CN112418517A - 一种用于冻害短临预警的预测方法 - Google Patents

一种用于冻害短临预警的预测方法 Download PDF

Info

Publication number
CN112418517A
CN112418517A CN202011309662.9A CN202011309662A CN112418517A CN 112418517 A CN112418517 A CN 112418517A CN 202011309662 A CN202011309662 A CN 202011309662A CN 112418517 A CN112418517 A CN 112418517A
Authority
CN
China
Prior art keywords
temperature
predicted
freezing injury
freezing
injury
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
CN202011309662.9A
Other languages
English (en)
Other versions
CN112418517B (zh
Inventor
陈冬梅
赵攀攀
周贤锋
李家驹
厉俏炜
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.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi 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 Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN202011309662.9A priority Critical patent/CN112418517B/zh
Publication of CN112418517A publication Critical patent/CN112418517A/zh
Application granted granted Critical
Publication of CN112418517B publication Critical patent/CN112418517B/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
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Emergency Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种用于冻害短临预警的预测方法。本发明步骤为：一、温度数据建模；二、利用温度拟合曲线预测区间内的最低温度；三、利用短时间内单调趋势分析冻害发生可能性；四、冻害分析结果输出。温度数据建模阶段，利用温度数据建立温度变化趋势模型；通过建立的温度变化趋势模型对最低温度进行预测；在判定预测的最低温度，低于设定的阈值之后，利用短时间内温度的单调变化趋势对实际的温度进行精准预测，分析冻害发生的可能性；若预测会出现冻害则及时报警。本发明可依托茶园现有传感器及历史温度数据进行预测，方便快捷。另一方面，该方法可以较为准确地对可能出现低温的时间点进行预测，能更好的减小低温冻害对于茶园的损失。

