CN113254560B - 一种油田滩海的潮汐灾害预测系统及方法 - Google Patents
一种油田滩海的潮汐灾害预测系统及方法 Download PDFInfo
- Publication number
- CN113254560B CN113254560B CN202110635732.8A CN202110635732A CN113254560B CN 113254560 B CN113254560 B CN 113254560B CN 202110635732 A CN202110635732 A CN 202110635732A CN 113254560 B CN113254560 B CN 113254560B
- Authority
- CN
- China
- Prior art keywords
- model
- geographic information
- data
- tide
- prediction data
- 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
- 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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及油田滩海勘测技术领域,公开了一种油田滩海的潮汐灾害预测系统及方法,三维地理信息采集库对采集到的地形三维信息和地物三维信息进行处理得到第一地理信息,基础地理信息库根据该第一地理信息,处理得到DEM模型、DLG模型及DOM模型对应的第二地理信息,并发送至云服务器;云服务器分析所述第二地理信息得到第一潮汐预测数据并发送至预警服务器;预警服务器根据各设施位传感器采集的数据得到第二潮汐预测数据,并将第一潮汐预测数据、第二潮汐预测数据发送至监控平台,监控平台分析潮汐预测数据,在油田滩海潮汐预测数据达到预设范围时将报警信号发送至终端。本发明相较于现有技术预测精度更高、效果更好。
Description
技术领域
本发明涉及油田滩海勘测技术领域,特别涉及一种油田滩海的潮汐灾害预测系统及方法。
背景技术
滩海陆岸石油设施的安全威胁很大程度上来自于潮汐海浪的侵袭,由于潮汐有可能损坏油田设置在滩海岸线的设施,因此有必要对油田滩海的自然灾害进行预测,过去人们把油田滩海潮汐数值模式计算结果与验潮资料进行比较,对模式进行人工校准。为提高预测水平,及时应对油田滩海自然灾害,有必要提出一种更为准确全面的预测方法。
发明内容
本发明的目的在于至少解决现有技术中存在的技术问题之一,提供一种油田滩海的潮汐灾害预测系统,能够自动预测较高精度的油田滩海潮汐灾害数据 。
根据本发明的第一方面,提供一种油田滩海设施潮汐应急预测系统,其特征在于,包括:三维地理信息采集库、数据模型库、基础地理信息库、云服务器、预警服务器、监控平台及监控终端;其中,所述基础地理信息库根据三维地理信息采集库及所述数据模型库处理后的信息获得油田滩海设施的三维地理信息,所述基础地理信息库与云服务器连接,所述预警服务器分别与云服务器及监控平台连接,所述监控平台还与所述监控终端连接;还包括为预警服务器提供采集数据的各设施位传感器,所述各设施位传感器与所述预警服务器连接。
进一步的,系统还包括:其中所述基础地理信息库根据三维地理信息采集库及所述数据模型库处理后的信息获得油田滩海设施的三维地理信息具体为:所述三维地理信息采集库将采集到的地形三维信息、地物三维信息统一转换为第一坐标系上的第一地理信息;所述数据模型库包括DEM模型、DLG模型及DOM模型;所述基础地理信息库基于所述第一地理信息,处理得到所述DEM模型、DLG模型及DOM模型对应的第二地理信息,并发送至所述云服务器;所述云服务器分析所述第二地理信息得到第一潮汐预测数据并发送至所述预警服务器;所述预警服务器根据各设施位传感器采集的数据得到第二潮汐预测数据;所述预警服务器将所述第一潮汐预测数据、第二潮汐预测数据发送至所述监控平台,所述监控平台分析所述潮汐预测数据(即第一潮汐预测数据和/或第二潮汐预测数据),在所述潮汐预测数据(即第一潮汐预测数据和/或第二潮汐预测数据)达到预设范围时将报警信号发送至所述监控终端。
本发明结合了DEM模型、DLG模型及DOM模型对潮汐灾害进行预测,综合了多个模型的优点,不局限于一种模型的预测数据对潮汐灾害进行预测,得到数据更可靠,提高了预测的精度。
