CN114252128B - 一种地下管廊涌水量监测及预警系统、方法 - Google Patents

一种地下管廊涌水量监测及预警系统、方法 Download PDF

Info

Publication number
CN114252128B
CN114252128B CN202210184758.XA CN202210184758A CN114252128B CN 114252128 B CN114252128 B CN 114252128B CN 202210184758 A CN202210184758 A CN 202210184758A CN 114252128 B CN114252128 B CN 114252128B
Authority
CN
China
Prior art keywords
water
rainfall
pipe gallery
information
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
Application number
CN202210184758.XA
Other languages
English (en)
Other versions
CN114252128A (zh
Inventor
韩宝江
张小燕
梁炜
江华
张建海
余刚
王冰
王磊
周阳
禹韶阳
刘佳宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingtou City Pipe Gallery Investment Co ltd
China University of Mining and Technology Beijing CUMTB
Third Engineering Co Ltd of China Railway Electrification Engineering Group Co Ltd
Original Assignee
Beijing Jingtou City Pipe Gallery Investment Co ltd
China University of Mining and Technology Beijing CUMTB
Third Engineering Co Ltd of China Railway Electrification Engineering Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingtou City Pipe Gallery Investment Co ltd, China University of Mining and Technology Beijing CUMTB, Third Engineering Co Ltd of China Railway Electrification Engineering Group Co Ltd filed Critical Beijing Jingtou City Pipe Gallery Investment Co ltd
Priority to CN202210184758.XA priority Critical patent/CN114252128B/zh
Publication of CN114252128A publication Critical patent/CN114252128A/zh
Application granted granted Critical
Publication of CN114252128B publication Critical patent/CN114252128B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F22/00—Methods or apparatus for measuring volume of fluids or fluent solid material, not otherwise provided for
    • 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
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
    • G01N15/082—Investigating permeability by forcing a fluid through a sample
    • G01N15/0826—Investigating permeability by forcing a fluid through a sample and measuring fluid flow rate, i.e. permeation rate or pressure change
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Fluid Mechanics (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Software Systems (AREA)
  • Dispersion Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Pathology (AREA)
  • Hydrology & Water Resources (AREA)
  • Algebra (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Sewage (AREA)

Abstract

本发明公开了一种地下管廊涌水量监测及预警系统、方法，监测及预警系统包括：无线自动雨量站实时监测降雨量；渗压计实时监测孔隙水压力；量水堰水位计实时监测排水沟涌水量；中央控制中心，包括数据综合处理软件，计算降雨量增大、减小的加速度，地下水位上涨、下降的加速度，以及排水沟内水位升高、降低的加速度，并通过整合降雨量、地下水位、排水沟涌水量数据，预测不同降雨量、极端降雨条件下管廊内涌水量数据，并提出处理措施。本发明主动式捕获管廊外气象信息、管廊内涌水信息，使用计算机算法融合多通道监测数据，实时感知识别外部环境变化，预警式、智能化解决管廊降排水问题，最大程度上减轻渗漏水危害。

