CN113916318A - 一种基于水情监测的大坝安全监测方法 - Google Patents
一种基于水情监测的大坝安全监测方法 Download PDFInfo
- Publication number
- CN113916318A CN113916318A CN202111009780.2A CN202111009780A CN113916318A CN 113916318 A CN113916318 A CN 113916318A CN 202111009780 A CN202111009780 A CN 202111009780A CN 113916318 A CN113916318 A CN 113916318A
- Authority
- CN
- China
- Prior art keywords
- water level
- historical
- data
- value
- rainfall
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 179
- 238000012544 monitoring process Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000008859 change Effects 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000009826 distribution Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000003139 buffering effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000003384 imaging method Methods 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
- 239000002245 particle Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- 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
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- General Physics & Mathematics (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于水情监测的大坝安全监测方法,包括获取历史雨量数据,根据历史雨量数据分析结果划分雨量站区域;获取历史水位数据,建立历史雨量数据与历史水位数据的函数关系;结合实时采集的实时雨量数据、实时水位数据,预测未来一定时间段内的水位变化,根据水位变化预测结果,进行水位超限值预警,本发明的有益效果:通过雨量站区域划分,根据历史雨量数据、历史水位数据建立二者之间的函数关系,结合划分后的各雨量站的降雨量数据、实时水位数据以及二者之间的函数关系,对未来一定时间段内的水位数据进行预测,从而进行提前预警,为防洪部署提供缓冲时间,提前部署防洪救灾措施,从而保障人民生命财产安全。
Description
技术领域
本发明涉及大坝安全监测技术领域,尤其涉及一种基于水情监测的大坝安全监测方法。
背景技术
水情监测系统适用于水利部门对江、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、降雨等,现有技术基于水位的实时监测数据,在超过水位设定值之后为防止发生事故,会通过信号触发、声光报警等方式告知值班人员,但是这样一来,在水位超过设定值意味着事故可能即将发生,无法做到提前预警,缺乏水位的预测方法,无法提前对水位进行预测,从而获得事故发生前的缓冲部署时间。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明一种基于水情监测的大坝安全监测方法。
因此,本发明解决的技术问题是:缺乏水位的预测方法,无法对水位进行提前预测,从而缺少水位超限引发的事故前的缓冲部署时间。
一种基于水情监测的大坝安全监测方法,所述方法包括如下步骤:
获取历史雨量数据,根据历史雨量数据分析结果划分雨量站区域;
获取历史水位数据,确定各历史水位数据的产生时间节点,从而根据所述时间节点获取该时间节点前后一定时段范围内的历史雨量数据,建立历史雨量数据与历史水位数据的函数关系;
根据历史雨量数据与历史水位数据的函数关系,结合实时采集的实时雨量数据、实时水位数据,预测未来一定时间段内的水位变化,根据水位变化预测结果,选择是否进行水位超限值预警。
作为本发明所述的基于水情监测的大坝安全监测方法的一种优选方案,其中:所述获取历史雨量数据,根据历史雨量数据分析结果划分雨量站区域包括:
根据历史雨量数据、历史雨量数据产生区域生成历史雨量地区分布图,通过选定任一地区,所述任一地区为初始区域,以该任一地区历史雨量数据平均值为第一初始值,依次选取该任一地区相邻区域的历史雨量数据与第一初始值进行比对分析,根据比对分析结果确定是否将所述相邻区域与所述任一地区划分为同一区域。
作为本发明所述的基于水情监测的大坝安全监测方法的一种优选方案,其中:所述依次选取该任一地区相邻区域的历史雨量数据与第一初始值进行比对分析包括:
作为本发明所述的基于水情监测的大坝安全监测方法的一种优选方案,其中:所述获取历史水位数据,确定各历史水位数据的产生时间节点,从而根据所述时间节点获取该时间节点前后一定时段范围内的历史雨量数据,建立生成历史雨量数据与历史水位数据的函数关系包括:
选取任意时间节点,获取所述时间节点前后一定时段范围内各雨量站区域的历史雨量数据与历史水位数据,根据雨量数据产生时间与水位数据产生时间节点的对应关系建立历史雨量数据与历史水位数据的函数关系W=ki*R+b,其中,W为历史水位数据,R为历史雨量数据。
作为本发明所述的基于水情监测的大坝安全监测方法的一种优选方案,其中:还包括,对所有雨量站区域的历史雨量数据、历史水位数据建立函数关系,得到k1、k2、k3、…、ki-1、ki,取ki的最大值与最小值将其作为ki的取值范围,并进一步对ki的取值范围进行平均分割,获取每个分割后的取值范围区间内的ki数量,根据ki数量对相应取值范围区间进行标记,再进一步根据被标记取值范围区间的最大值与最小值对被标记取值范围区间再次进行划分。
作为本发明所述的基于水情监测的大坝安全监测方法的一种优选方案,其中:所述根据ki数量对相应取值范围区间进行标记,再进一步根据被标记取值范围区间的最大值与最小值对被标记取值范围区间再次进行划分还包括:
当所述ki数量大于等于第二预设值时,标记相应的取值范围区间,若被标记取值范围区间的最大值与下一被标记取值范围区间的最小值不等时,则对被标记取值范围区间的最大值至下一被标记取值范围区间的最小值之间的所有取值范围区间进行标记;
若被标记取值范围区间的最小值与上一被标记取值范围区间最大值不等时,则对上一取值范围区间的最大值至下一被标记取值范围区间的最小值之间的所有取值范围区间进行标记,进一步对被标记取值范围区间再次进行平均分割,获取分割后的取值范围区间内的ki数量,取对应ki数量最大的取值范围区间,并对其求取平均值
作为本发明所述的基于水情监测的大坝安全监测方法的一种优选方案,其中:所述根据历史雨量数据与历史水位数据的函数关系,结合实时采集的实时雨量数据、实时水位数据,预测未来一定时间段内的水位变化,根据水位变化预测结果,选择是否进行水位超限值预警包括:
获取ki数量最大的取值范围区间,并记录该取值范围区间内各ki所对应的雨量站区域,实时采集对应的雨量站区域内的实时雨量数据以及实时水位数据,通过实时雨量数据、历史雨量数据与历史水位数据的函数关系计算得到预测水位数据,
若实时水位数据大于等于水位阈值,则进行水位超限值预警;
若实时水位数据小于水位阈值,预测水位数据大于等于水位阈值,且所述实时水位数据与预测水位数据之间的差值小于一定值时,则进行水位超限值预警。
作为本发明所述的基于水情监测的大坝安全监测方法的一种优选方案,其中:还包括,通过天气预报系统获取未来一定时间段内各对应的雨量站区域的降雨量数据,通过降雨量数据、历史雨量数据与历史水位数据的函数关系 预测未来一定时间段内的水位变化情况,根据水位变化情况,选择是否进行水位超限值预警。
本发明的有益效果:通过雨量站区域划分,根据历史雨量数据、历史水位数据建立二者之间的函数关系,结合划分后的各雨量站的降雨量数据、实时水位数据以及二者之间的函数关系,对未来一定时间段内的水位数据进行预测,从而进行提前预警,为防洪部署提供缓冲时间,提前部署防洪救灾措施,从而保障人民生命财产安全。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明一种基于水情监测的大坝安全监测系统的步骤示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”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。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1,本发明提供了一种基于水情监测的大坝安全监测方法,所述方法包括如下步骤:
获取历史雨量数据,根据历史雨量数据分析结果划分雨量站区域;
获取历史水位数据,确定各历史水位数据的产生时间节点,从而根据所述时间节点获取该时间节点前后一定时段范围内的历史雨量数据,建立历史雨量数据与历史水位数据的函数关系;
根据历史雨量数据与历史水位数据的函数关系,结合实时采集的实时雨量数据、实时水位数据,预测未来一定时间段内的水位变化,根据水位变化预测结果,选择是否进行水位超限值预警。
本方法能够解决的问题:现有技术基于水位的实时监测数据,在超过水位设定值之后为防止发生事故,会通过信号触发、声光报警等方式告知值班人员,但是这样一来,在水位超过设定值时意味着事故可能即将发生,现有技术无法做到提前预警,无法提前对水位进行预测,从而获得事故发生前的缓冲部署时间,本方法通过雨量站区域划分,根据历史雨量数据、历史水位数据建立二者之间的函数关系,结合划分后的各雨量站的降雨量数据、实时水位数据以及二者之间的函数关系,对未来一定时间段内的水位数据进行预测,从而进行提前预警,为防洪部署提供缓冲时间,提前部署防洪救灾措施,从而保障人民生命财产安全。
获取历史雨量数据,根据历史雨量数据分析结果划分雨量站区域包括:
根据历史雨量数据、历史雨量数据产生区域生成历史雨量地区分布图,通过选定任一地区,任一地区为初始区域,以该任一地区历史雨量数据平均值为第一初始值,依次选取该任一地区相邻区域的历史雨量数据与第一初始值进行比对分析,根据比对分析结果确定是否将相邻区域与任一地区划分为同一区域。
依次选取该任一地区相邻区域的历史雨量数据与第一初始值进行比对分析包括:
在对水位数据进行预测时,因为各种因素影响,不同地区的降雨量数据也是不同的,基于已有的雨量站分布,获取已有的雨量站的历史雨量数据,对任意地区的雨量数据进行处理分析,根据处理分析结果,对雨量站分布区域再次进行划分,在对水位数据进行预测时,结合划分后的各雨量站分布区域的雨量实时数据,建立历史雨量数据与历史水位数据之间的函数关系,根据其函数关系以及未来降雨量预测数据,对未来水位数据变化进行分析,从而根据分析结果,确定水位数据超限值的时间段范围,从而进行提前预警。
实施例2
参照图1,本发明提供了一种基于水情监测的大坝安全监测方法,本方法通过获取历史水位数据,确定各历史水位数据的产生时间节点,从而根据时间节点获取该时间节点前后一定时段范围内的历史雨量数据,建立生成历史雨量数据与历史水位数据的函数关系:
选取任意时间节点,获取时间节点前后一定时段范围内各雨量站区域的历史雨量数据与历史水位数据,根据雨量数据产生时间与水位数据产生时间节点的对应关系建立历史雨量数据与历史水位数据的函数关系W=ki*R+b,其中,W为历史水位数据,R为历史雨量数据。
还包括,对所有雨量站区域的历史雨量数据、历史水位数据建立函数关系,得到k1、k2、k3、…、ki-1、ki,取ki的最大值与最小值将其作为ki的取值范围,并进一步对ki的取值范围进行平均分割,获取每个分割后的取值范围区间内的ki数量,根据ki数量对相应取值范围区间进行标记,再进一步根据被标记取值范围区间的最大值与最小值对被标记取值范围区间再次进行划分。
在对水位数据进行预测时,关于雨量数据的选取,因为各种因素影响,不同地区的降雨量数据也是不同的,基于已有的雨量站分布,获取已有的雨量站的历史雨量数据,对任意地区的雨量数据进行处理分析,根据处理分析结果,对雨量站分布区域再次进行划分,在对水位数据进行预测时,结合划分后的各雨量站分布区域的雨量实时数据,建立历史雨量数据与历史水位数据之间的函数关系,但不是所有的雨量站监测到的雨量数据与水位数据之间的函数关系都可以用来预测未来的水位变化情况,因此,通过ki对雨量站进行筛选,也就是对雨量数据与水位数据之间的函数关系进行筛选,从而根据筛选得到的函数关系以及未来降雨量预测数据,对未来水位数据变化进行分析,从而根据分析结果,确定水位数据超限值的时间段范围,从而进行提前预警。
根据ki数量对相应取值范围区间进行标记,再进一步根据被标记取值范围区间的最大值与最小值对被标记取值范围区间再次进行划分还包括:
当ki数量大于等于第二预设值时,标记相应的取值范围区间,若被标记取值范围区间的最大值与下一被标记取值范围区间的最小值不等时,则对被标记取值范围区间的最大值至下一被标记取值范围区间的最小值之间的所有取值范围区间进行标记;
若被标记取值范围区间的最小值与上一被标记取值范围区间最大值不等时,则对上一取值范围区间的最大值至下一被标记取值范围区间的最小值之间的所有取值范围区间进行标记,进一步对被标记取值范围区间再次进行平均分割,获取分割后的取值范围区间内的ki数量,取对应ki数量最大的取值范围区间,并对其求取平均值ki存在多个取值,针对不同的ki取值,计算得到的结果也是不一样的,这样的结果是不准确的,而且无法选定一个ki的值以得到准确水位预测值,通过对ki的值进行排序,如多个ki值0.10、0.12、0.21、0.24、0、35、0、43、0.46、0.47、0.48、0、48、0.49、0.51、0、53、0、54、0、56、…、0.98、0.99,取ki的最大值与最小值其中, 若是以ki=0.1计算,那么得到的结果与ki=0.99计算得到的结果之间存在较大误差,而且ki的值越低,意味着该ki的值所对应的雨量站区域的雨量对水位的涨降产生的影响较小,反之,ki的值越高,代表着该ki的值所对应的雨量站区域的雨量对水位的涨降产生的影响较大,但是这同样不能说明可以直接选取ki的最大值对水位值进行预测,因为这样的单个数据不具备典型性,在获得ki的最大值与最小值之后,对ki的值进行排序,通过对取值范围区间进行分割,确定每个分割后的取值范围区间内的ki的密度分布,通过比较每个取值范围区间内的ki数量与预设值,标记ki数量大于预设值的取值范围区间,比对每一个被标记取值范围区间的最小值与上一个被标记取值范围区间的最大值、被标记取值范围区间的最大值与下一个被标记取值范围区间的最小值,根据比对结果,再次选取一个由多个被标记取值范围区间组成的连续取值范围,进一步对该连续取值范围进行分割以分析每个分割后的取值范围区间内的ki密度分布,取ki数量最大值所对应的取值范围区间,计算ki的平均值,以该值作为雨量与水位函数关系的系数。
根据历史雨量数据与历史水位数据的函数关系,结合实时采集的实时雨量数据、实时水位数据,预测未来一定时间段内的水位变化,根据水位变化预测结果,选择是否进行水位超限值预警包括:
获取ki数量最大的取值范围区间,并记录该取值范围区间内各ki所对应的雨量站区域,实时采集对应的雨量站区域内的实时雨量数据以及实时水位数据,通过实时雨量数据、历史雨量数据与历史水位数据的函数关系计算得到预测水位数据,
若实时水位数据大于等于水位阈值,则进行水位超限值预警;
若实时水位数据小于水位阈值,预测水位数据大于等于水位阈值,且实时水位数据与预测水位数据之间的差值小于一定值时,则进行水位超限值预警。
