CN111738038A - 一种基于智慧城市的地下综合管廊裂缝防渗水处理方法 - Google Patents
一种基于智慧城市的地下综合管廊裂缝防渗水处理方法 Download PDFInfo
- Publication number
- CN111738038A CN111738038A CN201910284092.3A CN201910284092A CN111738038A CN 111738038 A CN111738038 A CN 111738038A CN 201910284092 A CN201910284092 A CN 201910284092A CN 111738038 A CN111738038 A CN 111738038A
- Authority
- CN
- China
- Prior art keywords
- crack
- equipment
- disaster
- pipe gallery
- signal
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 28
- 230000002265 prevention Effects 0.000 title claims abstract description 24
- 238000012502 risk assessment Methods 0.000 claims abstract description 30
- 239000012530 fluid Substances 0.000 claims abstract description 28
- 230000000694 effects Effects 0.000 claims abstract description 6
- 230000035935 pregnancy Effects 0.000 claims abstract description 5
- 230000009467 reduction Effects 0.000 claims abstract description 5
- 102100026758 Serine/threonine-protein kinase 16 Human genes 0.000 claims description 35
- 101710184778 Serine/threonine-protein kinase 16 Proteins 0.000 claims description 35
- 238000001514 detection method Methods 0.000 claims description 34
- 238000004140 cleaning Methods 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 22
- 238000005070 sampling Methods 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000010438 heat treatment Methods 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 16
- 238000012423 maintenance Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 9
- 230000001360 synchronised effect Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 229910000831 Steel Inorganic materials 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 6
- 238000004080 punching Methods 0.000 claims description 6
- 239000004576 sand Substances 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 239000010959 steel Substances 0.000 claims description 6
- 239000002002 slurry Substances 0.000 claims description 5
- 239000000654 additive Substances 0.000 claims description 4
- 230000000996 additive effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000012668 chain scission Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000005553 drilling Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000010845 search algorithm Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims 2
- 239000003673 groundwater Substances 0.000 claims 1
- 230000007246 mechanism Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 3
- 241001211590 Lanelater Species 0.000 description 2