进一步的,所述的一种油田滩海的潮汐灾害预测系统,其特征在于:系统还包括观测站历史数据库,所述云服务器还根据所述观测站历史数据库的潮汐历史数据对潮汐情况进行预测得到第三潮汐预测数据。
进一步的,所述的一种油田滩海的潮汐灾害预测系统,其特征在于:所述各设施位传感器包括水位传感器、流量传感器、流速传感器、压力传感器、温度传感器和地震传感器。
进一步的,所述的一种油田滩海的潮汐灾害预测系统,其特征在于:周边气象预报站将气象预报中的潮汐预报数据发送至所述预警服务器,所述预警服务器对该潮汐预报数据处理后得到第四潮汐预测数据并发送至所述监控平台。
进一步的,所述的一种油田滩海的潮汐灾害预测系统,其特征在于:所述云服务器分析所述第二地理信息得到第一潮汐预测数据并发送至所述预警服务器,具体为:分别对上述模型赋予不同权重,将三个上述模型(即DEM模型、DLG模型及DOM模型中任一模型)对应的第二地理信息加权平均值作为组合预测结果,所述第二地理信息为上述模型各自对应的预测值,所述组合预测结果对应的组合预测值的公式为:
Yc=(α1Y1+α2Y2+α3Y3)/(Y1+Y2+Y3),其中Yc为组合模型后的地理信息预测值,α1、α2、α3依次分别为DEM模型、DLG模型及DOM模型的权重,Y1、Y2、Y3分别为DEM模型、DLG模型及DOM模型的预测值,其中α1、α2、α3的设置需满足如下模型:,其中Y’i为所述模型(即DEM模型、DLG模型及DOM模型中任一模型)转换为第一坐标系上的地理信息,Li为Y’i在第一坐标系上的坐标对应的潮汐历史数据,n为根据需要的预设值。
本发明通过在多个预测模型组合情况下,结合潮汐历史数据对模型分配各模型在预测结果中的权值,实现了多模型的潮汐灾害模型预测,避免了现有技术中预测精度不高、效果不好的问题。
根据本发明的第二方面,本发明还提出一种油田滩海的潮汐灾害预测方法,方法应用在前述的油田滩海的潮汐灾害预测系统中,其特征在于,包括如下步骤:三维地理信息采集库对采集到的地形三维信息和地物三维信息进行坐标转换,得到地形三维信息和地物三维信息在第一坐标系上的第一地理信息,基础地理信息库根据该第一地理信息,处理得到所述DEM模型、DLG模型及DOM模型对应的第二地理信息,并发送至所述云服务器;所述云服务器分析所述第二地理信息得到第一潮汐预测数据并发送至所述预警服务器;所述预警服务器根据各设施位传感器采集的数据得到第二潮汐预测数据;所述预警服务器将所述第一潮汐预测数据、第二潮汐预测数据发送至所述监控平台,所述监控平台分析所述潮汐预测数据,在所述潮汐预测数据达到预设范围时将报警信号发送至所述监控终端。
本发明提供的方法结合DEM模型、DLG模型及DOM模型进行自动机器预测的基础上,还提供了根据现场各设施位传感器采集的数据进行了预测,提供了多维度的预测数据,同现有技术相比,本发明具有以下技术效果:综合了DEM模型、DLG模型及DOM模型各自具有的信息,集成优化了上述模型的预测结果,提高了预测精度,并从模型预测、现场传感器预测等多维度实现油田滩海灾害预测,具有较强的可靠性和较高的实用价值。
附图说明
下面结合附图和实施例对本发明进一步地说明;
图1为本发明的油田滩海的潮汐灾害预测系统框图;
图2为本发明的油田滩海的潮汐灾害预测方法流程图。
具体实施方式
本部分将详细描述本发明的具体实施例,本发明之较佳实施例在附图中示出,附图的作用在于用图形补充说明书文字部分的描述,使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案,但其不能理解为对本发明保护范围的限制。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
根据本发明的第一方面,如图1所示,提供一种油田滩海设施潮汐应急预测系统,包括:三维地理信息采集库、数据模型库、基础地理信息库、云服务器、预警服务器、监控平台及监控终端;其中,所述基础地理信息库根据三维地理信息采集库及所述数据模型库处理后的信息获得油田滩海设施的三维地理信息,所述基础地理信息库与云服务器连接,所述预警服务器分别与云服务器及监控平台连接,所述监控平台还与所述监控终端连接;还包括为预警服务器提供采集数据的各设施位传感器。
