CN113887007B - 一种基于物联网的城市排水监测系统及方法 - Google Patents
一种基于物联网的城市排水监测系统及方法 Download PDFInfo
- Publication number
- CN113887007B CN113887007B CN202111472047.4A CN202111472047A CN113887007B CN 113887007 B CN113887007 B CN 113887007B CN 202111472047 A CN202111472047 A CN 202111472047A CN 113887007 B CN113887007 B CN 113887007B
- Authority
- CN
- China
- Prior art keywords
- drainage pipeline
- sensor
- data
- model
- drainage
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012544 monitoring process Methods 0.000 title claims abstract description 26
- 238000005516 engineering process Methods 0.000 claims abstract description 19
- 239000010865 sewage Substances 0.000 claims description 55
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 16
- 230000006855 networking Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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]
- 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
- G16Y40/60—Positioning; Navigation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Biomedical Technology (AREA)
- Mathematical Optimization (AREA)
- Accounting & Taxation (AREA)
- Radar, Positioning & Navigation (AREA)
- Toxicology (AREA)
- Environmental & Geological Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Remote Sensing (AREA)
- Pure & Applied Mathematics (AREA)
- Educational Administration (AREA)
- Fluid Mechanics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Sewage (AREA)
Abstract
本发明公开了一种基于物联网的城市排水监测系统及方法，所述状态数据校准模块根据历史数据中各时间段内各个排水管道分别对应的传感器数据，对状态数据预测模块中各个排水管道对应的时序数据表单进行校准，得到各个排水管道校准后的时序数据表单。本发明通过GIS技术实现了3D模型与实际城市排水管道的一一对应，同时根据校准后的时序数据表单与时序数据表单之间的差异，判断各个排水管道的状态，该方式能够准确判定排水管道的通畅情况，并精准锁定排水管道异常状态的位置区段，对城市排水管道达到的监测效果更好。
Description
技术领域
本发明涉及监测系统技术领域，具体为一种基于物联网的城市排水监测系统及方法。
背景技术
随着物联网技术的快速发展，智慧城市的建设正在逐渐从物理空间迈向网络空间，通过对传感器的合理运用，人们能够实时获取到城市内的各种基础设施的运行状况，并在相应基础设施出现问题时，能够做到快速反应、快速解决，进而为人们的生产生活带来了巨大的便利。
而城市排水管道作为城市基础设施中重要的一类，因此也是人们重点监测的对象，当前现有的技术中，只是直接通过传感器对对应数据进行获取比较，但是由于排水管道不同时间通过的污水流量不同，因此，对排水管道的状态判断较难，监测结果精度较差。
针对上述情况，我们需要一种基于物联网的城市排水监测系统及方法。
发明内容
本发明的目的在于提供一种基于物联网的城市排水监测系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于物联网的城市排水监测系统，包括：
3D建模模块，所述3D建模模块运用GIS技术构建城市内的排水管道的3D模型；
数据采集模块，所述数据采集模块获取城市内各个排水管道上的传感器数据，并分别进行保存；
状态数据预测模块，所述状态数据预测模块根据3D模型中各个排水管道的连接关系、位置关系及相应的传感器数据，预测出单位时间后的3D模型中各个排水管道对应的传感器数据，并生成各个排水管道对应的时序数据表单；
状态数据校准模块，所述状态数据校准模块根据历史数据中各时间段内各个排水管道分别对应的传感器数据，对状态数据预测模块中各个排水管道对应的时序数据表单进行校准，得到各个排水管道校准后的时序数据表单；
预警分析模块，所述预警分析模块对各个排水管道校准后的时序数据表单进行分析，判断不同时间段各个排水管道对应的状态，并对异常情况进行预警。