- 230000001808 coupling effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明属于管廊裂缝防渗技术领域，公开了一种基于智慧城市的地下综合管廊裂缝防渗水处理方法，基于智慧城市的地下综合管廊裂缝防渗水处理系统包括供电设备、管廊裂缝图像采集设备、主控设备、裂缝识别设备、清理设备、灌浆设备、加热设备、电钻设备、管廊风险评估设备、显示设备。本发明解决了现有技术中裂缝识别精度低，不能识别裂缝流体的问题，从而达到了有效提高裂缝识别精度和对裂缝流体进行定量识别的技术效果；同时，通过管廊风险评估设备能够根据综合管廊内多种潜在灾害的演化规律构建综合管廊灾害链贝叶斯网络模型，预测管廊各灾害发生的概率和评估管廊损失程度，提出有效的综合管廊孕源断链减灾机制与措施。
Description
技术领域
本发明属于管廊裂缝防渗技术领域，尤其涉及一种基于智慧城市的地下综合管廊裂缝防渗水处理方法。
背景技术
综合管廊就是地下城市管道综合走廊，即在城市地下建造一个隧道空间，将电力、通信，燃气、供热、给排水等各种工程管线集于一体，设有专门的检修口、吊装口和监测系统，实施统一规划、统一设计、统一建设和管理，是保障城市运行的重要基础设施和“生命线”。然而，现有地下城市管道综合走廊裂缝识别，往往存在预测精度不高且不能对裂缝流体进行定量识别的技术问题；同时，现有对管廊气体泄漏、火灾等单一灾种角度进行风险分析评估，忽略其潜在的灾害事件之间的耦合效应，会给管廊后期运营管理带来更多问题。
综上所述，现有技术存在的问题是：现有地下城市管道综合走廊裂缝识别，往往存在预测精度不高且不能对裂缝流体进行定量识别的技术问题；同时，现有对管廊气体泄漏、火灾等单一灾种角度进行风险分析评估，忽略其潜在的灾害事件之间的耦合效应，会给管廊后期运营管理带来更多问题。
发明内容
针对现有技术存在的问题，本发明提供了一种基于智慧城市的地下综合管廊裂缝防渗水处理方法。
本发明是这样实现的，一种基于智慧城市的地下综合管廊裂缝防渗水处理方法，所述基于智慧城市的地下综合管廊裂缝防渗水处理方法包括以下步骤：
步骤一，通过供电设备为地下综合管廊裂缝防渗水处理设备进行供电；通过管廊裂缝图像采集设备利用摄像器采集地下综合管廊裂缝图像数据；
步骤二，主控设备通过裂缝识别设备利用识别程序对管廊裂缝进行识别；采用多进制数字相位调制MPSK调制方式，通过包含频偏的加性高斯白噪声AWGN信道；在主控设备完全理想、裂缝前后噪声功率不变的条件下，接收的MPSK信号rk表示为：
式中，A为信号幅度，在一个裂缝帧内为未知常数；fo为载波频偏，在一个裂缝帧内为未知常数；Ts为采样周期，foTs为归一化的载波频率偏移；an为QPSK调制数据；θ0为相偏，在一个裂缝帧内为未知常数；g发送脉冲与接收匹配滤波器脉冲函数的乘积；nk为复高斯白噪声，服从N(0,σ2)分布；ε＝0时定时完全同步，否则定时未同步；k为时间序号，N为过采样倍数；rk有10dB的动态范围；所述低信噪比短前导裂缝信号的解调方法主要任务是从rk中恢复出发送数据；
主控设备的裂缝信号检测模块实时检测接收信号中是否含有MPSK信号，若有MPSK信号，则给出MPSK信号的初始和结束位置；
粗频率同步与时间同步模块根据所述裂缝信号的前导头以及MPSK信号的初始位置实现信号的时间同步点跟踪和粗频偏校正；
信号依次通过定时同步模块和细频率同步模块，分别实现采样定时同步和细频偏补偿与相偏校正；
通过解相位模糊与解映射模块，完成解相位模糊和比特解码；最终获得管廊裂缝数据；
步骤三，通过清理设备利用清理机清理地下综合管廊裂缝杂物；通过灌浆设备利用灌浆机对地下综合管廊裂缝中灌入固化浆料；
步骤四，通过加热设备利用加热器对灌入的固化材料进行加热固化；通过电钻设备利用电钻机对裂缝区域打孔安装钢板进行封装；
步骤五，通过管廊风险评估设备利用评估程序对管廊风险进行评估；
步骤六，通过显示设备利用显示器显示采集的地下综合管廊裂缝图像数据。
进一步，裂缝识别方法包括：
(1)获取n个方位的偏移距道集；根据层速度将所述n个方位的偏移距道集转化为n个方位的角道集，其中，n为大于等于4的正整数；
(2)将所述n个方位的角道集按照预设分角度范围叠加，得到所述n个方位的角道集中每个方位的分角度叠加数据；
(3)根据所述n个方位的角道集中每个方位的分角度叠加数据，求解得到裂缝密度、裂缝方位角和各向异性参数；
(4)根据所述裂缝密度和所述各向异性参数，求解得到裂缝流体指示因子；根据所述裂缝密度和所述裂缝方位角识别裂缝，根据所述裂缝流体指示因子识别裂缝内的裂缝流体类型；
其中，所述根据所述n个方位的角道集中每个方位的分角度叠加数据，求解得到裂缝密度、裂缝方位角和各向异性参数，包括：
(5)根据所述n个方位的角道集中每个方位的分角度叠加数据，求解得到第一待反演数据和第二待反演数据；根据所述第一待反演数据，求解得到裂缝方位角和裂缝密度；根据所述裂缝方位角和所述第二待反演数据，求解得到各向异性参数。
进一步，所述根据所述裂缝密度和所述裂缝方位角识别裂缝，根据所述裂缝流体指示因子识别裂缝内的裂缝流体类型，包括：
根据所述裂缝密度识别裂缝的密度；
根据所述裂缝方位角识别裂缝的方位；
根据所述裂缝流体指示因子定量识别裂缝内的裂缝流体类型。
进一步，所述将所述n个方位的角道集按照预设分角度范围叠加，得到所述n个方位的角道集中每个方位的分角度叠加数据，包括：
将所述n个方位的角道集中每个方位的角度范围等分为多个分角度范围；
将所述n个方位的角道集中每个方位的角道集按照所述分角度范围进行叠加，得到所述n个方位的角道集中每个方位的分角度叠加数据。
进一步，所述管廊风险评估方法包括：
1)根据综合管廊运维监测风险数据确定综合管廊的风险评估参数，所述运维监测风险数据包括综合管廊运维期间发生的报警事件或灾害事件所对应的环境监测数据及发生的频数；
2)根据所述风险评估参数构建综合管廊灾害链的贝叶斯网络模型；
3)根据所述贝叶斯网络模型进行综合管廊灾害链的风险评估；
4)根据评估结果实施相应的孕源断链减灾措施。
进一步，所述根据综合管廊运维监测风险数据确定综合管廊的风险评估参数包括：