Description

一种用于冻害短临预警的预测方法
技术领域
本发明涉及茶园低温冻害风险防御技术领域，具体地，涉及一种茶园低温冻害短临预警的预测方法。
背景技术
低温冻害现象，每年都会对我国茶叶种植行业造成了巨大的损失。现有技术中，对于低温冻害的防御措施主要是先检测，后补救，存在一定的滞后性，且存在防冻害的设施出现问题而导致茶叶产量受损的可能。目前对于冻害的预测涉及到多个因素，包括气压、湿度、云量、降水等，但云量气压等数据，不能及时反应茶园园区的真实气候条件。所以有必要考虑设计一种能够仅利用温度数据就能准确预测茶园冻害的方法。
发明内容
本发明针对上述问题，提出一种用于冻害短临预警的预测方法，对未来2小时内可能出现低温冻害的情况进行预测，为用户提供科学的冻害防御依据，以便及早采取措施，降低自然灾害损失。
为实现上述目的，本发明采用的技术方案是：
一种用于冻害短临预警的预测方法，主要包括：
步骤1：温度数据建模，利用传感器采集至少三天的温度数据，或利用历史已获取的温度数据，以当日18:00到次日17:00建立24小时的温度变化趋势模型；
步骤2：利用温度拟合曲线预测区间内(24小时)的最低温度，通过比对相同时间节点的温度变化趋势模型温度与实际温度，对最低温度进行预测，若预测的最低温度，低于设定的阈值，则判定有发生冻害的风险；预测公式如下：
T1＝T0+(Tmi-Tri)
其中T1为预测的最低温度，T0为温度变化趋势模型的最低温度，Tmi为设定的各个时间点的模型温度，Tri为相对应时间点检测出的实际温度，i＝0,1,2,……,22,23。
步骤3：在判定有冻害风险后，利用短时间内单调趋势分析冻害发生可能性，采用斜率法对2小时后的温度进行预测，预测公式为：
T2＝Tt-n×(T(t-1)-Tt)
其中，T2为利用短时间内温度变化单调趋势预测出的2小时后温度，Tt为当前时间节点测量的实际温度，Tt-1为前一节点测量的实际温度，n为预测的时间节点间隔数，公式为：2小时＝n×测温间隔。
步骤4：对预测的温度数据利用K-近邻法判断是否会出现冻害，若判定会出现冻害则立即报警；若连续4小时判定温度高于阈值温度，则重新开始利用温度拟合曲线对区间内的最低温度进行预测。
进一步地，所述步骤1中，采集的数据仅需要温度数据，且可利用当地的历史数据，再利用曲线拟合的方法，通过MATLAB建立傅里叶多项式模型，该模型即为温度变化趋势模型，建立的模型以当日18:00到次日17:00的24小时为一个区间(具体可根据温度检测的时间间隔进行调整)。
进一步地，所述步骤2中，通过求取对应时间点的温度变化趋势模型温度与实际温度的差值，来修正温度变化趋势模型的最低温度，达到第一重预测的目的。根据已测试的实验数据，环境温度下降速率最快为-4.3℃/小时，由于需要给第二重预测留足够的预测时间，所以将第一阈值温度设定为高于冻害阈值温度5至8℃；在第一重预测温度首次低于第一阈值温度后，进行第二重预测。
进一步地，所述步骤3中，采用的是斜率法，即利用两相邻测温间隔内温度下降的速率进行预测，不仅可以分析冻害是否会发生，还可对产生冻害的具体时间进行预测；预测的时间跨度可进行调整，但为保持预测的准确率，不能超过2小时，即最多可预测2小时后的温度情况。
进一步地，所述步骤4中，采用K-近邻法进行判断，即在K个预测的温度值中，如果大多数预测温度低于冻害阈值温度，则判定为有冻害的风险；反之，则判定为无冻害风险。经过测试，将冻害阈值温度设定为判断标准时，分析准确率最高；在判定将会出现冻害后，即可由n来确定具体的冻害可能发生的时刻。确定的具体公式为：
预测会出现冻害的时刻＝判定会出现冻害的时刻+n×时间间隔。
本发明主要包括对温度数据的建模分析，以获取实地温度变化大致趋势，提高模型准确率；利用区间温度变化趋势模型对最低温度进行预测，可以消除温度陡降及斜率法在大尺度范围预测的滞后性所导致的误差；之后利用斜率法对是否出现冻害进行短临预测，分析冻害发生的可能性，并获取可能会发生冻害的时间；利用K-近邻法消除在实际温度较低时的波动引起的误差；利用循环判断的方式，消除温度较低但未出现冻害时单一方法预测的误差；从而可以克服现有技术中对于低温冻害预警的滞后性，设计不合理，建设运行成本高，数据因素监测复杂，导致冻害预警不准确的缺陷。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制，在附图中：
图1是本发明的预测流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明的保护范围。
一种用于冻害短临预警的预测方法，以测试时使用的温度数据为例解释本发明，通过对相关温度检测数据的处理分析，建立温度变化趋势模型，并用之后的温度数据进行检验预测的准确性。预测准确性主要包括两方面：预测可能产生冻害的准确率和预测冻害发生时间的准确率。
预测冻害发生时间准确率判断标准为：预测冻害发生的时间在实际冻害发生时间的-2～+1(小时)之间，即预测冻害将发生在实际冻害发生时间之前2小时到之后1小时之间，则判定为预测准确。
具体预测方法，包括以下步骤，见图1：
步骤1：温度数据建模：利用传感器采集至少三天的温度数据，或利用历史已获取的温度数据，以当日18:00到次日17:00建立24小时的温度变化趋势模型。
步骤2：利用温度拟合曲线预测区间内(24小时)的最低温度，通过比对相同时间节点的模型温度与实际温度，对最低温度进行预测，若预测的最低温度，低于设定的阈值，则判定有发生冻害的风险；预测公式如下：
T1＝T0+(Tmi-Tri)
其中T1为预测的最低温度，T0为温度变化趋势模型的最低温度，Tmi为设定的各个时间点的模型温度，Tri为相对应时间点检测出的实际温度，i＝0,1,……,23。
步骤3：在判定有冻害风险后，利用短时间内单调趋势分析冻害发生可能性，采用斜率法对2小时后的温度进行预测；预测公式为：
T2＝Tt-n×(T(t-1)-Tt)
其中，T2为利用短时间内温度变化单调趋势预测出的2小时后温度，Tt为当前时间节点测量的实际温度，Tt-1为前一节点测量的实际温度，n为预测的时间节点间隔数，公式为：2小时＝n×测温间隔。
步骤4：对预测的温度数据利用K-近邻法判断是否会出现冻害，若判定会出现冻害则立即报警；若连续4小时判定温度高于阈值温度，则重新开始利用温度拟合曲线对区间内的最低温度进行预测。
按照本发明技术方案，选取了检测数据中的前三天来建立傅里叶模型；因温度检测数据为每小时采集一次，因此以18:00到次日17:00为一周期，时间间隔为1小时建立模型，其他相关温度阈值设定：
(1)第一阈值温度：由于用于测试的数据中，每一周期最低温度的最高值为12.7℃，最低值为-13.98℃，为有较大的区分度，将冻害阈值温度设定为-5℃；因降温最快为-4.3℃/小时，且测温间隔为1小时，所以第一阈值设定为高于冻害阈值温度5℃，即第一阈值设定为0℃。
(2)冻害阈值温度：由于用于测试的数据中，每一周期最低温度的最高值为12.7℃，最低值为-13.98℃，为有较大的区分度，将冻害阈值温度设定为-5℃；经过测试，为提高预测准确率，将第二阈值温度设定为冻害阈值温度，即第二阈值设定为-5℃。
(3)预测节点间隔数：由于温度的检测间隔为1小时，且为保证预测准确率，预测时长不能超过2小时，因此取预测节点间隔数为2，即预测两小时后的温度。
(4)K-近邻法K值及判定标准：由于温度的检测间隔为1小时，且为保证预测准确率，预测节点间隔数为2，因此取k＝3；判定标准为邻近3个预测温度数据中有2个温度数据低于第二阈值，则判定会出现冻害。
预测时间准确率判断标准为：预测冻害发生的时间在实际冻害发生时间的-2～+1(小时)之间，即预测冻害将发生在实际冻害发生时间之前2小时到之后1小时之间，则判定为预测准确。
综上，该方法流程简单，可依托茶园现有传感器及历史温度数据进行预测，方便快捷。另一方面，该方法可以较为准确地对可能出现低温的时间点进行预测，可以更好的减小低温冻害对于茶园的损失。符合实际需求，实施方便，易于推广应用。