本发明通过各个模块的协同合作，通过GIS技术实现了对城市排水管道的3D建模，并实现了3D模型与实际排水管道的一一对应，同时根据各个排水管道路径的第一传感器数值及排水管道之间的相对位置预测各个位置相应单位时间后对应的传感器数据，得到各个排水管道对应的时序数据表单，并根据历史数据，对获取的时序数据表单进行校准，同时根据校准后的时序数据表单与时序数据表单之间的差异，判断各个排水管道的状态，该方式能够准确判定排水管道的通畅情况，并精准锁定排水管道异常状态的位置区段。
进一步的，所述3D建模模块运用GIS技术构建城市内的排水管道的3D模型的方法包括以下步骤：
S1.1、以城市地面的中心点为原点，以过原点且从东向西的方向为x轴正方向，以过原点且从南向北的方向为y轴正方向，以过原点且从下向上的方向为z轴正方向，建构空间直角坐标系；
S1.2、运用GIS技术构建城市中各个排水管道模型，将构建的排水管道模型与实际情况等比例放置到对应的位置；
S1.3、获取空间直角坐标系中排水管道模型中各位置对应横截面中点对应的坐标（x1，y1，z1），并根据（x1，y1，z1）获取对应的排水管道位置坐标的模型位置数据，（x1，y1，z1）对应的模型位置数据记为（x1，y1，z1，L1），所述L1表示（x1，y1，z1）对应排水管道的直径；
S1.4、获取空间直角坐标系中各个排水管道位置坐标的模型位置数据，得到城市内的排水管道的3D模型。
本发明3D建模模块通过3D模型实现了与城市管道的一一对应，同时将传感器数据与3D模型中的传感器位置进行绑定，能够实现数据的可视化，便于人们直观的了解城市各个排水管道状态，并在排水管道存在异常时，能够参照3D模型，快速锁定排水管道异常位置，设置模型位置数据中的L1是为了便于直观了解排水管道直径，并在排水管道出现异常需要进行检修时，快速锁定检修的入手点（通常直径更细的管道更容易出现堵塞）。
进一步的，所述城市内的排水管道的3D模型还包括排水管道上各个传感器的位置，所述3D模型中排水管道上各个传感器的位置与实际城市内相应排水管道上对应传感器的位置相同。
进一步的，所述数据采集模块分别获取同一时间各个传感器监测到的数据，并将同一传感器在不同时间获取的传感器数据按照时间先后顺序保存在同一个集合中，并将该集合与该传感器位置对应的模型位置数据进行绑定，
该集合中的每一个元素包括两部分内容，每一个集合元素记为A：B，所述A表示该集合元素对应的传感器数据被采集的时间，B表示该集合元素对应的传感器数据，所述传感器数据为采集时间点之前第一单位时间内通过该传感器位置的污水流量。
本发明数据采集模块在通过传感器获取到相应位置的污水流量后，将获取的时间与对应的数据进行绑定，便于后续比较各个位置污水流量与时间之间的关系，这样采集的数据看起来会更加直观、有条理；通过设立集合将不同时间同一传感器采集的污水流量进行统一保存，能够便于比较分析该排水管道中该传感器位置对应的污水流量随时间变化的关系情况，便于数据的分析对比。
进一步的，所述状态数据预测模块预测出单位时间后的3D模型中各个排水管道对应的传感器数据的方法包括以下步骤：
S2.1、获取3D模型中各个排水管道的连接关系、位置关系及相应的传感器数据；
S2.2、选取任意一个排水管道上的传感器位置Q1，按照连接的先后顺序逐个获取与该传感器位置对应的排水管道相连的所有排水管道，记为W1，按照污水流向的先后顺序，获取W1中流向Q1的所有排水管道的集合，记为W2；
S2.3、对比数据库，获取W2中各个最小分支排水管道，所述最小分支排水管道指污水流向的每个起始点，获取每个起始点至Q1的路径，获取第j条路径中第i个排水管道中污水的初始流速Vij及该第j条路径中第i个排水管道的长度L2ij；
S2.4、计算第j条路径中第i个排水管道的长度L2ij与第i个排水管道中污水的初始流速Vij的商，得到第j条路径中第i个排水管道中污水流经的时长Tij；
S2.5、获取第j条路径中第一条排水管道的端点到第一个传感器位置之间的距离L3j，获取第j条路径中排水管道的总个数n，获取Q1距离上一个排水管道的距离L4j，所述上一排水管道指与Q1所处排水管道相连且污水流经Q1的排水管道，将Q1对应的上一个排水管道的长度记为Lkj，所述Lkj表示第j条路径中第k个排水管道；
S2.6、计算第j条路径中污水从第一条排水管道的端点流经Q1时的总时长T1，
所述
；
S2.7、计算第j条路径中过第一个传感器的污水流至Q1时经过的时间T2，
所述
，其中V1j表示第j条路径中第1个排水管道中污水的初始流速,所述
表示Q1所处的排水管道中污水的初始流速；
S2.8、将当前时间记为t，计算t-T2时第j条路径中第一传感器对应的传感器数据Rj，
所述
；
S2.9、分别计算Q1对应的W2中相应的各条路径中第一传感器对应的传感器数据，并计算各条路径中第一传感器对应的传感器数据之和，记为R，
R表示预测的单位时间后的3D模型中Q1对应的传感器数据，即预测的t+t1时3D模型中Q1对应的传感器数据，
所述
，所述j1表示Q1对应的W2中相应路径总个数，
表示Q1对应的W2中相应的第j条路径中第一传感器在
时对应的传感器数据；
S2.10、预测出单位时间后的3D模型中各个排水管道对应的传感器数据，分别将预测的传感器数据与相应的时间进行绑定，将预测的同一传感器不同时间对应传感器数据生成一个该传感器对应的时序数据表单，进而得到各个排水管道对应的时序数据表单。