Description

一种地下管廊涌水量监测及预警系统、方法
技术领域
本发明属于综合管廊运维工程领域，具体涉及一种地下管廊涌水量监测及预警系统、方法。
背景技术
管廊防排水主要通过管廊自动抽排水技术实现，即在管廊设计阶段构筑内外排水、防水系统，监测到排水沟内涌水达到阈值后借助机械装置将积水排出。现有管廊渗漏水事故频发，甚至以“十管九漏”之称，运营超过10年的管廊、隧道均出现不同程度的衬砌渗漏水现象。管廊隧道出现渗漏水的原因，绝大部分和施工有关，尽管在设计上已尽可能地考虑了防水，但在实施防水设计的施工过程中，由于人、材料、机械设备、天气及外部环境等原因，理想中的防水设计及施工管理在现实中效果并不是很好。因此，渗漏水问题与施工过程密切相关，是一个很难彻底解决的问题。
现有管廊防排水主要有如下形式：
外排水系统：在管廊衬砌外表面适当位置构筑排水孔，在衬砌内布置透水管、纵向排水管、横向泄水管，将管廊外渗流水导入管廊内排水沟中；
内排水系统：在管廊衬砌内侧底部的侧边设置水槽，管壁上的冷凝水、渗漏水向下流淌入排水沟内，外排水系统导入的流水通过横向泄水管汇入排水沟，而后排出管廊外；
内防水系统：在初衬、二衬中间布置适当的无纺布、PVC防水板作为防水层；在施工缝、变形缝、后浇带处布置止水带、防水涂料等（根据构筑工法不同，内防水系统有一定差别）。
现有管廊防排水技术主要凭借施工运营经验对管廊防排水系统进行设计，某些管廊由于所处地质条件复杂，节理裂隙发育程度高，运营期渗漏量难以预测、控制；另一方面由于某些管廊建设过程中要降低地下水位，影响周围环境绿化，降低了周围植被的蓄水能力，降雨入渗能力增加，渗流所需时间减少，导致管廊自排水系统面对较大降水量时较为乏力，甚至会因为排水能力不足导致管廊内设备设施被积水淹没，造成巨大损失。
另外，现有管廊防排水技术被动式感知外界气象条件变化和内外部环境变化，在降水、地下水渗流至管廊期间不做任何反应，排水沟内的水位到达预定水位后，才自动启动抽排装置，加上人工处理反应滞后，具有较大的滞后性和行动迟缓性，没有充足的预警时间会使排水系统的工作难度增大，极易导致在涌水量高峰期到来时，排水系统不足以应对突发情况，来不及排出排水沟的过量积水。
再者，现有管廊防排水技术通过较少的指标进行排水判断、信息融合水平程度低、灾害发生时已陷入严重危险的境况，难以挽回损失。
尤其是近年极端强降雨天气愈发频繁发生：07年718济南特大暴雨、12年721北京特大暴雨、16年719华北特大暴雨、18年503广州特大暴雨、21年720郑州特大暴雨等，以上事件中最大平均降水量达527.4mm，局部最大累计降雨量达985.2mm，超过排水系统设计值，人工处理反应严重滞后，造成严重城市内涝及人员伤亡，地铁、地下商超、地下停车场、地下综合管廊遭到重创。管廊及时、有效地防排水显得越发重要，如果能提前采取措施，及时预警，提前抽排，某种程度上可以减缓损失。
发明内容
为解决上述问题，本发明的目的在于提出一种地下管廊涌水量监测及预警系统、方法，主动式捕获管廊外气象信息、管廊内涌水信息，结合现场监测、实验得出的相关渗流参数，使用计算机算法融合多通道监测数据，实时感知识别外部环境变化，预警式、智能化解决管廊降排水问题，最大程度上减轻渗漏水危害。
本发明是这样实现的：
本发明首先提供一种地下管廊涌水量监测及预警系统，包括：
无线自动雨量站，布置于管廊所在地表一定周围内，用于实时监测降雨量，并传输至数据综合处理软件；
渗压计，布置于地表以下的管廊外部，用于实时监测孔隙水压力，并传输至数据综合处理软件；
量水堰水位计，布置于管廊排水沟内，用于实时监测排水沟涌水量，并传输至数据综合处理软件；
中央控制中心，包括数据综合处理软件，数据综合处理软件通过降雨量计算降雨量增大、减小的加速度，通过孔隙水压力计算地下水位上涨、下降的加速度，通过排水沟涌水量计算排水沟内水位升高、降低的加速度，并通过整合降雨量、地下水位、排水沟涌水量数据，预测不同降雨量和极端降雨条件下管廊内涌水量信息，提出处理措施。
