CN113807572A - 一种具有高效性的大坝智慧监测方法及其系统 - Google Patents
一种具有高效性的大坝智慧监测方法及其系统 Download PDFInfo
- Publication number
- CN113807572A CN113807572A CN202110928784.4A CN202110928784A CN113807572A CN 113807572 A CN113807572 A CN 113807572A CN 202110928784 A CN202110928784 A CN 202110928784A CN 113807572 A CN113807572 A CN 113807572A
- Authority
- CN
- China
- Prior art keywords
- dam
- monitoring
- data
- safety
- seepage
- 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.)
- Pending
Links
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Abstract
本发明涉及水坝监测技术领域,尤其涉及一种具有高效性的大坝智慧监测方法及其系统,大坝智慧监测系统方法包括S1:采集大坝环境量监测数据,并归类存储于BQIM数据库中;S2:选择大坝需进行预测分析的测点,获取BQIM数据库中对应测点的历史环境量监测数据,并设置所需预测的监测时长;S3:将大坝对应测点的历史环境量监测数据输入预设分析方法中进行训练、验证,建立预测分析模型;S4:将大坝对应测点的实测值导入预测分析模型获得预测值,根据预设安全准测判断预测分析模型的测值是否处于安全范围,当测值超过安全范围时发出警报;该方法极大程度上简化了工程人员的监视难度,实现大坝风险的智能预测判别,以便维护人员的提前防范。
Description
技术领域
本发明涉及水坝监测技术领域,尤其涉及一种具有高效性的大坝智慧监测 方法及其系统。
背景技术
随着科学技术的发展与物质生活水平的提高,人们的安全意识在不断的上 升,水利工程在总体数量、防洪度汛与水利发电领域上也不断的高速发展。近 年来随着智慧水利的不断普及,人们对大坝安全性能也越来越看重。因此大坝 安全监测也已经不断的从人工监测到自动化监测再到智慧监测转型,并取得了 迅速发展。而目前我国大坝安全自动化监测的手段多数仅仅还停留二维的抽象 监测上,且监测数据信息量极大、种类极多,这样的监测能力已经落后于当今 正流行的可视化、智能化、条理化信息监管水平。针对这些问题,开展对大坝 工程的安全实时监测与报警的技术研究与应用,对大坝运维过程中水情、环境、 坝体安全信息的实时监测及管理非常有必要。
近年来,我国经济逐步发展带动着我国水电资源不断开发和利用,也因此 有着更多的水库水电站项目进入了运行维护阶段,结合近年来倡导的“智慧水 利”先进理念,运行管理单位也逐步开始对大坝的各项监测系统进行了自动化 信息化的改造。此举不仅可实时获取各类监测信息及运行状态信息,同时也对 保证大坝的安全运行起到了重要作用。因此,为提高水库水电站信息化管理水 平,确保工程长期服役运行安全,实现技术员对大坝安全隐患的便携管理与高 效响应,迫切需要建设一种高效性的的大坝监测系统,提高现有的大坝防洪减 灾能力。
发明内容
有鉴于此,本发明的目的在于提出一种监控实时便利且能够及时对水库安 全性做出评估预测的大坝智慧监测方法及其系统。
为了实现上述的技术目的,本发明所采用的技术方案为:
一种具有高效性的大坝智慧监测方法,包括:
S1:采集大坝环境量监测数据,并归类存储于BQIM数据库中;
S2:选择大坝需进行预测分析的测点,获取BQIM数据库中对应测点的历 史环境量监测数据,并设置所需要预测的监测时长;
S3:将BQIM数据库中大坝对应测点的历史环境量监测数据输入预设分析 方法中进行训练、验证,建立预测分析模型;
S4:将大坝对应测点的实测值导入预测分析模型获得预测值,根据预设安 全准测判断预测分析模型的测值是否处于安全范围,当测值超过安全范围时发 出警报并生成大坝风险告警信息,同时上报互联网以及国家大坝安全监测网络 中心。
作为一种较优的选择实施方式,优选的,所述环境量监测数据包括大坝变 形数据、大坝渗流数据、大坝温度数据及环境数据。
进一步的,所述大坝变形监测数据包括垂直坝轴线大坝表面位移数据、平 行坝轴线大坝表面位移数据、平行坝轴线大坝廊道位移数据、大坝表面垂直位 移数据与接缝变形数据;
所述大坝渗流数据包括大坝内部渗流数据、坝基渗流数据、绕坝渗流数据、 坝基扬压力与坝体渗漏量;
所述大坝温度数据包括大坝表面温度数据以及大坝内部温度数据;
