CN111414584B - 一种基于监测数据的辅助预警方法 - Google Patents
一种基于监测数据的辅助预警方法 Download PDFInfo
- Publication number
- CN111414584B CN111414584B CN202010216871.2A CN202010216871A CN111414584B CN 111414584 B CN111414584 B CN 111414584B CN 202010216871 A CN202010216871 A CN 202010216871A CN 111414584 B CN111414584 B CN 111414584B
- Authority
- CN
- China
- Prior art keywords
- frequency
- equal
- monitoring data
- monitoring
- trend
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
-
- 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"
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于监测数据的辅助预警方法,所述辅助预警方法通过对每个监测测点对应的监测数据进行分析处理,得到该监测测点的最值频率和趋势频率,再根据最值频率和趋势频率确定该监测测点的最终预警级别,能够根据监测数据快速地从成千上万个监测测点中找出可能的异常监测测点,并得到异常监测测点的预警级别;所述辅助预警方法可以通过计算机程序来实现,操作简单,提高了预警判断效率;该方法无需设置限值和假定条件,且通过反映监测测点真实状况的监测数据得到监测测点的预警级别,提高了监测测点预警级别判断的正确性,能够应用于工程实践中,适用于所有工程安全监测领域,适用范围广泛,具有很好的实用价值。
Description
技术领域
本发明属于工程安全监测技术领域,尤其涉及一种基于监测数据的辅助预警方法。
背景技术
在工程安全监测领域,随着安全监测数据分析技术的不断发展和进步,监测数据本身能够反映结构安全状态,即结构出现异常现象时一定能够通过附近监测测点的监测数据反映出来,因此,基于监测数据的预警技术得到快速发展,但是这些预警技术通常需要基于地质、结构、水文等设计计算成果,以及设计、施工和当前运行状态等基础资料,通过综合各种因素采用多种预警方法才能进行预警,属于一个系统工程,当前基于监测数据的预警技术计算复杂,计算时需设各种假定条件,制约因素多,实际应用效率低。
由于大中型工程的安全监测测点基本都有成千上万个,快速地从成千上万个监测测点中找出异常测点是当前工程安全监测领域分析工作的难点。目前,多数工程安全的预警方式主要是通过预置限值判断监测测点是否异常,限值主要为仪器量程、设计计算值以及规范控制值。仪器量程是指仪器能测到的最大变化值,但出现异常现象时不一定达到了仪器量程,因此这种方法可靠性不高,仅作为参考;设计计算值是在设计阶段作出假设而得到的理论计算成果,这与工程实际运行条件有差异,很多设计单位不愿意提供设计计算值,因为设计计算值是基于假设条件而提出的,如果设计计算值高可能会导致工程报警频繁,设计计算值低可能会出现发生工程事故而不报警的现象;规范控制值是规范基于大多数工程实际应用提出来的,具有一定的参考意义,但是与具体工程还是有差距,而且规范控制值不可能覆盖具体工程各个部位;因此,基于预置限值的预警方式对预置限值设计要求很高,选择合理的限值控制是当前监测数据分析难点。
范哲等人提出的《南水北调中线工程安全监测预警机制研究》中明确指出建筑物安全评价和报警需定量分析和定性分析结合,其中,定量分析涉及到建立统计模型、监控指标拟定、设计指标、模型指标等参数,定性分析涉及到监测结果、建筑物特点和工程师经验等,该方法计算复杂,需设定各种假定条件(监控指标拟定、设计指标均需要设置限值),制约因素多,实际应用效率低。
发明内容
针对现有技术的不足,本发明提供一种基于监测数据的辅助预警方法,以解决传统预警方法计算复杂,需设置假定条件和限值,制约因素多,实际应用效率低等问题。
本发明是通过如下的技术方案来解决上述技术问题的:一种基于监测数据的辅助预警方法,包括以下步骤:
步骤1:获取监测测点的监测数据,对监测数据进行预处理;
步骤2:将经过预处理的监测数据按照时间先后顺序排列,根据所述监测数据的监测频次确定时间分割点,所述时间分割点之前的数据为历史监测数据,时间分割点之后的数据为近期监测数据;
