异矩阵中最大值和最小值的空间位置坐标的装置;
用于在该条测线当前时刻的电阻率值矩阵中找到与所述空间位置坐标相同的电阻率值的装置;
用于计算初始聚类中心,对测线当前时刻的电阻率值矩阵进行聚类,根据聚类结果识别出污染区域的装置。
上述装置的具体工作过程或者实现方式均采用实施例一中公开的方法,在此不再赘述。
实施例三
在一个或多个实施方式中,公开了一种终端设备,包括服务器,所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现实施例一中的时域-空间域的ERT监测系统的预警方法。为了简洁,在此不再赘述。
应理解,本实施例中,处理器可以是中央处理单元CPU,处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的时域-空间域的ERT监测系统的预警方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元即算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (6)

1.一种时域-空间域的ERT监测系统的预警方法,其特征在于,包括:
在时域上,通过电场内布置的某条测线当前时刻测得的电阻率值矩阵与该条测线前n次时刻测得的电阻率数据的平均值矩阵,得到两者的差异矩阵;进而推断当前时刻测得的该条测线中是否出现了污染区域;
在空间域上,确定所述差异矩阵中最大值和最小值的空间位置坐标,在该条测线当前时刻的电阻率值矩阵中找到与所述空间位置坐标相同的电阻率值;计算初始聚类中心,对测线当前时刻的电阻率值矩阵进行聚类,根据聚类结果识别出污染区域。
2.如权利要求1所述的一种时域-空间域的ERT监测系统的预警方法,其特征在于,通过该条测线当前时刻测得的电阻率值矩阵与前期数据的平均值矩阵,得到两者的差异矩阵,具体为:
根据获得的某一条测线的电阻率值,得到该条测线前n次时刻测得的电阻率数据的平均值矩阵;
将该条测线当前时刻测得的电阻率值矩阵与所述平均值矩阵做差,得到差异矩阵。
3.如权利要求1所述的一种时域-空间域的ERT监测系统的预警方法,其特征在于,进而推断当前时刻测得的该条测线中是否出现了污染区域,具体为:
对所述差异矩阵进行均值滤波,将滤波后的差异矩阵扩展为一个向量;
将所述向量的范数与设定阈值比较,如果大于设定阈值,则推断当前时刻测得的该条测线中出现了污染区域;否则,推断当前时刻测得的该条测线中没有出现污染区域。
4.如权利要求1所述的一种时域-空间域的ERT监测系统的预警方法,其特征在于,计算初始聚类中心,具体为:
在该条测线当前时刻的电阻率值矩阵中,分别以上述的两个与所述空间位置坐标相同的电阻率值为中心,确定一个设定的范围,分别计算这两个范围内的平均电阻率值;
将所述的两个平均电阻率值作为初始聚类中心。
5.如权利要求1所述的一种时域-空间域的ERT监测系统的预警方法,其特征在于,对测线当前时刻的电阻率值矩阵进行聚类,具体为:
设置聚类类别数目,对当前时刻测得的该条测线的电阻率值矩阵进行k-means聚类,并输出聚类结果;所述聚类结果包括:每个类别对应的聚类中心以及每个电阻率数据所属的类别。
6.如权利要求1所述的一种时域-空间域的ERT监测系统的预警方法,其特征在于,根据聚类结果识别出污染区域,具体为:
根据聚类结果识别出污染区域,其中,以根据空间位置坐标最大值求得的平均电阻率值为初始聚类中心所聚为的一类为污染区域,从而发出预警信息,给出污染区域的中心点坐标及横纵坐标范围。
CN201911340708.0A 2019-12-23 2019-12-23 一种时域-空间域的ert监测系统的预警方法 Active CN111126483B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911340708.0A CN111126483B (zh) 2019-12-23 2019-12-23 一种时域-空间域的ert监测系统的预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911340708.0A CN111126483B (zh) 2019-12-23 2019-12-23 一种时域-空间域的ert监测系统的预警方法

Publications (2)