所述环境数据包括水位数据、环境温度数据以及环境雨量数据。
进一步的,S3具体包括如:
以BQIM数据库中的历史环境量监测数据作为建立预测模型输入矩阵的位 移影响因子,将其进行数据归一化并与输出向量历史位移数据时间对应;
确定所需历史数据集长度并按一定比例将输入矩阵与输出向量同时划分为 训练集与测试集两部分;
根据预设分析方法对训练集进行训练,通过测试集验证模型训练优度;
以训练效果最优的模型作为预测分析模型。
作为一种较优的选择实施方式,优选的,预设分析方法选用LSTM、多元 非线性回归、卷积神经网络中任意一种。
作为一种较优的选择实施方式,优选的,所述预设安全准测采用3σ指标 智能划分当前大坝整体监测安全级别。
作为一种较优的选择实施方式,优选的,大坝的历时监测值及预测值以可 视化的曲线方式进行展示。
基于上述方法方案,本发明还提供一种具有高效性的大坝智慧监测系统, 包括:
数据采集模块,用于采集大坝环境量监测数据;
信息传输模块,用于将数据采集装置采集的监测信息传入BQIM数据库服 务器,并接入数据处理模块;
数据处理模块,包括预测分析单元、安全判别单元与风险发布模块,所述 数据处理模块用于将BQIM数据库中大坝对应测点的历史环境量监测数据输入 预设分析方法中进行训练、验证,建立预测分析模型,并将大坝对应测点的实 测值导入预测分析模型获得预测值,根据预设安全准测判断预测分析模型的测 值是否处于安全范围,当测值超过安全范围时发出警报并生成大坝风险告警信 息,同时上报互联网以及国家大坝安全监测网络中心;
可视化模块,用于将历时监测值及预测值以可视化的曲线方式展示;
其中数据处理模块及可视化模块均加载客户端子系统;
移动端子系统,包括监测告警装置与风险发布装置,所述监测告警装置用 于传回客户端子系统中的监测历时曲线,并展示由数据处理模块测算出的大坝 整体安全情况;所述风险发布装置用于从移动端发布告警信息并同步至客户端 子系统与国家大坝安全监测网络中心,实现高效的监测预警。
作为一种较优的选择实施方式,优选的,所述数据采集模块包括变形监测 装置、渗流监测装置、温度监测装置以及环境监测装置;
所述变形监测装置包括用于监测垂直坝轴线大坝表面位移的垂线仪、用于 监测平行坝轴线大坝表面位移的坝顶位移观测墩、用于监测平行坝轴线大坝廊 道位移的坝顶位移观测墩、用于监测大坝表面垂直位移的静力水准仪以及用于 接缝变形监测的测缝计;
所述渗流监测装置包括用于监测大坝内部渗流、坝基渗流以及绕坝渗流的 渗压计、用于监测坝基扬压力的测压管以及用于监测坝体渗漏量的量水堰计;
所述温度监测装置选用电阻式温度计,用于监测大坝表面以及内部的温度;
所述环境监测装置包括遥测水位计、数显温度计以及翻斗式雨量计。
作为一种较优的选择实施方式,优选的,所述安全判别单元用于对大坝变 形进行综合安全评价,采用3σ指标智能划分当前大坝整体监测安全级别,当 测值超过容许范围时发出警报;
所述风险发布模块用于生成大坝风险告警信息,同时上报互联网以及国家 大坝安全监测网络中心。
与现有技术相比,本发明的有意效果是:
1.能够全方位、多角度的对大坝整体进行自动化监视,脱离了传统的手动 监测方法,实现了大坝监测的“无人值守”;
2.极大程度上简化了工程人员的监视难度,实现大坝风险的智能预测判别, 以便维护人员的提前防范。
具体实施方式
下面结合实施例,对本发明作进一步的详细描述。特别指出的是,以下实 施例仅用于说明本发明,但不对本发明的范围进行限定。同样的,以下实施例 仅为本发明的部分实施例而非全部实施例,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。
一种具有高效性的大坝智慧监测方法,包括:
S1:采集大坝环境量监测数据,并归类存储于BQIM数据库中;
本方案中环境量监测数据包括大坝变形数据、大坝渗流数据、大坝温度数 据及环境数据。
进一步的,大坝变形监测数据包括垂直坝轴线大坝表面位移数据、平行坝 轴线大坝表面位移数据、平行坝轴线大坝廊道位移数据、大坝表面垂直位移数 据与接缝变形数据;
大坝渗流数据包括大坝内部渗流数据、坝基渗流数据、绕坝渗流数据、坝 基扬压力与坝体渗漏量;
大坝温度数据包括大坝表面温度数据以及大坝内部温度数据;
环境数据包括水位数据、环境温度数据以及环境雨量数据。
S2:选择大坝需进行预测分析的测点,获取BQIM数据库中对应测点的历 史环境量监测数据,并设置所需要预测的监测时长;
S3:将BQIM数据库中大坝对应测点的历史环境量监测数据输入预设分析 方法中进行训练、验证,建立预测分析模型;
本方案中,S3具体包括如:
以BQIM数据库中的历史环境量监测数据作为建立预测模型输入矩阵的位 移影响因子,将其进行数据归一化并与输出向量历史位移数据时间对应;
确定所需历史数据集长度并按一定比例将输入矩阵与输出向量同时划分为 训练集与测试集两部分;