较佳的，还具有反馈系统，包括机械排水泵和信息分发上报装置，机械排水泵直接受控于所述中央控制中心，具备长时间工作和实时功率调节能力，能够根据降雨量的变化增减运行功率；信息分发上报装置将信息实时传输给运维人员，便于实施决策。
本发明还提供一种地下管廊涌水量监测及预警方法，包括如下步骤：
步骤1：获取历史气象信息、地质信息、衬砌信息；
步骤2：根据历史气象信息、地质信息、衬砌信息进行算法训练，建立管廊涌水数据库；
步骤3：获取实时气象信息，传输至数据综合处理软件；
步骤4：数据综合处理软件调用数据库并执行算法处理，根据实时气象信息计算降雨量加速度b1、地下水位加速度c1、涌水量加速度d1的预测值，以及最大预测降雨量、最大预测涌水量、涌水预测需时；
步骤5：数据综合处理软件根据各项指标预测值启动排水设备运行；
步骤6：检测到降雨开始，监测实时降雨量、实时涌水量，数据综合处理软件调用数据库并执行算法处理，计算实时降雨量加速度b、地下水位加速度c、涌水量加速度d；
步骤7：分析比对实际值与预测值，相应进行监测设备采样频率调整、排水系统运行功率调整。
较佳的，还包括：
步骤8：检测到降雨发生突变，数据综合处理软件调用数据库并执行算法处理，计算新的降雨量加速度b2、地下水位加速度c2、涌水量加速度d2的预测值，以及新的最大预测降雨量、新的最大预测涌水量、新的涌水预测需时，调整排水系统运行功率、采样频率，并进行信息上报、发出警告；
步骤9：数据综合处理软件执行算法处理，重新分析比对新的预测值与实际值，运维人员审核确认灾害等级；
步骤10：根据灾害等级执行管廊应急处理，包括应急照明、应急监控、应急通风、应急供电以及应急处置力量布置。
较佳的，步骤2中，算法训练的输入层数据来源包括：当地水文地质环境、地质构造、管廊建设规模、管廊开挖面积、岩性特征、管廊内渗水量、地下水位、地下水位变化速度、降雨量、涌水量、涌水量变化速度、降水渗透速度。
较佳的，步骤2中，进行算法训练时，建立管廊涌水量、涌水需时、管廊防排水预防措施与训练场景、训练变量之间的映射关系。
较佳的，所述涌水需时指地表水渗流至管廊内排水沟所需要的时间，其统计方法为：在无降水时间段内采集管廊排水沟内的稳定水位数据，观察降雨信息，记录到降雨后开始统计时长，雨水渗流至管廊排水沟，待排水沟内水位数据增大直至稳定后结束时长的统计，即为涌水需时。
较佳的，涌水量与各影响因素指标的映射关系概括为：
Figure DEST_PATH_IMAGE002
式中：A为涌水量预测值；qt为气象部门提供信息；m为管廊埋深信息；k为管廊开挖面积；sc为实地取样研究渗流相关参数；ls为历史气象信息；sl为渗漏病害识别信息；sw为量水堰水位计信息；sy为管廊渗压计监测信息；wx为无线自动量雨站实时降雨信息，zp为管廊自排水措施信息；
涌水需时与各影响因素指标的映射关系概括为：
Figure DEST_PATH_IMAGE004
式中：B为涌水需时预测值；wx为无线自动量雨站实时降雨信息；ds为地下水位变化速度；sd为管廊外水头变化速度；sw为量水堰水位计信息；ls为历史气象信息；sl为渗漏病害识别信息；sy为管廊渗压计监测信息；sc为实地取样研究渗流相关参数；m为管廊埋深信息；zp为管廊自排水措施信息；
管廊防排水预防措施与各影响因素指标的映射关系概括为：
Figure DEST_PATH_IMAGE006
式中：C为采取预防措施；A为涌水量预测值；B为涌水需时预测值；jd为极端天气预测模型。
较佳的，训练场景、训练变量包括：
A.不同降水量，包括10ml小雨、20ml中雨、50ml大雨、100ml暴雨、250ml大暴雨、300ml特大暴雨、500~800ml极端天气降雨；
B.降雨时长，阵雨、12h连续降雨、24h连续降雨、72h极端降雨；
