CN111177218B - 一种基于大数据分析的大坝安全分析方法 - Google Patents
一种基于大数据分析的大坝安全分析方法 Download PDFInfo
- Publication number
- CN111177218B CN111177218B CN201911356870.1A CN201911356870A CN111177218B CN 111177218 B CN111177218 B CN 111177218B CN 201911356870 A CN201911356870 A CN 201911356870A CN 111177218 B CN111177218 B CN 111177218B
- Authority
- CN
- China
- Prior art keywords
- data
- big data
- analysis
- safety
- module
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 34
- 238000004458 analytical method Methods 0.000 title claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 67
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 13
- 238000007621 cluster analysis Methods 0.000 claims abstract description 7
- 238000003491 array Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- 229910052739 hydrogen Inorganic materials 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000003204 osmotic effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q50/06—Energy or water supply
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Fuzzy Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Alarm Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开一种基于大数据分析的大坝安全分析方法，包括以下步骤：1)取一定数量的同序列的历史环境量监测数据和安全监测量数据组成一个时间序列数组；2)利用大数据平台的聚类分析算法，将安全监测数据量不符合正态分布的历史序列数组剔除；3)利用大数据平台的回归算法，计算拟合出安全监测量与环境监测量之间的统计方程；4)读取当前的监测数据，利用当前的水位、时间和温度，代入多元回归方程，得到安全监测量的计算理论值yt；设其剩余标准差为S，将实测值与理论计算值作差，得|y‑yt|，比较|y‑yt|和S之间的关系，5)根据步骤4)中的关系判断大坝是否正常；该基于大数据分析的大坝安全分析方法利用大数据分析，降低了数据拟合的难度。
Description
技术领域
本发明涉及一种基于大数据分析的大坝安全分析方法。
背景技术
传统的水工安全评价一般通过人工判断或经过经验公示进行预警阀值计算，得到预警阀值后与实际监测数据值进行比较，超过预警指即判断为水工不安全。此类方法存在的问题如下：1、过于依赖人工经验，如果经验不适合本工程，即出现无法进行预警预判的情况2、经验公式固定，无法根据实际运行数据进行动态更新，随着时间周期拉长，判断准确性越来越差3、每个水库大坝，都得去做定性和定量的经验分析，没有办法形成通用的工具或系统，无可适性可言。
发明内容
本发明要解决的技术问题是提供一种利用大数据分析，降低了数据拟合的难度；利用大数据分析平台和工具，进行持续迭代分析，提升了大坝安全分析的精准性和时效性；为大坝安全的评价和预测提供了手段的基于大数据分析的大坝安全分析方法。
为解决上述问题，本发明采用如下技术方案：
一种基于大数据分析的大坝安全分析方法，其特征在于：包括以下步骤：
1)取一定数量的同序列的历史环境量监测数据和安全监测量数据组成一个时间序列数组；
2)采用3δ准则，利用大数据平台的聚类分析算法，将安全监测数据量不符合正态分布的历史序列数组剔除；
3)利用大数据平台的回归算法，结合时间序列数据，计算拟合出安全监测量与环境监测量之间的统计方程；假定通过大数据分析得到的多元回归方程如下：
y＝f(H,T,t)；
其中，y为安全监测量，H、T、t分别为水位、时间和温度三个主要的环境影响因素；
4)读取当前的监测数据，利用当前的水位、时间和温度，代入多元回归方程，得到安全监测量的计算理论值yt；设其剩余标准差为S，将实测值与理论计算值作差，得|y-yt|，比较|y-yt|和S之间的关系；