根据预设分析方法对训练集进行训练,通过测试集验证模型训练优度;
以训练效果最优的模型作为预测分析模型。
其中,预设分析方法选用LSTM、多元非线性回归、卷积神经网络中任意 一种;本实施例中选用卷积神经网络。
S4:将大坝对应测点的实测值导入预测分析模型获得预测值,根据预设安 全准测判断预测分析模型的测值是否处于安全范围,当测值超过安全范围时发 出警报并生成大坝风险告警信息,同时上报互联网以及国家大坝安全监测网络 中心;预设安全准测采用3σ指标智能划分当前大坝整体监测安全级别。
上述大坝的历时监测值及预测值以可视化的曲线方式进行展示,以便管理 人员的查看。
基于上述方法方案,本发明还提供一种具有高效性的大坝智慧监测系统, 包括:
数据采集模块,用于采集大坝环境量监测数据;其包括变形监测装置、渗 流监测装置、温度监测装置以及环境监测装置;
变形监测装置包括用于监测垂直坝轴线大坝表面位移的垂线仪、用于监测 平行坝轴线大坝表面位移的坝顶位移观测墩、用于监测平行坝轴线大坝廊道位 移的坝顶位移观测墩、用于监测大坝表面垂直位移的静力水准仪以及用于接缝 变形监测的测缝计;
渗流监测装置包括用于监测大坝内部渗流、坝基渗流以及绕坝渗流的渗压 计、用于监测坝基扬压力的测压管以及用于监测坝体渗漏量的量水堰计;
温度监测装置选用电阻式温度计,用于监测大坝表面以及内部的温度;
环境监测装置包括遥测水位计、数显温度计以及翻斗式雨量计。
信息传输模块包括无线传输装置与有线传输装置;有线传输装置包括光纤 通讯装置、自动集线箱、振弦式读书仪以及差动式读数仪;无线传输装置包括 GPRS传输装置以及局域网通讯装置,信息传输模块将数据采集装置采集的监 测信息传入BQIM数据库服务器,并接入数据处理模块。
数据处理模块,包括预测分析单元、安全判别单元与风险发布模块,安全 判别单元用于对大坝变形进行综合安全评价,采用3σ指标智能划分当前大坝 整体监测安全级别,当测值超过容许范围时发出警报;风险发布模块用于生成 大坝风险告警信息,同时上报互联网以及国家大坝安全监测网络中心。数据处 理模块用于将BQIM数据库中大坝对应测点的历史环境量监测数据输入预设分 析方法中进行训练、验证,建立预测分析模型,并将大坝对应测点的实测值导 入预测分析模型获得预测值,根据预设安全准测判断预测分析模型的测值是否 处于安全范围,当测值超过安全范围时发出警报并生成大坝风险告警信息,同 时上报互联网以及国家大坝安全监测网络中心。
可视化模块,用于将历时监测值及预测值以可视化的曲线方式展示;其中, 可视化模块包括BIM建筑信息模型、视频监控装置;信息化模块通过调取储存 的数据以数字信息的方式将监测信息展示于可视化模块中。
数据处理模块及可视化模块均加载客户端子系统。
移动端子系统,包括监测告警装置与风险发布装置,监测告警装置用于传 回客户端子系统中的监测历时曲线,并展示由数据处理模块测算出的大坝整体 安全情况;风险发布装置用于从移动端发布告警信息并同步至客户端子系统与 国家大坝安全监测网络中心,实现高效的监测预警以及便于管理员使用移动端 便携发布大坝风险告警信息。
在实际使用过程中移动端子系统可以APP方式安装于移动设备中以便于 管理人员的移动在线巡检。
本发明具有高效性的大坝智慧监测系统的实现方法包括以下步骤:
大坝通常建造在地质结构复杂、岩土特性不均匀的地基上,各种载荷的作 用以及自然因素的影响使得大坝的工作性态和安全状况无时无刻都在变化,为 了及时全面的获取到大坝各项指标,通过对已有的工程建筑资料分析,根据规 范本发明实施例在大坝上设置各类传感器,实现对大坝安全的全面监测。现有 的布置具体情况见表1。
表1大坝监测项目表
监测设施布置均采用本发明所提及的自动化数据采集装置,以满足自动化 监测需求。数据采集装置通过信息传输装置将数据传入数据处理模块,并在此 模块上完成大坝监测各项指标的信息可视化、智能告警以及风险发布等内容。
以上所述仅为本发明的部分实施例,并非因此限制本发明的保护范围,凡是利用本发明说明书内容所作的等效装置或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种具有高效性的大坝智慧监测方法,其特征在于,包括:
S1:采集大坝环境量监测数据,并归类存储于BQIM数据库中;
S2:选择大坝需进行预测分析的测点,获取BQIM数据库中对应测点的历史环境量监测数据,并设置所需要预测的监测时长;
S3:将BQIM数据库中大坝对应测点的历史环境量监测数据输入预设分析方法中进行训练、验证,建立预测分析模型;
S4:将大坝对应测点的实测值导入预测分析模型获得预测值,根据预设安全准测判断预测分析模型的测值是否处于安全范围,当测值超过安全范围时发出警报并生成大坝风险告警信息,同时上报互联网以及国家大坝安全监测网络中心。
