CN112381309A - 水库大坝安全监测预警方法、装置、系统及存储介质 - Google Patents

水库大坝安全监测预警方法、装置、系统及存储介质 Download PDF

Info

Publication number
CN112381309A
CN112381309A CN202011317918.0A CN202011317918A CN112381309A CN 112381309 A CN112381309 A CN 112381309A CN 202011317918 A CN202011317918 A CN 202011317918A CN 112381309 A CN112381309 A CN 112381309A
Authority
CN
China
Prior art keywords
data
dam
monitoring
safety
deformation
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
Application number
CN202011317918.0A
Other languages
English (en)
Other versions
CN112381309B (zh
Inventor
杨跃
范光伟
黄志怀
覃朝东
杨帅东
侯磊
张兵
张水平
张建平
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.)
Pearl River Hydraulic Research Institute of PRWRC
Original Assignee
Pearl River Hydraulic Research Institute of PRWRC
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 Pearl River Hydraulic Research Institute of PRWRC filed Critical Pearl River Hydraulic Research Institute of PRWRC
Priority to CN202011317918.0A priority Critical patent/CN112381309B/zh
Publication of CN112381309A publication Critical patent/CN112381309A/zh
Application granted granted Critical
Publication of CN112381309B publication Critical patent/CN112381309B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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"
    • 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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/35—Utilities, e.g. electricity, gas or water
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/20—Information sensed or collected by the things relating to the thing itself
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/50—Safety; Security of things, users, data or systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/60—Positioning; Navigation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/90—Services for handling of emergency or hazardous situations, e.g. earthquake and tsunami warning systems [ETWS]

Abstract

本发明公开了一种水库大坝安全监测预警方法、装置、系统及存储介质，所述方法包括：接收各监测设备发送的监测数据；对北斗卫星变形监测数据进一步处理，解算出大坝变形数据；对大坝变形数据、渗压数据、渗流数据、水位数据和雨量数据进行快速分析处理，根据已建立的各监测数据的预测模型，对大坝的安全风险进行评估；根据安全风险评估结果，进行风险预警发布。本发明通过北斗卫星定位实现大坝的坝体变形监测、坝体内渗压渗流数据监测、水库水位监测、降雨量监测，最后综合利用大坝变形监测、水雨情测报等多种自动化系统的数据，利用已建立的各监测数据的预测模型，实时对水库大坝的安全风险进行预警，并进行水库大坝安全分析的趋势性预测。