步骤3:确定历史监测数据中的最大值和最小值;
步骤4:将所述历史监测数据中的最大值和最小值分别与近期监测数据中的每个监测数据依次对比,如果近期监测数据中的监测数据大于历史监测数据的最大值,则最值计数递增变量加1,如果近期监测数据中的监测数据小于历史监测数据的最小值,则最值计数递减变量加1;
步骤5:以近期监测数据中的第一个监测数据为初值,将近期监测数据中的其他监测数据依次与所述初值对比,如果当前监测数据大于初值,则趋势计数递增变量加1,且将当前监测数据赋给初值;如果当前监测数据小于初值,则趋势计数递减变量加1,且将当前监测数据赋给初值;
步骤6:根据所述最值计数递增变量和近期监测数据的样本数得到递增最值频率,根据所述最值计数递减变量和近期监测数据的样本数得到递减最值频率,所述递增最值频率或递减最值频率又称为最值频率;
步骤7:根据所述趋势计数递增变量和近期监测数据的样本数得到递增趋势频率,根据所述趋势计数递减变量和近期监测数据的样本数得到递减趋势频率,所述递增趋势频率或递减趋势频率又称为趋势频率;
步骤8:根据递增最值频率和递增趋势频率判断监测测点的预警级别,以及根据递减最值频率和递减趋势频率判断监测测量的预警级别,以两次判断的预警级别的最高级别作为该监测测点的最终预警级别,根据监测测点的最终预警级别实现辅助预警的目的。
本发明所述辅助预警方法,通过对每个监测测点对应的监测数据进行分析处理,得到该监测测点的最值频率和趋势频率,再根据最值频率和趋势频率确定该监测测点的最终预警级别,该方法能够根据监测数据快速地从成千上万个监测测点中找出可能的异常监测测点,并得到异常监测测点的异常级别(预警级别),最后根据异常监测测点的预警级别,人工结合其他因素综合分析和判断最后的预警级别。该方法通过时间分割点确定历史数据和近期数据,仅对近期数据进行分析处理,减少了数据处理量,而近期数据又能更好地反映监测测点的近况,保证了监测测点异常判断的准确性;最值频率反映了近期监测数据超过历史最值的次数,次数越多,表明监测测点越危险,预警级别越高,趋势频率则反映了当前监测数据超过上一个监测数据的次数,次数越多,表明监测测点越危险,预警级别越高,因此,最值频率和趋势频率可以作为监测测点预警级别的评判标准,对监测测点起到了辅助预警作用。本发明的辅助预警方法可以通过计算机程序来实现,操作简单,能够快速地找出异常监测测点,提高了预警判断效率;该方法无需设置限值和假定条件,制约因素大大减低,且通过反映监测测点真实状况的监测数据得到监测测点的预警级别,提高了监测测点预警级别判断的正确性,能够应用于工程实践中,适用于所有工程安全监测领域,适用范围广泛,具有很好的实用价值。
进一步地,所述步骤1中,根据监测测点的监测数据绘制每个监测测点的变化曲线,根据变化曲线剔除异常值和粗差。
进一步地,所述步骤6中,递增最值频率和递减最值频率的计算表达式分别为:
f max = H max / n
f min = H min / n
其中,f max 为递增最值频率,f min 为递减最值频率,H max 为最值计数递增变量,n为近期监测数据的样本数,H min 为最值计数递减变量。最值频率计算简单,降低了计算复杂度,提高了处理效率。
进一步地,所述步骤7中,递增趋势频率和递减趋势频率的计算表达式分别为:
f pi = T pi / n
f dp = T dp / n
其中,f pi 为递增趋势频率,f dp 为递减趋势频率,T pi 为趋势计数递增变量,T dp 为趋势计数递减变量,n为近期监测数据的样本数。趋势频率计算简单,降低了计算复杂度,提高了处理效率。
进一步地,所述步骤8中,预警级别的判断标准为:
当80%≤趋势频率≤100%,且80%≤最值频率≤100%,或者65%≤趋势频率<80%,且80%≤最值频率≤100%时,该监测测点的预警级别为一级;
当80%≤趋势频率≤100%,且65%≤最值频率<80%,或者65%≤趋势频率<80%,且65%≤最值频率<80%,或者50%≤趋势频率<65%,且80%≤最值频率≤100%时,该监测测点的预警级别为二级;
当80%≤趋势频率≤100%,且50%≤最值频率<65%,或者65%≤趋势频率<80%,且50%≤最值频率<65%,或者50%≤趋势频率<65%,且65%≤最值频率<80%,或者0≤趋势频率<50%,且80%≤最值频率≤100%时,该监测测点的预警级别为三级;