2.根据权利要求1所述的具有高效性的大坝智慧监测方法,其特征在于,所述环境量监测数据包括大坝变形数据、大坝渗流数据、大坝温度数据及环境数据。
3.根据权利要求2所述的具有高效性的大坝智慧监测方法,其特征在于,所述大坝变形监测数据包括垂直坝轴线大坝表面位移数据、平行坝轴线大坝表面位移数据、平行坝轴线大坝廊道位移数据、大坝表面垂直位移数据与接缝变形数据;
所述大坝渗流数据包括大坝内部渗流数据、坝基渗流数据、绕坝渗流数据、坝基扬压力与坝体渗漏量;
所述大坝温度数据包括大坝表面温度数据以及大坝内部温度数据;
所述环境数据包括水位数据、环境温度数据以及环境雨量数据。
4.根据权利要求1所述的具有高效性的大坝智慧监测方法,其特征在于,S3具体包括如:
以BQIM数据库中的历史环境量监测数据作为建立预测模型输入矩阵的位移影响因子,将其进行数据归一化并与输出向量历史位移数据时间对应;
确定所需历史数据集长度并按一定比例将输入矩阵与输出向量同时划分为训练集与测试集两部分;
根据预设分析方法对训练集进行训练,通过测试集验证模型训练优度;
以训练效果最优的模型作为预测分析模型。
5.根据权利要求1或4所述的具有高效性的大坝智慧监测方法,其特征在于,预设分析方法选用LSTM、多元非线性回归、卷积神经网络中任意一种。
6.根据权利要求1所述的具有高效性的大坝智慧监测方法,其特征在于,所述预设安全准测采用3σ指标智能划分当前大坝整体监测安全级别。
7.根据权利要求1所述的具有高效性的大坝智慧监测方法,其特征在于,大坝的历时监测值及预测值以可视化的曲线方式进行展示。
8.一种具有高效性的大坝智慧监测系统,其特征在于,包括:
数据采集模块,用于采集大坝环境量监测数据;
信息传输模块,用于将数据采集装置采集的监测信息传入BQIM数据库服务器,并接入数据处理模块;
数据处理模块,包括预测分析单元、安全判别单元与风险发布模块,所述数据处理模块用于将BQIM数据库中大坝对应测点的历史环境量监测数据输入预设分析方法中进行训练、验证,建立预测分析模型,并将大坝对应测点的实测值导入预测分析模型获得预测值,根据预设安全准测判断预测分析模型的测值是否处于安全范围,当测值超过安全范围时发出警报并生成大坝风险告警信息,同时上报互联网以及国家大坝安全监测网络中心;
可视化模块,用于将历时监测值及预测值以可视化的曲线方式展示;
其中数据处理模块及可视化模块均加载客户端子系统;
移动端子系统,包括监测告警装置与风险发布装置,所述监测告警装置用于传回客户端子系统中的监测历时曲线,并展示由数据处理模块测算出的大坝整体安全情况;所述风险发布装置用于从移动端发布告警信息并同步至客户端子系统与国家大坝安全监测网络中心。
9.根据权利要求8所述的一种具有高效性的大坝智慧监测系统,其特征在于,所述数据采集模块包括变形监测装置、渗流监测装置、温度监测装置以及环境监测装置;
所述变形监测装置包括用于监测垂直坝轴线大坝表面位移的垂线仪、用于监测平行坝轴线大坝表面位移的坝顶位移观测墩、用于监测平行坝轴线大坝廊道位移的坝顶位移观测墩、用于监测大坝表面垂直位移的静力水准仪以及用于接缝变形监测的测缝计;
所述渗流监测装置包括用于监测大坝内部渗流、坝基渗流以及绕坝渗流的渗压计、用于监测坝基扬压力的测压管以及用于监测坝体渗漏量的量水堰计;
所述温度监测装置选用电阻式温度计,用于监测大坝表面以及内部的温度;
所述环境监测装置包括遥测水位计、数显温度计以及翻斗式雨量计。
10.根据权利要求8所述的一种具有高效性的大坝智慧监测系统,其特征在于,所述安全判别单元用于对大坝变形进行综合安全评价,采用3σ指标智能划分当前大坝整体监测安全级别,当测值超过容许范围时发出警报;
所述风险发布模块用于生成大坝风险告警信息,同时上报互联网以及国家大坝安全监测网络中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110928784.4A CN113807572A (zh) | 2021-08-13 | 2021-08-13 | 一种具有高效性的大坝智慧监测方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110928784.4A CN113807572A (zh) | 2021-08-13 | 2021-08-13 | 一种具有高效性的大坝智慧监测方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113807572A true CN113807572A (zh) | 2021-12-17 |
Family