5)根据步骤4)中的关系判断大坝是否正常。
作为优选，所述历史环境量监测数据为水位、时间和温度中的一种或多种，所述安全监测量数据为位移和渗压中的一种或多种。
作为优选，还包含有步骤6)每组新的监测数据采集上来的时候，均循环进行上述的异常判断步骤和多元回归方程拟合调整步骤。
作为优选，还包含有步骤7)利用大数据拟合得到的多元回归方程y＝f(H,T,t)，计算出安全监测量的预测值。
作为优选，所述步骤5)中的判断方式的具体步骤为：
5.1)根据3δ准则，如果|y-yt|＞3S，则判定此值为异常，否则认为该组数值为正常数据；
5.2)若当前数组判断为正常时，将该组监测数据并入到时间序列数组中，对多元回归公式进行进一步的拟合调整，生成新的多元回归方程；
5.3)若当前数组判断为异常时，将该组数据去掉，不进入后续的持续运算；同时，通知系统重复测量三次，并按上述步骤3)和步骤4)对测量值进行检验；若重复测量后数据回归正常，则认为该异常值是由于粗差引起的，予以剔除；若三次测量所得的数据均不能回归正常，则系统发出声音进行报警。
本发明还提供一种基于大数据分析的大坝安全分析系统，包括
时间序列数组生成模块，其用作取一定数量的同序列的历史环境量监测数据和安全监测量数据组成一个时间序列数组；
大数据分析模块，其用于采用3δ准则，利用大数据平台的聚类分析算法，将安全监测数据量不符合正态分布的历史序列数组剔除；
计算模块，与时间序列数组生成模块和大数据分析模块连接，其利用大数据平台的回归算法，结合时间序列数据，计算拟合出安全监测量与环境监测量之间的统计方程；
对比模块，其读取当前的监测数据，利用当前的水位、时间和温度，代入多元回归方程，得到安全监测量的计算理论值；设其剩余标准差，将实测值与理论计算值作差，并与剩余标准差比较，得出两者之间的关系；
判断模块，与对比模块连接，用于根据对比模块得出的关系判断大坝是否正常。
作为优选，还包含有gprs dtu模块，其与判断模块连接，用于将判断结果通过网络发送到指定的终端。
作为优选，还包含有声音报警模块，其与判断模块连接，用于供判断模块在三次测量所得的数据均不能回归正常时进行声音报警。
本发明的有益效果为：
利用大数据分析，降低了数据拟合的难度；
利用大数据分析平台和工具，进行持续迭代分析，提升了大坝安全分析的精准性和时效性；
为大坝安全的评价和预测提供了手段。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明一种基于大数据分析的大坝安全分析方法的流程图。
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。
实施例
如图1所示，一种基于大数据分析的大坝安全分析方法，其特征在于：包括以下步骤：
1)取一定数量的同序列的历史环境量监测数据和安全监测量数据组成一个时间序列数组；
2)采用3δ准则，利用大数据平台的聚类分析算法，将安全监测数据量不符合正态分布的历史序列数组剔除；
3)利用大数据平台的回归算法，结合时间序列数据，计算拟合出安全监测量与环境监测量之间的统计方程；假定通过大数据分析得到的多元回归方程如下：
y＝f(H,T,t)；
其中，y为安全监测量，H、T、t分别为水位、时间和温度三个主要的环境影响因素；
4)读取当前的监测数据，利用当前的水位、时间和温度，代入多元回归方程，得到安全监测量的计算理论值yt；设其剩余标准差为S，将实测值与理论计算值作差，得|y-yt|，比较|y-yt|和S之间的关系；
5)根据步骤4)中的关系判断大坝是否正常。
在本实施例中，所述历史环境量监测数据为水位、时间和温度中，所述安全监测量数据为位移和渗压。
在本实施例中，还包含有步骤6)每组新的监测数据采集上来的时候，均循环进行上述的异常判断步骤和多元回归方程拟合调整步骤。
在本实施例中，还包含有步骤7)利用大数据拟合得到的多元回归方程y＝f(H,T,t)，计算出安全监测量的预测值。
在本实施例中，所述步骤5)中的判断方式的具体步骤为：
5.1)根据3δ准则，如果|y-yt|＞3S，则判定此值为异常，否则认为该组数值为正常数据；
5.2)若当前数组判断为正常时，将该组监测数据并入到时间序列数组中，对多元回归公式进行进一步的拟合调整，生成新的多元回归方程；
5.3)若当前数组判断为异常时，将该组数据去掉，不进入后续的持续运算；同时，通知系统重复测量三次，并按上述步骤3)和步骤4)对测量值进行检验；若重复测量后数据回归正常，则认为该异常值是由于粗差引起的，予以剔除；若三次测量所得的数据均不能回归正常，则系统发出声音进行报警。
本实施例还提供一种基于大数据分析的大坝安全分析系统，包括
时间序列数组生成模块，其用作取一定数量的同序列的历史环境量监测数据和安全监测量数据组成一个时间序列数组；
大数据分析模块，其用于采用3δ准则，利用大数据平台的聚类分析算法，将安全监测数据量不符合正态分布的历史序列数组剔除；
计算模块，与时间序列数组生成模块和大数据分析模块连接，其利用大数据平台的回归算法，结合时间序列数据，计算拟合出安全监测量与环境监测量之间的统计方程；