当80%≤趋势频率≤100%,且0≤最值频率<50%,或者65%≤趋势频率<80%,且0≤最值频率<50%,或者50%≤趋势频率<65%,且50%≤最值频率<65%,或者0≤趋势频率<50%,且65%≤最值频率<80%时,该监测测点的预警级别为四级;
当50%≤趋势频率<65%,且0≤最值频率<50%,或者0≤趋势频率<50%,且50%≤最值频率<65%,或者0≤趋势频率<50%,且0≤最值频率<50%时,该监测测点的预警级别为五级。
有益效果
与现有技术相比,本发明所提供的一种基于监测数据的辅助预警方法,通过对每个监测测点对应的监测数据进行分析处理,得到该监测测点的最值频率和趋势频率,再根据最值频率和趋势频率确定该监测测点的最终预警级别,能够根据监测数据快速地从成千上万个监测测点中找出可能的异常监测测点,并得到异常监测测点的预警级别,最后根据异常监测测点的预警级别,人工结合其他因素综合分析和判断最后的预警级别;所述辅助预警方法可以通过计算机程序来实现,操作简单,提高了预警判断效率;该方法无需设置限值和假定条件,且通过反映监测测点真实状况的监测数据得到监测测点的预警级别,提高了监测测点预警级别判断的正确性,能够应用于工程实践中,适用于所有工程安全监测领域,适用范围广泛,具有很好的实用价值。
附图说明
为了更清楚地说明本发明的技术方案,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个实施例,对于本领域普通技术人员来说,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是本发明实施例中辅助预警方法的流程图;
图2是本发明实施例中监测测点的变化曲线。
具体实施方式
下面结合本发明实施例中的附图,对本发明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。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
以水布垭水电站引张线式水平位移计的监测数据为例来说明本发明的辅助预警方法,监测频次为3~4次/月,如图1所示,具体步骤包括:
1、监测数据的预处理
从水平位移计获取对应监测测点的监测数据,根据监测数据绘制该监测测点的变化曲线(如图2所示),根据变化曲线剔除异常值和粗差,得到预处理后的监测数据,如下表1所示。异常值是指样本数据中的个别值,其数值明显偏离所属样本的其余监测值。粗差主要是由测量过程中某些意外事件或者不确定的意外因素所引起的,粗差的检测方法有选权迭代法和数据探测法,这两种方法均为现有技术。
表1 预处理后的监测数据
2、将经过预处理的监测数据按照时间先后顺序排列,根据监测数据的监测频次确定时间分割点,时间分割点之前的数据为历史监测数据,时间分割点之后的数据为近期监测数据。
根据监测数据的监测频次和工程经验确定时间分割点,监测频次越高,通过时间分割点得到的近期监测数据的跨度越小,监测频次越低,通过时间分割点得到的近期监测数据的跨度越大,例如监测频次为1~2次/日,得到的近期监测数据为近半个月及以上的监测数据;监测频次为1~2次/月,得到的近期监测数据为近半年及以上的监测数据,监测频次越高表明越关注近期监测数据的变化,监测频次越低,表明需关注更长时间序列的监测数据,通过时间分割点得到的近期监测数据样本数最少为15个样本,具体情况可以结合工程实际需要来调整样本数。本实施例中,以2005-6-5为时间分割点,则2004-9-4~2005-5-10为历史监测数据,2005-6-5~2005-10-18为近期监测数据,近期监测数据的样本数为16;大大降低了监测数据的处理量,提高了预警判断速度;近期监测数据相对于历史监测数据,更好地反映了监测测点的近况,对预测监测测点未来的发展方向具有更高的参考价值,保证了监测测点异常判断的准确性。
3、确定历史监测数据中的最大值和最小值,根据历史监测数据可知,最大值为1.8,最小值为-38.1。
4、将历史监测数据中的最大值和最小值分别与近期监测数据中的每个监测数据依次对比,如果近期监测数据中的监测数据大于历史监测数据的最大值,则最值计数递增变量加1,如果近期监测数据中的监测数据小于历史监测数据的最小值,则最值计数递减变量加1。
历史监测数据的最大值为1.8,历史监测数据的最小值为-38.1,将1.8和-38.1分别与2005-6-5~2005-10-18中的数据依次对比,则可以得到最值计数递增变量H max 为0(初始值为0),最值计数递减变量H min 为16(初始值为0)。