进一步的,系统还包括:具体的,所述各设施位传感器包括水位传感器、流量传感器、流速传感器、压力传感器、温度传感器和地震传感器。考虑到水位、流量、流速、压力、温度及地震数据均与潮汐数据有一定的关系,本发明引入了以上传感器的传感数据综合预测潮汐灾害,例如通过对潮位流量进行日、月 时间平均,构建相应的水位流量关系图,用于表明日平均水位和上游大通流量相关性。单值流量对应瞬时潮位频率分布分析时,洪季涨潮潮位大于落潮潮位,频率分布呈偏态单峰型;枯季涨落潮潮位分布一致,带宽大,出现多峰型态,以此得出水位、流量、潮汐三者的关系规律,关于流速、压力、温度、地震数据与潮汐数据之间的关系规律可依据现有技术的相关手段实现,在此不再赘述。
在本发明的具体实施例中,所述基础地理信息库根据三维地理信息采集库及所述数据模型库处理后的信息获得油田滩海设施的三维地理信息具体包括以下步骤:所述三维地理信息采集库将采集到的地形三维信息、地物三维信息统一转换为第一坐标系上的第一地理信息;所述数据模型库包括DEM模型、DLG模型及DOM模型;所述基础地理信息库基于所述第一地理信息,处理得到所述DEM模型、DLG模型及DOM模型对应的第二地理信息,并发送至所述云服务器;所述云服务器分析所述第二地理信息得到第一潮汐预测数据并发送至所述预警服务器;所述预警服务器根据各设施位传感器采集的数据得到第二潮汐预测数据;所述预警服务器将所述第一潮汐预测数据、第二潮汐预测数据发送至所述监控平台,所述监控平台分析所述潮汐预测数据,在所述潮汐预测数据达到预设范围时将报警信号发送至所述监控终端。
DEM是数字高程模型的简称,DLG是数字线划地图的简称,DOM是数字正射影像图的简称,本发明的地形三维信息包括低空摄影获取的地形图像数据,地物三维信息包括钻井平台位置数据、石油管道位置数据、建筑物位置数据及植被位置数据,本发明将采集到的地形三维信息、地物三维信息统一转换为第一坐标系上的第一地理信息,是为了方便后续对信息进行统一的处理。
本发明结合了DEM模型、DLG模型及DOM模型对潮汐灾害进行预测,综合了多个模型的优点,不局限于一种模型的预测数据对潮汐灾害进行预测,得到数据更可靠,提高了预测的精度。
进一步的,系统还包括观测站历史数据库,本发明的DEM模型、DLG模型及DOM模型可定期根据观测站历史数据库中的历史数据进行调整,以使得所述模型更适合实际潮汐情况的预测。相应的,基础地理信息库的数据也定期进行更新,以及时获得最新的潮汐情况数据。
具体的,所述云服务器还根据所述观测站历史数据库的潮汐历史数据对潮汐情况进行预测得到第三潮汐预测数据。所述潮汐历史数据为滩海区域各潮汐历史数据。
具体的,周边气象预报站将气象预报中的潮汐预报数据发送至所述预警服务器,所述预警服务器对该潮汐预报数据处理后得到第四潮汐预测数据并发送至所述监控平台。
具体的,监控平台的预测结果显示包括历史数据的预测数据、气象局的气象预报数据、现场设施传感器的数据预测数据及模型预测数据,所述监控平台分析所述历史数据的预测数据、气象局的气象预报数据、现场设施传感器的数据预测数据及模型预测数据,在所述预测数据达到预设范围时将报警信号发送至所述终端,即所述终端显示的报警信号有可能是历史数据的预测数据、气象局的气象预报数据、现场设施传感器的数据中的任意一种产生的报警信号,例如在是历史数据预测得到的则显示:根据历史数据预测,即将产生潮汐灾害。如是气象预报预测的则显示:根据气象预报信息,即将产生潮汐灾害。如是现场设施传感器数据预测的的则显示:根据现场传感器数据预测,即将产生潮汐灾害。如是模型预测的则显示:根据数据模型预测,即将产生潮汐灾害。同时在监控终端显示具体即将产生潮汐灾害的地理位置。让不在现场值班的监控人员也能及时获得监控信息。
鉴于历史数据的预测、气象局的气象预报、现场设施传感器的数据预测也是可行的潮汐预测方式,为避免模型预测有误差导致不必要的油田滩海岸线设施损坏,本发明还引入了根据潮汐历史数据、现场设施传感器的传感数据的预测结果及气象局的预测结果,让监控人员能全面的、多角度的获得潮汐灾害预测数据。
具体的,所述云服务器分析所述第二地理信息得到第一潮汐预测数据并发送至所述预警服务器,具体为:分别对上述模型赋予不同权重,将三个上述模型对应的第二地理信息加权平均值作为组合预测结果,所述第二地理信息为上述模型各自对应的预测值,所述组合预测结果对应的组合预测值的公式为:
Yc=(α1Y1+α2Y2+α3Y3)/(Y1+Y2+Y3),其中Yc为组合模型后的地理信息预测值,α1、α2、α3依次分别为DEM模型、DLG模型及DOM模型的权重,Y1、Y2、Y3分别为根据DEM模型、DLG模型及DOM模型预测得到的预测值,其中α1、α2、α3的设置需满足如下模型:,其中Y’i为所述模型换为第一坐标系上的地理信息,即为DEM模型、DLG模型或DOM模型中各物体所在模型中的位置信息转换到第一坐标系上的地理信息,Li为Y’i在第一坐标系上的坐标对应的潮汐历史数据,n为根据需要的预设值。