Claims (5)

1.一种用于冻害短临预警的预测方法，其特征在于，包括以下步骤：
步骤1：温度数据建模，利用传感器采集至少三天的温度数据，或利用历史已获取的温度数据，以当日18:00到次日17:00建立24小时的温度变化趋势模型；
步骤2：利用温度拟合曲线预测区间内的最低温度，通过比对相同时间节点的温度变化趋势模型温度与实际温度，对最低温度进行预测，若预测的最低温度，低于设定的阈值，则判定有发生冻害的风险；预测公式如下：
T1＝T0+(Tmi-Tri)
其中T1为预测的最低温度，T0为温度变化趋势模型的最低温度，Tmi为设定的各个时间点的温度变化趋势模型温度，Tri为相对应时间点检测出的实际温度，i＝0,1,……,23；
步骤3：在判定有冻害风险后，利用短时间内单调趋势分析冻害发生可能性，采用斜率法对2小时后的温度进行预测；预测公式为：
T2＝Tt-n×(T(t-1)-Tt)
其中，T2为利用短时间内温度变化单调趋势预测出的2小时后温度，Tt为当前时间节点测量的实际温度，Tt-1为前一节点测量的实际温度，n为预测的时间节点间隔数；
步骤4：对预测的温度数据利用K-近邻法判断是否会出现冻害，若判定会出现冻害则立即报警；若连续4小时判定温度高于冻害温度，则重新开始利用温度拟合曲线对区间内的最低温度进行预测。
2.根据权利要求1所述的一种用于冻害短临预警的预测方法，其特征在于，所述步骤1中，采集的数据仅需要温度数据，且可利用当地的历史数据，再利用曲线拟合的方法，通过MATLAB建立傅里叶多项式模型，形成温度变化趋势模型，建立的模型以当日18:00到次日17:00的24小时为一个区间。
3.根据权利要求1所述的一种用于冻害短临预警的预测方法，其特征在于，所述步骤2中，通过求取对应时间点的温度变化趋势模型温度与实际温度的差值，来修正模型的最低温，达到第一重预测的目的；所设定的阈值温度为高于冻害温度5至8℃。
4.根据权利要求1所述的一种用于冻害短临预警的预测方法，其特征在于，所述步骤3中，采用的是斜率法，即利用两相邻测温间隔内温度下降的速率进行预测，不仅能分析冻害是否会发生，还能对产生冻害的具体时间进行预测；预测的时间跨度不超过2小时，即最多可预测2小时后的温度情况。
5.根据权利要求1所述的一种用于冻害短临预警的预测方法，其特征在于，所述步骤4中，采用K-近邻法进行判断，即在K个预测的温度值中，如果大多数预测温度低于冻害温度，则判定为有冻害的风险；反之，则判定为无冻害风险。
CN202011309662.9A 2020-11-20 2020-11-20 一种用于冻害短临预警的预测方法 Active CN112418517B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011309662.9A CN112418517B (zh) 2020-11-20 2020-11-20 一种用于冻害短临预警的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011309662.9A CN112418517B (zh) 2020-11-20 2020-11-20 一种用于冻害短临预警的预测方法