确定综合管廊灾害风险评估单元；
对风险评估单元进行风险数据的收集，所述风险数据包括综合管廊运维期间发生的报警事件或灾害事件所对应的环境监测数据及发生的频数；
根据采集的风险数据和致灾因素选定致灾因子和相应承灾体。
进一步，所述根据所述风险评估参数构建综合管廊灾害链的贝叶斯网络模型包括：
根据选定的致灾因子和承灾体确定各灾害的耦合关系；
根据各灾害的耦合关系确定灾害演化规律并形成综合管廊的灾害链；
根据形成的灾害链构建贝叶斯网络模型。
进一步，所述根据所述贝叶斯网络模型进行综合管廊灾害链的风险评估包括：
在由n个灾害节点构成的贝叶斯网络模型中，任意节点i共有m个父节点对其造成影响，则整个灾害链风险R的评估模式可由以下公式计算得出：
其中，n>0，1≤i≤n，1≤m<i，且n、i和m均为自然数；
L(j→i)l为在父节点j的作用下子节点i的灾害损失等级，其中，1≤j≤m，且j为自然数；所述灾害损失等级共有k级，其中，k>0，且k为自然数；
P(j→i)l为在父节点j的作用下子节点i的灾害损失等级所对应的概率。
进一步，述低信噪比短前导裂缝信号的解调方法具体包括以下步骤：
首先裂缝信号检测算法实时检测接收信号rk中是否含有MPSK信号，若有MPSK信号，则给出MPSK信号的粗初始位置ks和粗结束位置ke；裂缝检测算法采用无数据辅助的能量检测法；取Ls个符号的接收信号中Lb个符号作为能量检测法的窗长，构造裂缝信号检测的判决统计量为：
当Lb个符号不含发送的数据时，Y(i)服从参数为(2Lb，0)的非中心卡方分布，也就是服从参数为2Lb的中心卡方分布；当Lb个符号全部含有发送数据时，Y(i)服从参数为(2Lb，2LbA2/σ2)的非中心卡方分布；当个符号含有m个发送数据时，Y(i)服从参数为(2Lb，2mA2/σ2)的非中心卡方分布；据此，建立二元检验模型如下：
按照上式可知漏检率相同情况下，Lb越大，虚警概率越低，根据实际裂缝通信系统的技术需求可选择不同的Lb；
能量检测法亦可估计裂缝信号的起始时刻位置；由上述检测原理可知起始时刻位置的概率等价为判决量大于判决门限的概率，令D为裂缝信号起始时刻位置的随机变量，则D的概率分布函数写为：
根据上式可计算出能量检测法信号起始位置估计为有偏估计，信噪比取2dB～12dB、Lb＝90符号时，起始位置估计值±28符号范围之外的概率Pa为4×10-6；最终裂缝信号的粗初始位置ks和粗结束位置ke以(1-Pa)的概率在56符号范围以内；
其次粗频率同步与时间同步算法根据所述裂缝信号的前导头以及MPSK信号的初始位置实现信号的时间同步点跟踪和粗频偏校正；采用的主要算法为互相关和频率搜索算法；丢帧率与载波频偏、Ls都有很大关系，若取Ls＝120符号大于上述的56×2符号，载波频偏在±30kHz内服从均匀分布，故对频偏引起的漏检率取统计平均后表明，频率搜索间隔10kHz时，Pb＝4.6×10-5，结合Pa＝4×10-6，丢帧率为Pa+Pb＝5×10-5，满足设计指标1×10-4的要求，时间同步点跟踪精度小于1个调制符号，频偏粗校正的精度达到修正克拉美罗界MCRB；
然后信号依次通过定时同步模块和细频率同步模块，分别实现采样定时同步和细频偏补偿与相偏校正；考虑到信号的裂缝性和较短的前导码，故估计定时误差估计部分采用基于前馈和无数据辅助的算法提取信号的定时误差，即采用O&M算法；经过裂缝检测和频偏粗校正之后的基带复信号为r(n),定时误差为
每符号采样点数为N，则O&M算法估计的定时误差可用下式表示：
式中n为采样时刻序号，L为符号数目，n和k为定时同步前后采样时刻序号；利用全部接收信号的信息进行非数据辅助的载波频偏细估计，按照非线性变换估计法，载波粗估计后的载波频偏细估计的表达式表示为：
式中，H(f0)＝DFT[(r(k))M],r(k)为经过定时同步后的接收信号，DFT表示离散傅里叶变换；由于离散傅里叶变换由快速傅里叶变换实现，而其变换点数受帧长度影响，故当帧长较短时栅栏效应显著，仍需采用频率估计细化算法进一步降低估计误差；引入Rife算法，记H(f0)最大谱线为H(n0)，次大谱线记为H(n0+d)，则Rife算法所得到的频率估计值如下式所示：
其中，当|H(n0+1)|＜|H(n0-1)时，d＝-1，反之，d＝1；
最后通过解相位模糊与解映射模块，完成解相位模糊和比特解码；采用MPSK调制可采用独特字来消除相位模糊，主要算法是将信号相位分别旋转2q×pi/M(q＝0、1、…M-1)与前导码做互相关运算，比较找到最大值，从而确定相位模糊值为多少，然后再进行相应修正。
本发明的另一目的在于提供一种基于智慧城市的地下综合管廊裂缝防渗水处理系统包括：
供电设备，与主控设备连接，用于为地下综合管廊裂缝防渗水处理设备进行供电；
管廊裂缝图像采集设备，与主控设备连接，用于通过摄像器采集地下综合管廊裂缝图像数据；
主控设备，与供电设备、管廊裂缝图像采集设备、裂缝识别设备、清理设备、灌浆设备、加热设备、电钻设备、管廊风险评估设备、显示设备连接，用于通过单片机控制各个设备正常工作；
裂缝识别设备，与主控设备连接，用于通过识别程序对管廊裂缝进行识别；
清理设备，与主控设备连接，用于通过清理机清理地下综合管廊裂缝杂物；
灌浆设备，与主控设备连接，用于通过灌浆机对地下综合管廊裂缝中灌入固化浆料；
加热设备，与主控设备连接，用于通过加热器对灌入的固化材料进行加热固化；
电钻设备，与主控设备连接，用于通过电钻机对裂缝区域打孔安装钢板进行封装；
管廊风险评估设备，与主控设备连接，用于通过评估程序对管廊风险进行评估；
显示设备，与主控设备连接，用于通过显示器显示采集的地下综合管廊裂缝图像数据。
本发明的优点及积极效果为：本发明通过裂缝识别设备考虑到裂缝的存在使得储层具有方位各向异性特性，因此通过基于三项Rüger反射系数方程的叠前分步方位AVO方法，求解得到裂缝密度、裂缝方位角和各向异性参数，利用这些数据便可以实现对裂缝的高精度识别和对裂缝流体的定量识别，从而解决了现有技术中裂缝识别精度低，不能识别裂缝流体的问题，从而达到了有效提高裂缝识别精度和对裂缝流体进行定量识别的技术效果；同时，通过管廊风险评估设备能够根据综合管廊内多种潜在灾害的演化规律构建综合管廊灾害链贝叶斯网络模型，预测管廊各灾害发生的概率和评估管廊损失程度，从而提出科学有效的综合管廊孕源断链减灾机制与措施。