本发明状态数据预测模块中获取3D模型中各个排水管道的连接关系及位置关系，是为了确定任意位置对应的排水管道路径（排水管道路径是类似与树状图的，各个分支会与主干道存在连接点，并将各分支中污水汇入到主干道中，并最后统一排出，因此一个最小分支排水管道到主干道的最短连线为一个路径）；Vij及L2ij均是通过数据库进行获取的；获取Lkj（第j条路径中第k个排水管道），是为了获取Q1的上一个排水管道位置，设置L4j，是为了获取Q1相对第j条路径中第k+1个排水管道的位置，便于后续计算第j条路径中污水从第一条排水管道的端点流经Q1时的总时长T1；设置L3j，是为了得到该路径中第一条排水管道的端点到第一个传感器位置之间的距离，便于后续计算第j条路径中过第一个传感器的污水流至Q1时经过的时间T2；获取计算t-T2时第j条路径中第一传感器对应的传感器数据Rj，是因为获取每个最小分支排水管道中流入的污水流量，如果该路径上排水管道状态正常的话，该路径对应的污水流量Rj会在t+t1时均流经Q1，进而可以推测出排水管道均正常的状态下，单位时间后（t+t1时）Q1位置传感器对应的流量，即预测的单位时间后的3D模型中Q1对应的传感器数据。
进一步的，所述状态数据校准模块对状态数据预测模块中各个排水管道对应的时序数据表单进行校准的方法包括以下步骤：
S3.1、分别获取每个排水管道中各个传感器在最近第二单位时间内所有的实际传感器数据，并获取每个排水管道中各个传感器在最近第二单位时间内所有的预测传感器数据；
S3.2、选取任意一个传感器位置记为P，将P在最近第二单位时间内第j1个实际传感器数据记为R1j1，将P在最近第二单位时间内第j1个预测传感器数据记为R2j1；
S3.3、分别计算j1为不同值时，R1j1与R2j1的商，记为P的第j1个差异系数；
S3.4、计算P对应的在第二单位时间内所有的差异系数的平均值，得到P对应的最终差异系数
，所述
，其中n1表示P对应的在第二单位时间内差异系数的总个数，
其中
大于0，当
等于0时，则将该数据及该数据对应的
剔除，并将n1减1，继续求取
；
S3.5、获取当前时间t时，预测P在单位时间后t+t1时3D模型中P对应的传感器数据，记为R3；
S3.6、计算得到P在单位时间后t+t1时3D模型中P对应传感器数据的校准值，记为R4，所述
；
S3.7、分别得到每个排水管道上各个传感器位置在单位时间后t+t1时在3D模型中对应传感器数据的校准值，生成各个排水管道校准后的时序数据表单。
本发明状态数据校准模块中计算R1j1与R2j1的商，是为了得到历史数据中相应时间点对应的预测数据与实际数据之间的差异情况；获取P对应的最终差异系数
的过程中，计算P对应的在第二单位时间内所有的差异系数的平均值，是因为一个数据结果可能具备偶然性，使得获取结果与理想结果偏差较大，但是平均值反映的是多个数据对应的整体趋势，能够较好的反映出预测数据与实际数据之间的差异情况；计算R4的过程中，通过R3与
相乘，是因为结合预测数据与实际数据之间的差异情况及预测的数据，进而可以推算出贴合实际情况的校准数据。
进一步的，所述预警分析模块分别获取各个排水管道校准后的时序数据表单及各个排水管道对应的时序数据表单，
分别将计算每一排水管道中每一个传感器在校准后的时序数据表单中t+t1时对应值R5减去相应排水管道相应传感器在时序数据表单中t+t1时对应值R6后的差，将所得差的绝对值除以R5，得到相应排水管道中相应传感器对应的状态误差ξ，所述
。
本发明预警分析模块计算相应排水管道中相应传感器对应的状态误差ξ是为了得到相应传感器位置实际数据与预测数据之间的误差情况，得到的ξ越大，则对应的相应排水管道的堵塞情况越严重。
进一步的，所述预警分析模块获取每一排水管道中每一个传感器对应的ξ，并分别将各个ξ与第一阈值进行比较，
当ξ大于第一阈值时，则判定该ξ对应的排水管道中对应传感器位置处的状态异常，将该异常状态呈现在3D模型中对应的排水管道中对应传感器位置处，并进行预警；
当ξ小于等于第一阈值时，则判定该ξ对应的排水管道中对应传感器位置处的状态正常。
本发明预警分析模块中第一阈值是一个误差承受范围，相当于与一个误差能够承受的警戒线，当超过ξ时，则说明对应的排水管道位置状态异常（堵塞严重），需要进行清理。
一种基于物联网的城市排水监测方法，所述方法包括以下步骤：
S1、在3D建模模块中，运用GIS技术构建城市内的排水管道的3D模型；
S2、通过数据采集模块获取城市内各个排水管道上的传感器数据，并分别进行保存；
S3、在状态数据预测模块中，根据3D模型中各个排水管道的连接关系、位置关系及相应的传感器数据，预测出单位时间后的3D模型中各个排水管道对应的传感器数据，并生成各个排水管道对应的时序数据表单；
S4、在状态数据校准模块中，根据历史数据中各时间段内各个排水管道分别对应的传感器数据，对状态数据预测模块中各个排水管道对应的时序数据表单进行校准，得到各个排水管道校准后的时序数据表单；
S5、通过预警分析模块对各个排水管道校准后的时序数据表单进行分析，判断不同时间段各个排水管道对应的状态，并对异常情况进行预警。
与现有技术相比，本发明所达到的有益效果是：本发明通过GIS技术实现了3D模型与实际城市排水管道的一一对应，同时根据各个管道路径的第一传感器数值及排水管道之间的相对位置预测各个位置相应单位时间后对应的传感器数据，并根据历史数据，对获取的时序数据表单进行校准，同时根据校准后的时序数据表单与时序数据表单之间的差异，判断各个排水管道的状态，该方式能够准确判定排水管道的通畅情况，并精准锁定排水管道异常状态的位置区段，对城市排水管道达到的监测效果更好。
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是本发明一种基于物联网的城市排水监测系统的结构示意图；
图2是本发明一种基于物联网的城市排水监测系统中3D建模模块运用GIS技术构建城市内的排水管道的3D模型的方法的流程示意图；
图3是本发明一种基于物联网的城市排水监测系统中状态数据预测模块预测出单位时间后的3D模型中各个排水管道对应的传感器数据的方法的流程示意图；
图4是本发明一种基于物联网的城市排水监测方法的流程示意图。
具体实施方式