Description

水库大坝安全监测预警方法、装置、系统及存储介质
技术领域
本发明涉及一种水库大坝安全监测预警方法、装置、系统及存储介质，属于水库大坝安全监测领域。
背景技术
目前水利工程的外部变形大多采用观测墩配合全站仪进行人工监测，监测频率低、测量误差受人为因素影响较大，部分重点水利工程采用了基于GPS差分定位技术的在线监测，监测成本高，在如今中美贸易战不断升级的大背景下，系统存在不可控的安全风险。随着我国北斗卫星导航系统的逐步完善，建立基于国产卫星系统的低成本、高精度变形实时监测系统，对水利工程的安全监测有着重要意义。
水利工程通常处于偏远地带，运营商网络信号无法完全覆盖或信号较弱，尤其安装在渗压井、电缆沟里的设备信号差，数据传输困难，使用运营商网络增加流量费用、设备功耗较大。基于LoRaWAN技术，水利工程监管中使用的设备可实现在5公里甚至更大范围内的数据通信，并且可以通过网关接入公网，实现远程通信。采用LoRaWAN技术可大大提高各种感知设备之间的互联互通能力，实现对位移、渗压、渗流、水位等多元信息的综合监测，是水利工程监管像网络化、智慧化发展的重要基础。
安全综合评价方法、安全监测模型在国内外应用较多，但目前对水利工程安全评估的研究还存在着一些问题：
1)多数仅考虑水利工程安全监测系统的相关监测数据，而没有综合运用包括水情、气象、视频图像等监控数据，较少利用多学科多领域进行综合性的安全评估。
2)自动化监测系统采集到的数据一般都直接入库，缺少对数据的质量控制，出现数据异常需要人工进行分析，发现由于监测设备问题造成的异常数据需进行人工剔除。这种工作模式一方面会消耗大量的人力，尤其是在系统规模较大、数据量较多的时候工作量非常巨大，另一方面对相关工作人员的技术和经验要求较高，同时容易出现漏判等人工差错。
3)目前对水利工程进行安全评估大多是根据已经获得的监测资料，对工程过去某时段或者现状进行安全评估，而对于未来一段时间水利工程可能的安全状况评估分析较少。在实际工作中随着时间的推移，水利工程的安全状况也随之变化，因此不仅需要掌握其现状的安全性，同时需要了解未来一定时段内的运行状态，实现安全趋势分析。同时虽然单个参数的评估可以做到实时评估，但综合多学科多参数的水利工程安全评估大多为静态评价，不能实时进行工程安全评估工作。
发明内容
有鉴于此，本发明提供了一种水库大坝安全监测预警方法、装置、系统及存储介质，其通过北斗卫星定位实现大坝的坝体变形监测、坝体内渗压渗流数据监测、水库水位监测和降雨量监测，最后综合利用大坝变形监测、水雨情测报等多种自动化系统的数据，利用已建立的各监测数据的预测模型，实时对水库大坝的安全风险进行预警，并进行水库大坝安全分析的趋势性预测。
本发明的第一个目的在于提供一种水库大坝安全监测预警方法。
本发明的第二个目的在于提供一种水库大坝安全监测预警装置。
本发明的第三个目的在于提供一种水库大坝安全监测预警系统。
本发明的第四个目的在于提供一种计算机可读存储介质。
本发明的第一个目的可以通过采取如下技术方案达到：
一种水库大坝安全监测预警方法，所述方法包括：
接收各监测设备发送的监测数据；其中，所述监测设备包括北斗卫星变形监测设备、渗压监测设备、渗流监测设备、水位监测设备和雨量监测设备，对应的监测数据分别为北斗卫星变形监测数据、渗压数据、渗流数据、水位数据和雨量数据；
对北斗卫星变形监测数据进一步处理，解算出大坝变形数据；
对大坝变形数据、渗压数据、渗流数据、水位数据和雨量数据进行快速分析处理，根据已建立的各监测数据的预测模型，对大坝的安全风险进行评估；
根据安全风险评估结果，进行风险预警发布。
进一步的，所述北斗卫星变形监测设备包括基准站和监测站，所述基准站安装在大坝附近预设距离范围内，所述监测站安装在大坝变形监测桩上；
所述对北斗卫星变形监测数据进一步处理，解算出大坝变形数据，具体包括：
对北斗卫星变形监测数据进行粗差探测、周跳探测与修复、观测值组合的预处理；
对预处理后的北斗卫星变形监测数据进行方程线性化、最小二乘计算、模糊度固定的数据处理，解算出基准站与监测站的相对坐标；
根据相对坐标，计算出当前时刻的坐标偏差值，得到监测点的大坝变形数据。
进一步的，所述对大坝变形数据、渗压数据、渗流数据、水位数据和雨量数据进行快速分析处理，根据已建立的各监测数据的预测模型，对大坝的安全风险进行评估，具体包括：
将大坝变形数据、渗压数据、渗流数据、水位数据和雨量数据作为实测值，并将大坝变形数据、渗压数据、渗流数据、水位数据和雨量数据输入相应的预测模型，得到预测值；
将实测值与预测值进行比较，得到实测值相对预测值的偏差；
根据实测值相对预测值的偏差，对大坝的安全风险进行评估。
进一步的，所述根据实测值相对预测值的偏差，对大坝的安全风险进行评估之前，还包括：
当有实测值相对预测值的偏差大于偏差阈值时，判断该实测值存在异常，进行标记与记录；
若后续连续预设次数的实测值异常消失，则判断标记与记录的实测值为采集异常，将标记与记录的实测值剔除，用预测值代替标记与记录的实测值，并执行后续操作；若后续连续预设次数的实测值异常继续存在，则判断大坝可能不安全，并进行报警。
进一步的，所述根据实测值相对预测值的偏差，对大坝的安全风险进行评估，具体包括：
根据实测值相对预测值的偏差，计算大坝的安全系数；
根据大坝的安全系数，对大坝的安全风险进行评估；
其中，计算大坝的安全系数，如下式：
Figure BDA0002791880760000031
其中，Xi为单个影响因素的异常系数，Wi为该影响因素对应的权重，单个影响因素的异常系数按照下式计算：
Figure BDA0002791880760000032
其中，xi_mea为单个影响因素的实测值，xi_pre为单个影响因素的预测值。
进一步的，所述根据大坝的安全系数，对大坝的安全风险进行评估，具体包括：
若大坝的安全系数在0.9～1的范围内，则判断大坝安全；
若大坝的安全系数在0.8～0.9的范围内，则判断大坝较安全；
若大坝的安全系数在0.7～0.8的范围内，则判断大坝存在一定隐患；
若大坝的安全系数在0.6～0.7的范围内，则判断大坝较危险；
若大坝的安全系数小于0.6，则判断大坝非常危险。
进一步的，所述预测模型的建立过程如下：
选取大坝工程正常运行的历史时段和该历史时段的各监测数据作为建模的输入数据，采用人工神经网络建立各监测数据的预测模型。