ID=78893612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110928784.4A Pending CN113807572A (zh) | 2021-08-13 | 2021-08-13 | 一种具有高效性的大坝智慧监测方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113807572A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114329742A (zh) * | 2022-01-25 | 2022-04-12 | 中国电建集团昆明勘测设计研究院有限公司 | 基于bim与vr的测压管埋设与维护培训系统及方法 |
CN115218961A (zh) * | 2022-07-28 | 2022-10-21 | 邵阳市水利水电勘测设计院 | 一种高效性的水工大坝安全预警系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019224739A1 (en) * | 2018-05-25 | 2019-11-28 | University Of Johannesburg | System and method for real time prediction of water level and hazard level of a dam |
CN111178758A (zh) * | 2019-12-30 | 2020-05-19 | 河海大学 | 一种基于bim的混凝土坝监测数据智能化管理与实时评估系统 |
US20200225655A1 (en) * | 2016-05-09 | 2020-07-16 | Strong Force Iot Portfolio 2016, Llc | Methods, systems, kits and apparatuses for monitoring and managing industrial settings in an industrial internet of things data collection environment |
CN111508216A (zh) * | 2020-04-28 | 2020-08-07 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种大坝安全监测数据智能预警方法 |
CN111551147A (zh) * | 2020-06-09 | 2020-08-18 | 福州大学 | 基于gnss与测量机器人融合的拱坝表面变形监测系统 |
CN111694916A (zh) * | 2020-06-09 | 2020-09-22 | 福州大学 | 浆砌石拱坝自动化监测系统 |
CN112287608A (zh) * | 2020-11-19 | 2021-01-29 | 中国水利水电科学研究院 | 一种基于模糊综合评价的大坝安全预测系统及方法 |
CN112381309A (zh) * | 2020-11-23 | 2021-02-19 | 珠江水利委员会珠江水利科学研究院 | 水库大坝安全监测预警方法、装置、系统及存储介质 |
CN112419690A (zh) * | 2020-11-24 | 2021-02-26 | 中国水利水电科学研究院 | 一种应用于大坝安全智能监控与报警的展示系统 |
-
2021
- 2021-08-13 CN CN202110928784.4A patent/CN113807572A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200225655A1 (en) * | 2016-05-09 | 2020-07-16 | Strong Force Iot Portfolio 2016, Llc | Methods, systems, kits and apparatuses for monitoring and managing industrial settings in an industrial internet of things data collection environment |
WO2019224739A1 (en) * | 2018-05-25 | 2019-11-28 | University Of Johannesburg | System and method for real time prediction of water level and hazard level of a dam |
CN111178758A (zh) * | 2019-12-30 | 2020-05-19 | 河海大学 | 一种基于bim的混凝土坝监测数据智能化管理与实时评估系统 |