对比模块，其读取当前的监测数据，利用当前的水位、时间和温度，代入多元回归方程，得到安全监测量的计算理论值；设其剩余标准差，将实测值与理论计算值作差，并与剩余标准差比较，得出两者之间的关系；
判断模块，与对比模块连接，用于根据对比模块得出的关系判断大坝是否正常。
在本实施例中，还包含有gprs dtu模块，其与判断模块连接，用于将判断结果通过网络发送到指定的终端，通过采用了物联网的方式，可以及时通知远程的工作人员，以便于工作人员可以及时的了解到大坝的安全状况。
在本实施例中，还包含有声音报警模块，其与判断模块连接，用于供判断模块在三次测量所得的数据均不能回归正常时进行声音报警，通过配置有声音报警模块，一旦判断出大坝出现安全问题，可以及时发出警报，可以方便工作人员及时的处理问题，同时可以使得在较为危险的岗位上的工作人员可以及时的疏散。
本发明的有益效果为：
利用大数据分析，降低了数据拟合的难度；
利用大数据分析平台和工具，进行持续迭代分析，提升了大坝安全分析的精准性和时效性；
为大坝安全的评价和预测提供了手段。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于大数据分析的大坝安全分析方法，其特征在于：包括以下步骤：
1)取一定数量的同序列的历史环境量监测数据和安全监测量数据组成一个时间序列数组；
2)采用3δ准则，利用大数据平台的聚类分析算法，将安全监测数据量不符合正态分布的历史序列数组剔除；
3)利用大数据平台的回归算法，结合时间序列数据，计算拟合出安全监测量与环境监测量之间的统计方程；假定通过大数据分析得到的多元回归方程如下：
y＝f(H,T,t)；
其中，y为安全监测量，H、T、t分别为水位、时间和温度三个主要的环境影响因素；
4)读取当前的监测数据，利用当前的水位、时间和温度，代入多元回归方程，得到安全监测量的计算理论值yt；设其剩余标准差为S，将实测值与计算理论值作差，得|y-yt|，比较|y-yt|和S之间的关系；
5)根据步骤4)中的关系判断大坝是否正常；所述步骤5)中的判断方式的具体步骤为：
5.1)根据3δ准则，如果|y-yt|＞3S，则判定该组数值为异常值，否则认为该组数值为正常数据；
5.2)若该组数值判断为正常时，将该组的实测值并入到时间序列数组中，对多元回归公式进行进一步的拟合调整，生成新的多元回归方程；
5.3)若该组数值判断为异常时，将该组数值去掉，不进入后续的持续运算；同时，通知系统重复测量三次，并按上述步骤3)和步骤4)对测量值进行检验；若重复测量后数据回归正常，则认为该异常值是由于粗差引起的，予以剔除；若三次测量所得的数据均不能回归正常，则系统发出声音进行报警；
6)每组新的监测数据采集上来的时候，均循环进行上述的异常判断步骤和多元回归方程拟合调整步骤；
7)利用大数据拟合得到的多元回归方程y＝f(H,T,t)，计算出安全监测量的预测值。
2.根据权利要求1所述的一种基于大数据分析的大坝安全分析方法，其特征在于：所述历史环境量监测数据为水位、时间和温度中的一种或多种，所述安全监测量数据为位移和渗压中的一种或多种。
3.一种基于大数据分析的大坝安全分析系统，应用权利要求1-2任一项所述的方法，其特征在于：包括
时间序列数组生成模块，其用作取一定数量的同序列的历史环境量监测数据和安全监测量数据组成一个时间序列数组；
大数据分析模块，其用于采用3δ准则，利用大数据平台的聚类分析算法，将安全监测数据量不符合正态分布的历史序列数组剔除；
计算模块，与时间序列数组生成模块和大数据分析模块连接，其利用大数据平台的回归算法，结合时间序列数据，计算拟合出安全监测量与环境监测量之间的统计方程；
对比模块，其读取当前的监测数据，利用当前的水位、时间和温度，代入多元回归方程，得到安全监测量的计算理论值；设其剩余标准差，将实测值与计算理论值作差，并与剩余标准差比较，得出两者之间的关系；
判断模块，与对比模块连接，用于根据对比模块得出的关系判断大坝是否正常。
4.根据权利要求3所述的基于大数据分析的大坝安全分析系统，其特征在于：还包含有gprs dtu模块，其与判断模块连接，用于将判断结果通过网络发送到指定的终端。
5.根据权利要求4所述的基于大数据分析的大坝安全分析系统，其特征在于：还包含有声音报警模块，其与判断模块连接，用于供判断模块在三次测量所得的数据均不能回归正常时进行声音报警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911356870.1A CN111177218B (zh) | 2019-12-25 | 2019-12-25 | 一种基于大数据分析的大坝安全分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911356870.1A CN111177218B (zh) | 2019-12-25 | 2019-12-25 | 一种基于大数据分析的大坝安全分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111177218A CN111177218A (zh) | 2020-05-19 |