还包括,通过天气预报系统获取未来一定时间段内各对应的雨量站区域的降雨量数据,通过降雨量数据、历史雨量数据与历史水位数据的函数关系 预测未来一定时间段内的水位变化情况,根据水位变化情况,选择是否进行水位超限值预警,可以提前对水位超限值情况进行预警,如此一来,能够为防汛部署提供缓冲时间,减少人民生命财产损失。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的,术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体,该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如,组件可以是,但不限于是:在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例,在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中,并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外,这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如,来自一个组件的数据,该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号,以本地和/或远程过程的方式进行通信。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种基于水情监测的大坝安全监测方法,其特征在于:所述方法包括如下步骤:
获取历史雨量数据,根据历史雨量数据分析结果划分雨量站区域;
获取历史水位数据,确定各历史水位数据的产生时间节点,从而根据所述时间节点获取该时间节点前后一定时段范围内的历史雨量数据,建立历史雨量数据与历史水位数据的函数关系;
根据历史雨量数据与历史水位数据的函数关系,结合实时采集的实时雨量数据、实时水位数据,预测未来一定时间段内的水位变化,根据水位变化预测结果,选择是否进行水位超限值预警。
2.根据权利要求1所述的基于水情监测的大坝安全监测方法,其特征在于:所述获取历史雨量数据,根据历史雨量数据分析结果划分雨量站区域包括:
根据历史雨量数据、历史雨量数据产生区域生成历史雨量地区分布图,通过选定任一地区,所述任一地区为初始区域,以该任一地区历史雨量数据平均值为第一初始值,依次选取该任一地区相邻区域的历史雨量数据与第一初始值进行比对分析,根据比对分析结果确定是否将所述相邻区域与所述任一地区划分为同一区域。
4.根据权利要求3所述的基于水情监测的大坝安全监测方法,其特征在于:所述获取历史水位数据,确定各历史水位数据的产生时间节点,从而根据所述时间节点获取该时间节点前后一定时段范围内的历史雨量数据,建立生成历史雨量数据与历史水位数据的函数关系包括:
选取任意时间节点,获取所述时间节点前后一定时段范围内各雨量站区域的历史雨量数据与历史水位数据,根据雨量数据产生时间与水位数据产生时间节点的对应关系建立历史雨量数据与历史水位数据的函数关系W=ki*R+b,其中,W为历史水位数据,R为历史雨量数据。
6.根据权利要求5所述的基于水情监测的大坝安全监测方法,其特征在于:所述根据ki数量对相应取值范围区间进行标记,再进一步根据被标记取值范围区间的最大值与最小值对被标记取值范围区间再次进行划分还包括:
当所述ki数量大于等于第二预设值时,标记相应的取值范围区间,若被标记取值范围区间的最大值与下一被标记取值范围区间的最小值不等时,则对被标记取值范围区间的最大值至下一被标记取值范围区间的最小值之间的所有取值范围区间进行标记;
8.根据权利要求7所述的基于水情监测的大坝安全监测方法,其特征在于:所述根据历史雨量数据与历史水位数据的函数关系,结合实时采集的实时雨量数据、实时水位数据,预测未来一定时间段内的水位变化,根据水位变化预测结果,选择是否进行水位超限值预警包括:
获取ki数量最大的取值范围区间,并记录该取值范围区间内各ki所对应的雨量站区域,实时采集对应的雨量站区域内的实时雨量数据以及实时水位数据,通过实时雨量数据、历史雨量数据与历史水位数据的函数关系计算得到预测水位数据,
若实时水位数据大于等于水位阈值,则进行水位超限值预警;
若实时水位数据小于水位阈值,预测水位数据大于等于水位阈值,且所述实时水位数据与预测水位数据之间的差值小于一定值时,则进行水位超限值预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111009780.2A CN113916318A (zh) | 2021-08-31 | 2021-08-31 | 一种基于水情监测的大坝安全监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111009780.2A CN113916318A (zh) | 2021-08-31 | 2021-08-31 | 一种基于水情监测的大坝安全监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113916318A true CN113916318A (zh) | 2022-01-11 |
Family
ID=79233536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111009780.2A Pending CN113916318A (zh) | 2021-08-31 | 2021-08-31 | 一种基于水情监测的大坝安全监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113916318A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114091362A (zh) * | 2022-01-24 | 2022-02-25 | 江西飞尚科技有限公司 | 一种水位预测方法、系统、存储介质及设备 |
CN117990187A (zh) * | 2024-04-07 | 2024-05-07 | 山东省国土空间生态修复中心(山东省地质灾害防治技术指导中心、山东省土地储备中心) | 基于人工智能的地下水水位动态监测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10204853A (ja) * | 1997-01-22 | 1998-08-04 | Fujitsu Ltd | 水位予測方法及び該方法を用いた堰堤制御システム |
CN103033856A (zh) * | 2012-12-06 | 2013-04-10 | 南京信息工程大学 | 基于水文气象一致性地区分析的雨量频率估计方法 |
CN105843942A (zh) * | 2016-04-01 | 2016-08-10 | 浙江大学城市学院 | 一种基于大数据技术的城市防汛决策支持系统 |
KR101810337B1 (ko) * | 2016-11-15 | 2017-12-18 | 서울대학교산학협력단 | 홍수 예경보 서버, 홍수 예경보 방법 및 홍수 예경보 수신 방법 |
CN108681848A (zh) * | 2018-08-25 | 2018-10-19 | 黄河水利委员会黄河水利科学研究院 | 一种“三位一体”小型水库或淤地坝汛期预警方法 |
JP2019045290A (ja) * | 2017-09-01 | 2019-03-22 | 東急建設株式会社 | 河川水位予測システム |
JP2019094640A (ja) * | 2017-11-20 | 2019-06-20 | 日本無線株式会社 | 水位予測方法、水位予測プログラム及び水位予測装置 |
CN111027193A (zh) * | 2019-12-02 | 2020-04-17 | 浙江工业大学 | 一种基于回归模型的短期水位预测方法 |
WO2020090104A1 (ja) * | 2018-11-02 | 2020-05-07 | 三菱電機株式会社 | 水位予測装置および水位予測方法 |
CN111795676A (zh) * | 2020-06-29 | 2020-10-20 | 智仁科技(天津)有限公司 | 一种堤坝险情应急预警系统 |
-
2021
- 2021-08-31 CN CN202111009780.2A patent/CN113916318A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10204853A (ja) * | 1997-01-22 | 1998-08-04 | Fujitsu Ltd | 水位予測方法及び該方法を用いた堰堤制御システム |
CN103033856A (zh) * | 2012-12-06 | 2013-04-10 | 南京信息工程大学 | 基于水文气象一致性地区分析的雨量频率估计方法 |
CN105843942A (zh) * | 2016-04-01 | 2016-08-10 | 浙江大学城市学院 | 一种基于大数据技术的城市防汛决策支持系统 |
KR101810337B1 (ko) * | 2016-11-15 | 2017-12-18 | 서울대학교산학협력단 | 홍수 예경보 서버, 홍수 예경보 방법 및 홍수 예경보 수신 방법 |
JP2019045290A (ja) * | 2017-09-01 | 2019-03-22 | 東急建設株式会社 | 河川水位予測システム |
JP2019094640A (ja) * | 2017-11-20 | 2019-06-20 | 日本無線株式会社 | 水位予測方法、水位予測プログラム及び水位予測装置 |
CN108681848A (zh) * | 2018-08-25 | 2018-10-19 | 黄河水利委员会黄河水利科学研究院 | 一种“三位一体”小型水库或淤地坝汛期预警方法 |
WO2020090104A1 (ja) * | 2018-11-02 | 2020-05-07 | 三菱電機株式会社 | 水位予測装置および水位予測方法 |
CN111027193A (zh) * | 2019-12-02 | 2020-04-17 | 浙江工业大学 | 一种基于回归模型的短期水位预测方法 |
CN111795676A (zh) * | 2020-06-29 | 2020-10-20 | 智仁科技(天津)有限公司 | 一种堤坝险情应急预警系统 |
Non-Patent Citations (1)
Title |
---|
胡政 等: "基于长观水位及历史降雨量的建筑抗浮水位取值研究", 《中国岩溶》, vol. 37, no. 2, 30 April 2018 (2018-04-30), pages 245 - 253 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114091362A (zh) * | 2022-01-24 | 2022-02-25 | 江西飞尚科技有限公司 | 一种水位预测方法、系统、存储介质及设备 |
CN114091362B (zh) * | 2022-01-24 | 2022-06-10 | 江西飞尚科技有限公司 | 一种水位预测方法、系统、存储介质及设备 |
CN117990187A (zh) * | 2024-04-07 | 2024-05-07 | 山东省国土空间生态修复中心(山东省地质灾害防治技术指导中心、山东省土地储备中心) | 基于人工智能的地下水水位动态监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113916318A (zh) | 一种基于水情监测的大坝安全监测方法 | |
Morlot et al. | Dynamic rating curve assessment for hydrometric stations and computation of the associated uncertainties: Quality and station management indicators | |
CN110837925B (zh) | 一种城市内涝预测方法和装置 | |
Ahmad et al. | Flood frequency analysis of annual maximum stream flows using L-moments and TL-moments approach | |
KR102247188B1 (ko) | 상황인식 및 퍼지이론 기반의 해수욕장 위험도 평가 시스템 및 방법과, 이를 위한 컴퓨터 프로그램 | |
Masseran et al. | Risk assessment of extreme air pollution based on partial duration series: IDF approach | |
Eslamian et al. | Climate change detection and modeling in hydrology | |
Zheng et al. | Efficient joint probability analysis of flood risk | |
Rahman et al. | Australian rainfall and runoff project 5: regional flood methods: stage 3 report | |
Guo et al. | Discharge capacity evaluation and hydraulic design of a piano key weir | |
KR101793625B1 (ko) | 기후변화를 고려한 비정상성 지역빈도해석에서의 확률강우량 산출방법 및 그 시스템 | |
CN111369056B (zh) | 地质灾害预测方法及电子设备 | |
CN109726485A (zh) | 混凝土坝点真实应力可靠度预测分析方法及装置 | |
Ghiaei et al. | Regional intensity–duration–frequency analysis in the Eastern Black Sea Basin, Turkey, by using L-moments and regression analysis | |
US20100094590A1 (en) | Automated information technology management | |
CN113466569A (zh) | 一种建筑防雷方法及系统 | |
CN113627668B (zh) | 一种超算环境下的数据分析处理系统 | |
KR101816184B1 (ko) | 침수 지역 추적 시스템, 방법 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 | |
Liu et al. | Spatial fuzzy clustering approach to characterize flood risk in urban storm water drainage systems | |
Ismail et al. | Comparison of flood distribution models for Johor River basin | |
CN111800807A (zh) | 一种基站用户数量告警的方法及装置 | |
Smithers et al. | Performance of regional flood frequency analysis methods in KwaZulu-Natal, South Africa | |
Žunić et al. | Cluster-based analysis and time-series prediction model for reducing the number of traffic accidents | |
JP2021047687A (ja) | ため池決壊予測システム、ため池決壊予測方法、およびプログラム | |
Barbetta et al. | Confidence interval of real‐time forecast stages provided by the STAFOM‐RCM model: the case study of the Tiber River (Italy) |
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 |