本发明主控设备通过裂缝识别设备利用识别程序对管廊裂缝进行识别；采用多进制数字相位调制MPSK调制方式，通过包含频偏的加性高斯白噪声AWGN信道；在主控设备完全理想、裂缝前后噪声功率不变的条件下，接收的MPSK信号rk表示为：
式中，A为信号幅度，在一个裂缝帧内为未知常数；fo为载波频偏，在一个裂缝帧内为未知常数；Ts为采样周期，foTs为归一化的载波频率偏移；an为QPSK调制数据；θ0为相偏，在一个裂缝帧内为未知常数；g发送脉冲与接收匹配滤波器脉冲函数的乘积；nk为复高斯白噪声，服从N(0,σ2)分布；ε＝0时定时完全同步，否则定时未同步；k为时间序号，N为过采样倍数；rk有10dB的动态范围；所述低信噪比短前导裂缝信号的解调方法主要任务是从rk中恢复出发送数据；主控设备的裂缝信号检测模块实时检测接收信号中是否含有MPSK信号，若有MPSK信号，则给出MPSK信号的初始和结束位置；粗频率同步与时间同步模块根据所述裂缝信号的前导头以及MPSK信号的初始位置实现信号的时间同步点跟踪和粗频偏校正；信号依次通过定时同步模块和细频率同步模块，分别实现采样定时同步和细频偏补偿与相偏校正；通过解相位模糊与解映射模块，完成解相位模糊和比特解码；最终获得管廊裂缝数据。
附图说明
图1是本发明实施例提供的基于智慧城市的地下综合管廊裂缝防渗水处理方法流程图。
图2是本发明实施例提供的基于智慧城市的地下综合管廊裂缝防渗水系统结构框图。
图2中：1、供电设备；2、管廊裂缝图像采集设备；3、主控设备；4、裂缝识别设备；5、清理设备；6、灌浆设备；7、加热设备；8、电钻设备；9、管廊风险评估设备；10、显示设备。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明包括。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明提供的基于智慧城市的地下综合管廊裂缝防渗水处理方法包括以下步骤：
步骤S101，通过供电设备为地下综合管廊裂缝防渗水处理设备进行供电；通过管廊裂缝图像采集设备利用摄像器采集地下综合管廊裂缝图像数据；
步骤S102，主控设备通过裂缝识别设备利用识别程序对管廊裂缝进行识别；
步骤S103，通过清理设备利用清理机清理地下综合管廊裂缝杂物；通过灌浆设备利用灌浆机对地下综合管廊裂缝中灌入固化浆料；
步骤S104，通过加热设备利用加热器对灌入的固化材料进行加热固化；通过电钻设备利用电钻机对裂缝区域打孔安装钢板进行封装；
步骤S105，通过管廊风险评估设备利用评估程序对管廊风险进行评估；
步骤S106，通过显示设备利用显示器显示采集的地下综合管廊裂缝图像数据。
如图2所示，本发明实施例提供的基于智慧城市的地下综合管廊裂缝防渗水系统包括：供电设备1、管廊裂缝图像采集设备2、主控设备3、裂缝识别设备4、清理设备5、灌浆设备6、加热设备7、电钻设备8、管廊风险评估设备9、显示设备10。
供电设备1，与主控设备3连接，用于为地下综合管廊裂缝防渗水处理设备进行供电。
管廊裂缝图像采集设备2，与主控设备3连接，用于通过摄像器采集地下综合管廊裂缝图像数据。
主控设备3，与供电设备1、管廊裂缝图像采集设备2、裂缝识别设备4、清理设备5、灌浆设备6、加热设备7、电钻设备8、管廊风险评估设备9、显示设备10连接，用于通过单片机控制各个设备正常工作。
裂缝识别设备4，与主控设备3连接，用于通过识别程序对管廊裂缝进行识别。
清理设备5，与主控设备3连接，用于通过清理机清理地下综合管廊裂缝杂物。
灌浆设备6，与主控设备3连接，用于通过灌浆机对地下综合管廊裂缝中灌入固化浆料。
加热设备7，与主控设备3连接，用于通过加热器对灌入的固化材料进行加热固化。
电钻设备8，与主控设备3连接，用于通过电钻机对裂缝区域打孔安装钢板进行封装。
管廊风险评估设备9，与主控设备3连接，用于通过评估程序对管廊风险进行评估。
显示设备10，与主控设备3连接，用于通过显示器显示采集的地下综合管廊裂缝图像数据。
本发明提供的裂缝识别设备4识别方法包括：
(1)获取n个方位的偏移距道集；根据层速度将所述n个方位的偏移距道集转化为n个方位的角道集，其中，n为大于等于4的正整数；
(2)将所述n个方位的角道集按照预设分角度范围叠加，得到所述n个方位的角道集中每个方位的分角度叠加数据；
(3)根据所述n个方位的角道集中每个方位的分角度叠加数据，求解得到裂缝密度、裂缝方位角和各向异性参数；
(4)根据所述裂缝密度和所述各向异性参数，求解得到裂缝流体指示因子；根据所述裂缝密度和所述裂缝方位角识别裂缝，根据所述裂缝流体指示因子识别裂缝内的裂缝流体类型；
其中，所述根据所述n个方位的角道集中每个方位的分角度叠加数据，求解得到裂缝密度、裂缝方位角和各向异性参数，包括：
(5)根据所述n个方位的角道集中每个方位的分角度叠加数据，求解得到第一待反演数据和第二待反演数据；根据所述第一待反演数据，求解得到裂缝方位角和裂缝密度；根据所述裂缝方位角和所述第二待反演数据，求解得到各向异性参数。
本发明提供的根据所述裂缝密度和所述裂缝方位角识别裂缝，根据所述裂缝流体指示因子识别裂缝内的裂缝流体类型，包括：
根据所述裂缝密度识别裂缝的密度；
根据所述裂缝方位角识别裂缝的方位；
根据所述裂缝流体指示因子定量识别裂缝内的裂缝流体类型。
本发明提供的将所述n个方位的角道集按照预设分角度范围叠加，得到所述n个方位的角道集中每个方位的分角度叠加数据，包括：
将所述n个方位的角道集中每个方位的角度范围等分为多个分角度范围；
将所述n个方位的角道集中每个方位的角道集按照所述分角度范围进行叠加，得到所述n个方位的角道集中每个方位的分角度叠加数据。
本发明提供的管廊风险评估设备9评估方法包括：