5、以近期监测数据中的第一个监测数据为初值,将近期监测数据中的其他监测数据依次与初值对比,如果当前监测数据大于初值,则趋势计数递增变量加1,且将当前监测数据赋给初值;如果当前监测数据小于初值,则趋势计数递减变量加1,且将当前监测数据赋给初值。
根据表1,初值为-40.6,-41.3与初值-40.6比较,-41.3<-40.6,趋势计数递增变量T pi 不变(初始值为0),趋势计数递减变量T dp 加1(初始值为0,现在为1),且将-41.3赋给初值,初值变为-41.3;
再将-43.3与初值-41.3比较,-43.3<-41.3,趋势计数递增变量T pi 不变(为0),趋势计数递减变量T dp 加1(为2),且将-43.3赋给初值,初值变为-43.3;依次类推,得到趋势计数递减变量T dp 为16。
6、将最值计数递增变量除以近期监测数据的样本数得到递增最值频率,将最值计数递减变量除以近期监测数据的样本数得到递减最值频率,递增最值频率或递减最值频率又称为最值频率。
可得:递增最值频率为f max = H max / n =0/16=0
递减最值频率为f min = H min / n=16/16=100%
7、将趋势计数递增变量除以近期监测数据的样本数得到递增趋势频率,将趋势计数递减变量除以近期监测数据的样本数得到递减趋势频率,递增趋势频率或递减趋势频率又称为趋势频率。
可得:递增趋势频率为f pi = T pi / n=0/16=0
递减趋势频率为f dp = T dp / n=16/16=100%
最值频率和趋势频率的计算非常简单,无需设置限值和假定条件,大大减少了制约因素的限制,降低了计算复杂度,提高了数据处理效率。
8、在进行预警级别判断时,将递增最值频率与递增趋势频率组合,递减最值频率与递减趋势频率组合,根据递增最值频率和递增趋势频率判断监测测点的预警级别,以及根据递减最值频率和递减趋势频率判断监测测量的预警级别,以两次判断的预警级别的最高级别作为该监测测点的最终预警级别,根据监测测点的最终预警级别达到辅助预警的目的,监测测点预警级别的判断标准如下表2所示:
表2 预警级别判断标准
预警级别判断标准是根据工程经验来划分的。递增趋势频率与递增最值频率组合,两者均为0,根据表2可知,预警级别为5(即五级,最低级别);递减趋势频率与递减最值频率组合,两者均为100%,根据表2可知,预警级别为1(即一级,最高级别),则以递减趋势频率与递减最值频率组合确定的一级为该监测测点的最终预警级别,快速地判断出该监测测点为异常监测测点,再由人工结合其他因素综合分析和判断最后的预警级别。
本发明的辅助预警方法可以通过计算机程序来实现,易编程,操作简单,能够快速地从成千上万个监测测点中找出异常监测测点,提高了预警判断效率;该方法无需设置限值,且通过反映监测测点真实状况的监测数据得到监测测点的预警级别,提高了监测测点预警级别判断的正确性,能够应用于工程实践中,适用于所有工程安全监测领域,适用范围广泛,具有很好的实用价值。
以上所揭露的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,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或变型,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于监测数据的辅助预警方法,其特征在于,包括以下步骤:
步骤1:获取监测测点的监测数据,对监测数据进行预处理;
步骤2:将经过预处理的监测数据按照时间先后顺序排列,根据所述监测数据的监测频次确定时间分割点,所述时间分割点之前的数据为历史监测数据,时间分割点之后的数据为近期监测数据;
步骤3:确定历史监测数据中的最大值和最小值;
步骤4:将所述历史监测数据中的最大值和最小值分别与近期监测数据中的每个监测数据依次对比,如果近期监测数据中的监测数据大于历史监测数据的最大值,则最值计数递增变量加1,如果近期监测数据中的监测数据小于历史监测数据的最小值,则最值计数递减变量加1;
步骤5:以近期监测数据中的第一个监测数据为初值,将近期监测数据中的其他监测数据依次与所述初值对比,如果当前监测数据大于初值,则趋势计数递增变量加1,且将当前监测数据赋给初值;如果当前监测数据小于初值,则趋势计数递减变量加1,且将当前监测数据赋给初值;
步骤6:根据所述最值计数递增变量和近期监测数据的样本数得到递增最值频率,根据所述最值计数递减变量和近期监测数据的样本数得到递减最值频率,所述递增最值频率或递减最值频率又称为最值频率;