Publications (2)

Publication Number Publication Date
CN112418517A true CN112418517A (zh) 2021-02-26
CN112418517B CN112418517B (zh) 2023-09-26

Family

ID=74773820

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011309662.9A Active CN112418517B (zh) 2020-11-20 2020-11-20 一种用于冻害短临预警的预测方法

Country Status (1)

Country Link
CN (1) CN112418517B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487127A (zh) * 2021-05-21 2021-10-08 新昌县鼎鸿家庭农场有限公司 一种茶叶秋冬干旱灾害损失动态评估方法
CN115965245A (zh) * 2023-03-13 2023-04-14 华东交通大学 一种基于机器学习的山地果园冻害风险预测方法
CN117536691A (zh) * 2024-01-09 2024-02-09 枣庄矿业集团新安煤业有限公司 一种综采工作面设备参数监控方法及系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5738441A (en) * 1995-07-11 1998-04-14 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Electronic clinical predictive thermometer using logarithm for temperature prediction
CN102436722A (zh) * 2011-12-05 2012-05-02 中国水利水电科学研究院 一种混凝土坝的温控防裂监测方法
CN102831752A (zh) * 2012-09-13 2012-12-19 中国科学院水利部成都山地灾害与环境研究所 一种冰湖溃决预警方法
CN102928714A (zh) * 2012-11-02 2013-02-13 北京航空航天大学 一种基于i-v曲线与能量平衡的小卫星太阳阵寿命预测方法
US20140067132A1 (en) * 2012-08-30 2014-03-06 Honeywell International Inc. Hvac controller with regression model to help reduce energy consumption
CN107318534A (zh) * 2017-07-06 2017-11-07 西北农林科技大学 一种具有温度预测功能的日光温室卷帘机智能控温方法和系统
CN109743019A (zh) * 2018-12-21 2019-05-10 中国计量大学 基于气象因素的热斑温度预测及热斑定位的系统和方法
CN109785572A (zh) * 2019-03-11 2019-05-21 上海荷福人工智能科技（集团）有限公司 一种基于神经网络的消防预警方法及系统
CN109919510A (zh) * 2019-03-18 2019-06-21 赵炼 一种预测地震风险的方法、装置、服务器及存储介质
CN110070690A (zh) * 2019-05-13 2019-07-30 上海荷福人工智能科技（集团）有限公司 一种基于深度学习的智能消防分级预警方法及系统
CN110210114A (zh) * 2019-05-30 2019-09-06 中国电建集团昆明勘测设计研究院有限公司 碾压混凝土重力坝施工期最高温度预测算法
CN111325406A (zh) * 2020-03-03 2020-06-23 广东省公共卫生研究院 一种基于小空间尺度的热相关健康风险预警方法
CN111476970A (zh) * 2020-03-30 2020-07-31 珠海格力电器股份有限公司 一种火灾监测方法、装置和存储介质