一种水库大坝安全监测预警装置，所述装置包括：
数据接收单元，用于接收各监测设备发送的监测数据；其中，所述监测设备包括北斗卫星变形监测设备、渗压监测设备、渗流监测设备、水位监测设备和雨量监测设备，对应的监测数据分别为北斗卫星变形监测数据、渗压数据、渗流数据、水位数据和雨量数据；
数据解算单元，用于对北斗卫星变形监测数据进一步处理，解算出大坝变形数据；
安全风险评估单元，用于对大坝变形数据、渗压数据、渗流数据、水位数据和雨量数据进行快速分析处理，根据已建立的各监测数据的预测模型，对大坝的安全风险进行评估；
风险预警发布单元，用于根据安全风险评估结果，进行风险预警发布。
本发明的第四个目的可以通过采取如下技术方案达到：
一种水库大坝安全监测预警系统，包括监测设备、LoRaWAN通信模块和数据中心，所述监测设备包括北斗卫星变形监测设备、渗压监测设备、渗流监测设备、水位监测设备和雨量监测设备，所述北斗卫星变形监测设备、渗压监测设备、渗流监测设备、水位监测设备和雨量监测设备通过LoRaWAN通信模块分别与数据中心相连；
所述数据中心，用于执行上述的水库大坝安全监测预警方法。
本发明的第四个目的可以通过采取如下技术方案达到：
一种计算机可读存储介质，存储有程序，所述程序被处理器执行时，实现上述的水库大坝安全监测预警方法。
本发明相对于现有技术具有如下的有益效果：
本发明通过北斗卫星变形监测设备实现大坝的坝体变形监测，通过渗压监测设备和渗流监测设备实现坝体内渗压渗流数据监测，通过水位监测设备实现水库水位监测，以及雨量监测设备通过实现降雨量监测，最后综合利用大坝变形监测、水雨情测报等多种自动化系统的数据，利用已建立的各监测数据的预测模型，实时对水库大坝的安全风险进行预警，并进行水库大坝安全分析的趋势性预测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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示出的结构获得其他的附图。
图1为本发明实施例1的水库大坝安全监测预警系统的结构框图。
图2为本发明实施例1的北斗卫星变形监测设备的监测示意图。
图3为本发明实施例1的水库大坝安全监测预警方法的流程图。
图4为本发明实施例1的反向传播神经网络的原理图。
图5为本发明实施例2的水库大坝安全监测预警装置的结构框图。
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，所描述的实施例是本发明的一部分实施例，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做出创造性劳动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。
实施例1：
如图1所示，本实施例提供了一种水库大坝安全监测预警系统，该系统包括监测设备、LoRaWAN通信模块101和数据中心102，监测设备包括北斗卫星变形监测设备103、渗压监测设备104、渗流监测设备105、水位监测设备106和雨量监测设备107，北斗卫星变形监测设备103、渗压监测设备104、渗流监测设备105、水位监测设备106和雨量监测设备107通过LoRaWAN通信模块101分别与数据中心102相连，其中，渗压监测设备104、渗流监测设备105、水位监测设备106和雨量监测设备107可以采用相应的传感器。
如图2所示，本实施例的北斗卫星变形监测设备103包括基准站和监测站，基准站安装在大坝附近预设距离范围内，本实施例的预设距离范围为0～1km，即基准站安装在大坝附近1km内，安装点稳定可靠，监测站安装在大坝变形监测桩上，基准站和监测站内的北斗接收机通过卫星接收天线接收卫星定位信号数据，通过LoRaWAN网络将北斗卫星变形监测数据发送至数据中心；基准站采集的数据用于获取整个基线解算基点的卫星观测数据，监测站的数据用于获取形变监测点的卫星观测数据。
渗压监测设备104用于监测坝体内的渗压数据，渗流监测设备105用于监测坝体内的渗流数据，水位监测设备106用于监测水库水位数据，雨量监测设备107用于监测降雨量，渗压数据、渗流数据、水位数据和雨量数据通过LoRaWAN网络发送给数据中心102。
数据中心102包括北斗数据处理模块、数据综合分析模块和风险预警发布模块，其中北斗数据处理模块用于对北斗卫星变形监测数据进一步处理，解算出大坝变形数据，数据综合分析模块用于对大坝变形数据、渗压数据、渗流数据、水位数据和雨量数据进行快速分析处理，根据已建立的各监测数据的预测模型，对大坝的安全风险进行评估，风险预警发布模块用于根据安全风险评估结果，进行风险预警发布。
如图3所示，本实施例还提供了一种水库大坝安全监测预警方法，该方法基于上述数据中心实现，其包括以下步骤：
S301、接收各监测设备发送的监测数据。
坝体变形、坝体内的渗压、坝体内的渗流、水库水位和降雨量是大坝安全的五个影响因素，本实施例的北斗卫星变形监测设备、渗压监测设备、渗流监测设备、水位监测设备和雨量监测设备持续运行，获取监测数据，获取的监测数据分别为北斗卫星变形监测数据、渗压数据、渗流数据、水位数据和雨量数据，监测数据通过LoRaWAN网络发送给数据中心。
S302、对北斗卫星变形监测数据进一步处理，解算出大坝变形数据。
该步骤S302通过上述北斗数据处理模块实现，具体包括：
S3021、对北斗卫星变形监测数据进行粗差探测、周跳探测与修复、观测值组合等预处理。
S3022、对预处理后的北斗卫星变形监测数据进行方程线性化、最小二乘计算、模糊度固定等数据处理，解算出基准站与监测站的高精度相对坐标。
S3023、根据相对坐标，计算出当前时刻的坐标偏差值，得到监测点的高精度大坝变形数据。
S303、对大坝变形数据、渗压数据、渗流数据、水位数据和雨量数据进行快速分析处理，根据已建立的各监测数据的预测模型，对大坝的安全风险进行评估。
该步骤S303通过上述数据综合分析模块实现，具体包括：
S3031、将大坝变形数据、渗压数据、渗流数据、水位数据和雨量数据作为实测值，并将大坝变形数据、渗压数据、渗流数据、水位数据和雨量数据输入相应的预测模型，得到预测值。