步骤7:根据所述趋势计数递增变量和近期监测数据的样本数得到递增趋势频率,根据所述趋势计数递减变量和近期监测数据的样本数得到递减趋势频率,所述递增趋势频率或递减趋势频率又称为趋势频率;
步骤8:根据递增最值频率和递增趋势频率判断监测测点的预警级别,以及根据递减最值频率和递减趋势频率判断监测测量的预警级别,以两次判断的预警级别的最高级别作为该监测测点的最终预警级别,根据监测测点的最终预警级别实现辅助预警的目的。
2.如权利要求1所述的辅助预警方法,其特征在于:所述步骤1中,根据监测测点的监测数据绘制每个监测测点的变化曲线,根据变化曲线剔除异常值和粗差。
3.如权利要求1所述的辅助预警方法,其特征在于:所述步骤6中,递增最值频率和递减最值频率的计算表达式分别为:
f max = H max / n
f min = H min / n
其中,f max 为递增最值频率,f min 为递减最值频率,H max 为最值计数递增变量,n为近期监测数据的样本数,H min 为最值计数递减变量。
4.如权利要求1所述的辅助预警方法,其特征在于:所述步骤7中,递增趋势频率和递减趋势频率的计算表达式分别为:
f pi = T pi / n
f dp = T dp / n
其中,f pi 为递增趋势频率,f dp 为递减趋势频率,T pi 为趋势计数递增变量,T dp 为趋势计数递减变量,n为近期监测数据的样本数。
5.如权利要求1所述的辅助预警方法,其特征在于:所述步骤8中,预警级别的判断标准为:
当80%≤趋势频率≤100%,且80%≤最值频率≤100%,或者65%≤趋势频率<80%,且80%≤最值频率≤100%时,该监测测点的预警级别为一级;
当80%≤趋势频率≤100%,且65%≤最值频率<80%,或者65%≤趋势频率<80%,且65%≤最值频率<80%,或者50%≤趋势频率<65%,且80%≤最值频率≤100%时,该监测测点的预警级别为二级;
当80%≤趋势频率≤100%,且50%≤最值频率<65%,或者65%≤趋势频率<80%,且50%≤最值频率<65%,或者50%≤趋势频率<65%,且65%≤最值频率<80%,或者0≤趋势频率<50%,且80%≤最值频率≤100%时,该监测测点的预警级别为三级;
当80%≤趋势频率≤100%,且0≤最值频率<50%,或者65%≤趋势频率<80%,且0≤最值频率<50%,或者50%≤趋势频率<65%,且50%≤最值频率<65%,或者0≤趋势频率<50%,且65%≤最值频率<80%时,该监测测点的预警级别为四级;
当50%≤趋势频率<65%,且0≤最值频率<50%,或者0≤趋势频率<50%,且50%≤最值频率<65%,或者0≤趋势频率<50%,且0≤最值频率<50%时,该监测测点的预警级别为五级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010216871.2A CN111414584B (zh) | 2020-03-25 | 2020-03-25 | 一种基于监测数据的辅助预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010216871.2A CN111414584B (zh) | 2020-03-25 | 2020-03-25 | 一种基于监测数据的辅助预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111414584A CN111414584A (zh) | 2020-07-14 |
CN111414584B true CN111414584B (zh) | 2023-01-31 |
Family
ID=71493261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010216871.2A Active CN111414584B (zh) | 2020-03-25 | 2020-03-25 | 一种基于监测数据的辅助预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111414584B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112017409A (zh) * | 2020-08-25 | 2020-12-01 | 西安因联信息科技有限公司 | 一种机械设备振动短时增长幅度的趋势预警方法 |