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5738441A (en) * 1995-07-11 1998-04-14 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Electronic clinical predictive thermometer using logarithm for temperature prediction
CN102436722A (zh) * 2011-12-05 2012-05-02 中国水利水电科学研究院 一种混凝土坝的温控防裂监测方法
US20140067132A1 (en) * 2012-08-30 2014-03-06 Honeywell International Inc. Hvac controller with regression model to help reduce energy consumption
CN102831752A (zh) * 2012-09-13 2012-12-19 中国科学院水利部成都山地灾害与环境研究所 一种冰湖溃决预警方法
CN102928714A (zh) * 2012-11-02 2013-02-13 北京航空航天大学 一种基于i-v曲线与能量平衡的小卫星太阳阵寿命预测方法
CN107318534A (zh) * 2017-07-06 2017-11-07 西北农林科技大学 一种具有温度预测功能的日光温室卷帘机智能控温方法和系统
CN109743019A (zh) * 2018-12-21 2019-05-10 中国计量大学 基于气象因素的热斑温度预测及热斑定位的系统和方法
CN109785572A (zh) * 2019-03-11 2019-05-21 上海荷福人工智能科技（集团）有限公司 一种基于神经网络的消防预警方法及系统
CN109919510A (zh) * 2019-03-18 2019-06-21 赵炼 一种预测地震风险的方法、装置、服务器及存储介质
CN110070690A (zh) * 2019-05-13 2019-07-30 上海荷福人工智能科技（集团）有限公司 一种基于深度学习的智能消防分级预警方法及系统
CN110210114A (zh) * 2019-05-30 2019-09-06 中国电建集团昆明勘测设计研究院有限公司 碾压混凝土重力坝施工期最高温度预测算法
CN111325406A (zh) * 2020-03-03 2020-06-23 广东省公共卫生研究院 一种基于小空间尺度的热相关健康风险预警方法
CN111476970A (zh) * 2020-03-30 2020-07-31 珠海格力电器股份有限公司 一种火灾监测方法、装置和存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吕川根等: "温敏核不育水稻植株温度的变化规律及环境关系的模型", 《中国水稻科学》, vol. 22, no. 02, pages 175 - 182 *
徐向英: "江苏小麦综合气象指数构建与产量变化预测和分析", 《中国博士学位论文全文数据库 基础科学辑》, no. 06, pages 009 - 11 *
邱罗: "广州薇甘菊空间分布预测研究", 《中国优秀硕士学位论文全文数据库农业科技辑》, no. 02, pages 046 - 75 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487127A (zh) * 2021-05-21 2021-10-08 新昌县鼎鸿家庭农场有限公司 一种茶叶秋冬干旱灾害损失动态评估方法
CN115965245A (zh) * 2023-03-13 2023-04-14 华东交通大学 一种基于机器学习的山地果园冻害风险预测方法
CN117536691A (zh) * 2024-01-09 2024-02-09 枣庄矿业集团新安煤业有限公司 一种综采工作面设备参数监控方法及系统
CN117536691B (zh) * 2024-01-09 2024-04-05 枣庄矿业集团新安煤业有限公司 一种综采工作面设备参数监控方法及系统

Also Published As

Publication number Publication date
CN112418517B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
CN112418517A (zh) 一种用于冻害短临预警的预测方法
CN110008565A (zh) 一种基于运行参数关联性分析的工业过程异常工况预测方法
CN102262191B (zh) 一种固体钽电解电容器寿命预测方法
CN108022058B (zh) 一种风力机状态可靠性评估方法
CN116227752B (zh) 一种基于物联网的园区设施管理系统
EP4133294A1 (en) Probabilistic determination of transformer end of life
CN103103570B (zh) 基于主元相似性测度的铝电解槽况诊断方法
CN108921305B (zh) 一种部件生命期监测方法
CN115267589B (zh) 一种电动汽车电池故障多参数联合诊断方法
EP3289370B1 (en) Methods and systems for alerting a user to the presence of a fault in an electromechanical system in a railway infrastructure
CN113404655A (zh) 一种基于ps0-anfis的风力发电机传感器状态诊断系统
CN111829614A (zh) 一种基于4g水位视频识别的测报系统
CN117235462B (zh) 基于时序数据分析的袋式包装机故障智能预测方法
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
CN107222169A (zh) 一种基于离群点检测的光伏阵列实时监控与故障检测方法
CN114330120A (zh) 一种基于深度神经网络预测24小时pm2.5浓度的方法
CN112780953B (zh) 一种基于模式检测的独立计量区域管网漏损检测方法
Ferreira et al. Predicting Ramp Events with a Stream-based HMM framework
CN109086940A (zh) 一种基于分时段气象关联模型的接触网跳闸次数预测方法
CN113758627A (zh) 一种供水管网瞬变流事件检测方法
CN103485825A (zh) 一种通过时间差进行煤矿井下温度预警的方法
Abaas et al. Long short-term memory customer-centric power outage prediction models for weather-related power outages
CN115951088B (zh) 一种风电机组风速仪异常分析方法
CN116561705B (zh) 一种三个雨量传感器数据融合计算方法、系统及终端
CN116486555A (zh) 一种火灾态势预测方法及火灾探测器

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