Publication Number Publication Date
CN111126483A CN111126483A (zh) 2020-05-08
CN111126483B true CN111126483B (zh) 2023-05-26

Family

ID=70501393

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911340708.0A Active CN111126483B (zh) 2019-12-23 2019-12-23 一种时域-空间域的ert监测系统的预警方法

Country Status (1)

Country Link
CN (1) CN111126483B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108764359A (zh) * 2018-06-01 2018-11-06 吉林大学 无参数的k均值聚类方法
CN108802829A (zh) * 2018-06-15 2018-11-13 山东大学 一种基于远程控制的四维直流电法监测系统及反演方法
CN108982594A (zh) * 2018-08-06 2018-12-11 山东建筑大学 检测周期自适应设定的ert污染检测系统及设定方法
CN109030579A (zh) * 2018-08-06 2018-12-18 山东建筑大学 基于聚类的ert污染检测数据处理方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108764359A (zh) * 2018-06-01 2018-11-06 吉林大学 无参数的k均值聚类方法
CN108802829A (zh) * 2018-06-15 2018-11-13 山东大学 一种基于远程控制的四维直流电法监测系统及反演方法
CN108982594A (zh) * 2018-08-06 2018-12-11 山东建筑大学 检测周期自适应设定的ert污染检测系统及设定方法
CN109030579A (zh) * 2018-08-06 2018-12-18 山东建筑大学 基于聚类的ert污染检测数据处理方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Philippe等."Diesel transport monitoring in simulated unconfined aquifers using miniature resistivity arrays".《Environment earth science》.2010,全文. *
周启友.从高密度电阻率成像法到三维空间上的包气带水文学.水文地质工程地质.2003,(第06期),全文. *
陆晓春等."时/频域激电参数在铬污染模拟场地探测中的应用".《环境科学研究》.2015,全文. *

Also Published As

Publication number Publication date
CN111126483A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN110705759B (zh) 水位预警监控方法、装置、存储介质及电子设备
CN103884435A (zh) 一种电子设备红外监测系统
CN113449703B (zh) 环境在线监测数据的质控方法、装置、存储介质及设备
EP2937689A1 (en) Adaptive baseline damage detection system and method
CN104931989A (zh) 运动轨迹中异常点的检测方法与装置
CN100470578C (zh) 基于计算机视觉的科学仪器工作状态监测方法
CN116736375B (zh) 基于稀疏规范变量分析的微震信号状态判识方法
CN111126483B (zh) 一种时域-空间域的ert监测系统的预警方法
CN114185959A (zh) 城市综合管廊与周边地质环境自动化监测与预警方法、系统、设备及存储介质
Menafoglio et al. Object oriented spatial analysis of natural concentration levels of chemical species in regional-scale aquifers
CN113744252A (zh) 用于标记和检测缺陷的方法、设备、存储介质和程序产品
CN117475154A (zh) 一种基于优化Canny边缘检测的仪表图像识别方法及系统
CN113033639A (zh) 一种异常数据检测模型的训练方法、电子设备及存储介质
CN116678368A (zh) 基于bim技术的装配式钢结构数据智能采集方法
CN108152712B (zh) 电路板故障检测方法及设备
CN114355114B (zh) 一种gis局部放电检测方法、装置、介质及终端设备
CN112633143B (zh) 图像处理系统、方法、头戴设备、处理设备及存储介质
CN110751141A (zh) 一种表计读数识别方法、装置、终端设备及存储介质
CN109030579B (zh) 基于聚类的ert污染检测数据处理方法及系统
CN106778515B (zh) 一种法兰轴向漏磁阵列信号自动识别方法
CN112582292B (zh) 用于芯片生产机台的零部件异常自动侦测方法、存储介质、终端
Yang et al. Sewer pipe defects diagnosis assessment using multivariate analysis on CCTV video imagery
CN111751609A (zh) 一种用于50Hz轨道信号检测及状态鉴别的方法及系统
CN114318347A (zh) 阴极保护评价方法、装置、计算机设备及存储介质
CN110689639A (zh) 管线全覆盖检查的方法、装置、存储介质及计算机设备

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