1)根据综合管廊运维监测风险数据确定综合管廊的风险评估参数，所述运维监测风险数据包括综合管廊运维期间发生的报警事件或灾害事件所对应的环境监测数据及发生的频数；
2)根据所述风险评估参数构建综合管廊灾害链的贝叶斯网络模型；
3)根据所述贝叶斯网络模型进行综合管廊灾害链的风险评估；
4)根据评估结果实施相应的孕源断链减灾措施。
本发明提供的根据综合管廊运维监测风险数据确定综合管廊的风险评估参数包括：
确定综合管廊灾害风险评估单元；
对风险评估单元进行风险数据的收集，所述风险数据包括综合管廊运维期间发生的报警事件或灾害事件所对应的环境监测数据及发生的频数；
根据采集的风险数据和致灾因素选定致灾因子和相应承灾体。
本发明提供的根据所述风险评估参数构建综合管廊灾害链的贝叶斯网络模型包括：
根据选定的致灾因子和承灾体确定各灾害的耦合关系；
根据各灾害的耦合关系确定灾害演化规律并形成综合管廊的灾害链；
根据形成的灾害链构建贝叶斯网络模型。
本发明提供的根据所述贝叶斯网络模型进行综合管廊灾害链的风险评估包括：
在由n个灾害节点构成的贝叶斯网络模型中，任意节点i共有m个父节点对其造成影响，则整个灾害链风险R的评估模式可由以下公式计算得出：
其中，n>0，1≤i≤n，1≤m<i，且n、i和m均为自然数；
L(j→i)l为在父节点j的作用下子节点i的灾害损失等级，其中，1≤j≤m，且j为自然数；所述灾害损失等级共有k级，其中，k>0，且k为自然数；
P(j→i)l为在父节点j的作用下子节点i的灾害损失等级所对应的概率。
在本发明实施例中，主控设备通过裂缝识别设备利用识别程序对管廊裂缝进行识别；采用多进制数字相位调制MPSK调制方式，通过包含频偏的加性高斯白噪声AWGN信道；在主控设备完全理想、裂缝前后噪声功率不变的条件下，接收的MPSK信号rk表示为：
式中，A为信号幅度，在一个裂缝帧内为未知常数；fo为载波频偏，在一个裂缝帧内为未知常数；Ts为采样周期，foTs为归一化的载波频率偏移；an为QPSK调制数据；θ0为相偏，在一个裂缝帧内为未知常数；g发送脉冲与接收匹配滤波器脉冲函数的乘积；nk为复高斯白噪声，服从N(0,σ2)分布；ε＝0时定时完全同步，否则定时未同步；k为时间序号，N为过采样倍数；rk有10dB的动态范围；所述低信噪比短前导裂缝信号的解调方法主要任务是从rk中恢复出发送数据；主控设备的裂缝信号检测模块实时检测接收信号中是否含有MPSK信号，若有MPSK信号，则给出MPSK信号的初始和结束位置；粗频率同步与时间同步模块根据所述裂缝信号的前导头以及MPSK信号的初始位置实现信号的时间同步点跟踪和粗频偏校正；信号依次通过定时同步模块和细频率同步模块，分别实现采样定时同步和细频偏补偿与相偏校正；通过解相位模糊与解映射模块，完成解相位模糊和比特解码；最终获得管廊裂缝数据。
在本发明实施例中，低信噪比短前导裂缝信号的解调方法具体包括以下步骤：
首先裂缝信号检测算法实时检测接收信号rk中是否含有MPSK信号，若有MPSK信号，则给出MPSK信号的粗初始位置ks和粗结束位置ke；裂缝检测算法采用无数据辅助的能量检测法；取Ls个符号的接收信号中Lb个符号作为能量检测法的窗长，构造裂缝信号检测的判决统计量为：
当Lb个符号不含发送的数据时，Y(i)服从参数为(2Lb，0)的非中心卡方分布，也就是服从参数为2Lb的中心卡方分布；当Lb个符号全部含有发送数据时，Y(i)服从参数为(2Lb，2LbA2/σ2)的非中心卡方分布；当个符号含有m个发送数据时，Y(i)服从参数为(2Lb，2mA2/σ2)的非中心卡方分布；据此，建立二元检验模型如下：
按照上式可知漏检率相同情况下，Lb越大，虚警概率越低，根据实际裂缝通信系统的技术需求可选择不同的Lb；
能量检测法亦可估计裂缝信号的起始时刻位置；由上述检测原理可知起始时刻位置的概率等价为判决量大于判决门限的概率，令D为裂缝信号起始时刻位置的随机变量，则D的概率分布函数写为：
根据上式可计算出能量检测法信号起始位置估计为有偏估计，信噪比取2dB～12dB、Lb＝90符号时，起始位置估计值±28符号范围之外的概率Pa为4×10-6；最终裂缝信号的粗初始位置ks和粗结束位置ke以(1-Pa)的概率在56符号范围以内；
其次粗频率同步与时间同步算法根据所述裂缝信号的前导头以及MPSK信号的初始位置实现信号的时间同步点跟踪和粗频偏校正；采用的主要算法为互相关和频率搜索算法；丢帧率与载波频偏、Ls都有很大关系，若取Ls＝120符号大于上述的56×2符号，载波频偏在±30kHz内服从均匀分布，故对频偏引起的漏检率取统计平均后表明，频率搜索间隔10kHz时，Pb＝4.6×10-5，结合Pa＝4×10-6，丢帧率为Pa+Pb＝5×10-5，满足设计指标1×10-4的要求，时间同步点跟踪精度小于1个调制符号，频偏粗校正的精度达到修正克拉美罗界MCRB；
然后信号依次通过定时同步模块和细频率同步模块，分别实现采样定时同步和细频偏补偿与相偏校正；考虑到信号的裂缝性和较短的前导码，故估计定时误差估计部分采用基于前馈和无数据辅助的算法提取信号的定时误差，即采用O&M算法；经过裂缝检测和频偏粗校正之后的基带复信号为r(n),定时误差为
每符号采样点数为N，则O&M算法估计的定时误差可用下式表示：
式中n为采样时刻序号，L为符号数目，n和k为定时同步前后采样时刻序号；利用全部接收信号的信息进行非数据辅助的载波频偏细估计，按照非线性变换估计法，载波粗估计后的载波频偏细估计的表达式表示为：
式中，H(f0)＝DFT[(r(k))M],r(k)为经过定时同步后的接收信号，DFT表示离散傅里叶变换；由于离散傅里叶变换由快速傅里叶变换实现，而其变换点数受帧长度影响，故当帧长较短时栅栏效应显著，仍需采用频率估计细化算法进一步降低估计误差；引入Rife算法，记H(f0)最大谱线为H(n0)，次大谱线记为H(n0+d)，则Rife算法所得到的频率估计值如下式所示：
其中，当|H(n0+1)|＜|H(n0-1)|时，d＝-1，反之，d＝1；