本发明通过在多个预测模型组合情况下,结合潮汐历史数据对模型分配各模型在预测结果中的权值,综合了多个模型的优点,实现了多模型的潮汐灾害模型预测,避免了现有技术中预测精度不高、效果不好的问题。
根据本发明的第二方面,本发明还提出一种油田滩海的潮汐灾害预测方法,包括如下步骤:
步骤S1:三维地理信息采集库对采集到的地形三维信息和地物三维信息进行坐标转换,得到地形三维信息和地物三维信息在第一坐标系上的第一地理信息;
步骤S2:基础地理信息库根据该第一地理信息,处理得到所述DEM模型、DLG模型及DOM模型对应的第二地理信息,并发送至所述云服务器;
步骤S3:所述云服务器分析所述第二地理信息得到第一潮汐预测数据并发送至所述预警服务器;
步骤S4:所述预警服务器根据各设施位传感器采集的数据得到第二潮汐预测数据
步骤S5:所述预警服务器将所述第一潮汐预测数据、第二潮汐预测数据发送至所述监控平台;
步骤S6:所述监控平台分析所述潮汐预测数据,在所述潮汐预测数据达到预设范围时将报警信号发送至监控终端。
本发明的油田滩海的潮汐灾害预测方法流程图具体参见附图图2。
其中,步骤S1中,是对采集的地理信息转换为统一坐标系上的坐标数据,步骤S2通过不同的模型对采集的地理信息进行数据处理并发送至云服务器,步骤S3利用云服务器的强大数据分析能力对获取的第二地理信息进行分析预测获得第一潮汐预测数据,具体可以为:分别对上述模型赋予不同权重,将三个上述模型对应的第二地理信息加权平均值作为组合预测结果,所述第二地理信息为上述模型各自对应的预测值,所述组合预测结果对应的组合预测值的公式为:
Yc=(α1Y1+α2Y2+α3Y3)/(Y1+Y2+Y3),其中Yc为组合模型后的地理信息预测值,α1、α2、α3依次分别为DEM模型、DLG模型及DOM模型的权重,Y1、Y2、Y3分别为根据DEM模型、DLG模型及DOM模型预测得到的预测值,其中α1、α2、α3的设置需满足如下模型:,其中Y’i为所述模型换为第一坐标系上的地理信息,即为DEM模型、DLG模型或DOM模型中各物体所在模型中的位置信息转换到第一坐标系上的地理信息,Li为Y’i在第一坐标系上的坐标对应的潮汐历史数据,n为根据需要的预设值。
步骤S4中根据各设施位传感器采集的数据获得第二潮汐预测数据具体可以为:根据水位、流量、流速、压力、温度及地震数据与潮汐数据的历史关系数据对目前的潮汐情况进行预测,例如通过对潮位流量进行日、月 时间平均,构建相应的水位流量关系图,用于表明日平均水位和上游大通流量相关性。单值流量对应瞬时潮位频率分布分析时,洪季涨潮潮位大于落潮潮位,频率分布呈偏态单峰型;枯季涨落潮潮位分布一致,带宽大,出现多峰型态,以此得出水位、流量、潮汐三者的关系规律,关于流速、压力、温度、地震数据与潮汐数据之间的关系规律可依据现有技术的相关手段实现,在此不再赘述。
步骤S5将获得的第一潮汐预测数据、第二潮汐预测数据发送至监控平台,监控平台是一个具有较高运算能力的展示平台,可供监控人员监控数据的同时还可对监控的数据进行进一步处理,以将监控数据以较好的人机交互方式展现给监控人员,监控人员也可根据需要对监控数据的展示进行设置。
步骤S6中将报警信号发送至监控终端,方便不在监控室的工作人员可以随时随地及时获得报警数据,及时排除潮汐灾害的影响。
本发明提供的方法结合DEM模型、DLG模型及DOM模型进行自动机器预测的基础上,还提供了根据现场各设施位传感器采集的数据进行了预测,提供了多维度的预测数据,同现有技术相比,本发明具有以下技术效果:综合了DEM模型、DLG模型及DOM模型各自具有的信息,集成优化了上述模型的预测结果,提高了预测精度,并从模型预测、现场传感器预测等多维度实现潮汐预测,具有较强的可靠性和较高的实用价值。
上面结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,在所述技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (1)
1.一种油田滩海的潮汐灾害预测系统,包括三维地理信息采集库、基础地理信息库、监控平台,其特征在于,系统还包括:数据模型库、云服务器、预警服务器及监控终端,所述基础地理信息库与云服务器连接,所述预警服务器分别与云服务器及监控平台连接,所述监控平台还与所述监控终端连接;其中,所述基础地理信息库根据三维地理信息采集库及所述数据模型库处理后的信息获得油田滩海设施的三维地理信息;还包括与所述预警服务器连接的各设施位传感器;
其中所述基础地理信息库根据三维地理信息采集库及所述数据模型库处理后的信息获得油田滩海设施的三维地理信息具体为:所述三维地理信息采集库将采集到的地形三维信息、地物三维信息统一转换为第一坐标系上的第一地理信息;所述数据模型库包括DEM模型、DLG模型及DOM模型;所述基础地理信息库基于所述第一地理信息,处理得到所述DEM模型、DLG模型及DOM模型对应的第二地理信息,并发送至所述云服务器;所述云服务器分析所述第二地理信息得到第一潮汐预测数据并发送至所述预警服务器;所述预警服务器根据各设施位传感器采集的数据得到第二潮汐预测数据;所述预警服务器将所述第一潮汐预测数据、第二潮汐预测数据发送至所述监控平台,所述监控平台分析第一潮汐预测数据和/或第二潮汐预测数据,在第一潮汐预测数据和/或第二潮汐预测数据达到预设范围时将报警信号发送至所述监控终端;
观测站历史数据库,所述云服务器还根据所述观测站历史数据库的潮汐历史数据对潮汐情况进行预测得到第三潮汐预测数据;
所述各设施位传感器包括水位传感器、流量传感器、流速传感器、压力传感器、温度传感器和地震传感器;
周边气象预报站将气象预报中的潮汐预报数据发送至所述预警服务器,所述预警服务器对该潮汐预报数据处理后得到第四潮汐预测数据并发送至所述监控平台;
所述云服务器分析所述第二地理信息得到第一潮汐预测数据并发送至所述预警服务器,具体为:分别对DEM模型、DLG模型及DOM模型赋予不同权重,将DEM模型、DLG模型及DOM模型任一模型对应的第二地理信息加权平均值作为组合预测结果,组合预测值的公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110635732.8A CN113254560B (zh) | 2021-06-08 | 2021-06-08 | 一种油田滩海的潮汐灾害预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110635732.8A CN113254560B (zh) | 2021-06-08 | 2021-06-08 | 一种油田滩海的潮汐灾害预测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113254560A CN113254560A (zh) | 2021-08-13 |
CN113254560B true CN113254560B (zh) | 2021-09-28 |
Family
ID=77187108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110635732.8A Active CN113254560B (zh) | 2021-06-08 | 2021-06-08 | 一种油田滩海的潮汐灾害预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113254560B (zh) |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102662192B (zh) * | 2004-03-17 | 2017-06-30 | 维斯特恩格科地震控股有限公司 | 海上地震测量方法和系统 |
CN102682573B (zh) * | 2012-03-31 | 2016-08-03 | 上海海洋大学 | 一种基于时间序列分析的风暴潮灾害预警系统 |
CN103453936A (zh) * | 2013-08-28 | 2013-12-18 | 兰州大学 | 基于物联网的泥石流临灾监测系统 |
CN105182369B (zh) * | 2015-07-30 | 2018-07-20 | 国家海洋技术中心 | 基于北斗地基增强系统的测量波浪和潮汐方法 |
CN105184492B (zh) * | 2015-09-10 | 2019-04-26 | 国网福建省电力有限公司 | 基于三维数字地球的电网抵御台风灾害仿真分析预警系统 |
CN105719053A (zh) * | 2016-01-13 | 2016-06-29 | 天津中科智能识别产业技术研究院有限公司 | 基于多终端的灾害预警及信息发布系统 |
CN106908044B (zh) * | 2017-01-24 | 2019-08-09 | 国家海洋局第一海洋研究所 | 一种基于北斗的全海域验潮系统及验潮方法 |
CN109243205B (zh) * | 2018-08-29 | 2020-09-04 | 上海海事大学 | 一种沿海水上交通安全风险监测与预警系统及方法 |
CN110377674A (zh) * | 2019-06-13 | 2019-10-25 | 中国地质大学深圳研究院 | 一种基于ArcGIS平台的台风风暴潮风险评估方法及系统 |
CN110334137B (zh) * | 2019-07-15 | 2022-11-08 | 兰州交通大学 | 一种基于潮汐过程的海岛礁形态变化定量描述提取方法 |
-
2021
- 2021-06-08 CN CN202110635732.8A patent/CN113254560B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113254560A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111504268B (zh) | 一种土质边坡险情智能预警预报方法 | |
US10725205B2 (en) | Forensic weather system | |
CN104778517A (zh) | 基于微气象与卫星遥感数据的微气象灾害预警方法及系统 | |
US20230259798A1 (en) | Systems and methods for automatic environmental planning and decision support using artificial intelligence and data fusion techniques on distributed sensor network data | |
CN111915128B (zh) | 一种对地震诱发的次生滑坡灾后评估与救援辅助系统 | |
CN105204092A (zh) | 蜂窝状布局的雷电预警系统 | |
Doong et al. | Development of an operational coastal flooding early warning system | |
CN101482620A (zh) | 实时地震烈度速报方法及实时地震烈度速报系统 | |
KR101658197B1 (ko) | 연안 이상현상 경보 발생방법 | |
CN107169645A (zh) | 一种计及暴雨灾害影响的输电线路故障概率在线评估方法 | |
CN111915847A (zh) | 一种精细化降雨预报系统及其预警方法 | |
CN116824807B (zh) | 多灾害预警报警方法及系统 | |
CN105003828A (zh) | 一种基于移动平台的排水在线监测预警方法及系统 | |
CN111243241A (zh) | 山体滑坡预警系统 | |
WO2020111934A1 (en) | A method and system for detection of natural disaster occurrence | |
CN113112759A (zh) | 一种基于北斗的地质灾害监测北斗预警报警系统及其方法 | |
KR101983938B1 (ko) | 낙뢰 경보 시스템 및 방법 | |
CN211375058U (zh) | 一种基于雷达数据的气象显示系统及灾害预警系统 | |
JP2007155347A (ja) | 地震被害管理システム及び方法 | |
CN111970382A (zh) | 一种铁塔安全监测预警系统 | |
CN107884777A (zh) | 一种用于无人机的防摔保护与防丢失装置 | |
CN114374716A (zh) | 地质灾害远程监测系统及其监测方法 | |
CN116990847B (zh) | 基于边缘计算的北斗gnss接收机解算方法和系统 | |
CN113011747A (zh) | 建筑物监测方法、装置、电子设备及存储介质 | |
CN116739310B (zh) | 一种基于地理信息的建筑场地勘测规划系统 |
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 |