S3032、将实测值与预测值进行比较，得到实测值相对预测值的偏差。
S3033、当有实测值相对预测值的偏差大于偏差阈值时，判断该实测值存在异常，进行标记与记录。
利用建立的预测模型，可以完成异常值的识别与剔除，当有实测值相对预测值的偏差大于偏差阈值时，说明实测值相对预测值的偏差寄到，此时判断该实测值存在异常。
S3034、若后续连续预设次数的实测值异常消失，则判断标记与记录的实测值为采集异常，将标记与记录的实测值剔除，用预测值代替标记与记录的实测值，并执行步骤S3035；若后续连续预设次数的实测值异常继续存在，则判断大坝可能不安全，并进行报警，不执行步骤S3035。
其中，预设次数为三次，观测后续连续三次实测值，若异常消失，则判断标记与记录的实测值为采集异常，将该实测值剔除，用预测值代替该实测值，若异常继续存在，则判断大坝可能不安全，直接进行报警。
S3035、根据实测值相对预测值的偏差，对大坝的安全风险进行评估。
1)根据实测值相对预测值的偏差，计算大坝的安全系数。
单个影响因素的异常系数按照下式计算：
Figure BDA0002791880760000071
其中，xi_mea为单个影响因素的实测值，xi_pre为单个影响因素的预测值。
考虑到不同实测值对大坝的影响，采用加权平均的方法最终获得大坝的安全系数，如下式：
Figure BDA0002791880760000072
其中，Xi为单个影响因素的异常系数，Wi为该影响因素对应的权重，
Figure BDA0002791880760000073
权重的取值根据大坝工程具体情况由人工进行确定。
2)根据大坝的安全系数，对大坝的安全风险进行评估。
本实施例的大坝的安全系数可以分为五类，如下：
若大坝的安全系数在0.9～1的范围内，则判断大坝安全。
若大坝的安全系数在0.8～0.9的范围内，则判断大坝较安全。
若大坝的安全系数在0.7～0.8的范围内，则判断大坝存在一定隐患。
若大坝的安全系数在0.6～0.7的范围内，则判断大坝较危险。
若大坝的安全系数小于0.6，则判断大坝非常危险。
上述预测模型的建立过程如下：
选取大坝工程正常运行的历史时段和该历史时段的各监测数据作为建模的输入数据，采用人工神经网络建立各监测数据的预测模型，即将大坝工程正常运行的历史时段和该历史时段的各监测数据分别输入人工神经网络进行训练，训练后得到的人工神经网络即为各监测数据的预测模型。
本实施例的人工神经网络选用反向传播(Back Propagation，简称BP)神经网络，反向传播神经网络是一种采用误差反向传播训练算法的前馈型多层网络，可以解决复杂的非线性问题，其原理如图4所示。
为保证输入数据的的兼容性，节点作用函数选用对称型Sigmoid函数，其表达式如下：
Figure BDA0002791880760000081
S304、根据安全风险评估结果，进行风险预警发布。
该步骤S304通过上述风险预警发布模块实现，本领域技术人员可以理解，若判断大坝安全，则进行大坝安全的风险预警发布；若判断大坝较安全，则进行大坝较安全的风险预警发布；若判断大坝存在一定隐患，则进行大坝存在一定隐患的风险预警发布；若判断大坝较危险，则进行大坝较危险的风险预警发布；若判断大坝非常危险，则进行大坝非常危险的风险预警发布。
应当注意，尽管在附图中以特定顺序描述了上述的方法操作，但是这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
实施例2：
如图5所示，本实施例提供了一种水库大坝安全监测预警装置，该装置包括数据接收单元501、数据解算单元502、安全风险评估单元503和风险预警发布单元504，各个单元的具体功能如下：
数据接收单元501，用于接收各监测设备发送的监测数据；其中，所述监测设备包括北斗卫星变形监测设备、渗压监测设备、渗流监测设备、水位监测设备和雨量监测设备，对应的监测数据分别为北斗卫星变形监测数据、渗压数据、渗流数据、水位数据和雨量数据。
数据解算单元502，用于对北斗卫星变形监测数据进一步处理，解算出大坝变形数据。
安全风险评估单元503，用于对大坝变形数据、渗压数据、渗流数据、水位数据和雨量数据进行快速分析处理，根据已建立的各监测数据的预测模型，对大坝的安全风险进行评估。
风险预警发布单元504，用于根据安全风险评估结果，进行风险预警发布。
在此需要说明的是，本实施例提供的装置仅以上述各功能单元的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能单元完成，即将内部结构划分成不同的功能单元，以完成以上描述的全部或者部分功能。
实施例3：
本实施例提供一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时，实现如下操作：
接收各监测设备发送的监测数据；其中，所述监测设备包括北斗卫星变形监测设备、渗压监测设备、渗流监测设备、水位监测设备和雨量监测设备，对应的监测数据分别为北斗卫星变形监测数据、渗压数据、渗流数据、水位数据和雨量数据；
对北斗卫星变形监测数据进一步处理，解算出大坝变形数据；
对大坝变形数据、渗压数据、渗流数据、水位数据和雨量数据进行快速分析处理，根据已建立的各监测数据的预测模型，对大坝的安全风险进行评估；
根据安全风险评估结果，进行风险预警发布。
需要说明的是，本实施例的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
综上所述，本发明通过北斗卫星变形监测设备实现大坝的坝体变形监测，通过渗压监测设备和渗流监测设备实现坝体内渗压渗流数据监测，通过水位监测设备实现水库水位监测，以及雨量监测设备通过实现降雨量监测，最后综合利用大坝变形监测、水雨情测报等多种自动化系统的数据，利用已建立的各监测数据的预测模型，实时对水库大坝的安全风险进行预警，并进行水库大坝安全分析的趋势性预测。
以上所述，仅为本发明专利较佳的实施例，但本发明专利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专利所公开的范围内，根据本发明专利的技术方案及其发明构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims (10)