最后通过解相位模糊与解映射模块，完成解相位模糊和比特解码；采用MPSK调制可采用独特字来消除相位模糊，主要算法是将信号相位分别旋转2q×pi/M(q＝0、1、…M-1)与前导码做互相关运算，比较找到最大值，从而确定相位模糊值为多少，然后再进行相应修正。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。
Claims (10)
1.一种基于智慧城市的地下综合管廊裂缝防渗水处理方法，其特征在于，所述基于智慧城市的地下综合管廊裂缝防渗水处理方法包括以下步骤：
步骤一，通过供电设备为地下综合管廊裂缝防渗水处理设备进行供电；通过管廊裂缝图像采集设备利用摄像器采集地下综合管廊裂缝图像数据；
步骤二，主控设备通过裂缝识别设备利用识别程序对管廊裂缝进行识别；采用多进制数字相位调制MPSK调制方式，通过包含频偏的加性高斯白噪声AWGN信道；在主控设备完全理想、裂缝前后噪声功率不变的条件下，接收的MPSK信号rk表示为：
式中，A为信号幅度，在一个裂缝帧内为未知常数；fo为载波频偏，在一个裂缝帧内为未知常数；Ts为采样周期，foTs为归一化的载波频率偏移；an为QPSK调制数据；θ0为相偏，在一个裂缝帧内为未知常数；g发送脉冲与接收匹配滤波器脉冲函数的乘积；nk为复高斯白噪声，服从N(0,σ2)分布；ε＝0时定时完全同步，否则定时未同步；k为时间序号，N为过采样倍数；rk有10dB的动态范围；所述低信噪比短前导裂缝信号的解调方法主要任务是从rk中恢复出发送数据；
主控设备的裂缝信号检测模块实时检测接收信号中是否含有MPSK信号，若有MPSK信号，则给出MPSK信号的初始和结束位置；
粗频率同步与时间同步模块根据所述裂缝信号的前导头以及MPSK信号的初始位置实现信号的时间同步点跟踪和粗频偏校正；
信号依次通过定时同步模块和细频率同步模块，分别实现采样定时同步和细频偏补偿与相偏校正；
通过解相位模糊与解映射模块，完成解相位模糊和比特解码；最终获得管廊裂缝数据；
步骤三，通过清理设备利用清理机清理地下综合管廊裂缝杂物；通过灌浆设备利用灌浆机对地下综合管廊裂缝中灌入固化浆料；
步骤四，通过加热设备利用加热器对灌入的固化材料进行加热固化；通过电钻设备利用电钻机对裂缝区域打孔安装钢板进行封装；
步骤五，通过管廊风险评估设备利用评估程序对管廊风险进行评估；
步骤六，通过显示设备利用显示器显示采集的地下综合管廊裂缝图像数据。
2.如权利要求1所述基于智慧城市的地下综合管廊裂缝防渗水处理方法，其特征在于，裂缝识别方法包括：
(1)获取n个方位的偏移距道集；根据层速度将所述n个方位的偏移距道集转化为n个方位的角道集，其中，n为大于等于4的正整数；
(2)将所述n个方位的角道集按照预设分角度范围叠加，得到所述n个方位的角道集中每个方位的分角度叠加数据；
(3)根据所述n个方位的角道集中每个方位的分角度叠加数据，求解得到裂缝密度、裂缝方位角和各向异性参数；
(4)根据所述裂缝密度和所述各向异性参数，求解得到裂缝流体指示因子；根据所述裂缝密度和所述裂缝方位角识别裂缝，根据所述裂缝流体指示因子识别裂缝内的裂缝流体类型；
其中，所述根据所述n个方位的角道集中每个方位的分角度叠加数据，求解得到裂缝密度、裂缝方位角和各向异性参数，包括：
(5)根据所述n个方位的角道集中每个方位的分角度叠加数据，求解得到第一待反演数据和第二待反演数据；根据所述第一待反演数据，求解得到裂缝方位角和裂缝密度；根据所述裂缝方位角和所述第二待反演数据，求解得到各向异性参数。
3.如权利要求2所述基于智慧城市的地下综合管廊裂缝防渗水处理方法，其特征在于，所述根据所述裂缝密度和所述裂缝方位角识别裂缝，根据所述裂缝流体指示因子识别裂缝内的裂缝流体类型，包括：
根据所述裂缝密度识别裂缝的密度；
根据所述裂缝方位角识别裂缝的方位；
根据所述裂缝流体指示因子定量识别裂缝内的裂缝流体类型。
4.如权利要求2所述基于智慧城市的地下综合管廊裂缝防渗水处理方法，其特征在于，所述将所述n个方位的角道集按照预设分角度范围叠加，得到所述n个方位的角道集中每个方位的分角度叠加数据，包括：
将所述n个方位的角道集中每个方位的角度范围等分为多个分角度范围；
将所述n个方位的角道集中每个方位的角道集按照所述分角度范围进行叠加，得到所述n个方位的角道集中每个方位的分角度叠加数据。
5.如权利要求1所述基于智慧城市的地下综合管廊裂缝防渗水处理方法，其特征在于，所述管廊风险评估方法包括：
1)根据综合管廊运维监测风险数据确定综合管廊的风险评估参数，所述运维监测风险数据包括综合管廊运维期间发生的报警事件或灾害事件所对应的环境监测数据及发生的频数；
2)根据所述风险评估参数构建综合管廊灾害链的贝叶斯网络模型；
3)根据所述贝叶斯网络模型进行综合管廊灾害链的风险评估；
4)根据评估结果实施相应的孕源断链减灾措施。
6.如权利要求5所述基于智慧城市的地下综合管廊裂缝防渗水处理方法，其特征在于，所述根据综合管廊运维监测风险数据确定综合管廊的风险评估参数包括：
确定综合管廊灾害风险评估单元；
对风险评估单元进行风险数据的收集，所述风险数据包括综合管廊运维期间发生的报警事件或灾害事件所对应的环境监测数据及发生的频数；
根据采集的风险数据和致灾因素选定致灾因子和相应承灾体。
7.如权利要求6所述基于智慧城市的地下综合管廊裂缝防渗水处理方法，其特征在于，所述根据所述风险评估参数构建综合管廊灾害链的贝叶斯网络模型包括：
根据选定的致灾因子和承灾体确定各灾害的耦合关系；
根据各灾害的耦合关系确定灾害演化规律并形成综合管廊的灾害链；
根据形成的灾害链构建贝叶斯网络模型。
8.如权利要求7所述基于智慧城市的地下综合管廊裂缝防渗水处理方法，其特征在于，所述根据所述贝叶斯网络模型进行综合管廊灾害链的风险评估包括：
在由n个灾害节点构成的贝叶斯网络模型中，任意节点i共有m个父节点对其造成影响，则整个灾害链风险R的评估模式可由以下公式计算得出：
其中，n>0，1≤i≤n，1≤m<i，且n、i和m均为自然数；