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。
请参阅图1，本发明提供技术方案：一种基于物联网的城市排水监测系统，包括：
3D建模模块，所述3D建模模块运用GIS技术构建城市内的排水管道的3D模型；
数据采集模块，所述数据采集模块获取城市内各个排水管道上的传感器数据，并分别进行保存；
状态数据预测模块，所述状态数据预测模块根据3D模型中各个排水管道的连接关系、位置关系及相应的传感器数据，预测出单位时间后的3D模型中各个排水管道对应的传感器数据，并生成各个排水管道对应的时序数据表单；
状态数据校准模块，所述状态数据校准模块根据历史数据中各时间段内各个排水管道分别对应的传感器数据，对状态数据预测模块中各个排水管道对应的时序数据表单进行校准，得到各个排水管道校准后的时序数据表单；
预警分析模块，所述预警分析模块对各个排水管道校准后的时序数据表单进行分析，判断不同时间段各个排水管道对应的状态，并对异常情况进行预警。
本发明通过各个模块的协同合作，通过GIS技术实现了对城市排水管道的3D建模，并实现了3D模型与实际排水管道的一一对应，同时根据各个排水管道路径的第一传感器数值及排水管道之间的相对位置预测各个位置相应单位时间后对应的传感器数据，得到各个排水管道对应的时序数据表单，并根据历史数据，对获取的时序数据表单进行校准，同时根据校准后的时序数据表单与时序数据表单之间的差异，判断各个排水管道的状态，该方式能够准确判定排水管道的通畅情况，并精准锁定排水管道异常状态的位置区段。
如图2所示，所述3D建模模块运用GIS技术构建城市内的排水管道的3D模型的方法包括以下步骤：
S1.1、以城市地面的中心点为原点，以过原点且从东向西的方向为x轴正方向，以过原点且从南向北的方向为y轴正方向，以过原点且从下向上的方向为z轴正方向，建构空间直角坐标系；
S1.2、运用GIS技术构建城市中各个排水管道模型，将构建的排水管道模型与实际情况等比例放置到对应的位置；
S1.3、获取空间直角坐标系中排水管道模型中各位置对应横截面中点对应的坐标（x1，y1，z1），并根据（x1，y1，z1）获取对应的排水管道位置坐标的模型位置数据，（x1，y1，z1）对应的模型位置数据记为（x1，y1，z1，L1），所述L1表示（x1，y1，z1）对应排水管道的直径；
S1.4、获取空间直角坐标系中各个排水管道位置坐标的模型位置数据，得到城市内的排水管道的3D模型。
本发明3D建模模块通过3D模型实现了与城市管道的一一对应，同时将传感器数据与3D模型中的传感器位置进行绑定，能够实现数据的可视化，便于人们直观的了解城市各个排水管道状态，并在排水管道存在异常时，能够参照3D模型，快速锁定排水管道异常位置，设置模型位置数据中的L1是为了便于直观了解排水管道直径，并在排水管道出现异常需要进行检修时，快速锁定检修的入手点（通常直径更细的管道更容易出现堵塞）。
所述城市内的排水管道的3D模型还包括排水管道上各个传感器的位置，所述3D模型中排水管道上各个传感器的位置与实际城市内相应排水管道上对应传感器的位置相同。
所述数据采集模块分别获取同一时间各个传感器监测到的数据，并将同一传感器在不同时间获取的传感器数据按照时间先后顺序保存在同一个集合中，并将该集合与该传感器位置对应的模型位置数据进行绑定，
该集合中的每一个元素包括两部分内容，每一个集合元素记为A：B，所述A表示该集合元素对应的传感器数据被采集的时间，B表示该集合元素对应的传感器数据，所述传感器数据为采集时间点之前第一单位时间内通过该传感器位置的污水流量。
本发明数据采集模块在通过传感器获取到相应位置的污水流量后，将获取的时间与对应的数据进行绑定，便于后续比较各个位置污水流量与时间之间的关系，这样采集的数据看起来会更加直观、有条理；通过设立集合将不同时间同一传感器采集的污水流量进行统一保存，能够便于比较分析该排水管道中该传感器位置对应的污水流量随时间变化的关系情况，便于数据的分析对比。
如图3所示，所述状态数据预测模块预测出单位时间后的3D模型中各个排水管道对应的传感器数据的方法包括以下步骤：
S2.1、获取3D模型中各个排水管道的连接关系、位置关系及相应的传感器数据；
S2.2、选取任意一个排水管道上的传感器位置Q1，按照连接的先后顺序逐个获取与该传感器位置对应的排水管道相连的所有排水管道，记为W1，按照污水流向的先后顺序，获取W1中流向Q1的所有排水管道的集合，记为W2；
S2.3、对比数据库，获取W2中各个最小分支排水管道，所述最小分支排水管道指污水流向的每个起始点，获取每个起始点至Q1的路径，获取第j条路径中第i个排水管道中污水的初始流速Vij及该第j条路径中第i个排水管道的长度L2ij；
S2.4、计算第j条路径中第i个排水管道的长度L2ij与第i个排水管道中污水的初始流速Vij的商，得到第j条路径中第i个排水管道中污水流经的时长Tij；
S2.5、获取第j条路径中第一条排水管道的端点到第一个传感器位置之间的距离L3j，获取第j条路径中排水管道的总个数n，获取Q1距离上一个排水管道的距离L4j，所述上一排水管道指与Q1所处排水管道相连且污水流经Q1的排水管道，将Q1对应的上一个排水管道的长度记为Lkj，所述Lkj表示第j条路径中第k个排水管道；
S2.6、计算第j条路径中污水从第一条排水管道的端点流经Q1时的总时长T1，
所述
；
S2.7、计算第j条路径中过第一个传感器的污水流至Q1时经过的时间T2，
所述
，其中V1j表示第j条路径中第1个排水管道中污水的初始流速,所述
表示Q1所处的排水管道中污水的初始流速；
S2.8、将当前时间记为t，计算t-T2时第j条路径中第一传感器对应的传感器数据Rj，
所述
；
S2.9、分别计算Q1对应的W2中相应的各条路径中第一传感器对应的传感器数据，并计算各条路径中第一传感器对应的传感器数据之和，记为R，
R表示预测的单位时间后的3D模型中Q1对应的传感器数据，即预测的t+t1时3D模型中Q1对应的传感器数据，
所述
，所述j1表示Q1对应的W2中相应路径总个数，
表示Q1对应的W2中相应的第j条路径中第一传感器在
时对应的传感器数据；
S2.10、预测出单位时间后的3D模型中各个排水管道对应的传感器数据，分别将预测的传感器数据与相应的时间进行绑定，将预测的同一传感器不同时间对应传感器数据生成一个该传感器对应的时序数据表单，进而得到各个排水管道对应的时序数据表单。
本发明状态数据预测模块中获取3D模型中各个排水管道的连接关系及位置关系，是为了确定任意位置对应的排水管道路径（排水管道路径是类似与树状图的，各个分支会与主干道存在连接点，并将各分支中污水汇入到主干道中，并最后统一排出，因此一个最小分支排水管道到主干道的最短连线为一个路径）；获取Lkj（第j条路径中第k个排水管道），是为了获取Q1的上一个排水管道位置，设置L4j，是为了获取Q1相对第j条路径中第k+1个排水管道的位置，便于后续计算第j条路径中污水从第一条排水管道的端点流经Q1时的总时长T1；设置L3j，是为了得到该路径中第一条排水管道的端点到第一个传感器位置之间的距离，便于后续计算第j条路径中过第一个传感器的污水流至Q1时经过的时间T2；获取计算t-T2时第j条路径中第一传感器对应的传感器数据Rj，是因为获取每个最小分支排水管道中流入的污水流量，如果该路径上排水管道状态正常的话，该路径对应的污水流量Rj会在t+t1时均流经Q1，进而可以推测出排水管道均正常的状态下，单位时间后（t+t1时）Q1位置传感器对应的流量，即预测的单位时间后的3D模型中Q1对应的传感器数据。
所述状态数据校准模块对状态数据预测模块中各个排水管道对应的时序数据表单进行校准的方法包括以下步骤：
S3.1、分别获取每个排水管道中各个传感器在最近第二单位时间内所有的实际传感器数据，并获取每个排水管道中各个传感器在最近第二单位时间内所有的预测传感器数据；
S3.2、选取任意一个传感器位置记为P，将P在最近第二单位时间内第j1个实际传感器数据记为R1j1，将P在最近第二单位时间内第j1个预测传感器数据记为R2j1；
S3.3、分别计算j1为不同值时，R1j1与R2j1的商，记为P的第j1个差异系数；
S3.4、计算P对应的在第二单位时间内所有的差异系数的平均值，得到P对应的最终差异系数
，所述
，其中n1表示P对应的在第二单位时间内差异系数的总个数，
其中
大于0，当
等于0时，则将该数据及该数据对应的
剔除，并将n1减1，继续求取
；
S3.5、获取当前时间t时，预测P在单位时间后t+t1时3D模型中P对应的传感器数据，记为R3；
S3.6、计算得到P在单位时间后t+t1时3D模型中P对应传感器数据的校准值，记为R4，所述
；
S3.7、分别得到每个排水管道上各个传感器位置在单位时间后t+t1时在3D模型中对应传感器数据的校准值，生成各个排水管道校准后的时序数据表单。
本发明状态数据校准模块中计算R1j1与R2j1的商，是为了得到历史数据中相应时间点对应的预测数据与实际数据之间的差异情况；获取P对应的最终差异系数
的过程中，计算P对应的在第二单位时间内所有的差异系数的平均值，是因为一个数据结果可能具备偶然性，使得获取结果与理想结果偏差较大，但是平均值反映的是多个数据对应的整体趋势，能够较好的反映出预测数据与实际数据之间的差异情况；计算R4的过程中，通过R3与
相乘，是因为结合预测数据与实际数据之间的差异情况及预测的数据，进而可以推算出贴合实际情况的校准数据；获取
是为了根据预测数据与实际数据之间的差异情况，得到校准数据（校准数据相对预测数据更加贴合传感器实际测得的数据，由于预测的数据是理论上从最小分支排水管道流到相应位置点的污水流量，但是所谓的理论值是指不受管道堵塞影响的情况下，但是实际情况下，污水从最小分支排水管道流到相应位置点的过程中，受管道状态的影响，污水流速会受影响，流速会变慢，单位时间内通过的污水流量会变小，因此，预测的数据与实际的数据会产生较大的偏差，进而通过
可以进一步对预测的数据进行校准，能够在一定程度上降低预测数据与实际数据之间的差异）。
所述预警分析模块分别获取各个排水管道校准后的时序数据表单及各个排水管道对应的时序数据表单，
分别将计算每一排水管道中每一个传感器在校准后的时序数据表单中t+t1时对应值R5减去相应排水管道相应传感器在时序数据表单中t+t1时对应值R6后的差，将所得差的绝对值除以R5，得到相应排水管道中相应传感器对应的状态误差ξ，所述
。
本发明预警分析模块计算相应排水管道中相应传感器对应的状态误差ξ是为了得到相应传感器位置实际数据与预测数据之间的误差情况，得到的ξ越大，则对应的相应排水管道的堵塞情况越严重。
所述预警分析模块获取每一排水管道中每一个传感器对应的ξ，并分别将各个ξ与第一阈值进行比较，
当ξ大于第一阈值时，则判定该ξ对应的排水管道中对应传感器位置处的状态异常，将该异常状态呈现在3D模型中对应的排水管道中对应传感器位置处，并进行预警；
当ξ小于等于第一阈值时，则判定该ξ对应的排水管道中对应传感器位置处的状态正常。
本发明预警分析模块中第一阈值是一个误差承受范围，相当于与一个误差能够承受的警戒线，当超过ξ时，则说明对应的排水管道位置状态异常（堵塞严重），需要进行清理；设置状态误差ξ是为了将预测数据与校准数据之间的差异情况数值化，因为校准数据相对预测数据更加贴合传感器测得的实际数据，因此校准数据与预测数据之间的差值在一定程度上相当于实际数据与预测数据的差值，进而能够反映出该处排水管道位置的堵塞情况，同时由于排水管道的直径不同，因此不能直接通过该差值进行判定（标准不统一，相对而言，直径大的排水管道对应的差值的变化范围会更大，这样不能直接通过设定一个固定的阈值实现对所有排水管道状态的监控），因此需要将得到的差值的绝对值除以R5，进而得到一个比例值，该情况下，只需要设置一个统一的阈值与该比例值进行比较，就能够实现对该比例值对应的排水管道状态的监控。
如图4所示，一种基于物联网的城市排水监测方法，所述方法包括以下步骤：
S1、在3D建模模块中，运用GIS技术构建城市内的排水管道的3D模型；
S2、通过数据采集模块获取城市内各个排水管道上的传感器数据，并分别进行保存；
S3、在状态数据预测模块中，根据3D模型中各个排水管道的连接关系、位置关系及相应的传感器数据，预测出单位时间后的3D模型中各个排水管道对应的传感器数据，并生成各个排水管道对应的时序数据表单；
S4、在状态数据校准模块中，根据历史数据中各时间段内各个排水管道分别对应的传感器数据，对状态数据预测模块中各个排水管道对应的时序数据表单进行校准，得到各个排水管道校准后的时序数据表单；
S5、通过预警分析模块对各个排水管道校准后的时序数据表单进行分析，判断不同时间段各个排水管道对应的状态，并对异常情况进行预警。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于物联网的城市排水监测系统，其特征在于，包括：
3D建模模块，所述3D建模模块运用GIS技术构建城市内的排水管道的3D模型；
数据采集模块，所述数据采集模块获取城市内各个排水管道上的传感器数据，并分别进行保存；
状态数据预测模块，所述状态数据预测模块根据3D模型中各个排水管道的连接关系、位置关系及相应的传感器数据，预测出单位时间后的3D模型中各个排水管道对应的传感器数据，并生成各个排水管道对应的时序数据表单；
状态数据校准模块，所述状态数据校准模块根据历史数据中各时间段内各个排水管道分别对应的传感器数据，对状态数据预测模块中各个排水管道对应的时序数据表单进行校准，得到各个排水管道校准后的时序数据表单；
预警分析模块，所述预警分析模块对各个排水管道校准后的时序数据表单进行分析，判断不同时间段各个排水管道对应的状态，并对异常情况进行预警；
所述3D建模模块运用GIS技术构建城市内的排水管道的3D模型的方法包括以下步骤：
S1.1、以城市地面的中心点为原点，以过原点且从东向西的方向为x轴正方向，以过原点且从南向北的方向为y轴正方向，以过原点且从下向上的方向为z轴正方向，建构空间直角坐标系；
S1.2、运用GIS技术构建城市中各个排水管道模型，将构建的排水管道模型与实际情况等比例放置到对应的位置；
S1.3、获取空间直角坐标系中排水管道模型中各位置对应横截面中点对应的坐标（x1，y1，z1），并根据（x1，y1，z1）获取对应的排水管道位置坐标的模型位置数据，（x1，y1，z1）对应的模型位置数据记为（x1，y1，z1，L1），所述L1表示（x1，y1，z1）对应排水管道的直径；
S1.4、获取空间直角坐标系中各个排水管道位置坐标的模型位置数据，得到城市内的排水管道的3D模型；
所述数据采集模块分别获取同一时间各个传感器监测到的数据，并将同一传感器在不同时间获取的传感器数据按照时间先后顺序保存在同一个集合中，并将该集合与该传感器位置对应的模型位置数据进行绑定，
该集合中的每一个元素包括两部分内容，每一个集合元素记为A：B，所述A表示该集合元素对应的传感器数据被采集的时间，B表示该集合元素对应的传感器数据，所述传感器数据为采集时间点之前第一单位时间内通过该传感器位置的污水流量；
所述状态数据预测模块预测出单位时间后的3D模型中各个排水管道对应的传感器数据的方法包括以下步骤：
S2.1、获取3D模型中各个排水管道的连接关系、位置关系及相应的传感器数据；
S2.2、选取任意一个排水管道上的传感器位置Q1，按照连接的先后顺序逐个获取与该传感器位置对应的排水管道相连的所有排水管道，记为W1，按照污水流向的先后顺序，获取W1中流向Q1的所有排水管道的集合，记为W2；
S2.3、对比数据库，获取W2中各个最小分支排水管道，所述最小分支排水管道指污水流向的每个起始点，获取每个起始点至Q1的路径，获取第j条路径中第i个排水管道中污水的初始流速Vij及该第j条路径中第i个排水管道的长度L2ij；
S2.4、计算第j条路径中第i个排水管道的长度L2ij与第i个排水管道中污水的初始流速Vij的商，得到第j条路径中第i个排水管道中污水流经的时长Tij；
S2.5、获取第j条路径中第一条排水管道的端点到第一个传感器位置之间的距离L3j，获取第j条路径中排水管道的总个数n，获取Q1距离上一个排水管道的距离L4j，所述上一排水管道指与Q1所处排水管道相连且污水流经Q1的排水管道，将Q1对应的上一个排水管道的长度记为Lkj，所述Lkj表示第j条路径中第k个排水管道；
S2.6、计算第j条路径中污水从第一条排水管道的端点流经Q1时的总时长T1，
所述
；
S2.7、计算第j条路径中过第一个传感器的污水流至Q1时经过的时间T2，
所述
，其中V1j表示第j条路径中第1个排水管道
中污水的初始流速,所述
表示Q1所处的排水管道中污水的初始流速；
S2.8、将当前时间记为t，计算t-T2时第j条路径中第一传感器对应的传感器数据Rj，
所述
；
S2.9、分别计算Q1对应的W2中相应的各条路径中第一传感器对应的传感器数据，并计算各条路径中第一传感器对应的传感器数据之和，记为R，
R表示预测的单位时间后的3D模型中Q1对应的传感器数据，即预测的t+t1时3D模型中Q1对应的传感器数据，
所述
，所述j1表示Q1对应的W2中相应路径总个数，
表示Q1对应的W2中相
应的第j条路径中第一传感器在
时对应的传感器数据；
S2.10、预测出单位时间后的3D模型中各个排水管道对应的传感器数据，分别将预测的传感器数据与相应的时间进行绑定，将预测的同一传感器不同时间对应传感器数据生成一个该传感器对应的时序数据表单，进而得到各个排水管道对应的时序数据表单。
2.根据权利要求1所述的一种基于物联网的城市排水监测系统，其特征在于：所述城市内的排水管道的3D模型还包括排水管道上各个传感器的位置，所述3D模型中排水管道上各个传感器的位置与实际城市内相应排水管道上对应传感器的位置相同。
3.根据权利要求1所述的一种基于物联网的城市排水监测系统，其特征在于：所述状态数据校准模块对状态数据预测模块中各个排水管道对应的时序数据表单进行校准的方法包括以下步骤：
S3.1、分别获取每个排水管道中各个传感器在最近第二单位时间内所有的实际传感器数据，并获取每个排水管道中各个传感器在最近第二单位时间内所有的预测传感器数据；
S3.2、选取任意一个传感器位置记为P，将P在最近第二单位时间内第j1个实际传感器数据记为R1j1，将P在最近第二单位时间内第j1个预测传感器数据记为R2j1；
S3.3、分别计算j1为不同值时，R1j1与R2j1的商，记为P的第j1个差异系数；
S3.4、计算P对应的在第二单位时间内所有的差异系数的平均值，得到P对应的最终差
异系数
，所述
，其中n1表示P对应的在第二单位时间内差异系数
的总个数，
其中
大于0，当
等于0时，则将该数据及该数据对应的
剔除，并将n1减1，继
续求取
；
S3.5、获取当前时间t时，预测P在单位时间后t+t1时3D模型中P对应的传感器数据，记为R3；
S3.6、计算得到P在单位时间后t+t1时3D模型中P对应传感器数据的校准值，记为R4，所
述
；
S3.7、分别得到每个排水管道上各个传感器位置在单位时间后t+t1时在3D模型中对应传感器数据的校准值，生成各个排水管道校准后的时序数据表单。
4.根据权利要求3所述的一种基于物联网的城市排水监测系统，其特征在于：所述预警分析模块分别获取各个排水管道校准后的时序数据表单及各个排水管道对应的时序数据表单，
分别将计算每一排水管道中每一个传感器在校准后的时序数据表单中t+t1时对应值
R5减去相应排水管道相应传感器在时序数据表单中t+t1时对应值R6后的差，将所得差的绝
对值除以R5，得到相应排水管道中相应传感器对应的状态误差ξ，所述
。
5.根据权利要求4所述的一种基于物联网的城市排水监测系统，其特征在于：所述预警分析模块获取每一排水管道中每一个传感器对应的ξ，并分别将各个ξ与第一阈值进行比较，
当ξ大于第一阈值时，则判定该ξ对应的排水管道中对应传感器位置处的状态异常，将该异常状态呈现在3D模型中对应的排水管道中对应传感器位置处，并进行预警；
当ξ小于等于第一阈值时，则判定该ξ对应的排水管道中对应传感器位置处的状态正常。
6.应用于权利要求1-5任意一项所述的一种基于物联网的城市排水监测系统的基于物联网的城市排水监测方法，其特征在于：所述方法包括以下步骤：
S1、在3D建模模块中，运用GIS技术构建城市内的排水管道的3D模型；
S2、通过数据采集模块获取城市内各个排水管道上的传感器数据，并分别进行保存；
S3、在状态数据预测模块中，根据3D模型中各个排水管道的连接关系、位置关系及相应的传感器数据，预测出单位时间后的3D模型中各个排水管道对应的传感器数据，并生成各个排水管道对应的时序数据表单；
S4、在状态数据校准模块中，根据历史数据中各时间段内各个排水管道分别对应的传感器数据，对状态数据预测模块中各个排水管道对应的时序数据表单进行校准，得到各个排水管道校准后的时序数据表单；
S5、通过预警分析模块对各个排水管道校准后的时序数据表单进行分析，判断不同时间段各个排水管道对应的状态，并对异常情况进行预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111472047.4A CN113887007B (zh) | 2021-12-06 | 2021-12-06 | 一种基于物联网的城市排水监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111472047.4A CN113887007B (zh) | 2021-12-06 | 2021-12-06 | 一种基于物联网的城市排水监测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113887007A CN113887007A (zh) | 2022-01-04 |
| CN113887007B true CN113887007B (zh) | 2022-03-04 |
Family
ID=79016366
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111472047.4A Active CN113887007B (zh) | 2021-12-06 | 2021-12-06 | 一种基于物联网的城市排水监测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113887007B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114595256B (zh) * | 2022-03-14 | 2022-10-28 | 北京浩太同益科技发展有限公司 | 一种基于大数据的信息管理系统及方法 |
| CN115472003B (zh) * | 2022-07-27 | 2024-04-05 | 山西西电信息技术研究院有限公司 | 一种基于多源信息的城市交通监管系统及方法 |
| CN115789527A (zh) * | 2022-11-01 | 2023-03-14 | 江苏鸿利智能科技股份有限公司 | 一种基于水环境信息化治理的分析系统及方法 |
| CN116013050B (zh) * | 2023-02-21 | 2023-08-01 | 广东广宇科技发展有限公司 | 一种城市地下排污系统的污水监测预警方法 |
| CN117998316B (zh) * | 2024-04-03 | 2024-06-14 | 广东裕太科技有限公司 | 一种基于区块链的排水监控系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108399652A (zh) * | 2018-02-12 | 2018-08-14 | 广州市城市规划勘测设计研究院 | 城市地下管线三维监测模型建立的方法、装置、存储介质与终端设备 |
| CN109114430A (zh) * | 2018-09-26 | 2019-01-01 | 东莞青柳新材料有限公司 | 一种城市排水管网在线监测系统 |
| CN112330495A (zh) * | 2020-09-18 | 2021-02-05 | 华航环境发展有限公司 | 一种基于bim和gis的地下排水施工监控系统及方法 |
| CN112820073A (zh) * | 2020-12-31 | 2021-05-18 | 哈尔滨学院 | 一种基于gis的城市排水预警系统 |
-
2021
- 2021-12-06 CN CN202111472047.4A patent/CN113887007B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108399652A (zh) * | 2018-02-12 | 2018-08-14 | 广州市城市规划勘测设计研究院 | 城市地下管线三维监测模型建立的方法、装置、存储介质与终端设备 |
| CN109114430A (zh) * | 2018-09-26 | 2019-01-01 | 东莞青柳新材料有限公司 | 一种城市排水管网在线监测系统 |
| CN112330495A (zh) * | 2020-09-18 | 2021-02-05 | 华航环境发展有限公司 | 一种基于bim和gis的地下排水施工监控系统及方法 |
| CN112820073A (zh) * | 2020-12-31 | 2021-05-18 | 哈尔滨学院 | 一种基于gis的城市排水预警系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113887007A (zh) | 2022-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113887007B (zh) | 一种基于物联网的城市排水监测系统及方法 | |
| CN104215249B (zh) | 一种行车轨迹的平滑方法 | |
| CN107066831B (zh) | 一种区域综合环境评价方法、装置及系统 | |
| JP4612696B2 (ja) | 配水管路の漏水診断装置及び漏水診断方法 | |
| CN106872658B (zh) | 一种基于向量时间序列模型的污水cod负荷预测的方法 | |
| CN102629418B (zh) | 基于模糊卡尔曼滤波的交通流预测方法 | |
| CN115545678A (zh) | 一种基于水环境画像与污染物溯源的水质监测方法 | |
| Kim et al. | Robust leak detection and its localization using interval estimation for water distribution network | |
| CN110110466B (zh) | 一种机器学习和工艺仿真的污水处理目标参数预测方法 | |
| JP5289474B2 (ja) | 雨水排水支援制御装置 | |
| CN115472003B (zh) | 一种基于多源信息的城市交通监管系统及方法 | |
| CN111811580A (zh) | 一种水量/水质监测布点方法及预警响应系统 | |
| CN116227752B (zh) | 一种基于物联网的园区设施管理系统 | |
| AU2017294523C1 (en) | An improved system for estimating water flows at the boundaries of a sub-network of a water distribution network | |
| CN108615054B (zh) | 排水管网节点间相似性衡量的综合指标构建方法 | |
| CN109145499A (zh) | 基于河道多态计算及Arima模型的权重组合水质预测方法 | |
| CN111022932A (zh) | 一种供水管网的传感器布点系统及方法 | |
| JP2007270562A (ja) | 配水情報管理装置 | |
| JP2006274786A (ja) | 雨水排水支援制御装置 | |
| CN107273686B (zh) | 雨洪径流氮磷输出负荷预测方法 | |
| CN117113038A (zh) | 城市水土流失黄泥水事件溯源方法及系统 | |
| CN113792367B (zh) | 基于PySWMM的排水系统多来源入流入渗和出渗量动态估算方法 | |
| CN108920655B (zh) | 一种道路天气信息系统时空覆盖范围量化方法及装置 | |
| CN114611728B (zh) | 污水管网堵塞监测方法及系统 | |
| CN114324800A (zh) | 一种排水管道来水监测方法及其系统、存储介质 |
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 |