CN112525336B (zh) * | 2020-11-18 | 2023-06-27 | 西安因联信息科技有限公司 | 一种机械设备振动连续增长的自动化检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106405280A (zh) * | 2016-08-29 | 2017-02-15 | 许继集团有限公司 | 一种智能变电站在线监测参数趋势预警方法 |
CN108548896A (zh) * | 2018-04-10 | 2018-09-18 | 安阳师范学院 | 一种地理环境防护警示系统 |
-
2020
- 2020-03-25 CN CN202010216871.2A patent/CN111414584B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106405280A (zh) * | 2016-08-29 | 2017-02-15 | 许继集团有限公司 | 一种智能变电站在线监测参数趋势预警方法 |
CN108548896A (zh) * | 2018-04-10 | 2018-09-18 | 安阳师范学院 | 一种地理环境防护警示系统 |
Non-Patent Citations (1)
Title |
---|
龙江水电站枢纽工程大坝预警系统建立及指标拟定;毕朝达等;《水利信息化》;20170225(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111414584A (zh) | 2020-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111414584B (zh) | 一种基于监测数据的辅助预警方法 | |
CN112417788A (zh) | 基于大数据的水环境污染分析系统及方法 | |
CN111553003B (zh) | 基于数据驱动的可视化大跨斜拉桥拉索评估方法 | |
CN112231621B (zh) | 基于BP-adaboost降低元素检出限的方法 | |
CN110175353A (zh) | 电梯运行指标趋势分析方法 | |
CN111525615B (zh) | 一种基于保证率的山地光伏电站出力特性评估方法及系统 | |
CN110929359A (zh) | 基于pnn神经网络和swmm技术的管网淤积风险预测建模方法 | |
CN112325967A (zh) | 智能化物联网水表工作状态预警方法及系统 | |
CN112100713A (zh) | 一种基于变间距栅格的索力自动识别方法 | |
CN109783934A (zh) | 一种基于h-adcp的断面平均流速拟合率定方法 | |
CN110070220A (zh) | 一种基于神经网络算法的氨氮指标软测量方法 | |
WO2022100236A1 (zh) | 一种用于荧光强度峰检测的方法 | |
CN116432123A (zh) | 一种基于cart决策树算法的电能表故障预警方法 | |
CN115854999A (zh) | 基于场景自适应的h-adcp断面平均流速自校正方法 | |
CN112329272B (zh) | 综合光伏组件退化和寿命数据的剩余寿命拟合预测方法 | |
CN115355939B (zh) | 城市排水管网的淤积分析方法及平台、信息控制中心设备 | |
CN112836860A (zh) | 确定压裂井产量递减阶段全周期内动态产量方法、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 | |
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 | |
CN108519073B (zh) | 一种采用静力水准判定运营地铁隧道变形的方法 | |
CN110907984A (zh) | 一种基于自回归移动平均模型的震前红外长波辐射异常信息探测方法 | |
CN110705924B (zh) | 一种基于风向扇区的测风塔测风数据处理方法及装置 | |
CN114842921A (zh) | 基于线性回归和决策树模型的市政污水除磷药剂投加方法 | |
CN114705908A (zh) | 一种智能电表状态监测装置及其使用方法 | |
CN115267950A (zh) | 一种初期雨水量化方法、装置、存储介质及电子设备 |
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 |