L(j→i)l为在父节点j的作用下子节点i的灾害损失等级，其中，1≤j≤m，且j为自然数；所述灾害损失等级共有k级，其中，k>0，且k为自然数；
P(j→i)l为在父节点j的作用下子节点i的灾害损失等级所对应的概率。
9.如权利要求1所述基于智慧城市的地下综合管廊裂缝防渗水处理方法，其特征在于，述低信噪比短前导裂缝信号的解调方法具体包括以下步骤：
首先裂缝信号检测算法实时检测接收信号rk中是否含有MPSK信号，若有MPSK信号，则给出MPSK信号的粗初始位置ks和粗结束位置ke；裂缝检测算法采用无数据辅助的能量检测法；取Ls个符号的接收信号中Lb个符号作为能量检测法的窗长，构造裂缝信号检测的判决统计量为：
当Lb个符号不含发送的数据时，Y(i)服从参数为(2Lb，0)的非中心卡方分布，也就是服从参数为2Lb的中心卡方分布；当Lb个符号全部含有发送数据时，Y(i)服从参数为(2Lb，2LbA2/σ2)的非中心卡方分布；当个符号含有m个发送数据时，Y(i)服从参数为(2Lb，2mA2/σ2)的非中心卡方分布；据此，建立二元检验模型如下：
按照上式可知漏检率相同情况下，Lb越大，虚警概率越低，根据实际裂缝通信系统的技术需求可选择不同的Lb；
能量检测法亦可估计裂缝信号的起始时刻位置；由上述检测原理可知起始时刻位置的概率等价为判决量大于判决门限的概率，令D为裂缝信号起始时刻位置的随机变量，则D的概率分布函数写为：
根据上式可计算出能量检测法信号起始位置估计为有偏估计，信噪比取2dB～12dB、Lb＝90符号时，起始位置估计值±28符号范围之外的概率Pa为4×10-6；最终裂缝信号的粗初始位置ks和粗结束位置ke以(1-Pa)的概率在56符号范围以内；
其次粗频率同步与时间同步算法根据所述裂缝信号的前导头以及MPSK信号的初始位置实现信号的时间同步点跟踪和粗频偏校正；采用的主要算法为互相关和频率搜索算法；丢帧率与载波频偏、Ls都有很大关系，若取Ls＝120符号大于上述的56×2符号，载波频偏在±30kHz内服从均匀分布，故对频偏引起的漏检率取统计平均后表明，频率搜索间隔10kHz时，Pb＝4.6×10-5，结合Pa＝4×10-6，丢帧率为Pa+Pb＝5×10-5，满足设计指标1×10-4的要求，时间同步点跟踪精度小于1个调制符号，频偏粗校正的精度达到修正克拉美罗界MCRB；
然后信号依次通过定时同步模块和细频率同步模块，分别实现采样定时同步和细频偏补偿与相偏校正；考虑到信号的裂缝性和较短的前导码，故估计定时误差估计部分采用基于前馈和无数据辅助的算法提取信号的定时误差，即采用O&M算法；经过裂缝检测和频偏粗校正之后的基带复信号为r(n),定时误差为
每符号采样点数为N，则O&M算法估计的定时误差可用下式表示：
式中n为采样时刻序号，L为符号数目，n和k为定时同步前后采样时刻序号；利用全部接收信号的信息进行非数据辅助的载波频偏细估计，按照非线性变换估计法，载波粗估计后的载波频偏细估计的表达式表示为：
式中，H(f0)＝DFT[(r(k))M],r(k)为经过定时同步后的接收信号，DFT表示离散傅里叶变换；由于离散傅里叶变换由快速傅里叶变换实现，而其变换点数受帧长度影响，故当帧长较短时栅栏效应显著，仍需采用频率估计细化算法进一步降低估计误差；引入Rife算法，记H(f0)最大谱线为H(n0)，次大谱线记为H(n0+d)，则Rife算法所得到的频率估计值如下式所示：
其中，当|H(n0+1)|＜|H(n0-1)|时，d＝-1，反之，d＝1；
最后通过解相位模糊与解映射模块，完成解相位模糊和比特解码；采用MPSK调制可采用独特字来消除相位模糊，主要算法是将信号相位分别旋转2q×pi/M(q＝0、1、…M-1)与前导码做互相关运算，比较找到最大值，从而确定相位模糊值为多少，然后再进行相应修正。
10.一种如权利要求1所述基于智慧城市的地下综合管廊裂缝防渗水处理方法的基于智慧城市的地下综合管廊裂缝防渗水处理系统，其特征在于，所述基于智慧城市的地下综合管廊裂缝防渗水处理系统包括：
供电设备，与主控设备连接，用于为地下综合管廊裂缝防渗水处理设备进行供电；
管廊裂缝图像采集设备，与主控设备连接，用于通过摄像器采集地下综合管廊裂缝图像数据；
主控设备，与供电设备、管廊裂缝图像采集设备、裂缝识别设备、清理设备、灌浆设备、加热设备、电钻设备、管廊风险评估设备、显示设备连接，用于通过单片机控制各个设备正常工作；
裂缝识别设备，与主控设备连接，用于通过识别程序对管廊裂缝进行识别；
清理设备，与主控设备连接，用于通过清理机清理地下综合管廊裂缝杂物；
灌浆设备，与主控设备连接，用于通过灌浆机对地下综合管廊裂缝中灌入固化浆料；
加热设备，与主控设备连接，用于通过加热器对灌入的固化材料进行加热固化；
电钻设备，与主控设备连接，用于通过电钻机对裂缝区域打孔安装钢板进行封装；
管廊风险评估设备，与主控设备连接，用于通过评估程序对管廊风险进行评估；
显示设备，与主控设备连接，用于通过显示器显示采集的地下综合管廊裂缝图像数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910284092.3A CN111738038B (zh) | 2019-04-10 | 2019-04-10 | 一种基于智慧城市的地下综合管廊裂缝防渗水处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910284092.3A CN111738038B (zh) | 2019-04-10 | 2019-04-10 | 一种基于智慧城市的地下综合管廊裂缝防渗水处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111738038A true CN111738038A (zh) | 2020-10-02 |
| CN111738038B CN111738038B (zh) | 2024-04-09 |
Family
ID=72646249