CN111508216A (zh) * | 2020-04-28 | 2020-08-07 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种大坝安全监测数据智能预警方法 |
CN111551147A (zh) * | 2020-06-09 | 2020-08-18 | 福州大学 | 基于gnss与测量机器人融合的拱坝表面变形监测系统 |
CN111694916A (zh) * | 2020-06-09 | 2020-09-22 | 福州大学 | 浆砌石拱坝自动化监测系统 |
CN112287608A (zh) * | 2020-11-19 | 2021-01-29 | 中国水利水电科学研究院 | 一种基于模糊综合评价的大坝安全预测系统及方法 |
CN112381309A (zh) * | 2020-11-23 | 2021-02-19 | 珠江水利委员会珠江水利科学研究院 | 水库大坝安全监测预警方法、装置、系统及存储介质 |
CN112419690A (zh) * | 2020-11-24 | 2021-02-26 | 中国水利水电科学研究院 | 一种应用于大坝安全智能监控与报警的展示系统 |
Non-Patent Citations (1)
Title |
---|
陈豪;邱小弟;丁玉江;蒋金磊;许后磊;王龙宝;王海燕;: "基于实测数据的重力坝型水电站大坝安全诊断关键技术研究与系统实现", 水力发电, vol. 46, no. 04, pages 105 - 110 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114329742A (zh) * | 2022-01-25 | 2022-04-12 | 中国电建集团昆明勘测设计研究院有限公司 | 基于bim与vr的测压管埋设与维护培训系统及方法 |
CN115218961A (zh) * | 2022-07-28 | 2022-10-21 | 邵阳市水利水电勘测设计院 | 一种高效性的水工大坝安全预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023061039A1 (zh) | 基于物联网的尾矿库风险监测预警系统 | |
CN112381309B (zh) | 水库大坝安全监测预警方法、装置、系统及存储介质 | |
CN113807572A (zh) | 一种具有高效性的大坝智慧监测方法及其系统 | |
CN207993206U (zh) | 一种滑坡灾害实时监测预警装置 | |
CN109708688A (zh) | 一种历史文化建筑安全监测与预警系统及方法 | |
CN103324177A (zh) | 水泥混凝土生产过程动态质量远程监控系统及其方法 | |
CN112801527A (zh) | 一种安全监测信息可视化平台 | |
CN107065743A (zh) | 一种灌区信息化系统及其管理方法 | |
CN106090623A (zh) | 基于物联网的管网远程监测系统 | |
CN206193271U (zh) | 气象灾害自动化监测预警系统 | |
CN103760623B (zh) | 全自动水面蒸发量监测系统 | |
CN112217897A (zh) | 一种基于物联网平台的智慧水资源管理系统 | |
CN111864898A (zh) | 一种基于输电在线监测数据的三维信息系统及其控制方法 | |
CN111121874A (zh) | 一种水源地水质监测评估系统及其评估方法 | |
CN110985892A (zh) | 一种供水管网监测系统及方法 | |
CN111882071A (zh) | 一种基于机器学习的预应力钢构件监测方法 | |
CN111047169A (zh) | 一种电网调度用故障分析检测系统 | |
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 | |
CN109899113A (zh) | 一种基于手机app的地下矿井水文在线监测预警系统 | |
CN213399931U (zh) | 一种滑坡便携式应急监测装置 | |
CN113992891A (zh) | 一种基于视频监控多信息融合的可视化应用系统 | |
CN212052691U (zh) | 土体变形智慧化监控系统 | |
CN112040010A (zh) | 一种基于物联网的生态环境监测系统 | |
CN113153262A (zh) | 一种基于电缆热特性的海上油田可接入容量评估方法 | |
CN207161071U (zh) | 一种油田单井产量在线式测量系统 |
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 |