| CN111177218B true CN111177218B (zh) | 2022-08-30 |
Family
ID=70650461
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911356870.1A Active CN111177218B (zh) | 2019-12-25 | 2019-12-25 | 一种基于大数据分析的大坝安全分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111177218B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111877257B (zh) * | 2020-06-19 | 2021-08-31 | 日昌(福建)集团有限公司 | 一种基于大数据处理的水坝建造方法 |
| CN117268466A (zh) * | 2023-09-25 | 2023-12-22 | 国家电投集团重庆狮子滩发电有限公司 | 一种大坝安全自动化监测系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105046075A (zh) * | 2015-07-10 | 2015-11-11 | 中国农业大学 | 水坝质量监测数据的分析处理方法及装置 |
| CN105571645A (zh) * | 2016-01-25 | 2016-05-11 | 潘祖国 | 一种大坝自动化监测方法 |
| CN106570259A (zh) * | 2016-11-03 | 2017-04-19 | 国网电力科学研究院 | 一种大坝位移数据的粗差剔除方法 |
| CN106768032A (zh) * | 2016-12-06 | 2017-05-31 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种提高大坝安全自动化监测数据可靠性的处理方法 |
| CN106934208A (zh) * | 2017-01-05 | 2017-07-07 | 中国电建集团华东勘测设计研究院有限公司 | 一种大坝异常监测数据自动识别方法 |
| CN107480341A (zh) * | 2017-07-21 | 2017-12-15 | 河海大学 | 一种基于深度学习的大坝安全综合评判方法 |
| CN108319664A (zh) * | 2018-01-17 | 2018-07-24 | 国电南瑞科技股份有限公司 | 一种大坝及工程安全监测数据粗差识别方法及系统 |
| CN109255180A (zh) * | 2018-09-07 | 2019-01-22 | 国网湖南省电力有限公司 | 一种大坝安全监测变形极值的相似工况比对分析法 |
| CN110232221A (zh) * | 2019-05-24 | 2019-09-13 | 华南理工大学 | 大坝裂缝影响因素动态贡献率分析方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008126209A1 (ja) * | 2007-03-27 | 2008-10-23 | Fujitsu Limited | 重回帰分析による予測モデルの作成方法、作成装置、作成プログラム |
| CN101699477B (zh) * | 2009-10-21 | 2012-06-27 | 东南大学 | 精确预测大坝变形的神经网络方法 |
| CN109902111B (zh) * | 2019-03-20 | 2023-04-07 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种土石坝安全信息挖掘方法 |
-
2019
- 2019-12-25 CN CN201911356870.1A patent/CN111177218B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105046075A (zh) * | 2015-07-10 | 2015-11-11 | 中国农业大学 | 水坝质量监测数据的分析处理方法及装置 |
| CN105571645A (zh) * | 2016-01-25 | 2016-05-11 | 潘祖国 | 一种大坝自动化监测方法 |
| CN106570259A (zh) * | 2016-11-03 | 2017-04-19 | 国网电力科学研究院 | 一种大坝位移数据的粗差剔除方法 |
| CN106768032A (zh) * | 2016-12-06 | 2017-05-31 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种提高大坝安全自动化监测数据可靠性的处理方法 |
| CN106934208A (zh) * | 2017-01-05 | 2017-07-07 | 中国电建集团华东勘测设计研究院有限公司 | 一种大坝异常监测数据自动识别方法 |
| CN107480341A (zh) * | 2017-07-21 | 2017-12-15 | 河海大学 | 一种基于深度学习的大坝安全综合评判方法 |
| CN108319664A (zh) * | 2018-01-17 | 2018-07-24 | 国电南瑞科技股份有限公司 | 一种大坝及工程安全监测数据粗差识别方法及系统 |
| CN109255180A (zh) * | 2018-09-07 | 2019-01-22 | 国网湖南省电力有限公司 | 一种大坝安全监测变形极值的相似工况比对分析法 |
| CN110232221A (zh) * | 2019-05-24 | 2019-09-13 | 华南理工大学 | 大坝裂缝影响因素动态贡献率分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111177218A (zh) | 2020-05-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111508216B (zh) | 一种大坝安全监测数据智能预警方法 | |
| CN111177218B (zh) | 一种基于大数据分析的大坝安全分析方法 | |
| CN106570259B (zh) | 一种大坝位移数据的粗差剔除方法 | |
| CN106019195B (zh) | 一种电力计量自动化检定流水线故障诊断系统 | |
| CN108133326A (zh) | 一种基于火电设备的状态预警方法及系统 | |
| US11340599B2 (en) | Monitoring apparatus and method for monitoring a system | |
| KR20090001148A (ko) | 가상 계측 시스템 및 가상 계측 방법 | |
| CN109858112B (zh) | 基于结构应力监测结果的数值反演分析方法 | |
| CN113361958A (zh) | 一种缺陷预警方法及系统 | |
| CN116934303B (zh) | 新能源汽车电池封装用耐温湿聚氨酯粘合剂性能检测系统 | |
| CN116482227B (zh) | 一种管道腐蚀监测方法、装置及系统 | |
| US20140076855A1 (en) | Data collection system for electric discharge machines | |
| CN110440888A (zh) | 一种汽车衡稳定状态自动判断方法及装置 | |
| CN117312879A (zh) | 一种注塑机生产数据监督预警方法、系统及介质 | |
| CN104831317B (zh) | 一种铝电解槽阳极电流异常判断方法 | |
| CN111125195B (zh) | 一种数据异常检测方法及装置 | |
| KR102110319B1 (ko) | 학습 데이터 생성 시스템 | |
| KR101945131B1 (ko) | 비정규분포 공정에서의 극소불량률 관리 방법 및 장치 | |
| CN117075555A (zh) | 基于物联网的系统级封装设备运行监管系统 | |
| CN111751508A (zh) | 一种水质传感器生命周期的性能评估预测方法及系统 | |
| CN116238176A (zh) | 一种人造石英石板原料配置控制系统 | |
| CN110749307A (zh) | 基于北斗定位的输电线路位移沉降判定方法及系统 | |
| CN115452089A (zh) | 一种用于水利水电工程的水位检测装置 | |
| CN111061238B (zh) | 锂电池的生产安全监测方法、装置、设备及介质 | |
| CN220380607U (zh) | 一种在线校验的秤管理系统 |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 518000 601, Building 5, Software Park, Keji Middle 2nd Road, High-tech Zone, Nanshan District, Shenzhen, Guangdong Province Patentee after: Dongshen Zhishui Technology (Shenzhen) Co.,Ltd. Address before: 518000 Room 601, building 5, software park, kekezhong 2nd Road, Nanshan District, Shenzhen, Guangdong Patentee before: SHENZHEN DONGSHEN ELECTRONIC Co.,Ltd. |