1.一种水库大坝安全监测预警方法，其特征在于，所述方法包括：
接收各监测设备发送的监测数据；其中，所述监测设备包括北斗卫星变形监测设备、渗压监测设备、渗流监测设备、水位监测设备和雨量监测设备，对应的监测数据分别为北斗卫星变形监测数据、渗压数据、渗流数据、水位数据和雨量数据；
对北斗卫星变形监测数据进一步处理，解算出大坝变形数据；
对大坝变形数据、渗压数据、渗流数据、水位数据和雨量数据进行快速分析处理，根据已建立的各监测数据的预测模型，对大坝的安全风险进行评估；
根据安全风险评估结果，进行风险预警发布。
2.根据权利要求1所述的水库大坝安全监测预警方法，其特征在于，所述北斗卫星变形监测设备包括基准站和监测站，所述基准站安装在大坝附近预设距离范围内，所述监测站安装在大坝变形监测桩上；
所述对北斗卫星变形监测数据进一步处理，解算出大坝变形数据，具体包括：
对北斗卫星变形监测数据进行粗差探测、周跳探测与修复、观测值组合的预处理；
对预处理后的北斗卫星变形监测数据进行方程线性化、最小二乘计算、模糊度固定的数据处理，解算出基准站与监测站的相对坐标；
根据相对坐标，计算出当前时刻的坐标偏差值，得到监测点的大坝变形数据。
3.根据权利要求1所述的水库大坝安全监测预警方法，其特征在于，所述对大坝变形数据、渗压数据、渗流数据、水位数据和雨量数据进行快速分析处理，根据已建立的各监测数据的预测模型，对大坝的安全风险进行评估，具体包括：
将大坝变形数据、渗压数据、渗流数据、水位数据和雨量数据作为实测值，并将大坝变形数据、渗压数据、渗流数据、水位数据和雨量数据输入相应的预测模型，得到预测值；
将实测值与预测值进行比较，得到实测值相对预测值的偏差；
根据实测值相对预测值的偏差，对大坝的安全风险进行评估。
4.根据权利要求3所述的水库大坝安全监测预警方法，其特征在于，所述根据实测值相对预测值的偏差，对大坝的安全风险进行评估之前，还包括：
当有实测值相对预测值的偏差大于偏差阈值时，判断该实测值存在异常，进行标记与记录；
若后续连续预设次数的实测值异常消失，则判断标记与记录的实测值为采集异常，将标记与记录的实测值剔除，用预测值代替标记与记录的实测值，并执行后续操作；若后续连续预设次数的实测值异常继续存在，则判断大坝可能不安全，并进行报警。
5.根据权利要求3所述的水库大坝安全监测预警方法，其特征在于，所述根据实测值相对预测值的偏差，对大坝的安全风险进行评估，具体包括：
根据实测值相对预测值的偏差，计算大坝的安全系数；
根据大坝的安全系数，对大坝的安全风险进行评估；
其中，计算大坝的安全系数，如下式：
Figure FDA0002791880750000021
其中，Xi为单个影响因素的异常系数，Wi为该影响因素对应的权重，单个影响因素的异常系数按照下式计算：
Figure FDA0002791880750000022
其中，xi_mea为单个影响因素的实测值，xi_pre为单个影响因素的预测值。
6.根据权利要求5所述的水库大坝安全监测预警方法，其特征在于，所述根据大坝的安全系数，对大坝的安全风险进行评估，具体包括：
若大坝的安全系数在0.9～1的范围内，则判断大坝安全；
若大坝的安全系数在0.8～0.9的范围内，则判断大坝较安全；
若大坝的安全系数在0.7～0.8的范围内，则判断大坝存在一定隐患；
若大坝的安全系数在0.6～0.7的范围内，则判断大坝较危险；
若大坝的安全系数小于0.6，则判断大坝非常危险。
7.根据权利要求1-6任一项所述的水库大坝安全监测预警方法，其特征在于，所述预测模型的建立过程如下：
选取大坝工程正常运行的历史时段和该历史时段的各监测数据作为建模的输入数据，采用人工神经网络建立各监测数据的预测模型。
8.一种水库大坝安全监测预警装置，其特征在于，所述装置包括：
数据接收单元，用于接收各监测设备发送的监测数据；其中，所述监测设备包括北斗卫星变形监测设备、渗压监测设备、渗流监测设备、水位监测设备和雨量监测设备，对应的监测数据分别为北斗卫星变形监测数据、渗压数据、渗流数据、水位数据和雨量数据；
数据解算单元，用于对北斗卫星变形监测数据进一步处理，解算出大坝变形数据；
安全风险评估单元，用于对大坝变形数据、渗压数据、渗流数据、水位数据和雨量数据进行快速分析处理，根据已建立的各监测数据的预测模型，对大坝的安全风险进行评估；
风险预警发布单元，用于根据安全风险评估结果，进行风险预警发布。
9.一种水库大坝安全监测预警系统，其特征在于，包括监测设备、LoRaWAN通信模块和数据中心，所述监测设备包括北斗卫星变形监测设备、渗压监测设备、渗流监测设备、水位监测设备和雨量监测设备，所述北斗卫星变形监测设备、渗压监测设备、渗流监测设备、水位监测设备和雨量监测设备通过LoRaWAN通信模块分别与数据中心相连；
所述数据中心，用于执行权利要求1-7任一项所述的水库大坝安全监测预警方法。
10.一种计算机可读存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1-7任一项所述的水库大坝安全监测预警方法。
CN202011317918.0A 2020-11-23 2020-11-23 水库大坝安全监测预警方法、装置、系统及存储介质 Active CN112381309B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011317918.0A CN112381309B (zh) 2020-11-23 2020-11-23 水库大坝安全监测预警方法、装置、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011317918.0A CN112381309B (zh) 2020-11-23 2020-11-23 水库大坝安全监测预警方法、装置、系统及存储介质