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910284092.3A Active CN111738038B (zh) | 2019-04-10 | 2019-04-10 | 一种基于智慧城市的地下综合管廊裂缝防渗水处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111738038B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108062638A (zh) * | 2018-02-09 | 2018-05-22 | 国通广达（北京）技术有限公司 | 综合管廊灾害链风险评估方法 |
| CN108193709A (zh) * | 2018-01-02 | 2018-06-22 | 中建五局土木工程有限公司 | 地下综合管廊和地下综合管廊裂缝防渗水处理方法 |
| CN109253759A (zh) * | 2018-10-23 | 2019-01-22 | 上海电器科学研究所（集团）有限公司 | 一种基于光纤光栅的综合管廊健康监测系统 |
-
2019
- 2019-04-10 CN CN201910284092.3A patent/CN111738038B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108193709A (zh) * | 2018-01-02 | 2018-06-22 | 中建五局土木工程有限公司 | 地下综合管廊和地下综合管廊裂缝防渗水处理方法 |
| CN108062638A (zh) * | 2018-02-09 | 2018-05-22 | 国通广达（北京）技术有限公司 | 综合管廊灾害链风险评估方法 |
| CN109253759A (zh) * | 2018-10-23 | 2019-01-22 | 上海电器科学研究所（集团）有限公司 | 一种基于光纤光栅的综合管廊健康监测系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王述红;张泽;侯文帅;王斐笠;: "综合管廊多灾种耦合致灾风险评价方法", 东北大学学报(自然科学版), no. 06, 12 June 2018 (2018-06-12) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111738038B (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105243509A (zh) | 智慧城市智能水务系统 | |
| WO2021259009A1 (zh) | 深层污水排水隧道的调度运行方法、装置和计算机设备 | |
| CN103186134A (zh) | 基于物联网的循环水智能监控系统 | |
| CN105844858A (zh) | Gnss滑坡监测与预警系统 | |
| CN108278491A (zh) | 一种发现排水管网运行异常的方法以及系统 | |
| US20230117844A1 (en) | Method and system for extracting characteristic signal from power frequency signal and file management method therefor | |
| CN109930656A (zh) | 一种深基坑降水回灌自动化监测装置及监测方法 | |
| CN104406819A (zh) | 一种微洗井式地下水自动采样系统 | |
| CN104633455A (zh) | 智慧安全城市管网实时监测系统及方法 | |
| CN105485524A (zh) | 一种负压波管道泄漏监测系统和方法 | |
| Broadhead et al. | Finding lost streams and springs captured in combined sewers: a multiple lines of evidence approach | |
| CN106991795A (zh) | 监控终端、系统、方法及装置 | |
| CN104594451A (zh) | 一种新型供水管网防漏监控检测技术 | |
| CN105388500A (zh) | Cpfsk信号载波跟踪精度的提高方法 | |
| CN108614544A (zh) | 一种工业锅炉系统异常信号值监测方法及其系统 | |
| CN111738038A (zh) | 一种基于智慧城市的地下综合管廊裂缝防渗水处理方法 | |
| Sempere-Payá et al. | ICT as an enabler to smart water management | |
| Fan et al. | Cloud/Fog Computing System Architecture and Key Technologies for South‐North Water Transfer Project Safety | |
| CN111798529B (zh) | 基于图像识别的管网自由出流流量在线监测方法 | |
| CN117152935A (zh) | 基于流体三维动态模拟仿真的隧道洪涝预警系统和方法 | |
| CN108006440A (zh) | 分布式燃气泄漏检测系统 | |
| CN116007685B (zh) | 一种污水管网底泥沉积点位的智能识别方法及识别系统 | |
| CN115604657B (zh) | 一种煤矿井下人员定位方法 | |
| CN204256455U (zh) | 堆石坝填筑碾压轨迹实时监控系统 | |
| CN112503403A (zh) | 一种地下管网泄漏监测与定位系统及方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |