CN113435049B - 一种基于逻辑回归的雨量设备故障分析系统 - Google Patents
一种基于逻辑回归的雨量设备故障分析系统 Download PDFInfo
- Publication number
- CN113435049B CN113435049B CN202110733032.2A CN202110733032A CN113435049B CN 113435049 B CN113435049 B CN 113435049B CN 202110733032 A CN202110733032 A CN 202110733032A CN 113435049 B CN113435049 B CN 113435049B
- Authority
- CN
- China
- Prior art keywords
- detection
- rain
- rainfall
- reliability
- rain gauge
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于逻辑回归的雨量设备故障分析系统,涉及雨量设备故障分析技术领域,解决了现有技术中不能够构建可靠性检测模型对雨量筒工作状况和效率进行可靠性检测的技术问题,通过数据采集单元采集雨量筒的历史数据,对雨量筒的历史数据进行分析,获取到已经投入使用的雨量筒,通过公式获取到检测雨量筒的运行系数Xi,获取到检测雨量筒所在区域位置,随后获取到雨量筒对应区域位置的平均降雨频率和最大降雨量,通过公式获取到检测雨量筒的区域环境系数HJi,代入公式,构建可靠性检测模型;对检测雨量筒的历史数据进行分析,同时构建可靠性检测模型,对检测雨量筒进行可靠性检测,提高了雨量筒的工作效率。
Description
技术领域
本发明涉及雨量设备故障分析技术领域,具体为一种基于逻辑回归的雨量设备故障分析系统。
背景技术
自动雨量监测系统(无线网),系统适用于水电企业、水文部门对江、河、湖泊、水库、渠道和地下水等水文参数进行实时监测。监测内容包括:水位、流量、流速、降雨(雪)、蒸发、泥沙、冰凌、墒情、水质等。DATA-9201自动雨量监测系统采用无线通讯方式实时传送监测数据,可以大大提高水电企业、水文部门的工作效率。雨量筒是用来收集降水的专用器具,用来测定以毫米为单位的降水量。适用于气象台(站)、水文站、环保、防汛排涝以及农、林等有关部门用来测量降水量。
但是在现有技术中,不能够构建可靠性检测模型对检测雨量筒进行可靠性检测,导致雨量筒的工作效率降低。
发明内容
本发明的目的就在于提出一种基于逻辑回归的雨量设备故障分析系统,通过数据采集单元采集雨量筒的历史数据,对雨量筒的历史数据进行分析,并构建可靠性检测模型,从而对雨量筒进行检测,获取到已经投入使用的雨量筒,获取到检测雨量筒的历史数据,获取到检测雨量筒历史使用过程中平均单次盛雨量、检测雨量筒历史使用过程中平均单次最长工作时长以及检测雨量筒历史使用过程中平均雨量误差刻度值,通过公式获取到检测雨量筒的运行系数Xi,获取到检测雨量筒所在区域位置,随后获取到雨量筒对应区域位置的平均降雨频率和最大降雨量,通过公式获取到检测雨量筒的区域环境系数HJi,将检测雨量筒的运行系数Xi和区域环境系数HJi代入公式,构建可靠性检测模型;对检测雨量筒的历史数据进行分析,同时构建可靠性检测模型,对检测雨量筒进行可靠性检测,提高了雨量筒的工作效率,防止雨量筒在工作过程中出现故障;
本发明的目的可以通过以下技术方案实现:
一种基于逻辑回归的雨量设备故障分析系统,包括数据采集单元、数据检测单元、天气预测单元、云控制平台、注册登录单元以及数据库;
所述数据采集单元用于采集雨量筒的历史数据,对雨量筒的历史数据进行分析,并构建可靠性检测模型,从而对雨量筒进行检测,具体分析检测过程如下:
步骤S1:获取到已经投入使用的雨量筒,并将其标记为检测雨量筒,设置标号i,i=1,2,……,n,n为正整数,以单次使用为间隔单位,获取到检测雨量筒的历史数据,历史数据包括雨量数据、时长数据以及误差数据,雨量数据为检测雨量筒历史使用过程中平均单次盛雨量,时长数据为检测雨量筒历史使用过程中平均单次最长工作时长,误差数据为检测雨量筒历史使用过程中平均雨量误差刻度值;
步骤S2:获取到检测雨量筒历史使用过程中平均单次盛雨量、检测雨量筒历史使用过程中平均单次最长工作时长以及检测雨量筒历史使用过程中平均雨量误差刻度值,并将检测雨量筒历史使用过程中平均单次盛雨量标记为SYi,将检测雨量筒历史使用过程中平均单次最长工作时长标记为SCi,将检测雨量筒历史使用过程中平均雨量误差刻度值标记为WCi,通过公式获取到检测雨量筒的运行系数Xi,其中,a1、a2以及a3均为比例系数,且a1>a2>a3>0;
步骤S3:获取到检测雨量筒所在区域位置,随后获取到雨量筒对应区域位置的平均降雨频率和最大降雨量,并将雨量筒对应区域位置的平均降雨频率和最大降雨量分别标记为PLi和YLi,通过公式获取到检测雨量筒的区域环境系数HJi,其中,a4和a5均为比例系数,且a4>a5>0,e为自然常数;
步骤S4:将检测雨量筒的运行系数Xi和区域环境系数HJi代入公式,构建可靠性检测模型,即:,其中,KKi为检测雨量筒的可靠性检测系数,GR为设定人为影响阈值,t为自变量时间,b1和b2均为比例系数,且b1>b2>0;
步骤S5:将可靠性检测模型发送至云控制平台。
进一步地,所述云控制平台接收到可靠性检测模型后,生成数据检测信号并将数据检测信号发送至数据检测单元,数据检测单元接收到数据检测信号后,对检测雨量筒进行可靠性检测,具体检测过程如下:
步骤SS1:设置检测时间阈值,对检测雨量筒进行可靠性检测系数进行计算,并将检测雨量筒对应的可靠性检测系数进行汇总同时构建可靠性检测系数集合;
步骤SS2:以检测时间阈值为X轴,以可靠性检测系数为Y轴建立直角坐标系,根据检测时间阈值将检测雨量筒在直角坐标系上进行点标记,构建检测雨量筒的可靠性检测曲线;
步骤SS3:对可靠性检测曲线进行分析,获取到可靠性检测曲线的起始端点,将起点对应的可靠性系数与端点对应的可靠性系数进行比较:若起点对应的可靠性系数≥端点对应的可靠性系数,则判定对应检测雨量筒可靠性系数降低,生成检测雨量筒可靠性异常信号并将可靠性异常信号发送至云控制平台,同时将对应曲线标记为异常曲线;若起点对应的可靠性系数<端点对应的可靠性系数,则判定对应检测雨量筒可靠性系数正常,将对应检测雨量筒标记为正常检测雨量筒并将其发送至云控制平台;
步骤SS4:将异常曲线对应的检测时间阈值划分为k个时间节点,k为大于1的自然数,并将各个时间节点对应的异常曲线节点进行分析,将相邻两个时间节点之间对应的异常曲线斜率进行分析,若对应异常曲线节点对应数值呈下降趋势,且对应斜率大于60度,则将对应两个时间节点之间的时间段标记为故障时间段,并将故障时间段发送至管理人员的手机终端;对检测雨量筒的历史数据进行分析,同时构建可靠性检测模型,对检测雨量筒进行可靠性检测,提高了雨量筒的工作效率,防止雨量筒在工作过程中出现故障。
进一步地,所述云控制平台接收到正常检测雨量筒后,将正常检测雨量筒的编号送至监测人员,同时生成天气预测信号并将天气预测信号发送至天气预测单元,天气预测单元接收到天气预测信号后进行天气预测,具体预测过程如下:
步骤T1:将各个正常检测雨量筒分布至各个采集点,将各个采集点标记为o,o=1,2,……,m,m为正整数,实时获取到各个采集点环境中的风力值,并将各个采集点环境中的风力值标记为FLo;
步骤T2:实时获取到各个采集点的温度变化差值,并将各个采集点的温度变化差值标记为WCo;
步骤T4:将各个采集点的天气预测系数Xo与天气预测系数阈值进行比较:
若采集点的天气预测系数Xo≥天气预测系数阈值,则将对应采集点标记为下雨采集点,并将下雨采集点和对应检测雨量筒一同发送至监测人员的手机终端;
若采集点的天气预测系数Xo<天气预测系数阈值,则将对应采集点标记为非下雨采集点,并将非下雨采集点和对应检测雨量筒一同发送至监测人员的手机终端;对完成检测的雨量筒进行分布,并对各个分布点进行天气预测,提高雨量筒检测雨量的准确性,降低了采集雨量时产生的误差,提高了工作效率。
进一步地,所述注册登录单元用于管理人员和监测人员通过手机终端提交管理人员信息和监测人员信息进行注册,并将注册成功的管理人员信息和监测人员信息进行数据保存,管理人员信息包括管理人员的姓名、年龄、入职时间以及本人实名认证的手机号码,监测人员信息包括监测人员的姓名、年龄、入职时间以及本人实名认证的手机号码。
与现有技术相比,本发明的有益效果是:
1、本发明中,通过数据采集单元采集雨量筒的历史数据,对雨量筒的历史数据进行分析,并构建可靠性检测模型,从而对雨量筒进行检测,获取到已经投入使用的雨量筒,获取到检测雨量筒的历史数据,获取到检测雨量筒历史使用过程中平均单次盛雨量、检测雨量筒历史使用过程中平均单次最长工作时长以及检测雨量筒历史使用过程中平均雨量误差刻度值,通过公式获取到检测雨量筒的运行系数Xi,获取到检测雨量筒所在区域位置,随后获取到雨量筒对应区域位置的平均降雨频率和最大降雨量,通过公式获取到检测雨量筒的区域环境系数HJi,将检测雨量筒的运行系数Xi和区域环境系数HJi代入公式,构建可靠性检测模型;对检测雨量筒的历史数据进行分析,同时构建可靠性检测模型,对检测雨量筒进行可靠性检测,提高了雨量筒的工作效率,防止雨量筒在工作过程中出现故障;
2、本发明中,通过天气预测单元接收到天气预测信号后进行天气预测,具体预测过程如下:将各个正常检测雨量筒分布至各个采集点,实时获取到各个采集点环境中的风力值,并将各个采集点环境中的风力值标记为FLo;实时获取到各个采集点的温度变化差值,并将各个采集点的温度变化差值标记为WCo;通过公式获取到各个采集点的天气预测系数Xo,将各个采集点的天气预测系数Xo与天气预测系数阈值进行比较;对完成检测的雨量筒进行分布,并对各个分布点进行天气预测,提高雨量筒检测雨量的准确性,降低了采集雨量时产生的误差,提高了工作效率。
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获得其他的附图。
图1为本发明的原理框图。
具体实施方式
下面将结合实施例对本发明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前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,一种基于逻辑回归的雨量设备故障分析系统,包括数据采集单元、数据检测单元、天气预测单元、云控制平台、注册登录单元以及数据库;
所述注册登录单元用于管理人员和监测人员通过手机终端提交管理人员信息和监测人员信息进行注册,并将注册成功的管理人员信息和监测人员信息进行数据保存,管理人员信息包括管理人员的姓名、年龄、入职时间以及本人实名认证的手机号码,监测人员信息包括监测人员的姓名、年龄、入职时间以及本人实名认证的手机号码;
所述数据采集单元用于采集雨量筒的历史数据,对雨量筒的历史数据进行分析,并构建可靠性检测模型,从而对雨量筒进行检测,具体分析检测过程如下:
步骤S1:获取到已经投入使用的雨量筒,并将其标记为检测雨量筒,设置标号i,i=1,2,……,n,n为正整数,以单次使用为间隔单位,获取到检测雨量筒的历史数据,历史数据包括雨量数据、时长数据以及误差数据,雨量数据为检测雨量筒历史使用过程中平均单次盛雨量,时长数据为检测雨量筒历史使用过程中平均单次最长工作时长,误差数据为检测雨量筒历史使用过程中平均雨量误差刻度值;
步骤S2:获取到检测雨量筒历史使用过程中平均单次盛雨量、检测雨量筒历史使用过程中平均单次最长工作时长以及检测雨量筒历史使用过程中平均雨量误差刻度值,并将检测雨量筒历史使用过程中平均单次盛雨量标记为SYi,将检测雨量筒历史使用过程中平均单次最长工作时长标记为SCi,将检测雨量筒历史使用过程中平均雨量误差刻度值标记为WCi,通过公式获取到检测雨量筒的运行系数Xi,其中,a1、a2以及a3均为比例系数,且a1>a2>a3>0;
步骤S3:获取到检测雨量筒所在区域位置,随后获取到雨量筒对应区域位置的平均降雨频率和最大降雨量,并将雨量筒对应区域位置的平均降雨频率和最大降雨量分别标记为PLi和YLi,通过公式获取到检测雨量筒的区域环境系数HJi,其中,a4和a5均为比例系数,且a4>a5>0,e为自然常数;
步骤S4:将检测雨量筒的运行系数Xi和区域环境系数HJi代入公式,构建可靠性检测模型,即:,其中,KKi为检测雨量筒的可靠性检测系数,GR为设定人为影响阈值,t为自变量时间,b1和b2均为比例系数,且b1>b2>0;
步骤S5:将可靠性检测模型发送至云控制平台;
所述云控制平台接收到可靠性检测模型后,生成数据检测信号并将数据检测信号发送至数据检测单元,数据检测单元接收到数据检测信号后,对检测雨量筒进行可靠性检测,具体检测过程如下:
步骤SS1:设置检测时间阈值,对检测雨量筒进行可靠性检测系数进行计算,并将检测雨量筒对应的可靠性检测系数进行汇总同时构建可靠性检测系数集合;
步骤SS2:以检测时间阈值为X轴,以可靠性检测系数为Y轴建立直角坐标系,根据检测时间阈值将检测雨量筒在直角坐标系上进行点标记,构建检测雨量筒的可靠性检测曲线;
步骤SS3:对可靠性检测曲线进行分析,获取到可靠性检测曲线的起始端点,将起点对应的可靠性系数与端点对应的可靠性系数进行比较:若起点对应的可靠性系数≥端点对应的可靠性系数,则判定对应检测雨量筒可靠性系数降低,生成检测雨量筒可靠性异常信号并将可靠性异常信号发送至云控制平台,同时将对应曲线标记为异常曲线;若起点对应的可靠性系数<端点对应的可靠性系数,则判定对应检测雨量筒可靠性系数正常,将对应检测雨量筒标记为正常检测雨量筒并将其发送至云控制平台;
步骤SS4:将异常曲线对应的检测时间阈值划分为k个时间节点,k为大于1的自然数,并将各个时间节点对应的异常曲线节点进行分析,将相邻两个时间节点之间对应的异常曲线斜率进行分析,若对应异常曲线节点对应数值呈下降趋势,且对应斜率大于60度,则将对应两个时间节点之间的时间段标记为故障时间段,并将故障时间段发送至管理人员的手机终端;对检测雨量筒的历史数据进行分析,同时构建可靠性检测模型,对检测雨量筒进行可靠性检测,提高了雨量筒的工作效率,防止雨量筒在工作过程中出现故障;
所述云控制平台接收到正常检测雨量筒后,将正常检测雨量筒的编号送至监测人员,同时生成天气预测信号并将天气预测信号发送至天气预测单元,天气预测单元接收到天气预测信号后进行天气预测,具体预测过程如下:
步骤T1:将各个正常检测雨量筒分布至各个采集点,将各个采集点标记为o,o=1,2,……,m,m为正整数,实时获取到各个采集点环境中的风力值,并将各个采集点环境中的风力值标记为FLo;
步骤T2:实时获取到各个采集点的温度变化差值,并将各个采集点的温度变化差值标记为WCo;
步骤T4:将各个采集点的天气预测系数Xo与天气预测系数阈值进行比较:
若采集点的天气预测系数Xo≥天气预测系数阈值,则将对应采集点标记为下雨采集点,并将下雨采集点和对应检测雨量筒一同发送至监测人员的手机终端;
若采集点的天气预测系数Xo<天气预测系数阈值,则将对应采集点标记为非下雨采集点,并将非下雨采集点和对应检测雨量筒一同发送至监测人员的手机终端;对完成检测的雨量筒进行分布,并对各个分布点进行天气预测,提高雨量筒检测雨量的准确性,降低了采集雨量时产生的误差,提高了工作效率。
本发明工作原理:
一种基于逻辑回归的雨量设备故障分析系统,在工作时,通过数据采集单元采集雨量筒的历史数据,对雨量筒的历史数据进行分析,并构建可靠性检测模型,从而对雨量筒进行检测,获取到已经投入使用的雨量筒,获取到检测雨量筒的历史数据,获取到检测雨量筒历史使用过程中平均单次盛雨量、检测雨量筒历史使用过程中平均单次最长工作时长以及检测雨量筒历史使用过程中平均雨量误差刻度值,通过公式获取到检测雨量筒的运行系数Xi,获取到检测雨量筒所在区域位置,随后获取到雨量筒对应区域位置的平均降雨频率和最大降雨量,通过公式获取到检测雨量筒的区域环境系数HJi,将检测雨量筒的运行系数Xi和区域环境系数HJi代入公式,构建可靠性检测模型。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (3)
1.一种基于逻辑回归的雨量设备故障分析系统,其特征在于,包括数据采集单元、数据检测单元、天气预测单元以及云控制平台;
所述数据采集单元用于采集雨量筒的历史数据,对雨量筒的历史数据进行分析,并构建可靠性检测模型,从而对雨量筒进行检测,具体分析检测过程如下:
步骤S1:获取到已经投入使用的雨量筒,并将其标记为检测雨量筒,设置标号i,i=1,2,……,n,n为正整数,以单次使用为间隔单位,获取到检测雨量筒的历史数据,历史数据包括雨量数据、时长数据以及误差数据,雨量数据为检测雨量筒历史使用过程中平均单次盛雨量,时长数据为检测雨量筒历史使用过程中平均单次最长工作时长,误差数据为检测雨量筒历史使用过程中平均雨量误差刻度值;
步骤S2:获取到检测雨量筒历史使用过程中平均单次盛雨量、检测雨量筒历史使用过程中平均单次最长工作时长以及检测雨量筒历史使用过程中平均雨量误差刻度值,并将检测雨量筒历史使用过程中平均单次盛雨量标记为SYi,将检测雨量筒历史使用过程中平均单次最长工作时长标记为SCi,将检测雨量筒历史使用过程中平均雨量误差刻度值标记为WCi,通过公式Xi=β(SYi×a1+ SCi×a2+WCi×a3)获取到检测雨量筒的运行系数Xi,其中,a1、a2以及a3均为比例系数,且a1>a2>a3>0;
步骤S3:获取到检测雨量筒所在区域位置,随后获取到雨量筒对应区域位置的平均降雨频率和最大降雨量,并将雨量筒对应区域位置的平均降雨频率和最大降雨量分别标记为PLi和YLi,通过公式HJi=(PLi×a4+YLi×a5)e(a4+a5)获取到检测雨量筒的区域环境系数HJi,其中,a4和a5均为比例系数,且a4>a5>0,e为自然常数;
步骤S4:将检测雨量筒的运行系数Xi和区域环境系数HJi代入公式,构建可靠性检测模型,即:;其中,KKi为检测雨量筒的可靠性检测系数,GR为设定人为影响阈值,t为自变量时间,b1和b2均为比例系数,且b1>b2>0;
步骤S5:将可靠性检测模型发送至云控制平台。
2.根据权利要求1所述的一种基于逻辑回归的雨量设备故障分析系统,其特征在于,所述云控制平台接收到可靠性检测模型后,生成数据检测信号并将数据检测信号发送至数据检测单元,数据检测单元接收到数据检测信号后,对检测雨量筒进行可靠性检测,具体检测过程如下:
步骤SS1:设置检测时间阈值,对检测雨量筒进行可靠性检测系数进行计算,并将检测雨量筒对应的可靠性检测系数进行汇总同时构建可靠性检测系数集合;
步骤SS2:以检测时间阈值为X轴,以可靠性检测系数为Y轴建立直角坐标系,根据检测时间阈值将检测雨量筒在直角坐标系上进行点标记,构建检测雨量筒的可靠性检测曲线;
步骤SS3:对可靠性检测曲线进行分析,获取到可靠性检测曲线的端点;将起点对应的可靠性系数与终点对应的可靠性系数进行比较:若起点对应的可靠性系数≥终点对应的可靠性系数,则判定对应检测雨量筒可靠性系数降低,生成检测雨量筒可靠性异常信号并将可靠性异常信号发送至云控制平台,同时将对应曲线标记为异常曲线;若起点对应的可靠性系数<终点对应的可靠性系数,则判定对应检测雨量筒可靠性系数正常,将对应检测雨量筒标记为正常检测雨量筒并将其发送至云控制平台;
步骤SS4:将异常曲线对应的检测时间阈值划分为k个时间节点,k为大于1的自然数,并将各个时间节点对应的异常曲线节点进行分析,将相邻两个时间节点之间对应的异常曲线斜率进行分析,若对应异常曲线节点对应数值呈下降趋势,且对应斜率大于60度,则将对应两个时间节点之间的时间段标记为故障时间段,并将故障时间段发送至管理人员的手机终端。
3.根据权利要求2所述的一种基于逻辑回归的雨量设备故障分析系统,其特征在于,所述步骤SS3中云控制平台接收到正常检测雨量筒后,云控制平台将正常检测雨量筒的编号送至监测人员,同时生成天气预测信号并将天气预测信号发送至天气预测单元,天气预测单元接收到天气预测信号后进行天气预测,具体天气预测过程如下:
步骤T1:将各个正常检测雨量筒分布至各个采集点,将各个采集点标记为o,o=1,2,……,m,m为正整数,实时获取到各个采集点环境中的风力值,并将各个采集点环境中的风力值标记为FLo;
步骤T2:实时获取到各个采集点的温度变化差值,并将各个采集点的温度变化差值标记为WCo;
步骤T3:通过公式Xo=ɑ(FLo×s1+WCo×s2)获取到各个采集点的天气预测系数Xo,其中,s1和s2均为比例系数,且s1>s2>0,α为误差修正因子;
步骤T4:将各个采集点的天气预测系数Xo与天气预测系数阈值进行比较:
若采集点的天气预测系数Xo≥天气预测系数阈值,则将对应采集点标记为下雨采集点,并将下雨采集点和对应检测雨量筒一同发送至监测人员的手机终端;
若采集点的天气预测系数Xo<天气预测系数阈值,则将对应采集点标记为非下雨采集点,并将非下雨采集点和对应检测雨量筒一同发送至监测人员的手机终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110733032.2A CN113435049B (zh) | 2021-06-30 | 2021-06-30 | 一种基于逻辑回归的雨量设备故障分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110733032.2A CN113435049B (zh) | 2021-06-30 | 2021-06-30 | 一种基于逻辑回归的雨量设备故障分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113435049A CN113435049A (zh) | 2021-09-24 |
CN113435049B true CN113435049B (zh) | 2022-05-03 |
Family
ID=77757962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110733032.2A Active CN113435049B (zh) | 2021-06-30 | 2021-06-30 | 一种基于逻辑回归的雨量设备故障分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435049B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116580542B (zh) * | 2023-07-14 | 2023-09-15 | 四川川核地质工程有限公司 | 一种洪水预警方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050073148A (ko) * | 2004-01-09 | 2005-07-13 | 한국수자원공사 | 고 신뢰 무접점 우량측정장치 |
CN110703359A (zh) * | 2019-10-16 | 2020-01-17 | 西北大学 | 以降雨量为主进行滑坡预报的滞后非线性时间预报方法 |
CN112016831A (zh) * | 2020-08-27 | 2020-12-01 | 西安易辑数字科技有限公司 | 一种基于ai智能预报的城市内涝落区的识别方法 |
CN112347658A (zh) * | 2020-11-20 | 2021-02-09 | 南京融星智联信息技术有限公司 | 一种低轨卫星通信系统馈电链路的可靠性设计方法及系统 |
WO2021053118A1 (en) * | 2019-09-17 | 2021-03-25 | University College Dublin | A decision support system and method for agriculture |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130055788A (ko) * | 2011-11-21 | 2013-05-29 | 한국전자통신연구원 | 위성시스템에서의 강우감쇠/강우강도 데이터 통합수집 장치 |
-
2021
- 2021-06-30 CN CN202110733032.2A patent/CN113435049B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050073148A (ko) * | 2004-01-09 | 2005-07-13 | 한국수자원공사 | 고 신뢰 무접점 우량측정장치 |
WO2021053118A1 (en) * | 2019-09-17 | 2021-03-25 | University College Dublin | A decision support system and method for agriculture |
CN110703359A (zh) * | 2019-10-16 | 2020-01-17 | 西北大学 | 以降雨量为主进行滑坡预报的滞后非线性时间预报方法 |
CN112016831A (zh) * | 2020-08-27 | 2020-12-01 | 西安易辑数字科技有限公司 | 一种基于ai智能预报的城市内涝落区的识别方法 |
CN112347658A (zh) * | 2020-11-20 | 2021-02-09 | 南京融星智联信息技术有限公司 | 一种低轨卫星通信系统馈电链路的可靠性设计方法及系统 |
Non-Patent Citations (2)
Title |
---|
Local random errors in tipping-bucket rain gauge measurements;Ciach G J;《Journal of Atmospheric and Oceanic Technology》;20030531;第752-759页 * |
雨量自动测报系统的应用与可靠性研究;鲁秉晓 等;《人民黄河》;20200229;第159-162页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113435049A (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111582755B (zh) | 一种基于多维度集合信息山洪灾害综合风险动态评估方法 | |
CN113538861B (zh) | 基于矿产地质勘查的地质灾害信息管理系统 | |
KR101718294B1 (ko) | 가뭄예측 시스템 | |
CN102419196B (zh) | 利用多个水位遥控检测装置自动绘制河流水面线的方法 | |
CN110646867A (zh) | 一种城市排水监测预警方法和系统 | |
CN110336377A (zh) | 一种基于云计算的智能配电系统 | |
CN108151835B (zh) | 一种基于多参数检测的泵站信息智能监测终端的率定方法 | |
CN112966856A (zh) | 一种山洪风险预测方法及预测系统 | |
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 | |
CN108204848A (zh) | 一种水位和径流量数据采集和处理系统及方法 | |
CN109657966A (zh) | 基于模糊测度评价的输电线路风险复合评估方法 | |
CN113516305B (zh) | 一种情景-目标交互的水网区水资源调度智能决策方法及系统 | |
CN113435049B (zh) | 一种基于逻辑回归的雨量设备故障分析系统 | |
CN111579004A (zh) | 基于北斗卫星应用的水利监测系统、监测方法及存储介质 | |
CN107403004B (zh) | 一种基于地形数据的遥测雨量站点可疑数值检验方法 | |
CN114565603A (zh) | 一种一体化洪涝灾害精准监测预警方法 | |
CN111260159A (zh) | 一种气象水文耦合洪水测报法 | |
CN107045653A (zh) | 动态洪泛预测与警示系统 | |
CN207851308U (zh) | 基于卫星定位的物体位置变化监测系统 | |
CN115144052A (zh) | 一种水电站水头计算方法及系统 | |
CN112884352B (zh) | 一种架空输电线路雷击故障风险评估方法 | |
Moore | Aspects of uncertainty, reliability and risk in flood forecasting systems incorporating weather radar | |
Kabi et al. | Leveraging IoT and machine learning for improved monitoring of water resources-a case study of the upper ewaso nyiro river | |
Song et al. | A Sensor-Based Smart Urban Flood Warning and Management System | |
CN112116513A (zh) | 一种国土空间规划监测与预警的管理方法及其系统 |
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 |