Publications (2)

Publication Number Publication Date
CN112381309A true CN112381309A (zh) 2021-02-19
CN112381309B CN112381309B (zh) 2022-04-12

Family

ID=74589136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011317918.0A Active CN112381309B (zh) 2020-11-23 2020-11-23 水库大坝安全监测预警方法、装置、系统及存储介质

Country Status (1)

Country Link
CN (1) CN112381309B (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113309990A (zh) * 2021-05-28 2021-08-27 深圳四维集思技术服务有限公司 一种管道的检测预警方法及系统
CN113486420A (zh) * 2021-06-08 2021-10-08 广东省水利水电科学研究院 水库大坝岸坡稳定性监测方法、装置、设备及介质
CN113487212A (zh) * 2021-06-07 2021-10-08 广联达科技股份有限公司 一种风险监测方法及装置
CN113642827A (zh) * 2021-06-21 2021-11-12 南方电网调峰调频发电有限公司 大坝监测数据的分析方法、装置、设备和存储介质
CN113807570A (zh) * 2021-08-12 2021-12-17 水利部南京水利水文自动化研究所 基于XGBoost的水库大坝风险等级评估方法及系统
CN113807572A (zh) * 2021-08-13 2021-12-17 福建省水利投资开发集团有限公司 一种具有高效性的大坝智慧监测方法及其系统
CN114495430A (zh) * 2021-12-23 2022-05-13 北京中关村智连安全科学研究院有限公司 一种土石坝安全状态预警方法及系统
CN114759969A (zh) * 2022-03-07 2022-07-15 航天行云科技有限公司 一种虾稻作业区的水土质量监测方法以及系统
CN115388949A (zh) * 2022-08-30 2022-11-25 广东鉴面智能科技有限公司 一种智能水库监测管理系统
CN115410340A (zh) * 2022-07-21 2022-11-29 栾奕 集视频、卫星与传感器监测一体的水库安全监控预警方法
CN115615488A (zh) * 2022-10-14 2023-01-17 中国科学院西北生态环境资源研究院 一种寒区水库大坝安全监测系统及方法
CN115659729A (zh) * 2022-10-14 2023-01-31 南京河海南自水电自动化有限公司 一种基于结构仿真计算的大坝安全监测分析方法及系统
CN116147847A (zh) * 2023-04-13 2023-05-23 中国铁塔股份有限公司 坝体的监测信息的生成方法、装置、设备及可读存储介质
CN116990847A (zh) * 2023-09-28 2023-11-03 湖南湘银河传感科技有限公司 基于边缘计算的北斗gnss接收机解算方法和系统
CN117688659A (zh) * 2024-02-04 2024-03-12 四川省内江水利电力勘察设计院有限公司 水库大坝的深厚覆盖层坝基防渗墙的渗漏风险预测方法

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007102710A (ja) * 2005-10-07 2007-04-19 Nippon Steel & Sumikin Metal Products Co Ltd 堰堤等の設計依頼支援方法
CN205482910U (zh) * 2016-04-13 2016-08-17 四川大学 基于北斗定位系统的大坝坝体变形动态监测的系统
CN106128035A (zh) * 2016-06-30 2016-11-16 西安工程大学 基于神经网络和多参数信息融合的地质灾害预报方法
CN106441174A (zh) * 2016-09-09 2017-02-22 桂林电子科技大学 一种高边坡形变监测方法及系统
CN107421434A (zh) * 2017-08-08 2017-12-01 千寻位置网络有限公司 多基站Multi‑GNSS长基线近实时形变监测方法
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
CN107578093A (zh) * 2017-09-14 2018-01-12 长安大学 滑坡变形的Elman神经网络动态预测方法
CN109143298A (zh) * 2018-08-16 2019-01-04 中国地质大学（武汉） 北斗和gps观测值周跳探测与修复方法、设备及存储设备
CN109451454A (zh) * 2018-10-26 2019-03-08 华南农业大学 一种基于UAV移动网关的空地联动LoRaWAN通信装置与方法
CN109635325A (zh) * 2018-11-06 2019-04-16 青岛理工大学 基于复合水动力与位移监测的水库型滑坡稳定性预测方法
CN109709550A (zh) * 2019-01-17 2019-05-03 武汉大学 一种基于InSAR影像数据的库岸边坡形变监测处理方法
CN109932735A (zh) * 2019-03-25 2019-06-25 中国铁路设计集团有限公司 北斗短基线单频单历元解算的定位方法
CN108981559B (zh) * 2018-08-28 2020-05-01 郑州信大先进技术研究院 基于北斗地基增强系统的实时变形监测方法及系统
CN111579004A (zh) * 2020-06-17 2020-08-25 河南北斗卫星导航平台有限公司 基于北斗卫星应用的水利监测系统、监测方法及存储介质
CN111623703A (zh) * 2020-07-28 2020-09-04 湖南联智科技股份有限公司 一种基于新型卡尔曼滤波的北斗变形监测实时处理方法
CN111651708A (zh) * 2020-05-29 2020-09-11 四川大学 一种大坝安全监测数据异常识别的预警阈值设置方法
CN111795639A (zh) * 2020-05-29 2020-10-20 湖南联智科技股份有限公司 基于北斗高精度定位的基础设施结构变形监测方法

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007102710A (ja) * 2005-10-07 2007-04-19 Nippon Steel & Sumikin Metal Products Co Ltd 堰堤等の設計依頼支援方法
CN205482910U (zh) * 2016-04-13 2016-08-17 四川大学 基于北斗定位系统的大坝坝体变形动态监测的系统
CN106128035A (zh) * 2016-06-30 2016-11-16 西安工程大学 基于神经网络和多参数信息融合的地质灾害预报方法
CN106441174A (zh) * 2016-09-09 2017-02-22 桂林电子科技大学 一种高边坡形变监测方法及系统
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
CN107421434A (zh) * 2017-08-08 2017-12-01 千寻位置网络有限公司 多基站Multi‑GNSS长基线近实时形变监测方法
CN107578093A (zh) * 2017-09-14 2018-01-12 长安大学 滑坡变形的Elman神经网络动态预测方法
CN109143298A (zh) * 2018-08-16 2019-01-04 中国地质大学（武汉） 北斗和gps观测值周跳探测与修复方法、设备及存储设备
CN108981559B (zh) * 2018-08-28 2020-05-01 郑州信大先进技术研究院 基于北斗地基增强系统的实时变形监测方法及系统
CN109451454A (zh) * 2018-10-26 2019-03-08 华南农业大学 一种基于UAV移动网关的空地联动LoRaWAN通信装置与方法
CN109635325A (zh) * 2018-11-06 2019-04-16 青岛理工大学 基于复合水动力与位移监测的水库型滑坡稳定性预测方法
CN109709550A (zh) * 2019-01-17 2019-05-03 武汉大学 一种基于InSAR影像数据的库岸边坡形变监测处理方法
CN109932735A (zh) * 2019-03-25 2019-06-25 中国铁路设计集团有限公司 北斗短基线单频单历元解算的定位方法
CN111651708A (zh) * 2020-05-29 2020-09-11 四川大学 一种大坝安全监测数据异常识别的预警阈值设置方法
CN111795639A (zh) * 2020-05-29 2020-10-20 湖南联智科技股份有限公司 基于北斗高精度定位的基础设施结构变形监测方法
CN111579004A (zh) * 2020-06-17 2020-08-25 河南北斗卫星导航平台有限公司 基于北斗卫星应用的水利监测系统、监测方法及存储介质
CN111623703A (zh) * 2020-07-28 2020-09-04 湖南联智科技股份有限公司 一种基于新型卡尔曼滤波的北斗变形监测实时处理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
冯文军: "大坝变形观测数据处理方式分析与研究", 《黑龙江水利科技》 *
谭瑞等: "GPS激光测距动态定位系统在无法到达区的应用研究", 《测绘科学》 *

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113309990B (zh) * 2021-05-28 2023-01-03 深圳四维集思技术服务有限公司 一种管道的检测预警方法及系统
CN113309990A (zh) * 2021-05-28 2021-08-27 深圳四维集思技术服务有限公司 一种管道的检测预警方法及系统
CN113487212A (zh) * 2021-06-07 2021-10-08 广联达科技股份有限公司 一种风险监测方法及装置
CN113486420A (zh) * 2021-06-08 2021-10-08 广东省水利水电科学研究院 水库大坝岸坡稳定性监测方法、装置、设备及介质
CN113642827A (zh) * 2021-06-21 2021-11-12 南方电网调峰调频发电有限公司 大坝监测数据的分析方法、装置、设备和存储介质
CN113807570A (zh) * 2021-08-12 2021-12-17 水利部南京水利水文自动化研究所 基于XGBoost的水库大坝风险等级评估方法及系统
CN113807570B (zh) * 2021-08-12 2024-02-02 水利部南京水利水文自动化研究所 基于XGBoost的水库大坝风险等级评估方法及系统
CN113807572A (zh) * 2021-08-13 2021-12-17 福建省水利投资开发集团有限公司 一种具有高效性的大坝智慧监测方法及其系统
CN114495430A (zh) * 2021-12-23 2022-05-13 北京中关村智连安全科学研究院有限公司 一种土石坝安全状态预警方法及系统
CN114759969A (zh) * 2022-03-07 2022-07-15 航天行云科技有限公司 一种虾稻作业区的水土质量监测方法以及系统
CN115410340B (zh) * 2022-07-21 2023-11-14 栾奕 集视频、卫星与传感器监测一体的水库安全监控预警方法
CN115410340A (zh) * 2022-07-21 2022-11-29 栾奕 集视频、卫星与传感器监测一体的水库安全监控预警方法
CN115388949A (zh) * 2022-08-30 2022-11-25 广东鉴面智能科技有限公司 一种智能水库监测管理系统
CN115615488B (zh) * 2022-10-14 2024-01-23 中国科学院西北生态环境资源研究院 一种寒区水库大坝安全监测系统及方法
CN115659729A (zh) * 2022-10-14 2023-01-31 南京河海南自水电自动化有限公司 一种基于结构仿真计算的大坝安全监测分析方法及系统
CN115615488A (zh) * 2022-10-14 2023-01-17 中国科学院西北生态环境资源研究院 一种寒区水库大坝安全监测系统及方法
CN115659729B (zh) * 2022-10-14 2024-04-16 南京河海南自水电自动化有限公司 一种基于结构仿真计算的大坝安全监测分析方法及系统
CN116147847A (zh) * 2023-04-13 2023-05-23 中国铁塔股份有限公司 坝体的监测信息的生成方法、装置、设备及可读存储介质
CN116990847A (zh) * 2023-09-28 2023-11-03 湖南湘银河传感科技有限公司 基于边缘计算的北斗gnss接收机解算方法和系统
CN116990847B (zh) * 2023-09-28 2023-12-15 湖南湘银河传感科技有限公司 基于边缘计算的北斗gnss接收机解算方法和系统
CN117688659A (zh) * 2024-02-04 2024-03-12 四川省内江水利电力勘察设计院有限公司 水库大坝的深厚覆盖层坝基防渗墙的渗漏风险预测方法
CN117688659B (zh) * 2024-02-04 2024-04-12 四川省内江水利电力勘察设计院有限公司 水库大坝的深厚覆盖层坝基防渗墙的渗漏风险预测方法

Also Published As

Publication number Publication date
CN112381309B (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
CN112381309B (zh) 水库大坝安全监测预警方法、装置、系统及存储介质
CN114005278B (zh) 一种高速公路基础设施群智能监测与预警系统及方法
CN114485570B (zh) 一种用于在建隧道施工安全智慧监控量测预警系统及方法
CN112036086A (zh) 燃气管线动态风险预警系统
CN111882071A (zh) 一种基于机器学习的预应力钢构件监测方法
CN114458967A (zh) 存储器、油气管道监测预警方法、装置和设备
CN114298549A (zh) 一种基于大数据的水利安全监测系统及方法
CN114722662A (zh) 埋地天然气管道地基沉降在线监测及安全性研究的方法
CN111504440A (zh) 一种具有定位和报警功能的自然破坏光缆行为监测系统
CN113503912A (zh) 一种城市轨道交通土建设施健康状态实时监控系统
CN111311872A (zh) 一种船体结构应力长期监测报警系统
CN114693114A (zh) 地下空间结构的监测方法、装置、计算机设备及存储介质
CN116305699B (zh) 一种基于全方位感知的管道监督系统
CN109341757A (zh) 一种信息系统运行数据的智能检测预警系统及其使用方法
CN113240240A (zh) 一种海上油田群电力系统可靠性评估系统及其方法
CN112116220A (zh) 一种大规模建筑群震害人工智能预警及监测方法
CN114672809B (zh) 一种智能化管道阴极保护控制系统
CN207991721U (zh) 弧形工作闸门工作应力在线监测系统
CN113684868B (zh) 城市综合管廊预警系统
CN112113145A (zh) 一种化工管道安全的智能化在线检测方法
CN114215529B (zh) 多跨大断面箱涵中继间顶进施工监测系统
CN115344929A (zh) 基于接头变形监测的沉管隧道服役状态预警方法及系统
CN212258247U (zh) 一种基于物联网技术的变电站电缆沟在线监测系统
CN113375715A (zh) 一种用于高填方强夯路基施工过程及施工质量监测系统及方法
CN111243221A (zh) 一种基于监测的自然灾害监测预警方法

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