C.不同降雪量、融雪情况，包括2.5mm小雪、30mm中雪、50mm大雪、80~150mm极端降雪；
D.所处环境，包括城区、郊区、山区、沙漠、滨海城市、喀斯特地貌、黄土高原环境；
E.岩层条件，包括一级围岩、二级围岩、三级围岩、四级围岩、五级围岩，花岗岩、沉积岩、人工填土层；
F.管廊构筑条件，包括防水层设计、涌水量设计、衬砌渗水率设计、抽排水设备系统设计；
G.其他已有管廊、隧道抽排水场景，包括降雨量、抽排设备、管廊防排水设计因素；
H.其他意外条件，包括抽排水设备损坏台数、抽排水供电不足因素。
较佳的，步骤9中，比对情况包括：
情况1：
（1）若b≤1.05b1且c≤1.05c1且d≤1.05d1，则保持n档排水功率，监测设备采样频率不变；
（2）判断b＜0、且实际最大涌水量sj≤预测最大涌水量yc时，排水功率保持20%功率冗余值下降，直至无线自动雨量站报告降雨停止且量水堰水位计恢复降雨前水位；
情况2：
（1）若1.05c1≥c，维持排水功率n档不变，监测设备采样频率不变；
（2）判断sj≤yc，则排水功率保持30%功率冗余值下降，直至无线自动雨量站报告降雨停止且量水堰水位计恢复降雨前水位；
情况3：
（1）若1.3b1≥b＞b1，控制排水功率提高至n+1档；
（2）若1.2c1≥c≥1.05c1，维持n+1档功率，上报管廊应急处理中心；
（3）若1.2d1≥d＞1.05d1，则维持n+1档，若d＞1.2d1，则提高排水功率至n+2档；检查b，若b＞1.3b1，立即提高渗漏病害识别与监控装置采样频率为4次/min，若发现有渗漏水立即向运管中心发出警报；
（4）若sj≥1.5yc且b＞1.3b1且c＞1.2c1且d＞1.2d1，排水设备功率提升至最高档，上调警报等级，管廊应急处理中心准备控制事态；
（5）监测排水沟涌水量降至0.5yc时，排水功率下调至n+1档；
（6）检测b＜0、c＜0、d＜0，排水设备功率下调至n档，监测设备采样频率下调至2次/min，排水功率保持30%功率冗余值下降，直至无线自动雨量站报告降雨停止且量水堰水位计恢复降雨前水位；
情况4：
（1）若b1≥b且c≥1.05c1，算法判断在某里程处出现地表塌方，发出警告，提高排水功率至n+1档，运维人员巡视是否存在问题；
（2）若存在问题，检查b＞1.3b1且c＞1.2c1且d＞1.2d1，排水设备功率提升至最高档，上调警报等级，管廊应急处理中心准备控制事态；监测排水沟涌水量降至0.5yc时，排水功率下调至n+1档；检测b＜0、c＜0、d＜0，排水设备功率下调至n档，监测设备采样频率下调至2次/min，排水功率保持30%功率冗余值下降，直至无线自动雨量站报告降雨停止且量水堰水位计恢复降雨前水位；
（3）若不存在问题，检查b，若1.1b1＞b＞0.9b1，则警告解除，维持n档功率；
（4）判断sj≤yc，则排水功率保持20%功率冗余值下降，直至无线自动雨量站报告降雨停止且量水堰水位计恢复降雨前水位；
情况5：
（1）若c1≥c且d≥1.05d1，算法判断某里程处管廊衬砌/外排水系统可能出现问题，发出警告，提高采样频率至3次/min，提高功率至n+1档，运维人员巡视是否出现问题；
（2）若存在问题，检查b＞1.3b1且c＞1.2c1且d＞1.2d1，排水设备功率提升至最高档，上调警报等级，管廊应急处理中心准备控制事态；监测排水沟涌水量降至0.5yc时，排水功率下调至n+1档；检测b＜0、c＜0、d＜0，排水设备功率下调至n档，监测设备采样频率下调至2次/min，排水功率保持30%功率冗余值下降，直至无线自动雨量站报告降雨停止且量水堰水位计恢复降雨前水位；
（3）若不存在问题，检查b，若1.1b1＞b＞0.9b1，则警告解除，维持n档功率；
（4）判断sj≤yc，则排水功率保持20%功率冗余值下降，直至无线自动雨量站报告降雨停止且量水堰水位计恢复降雨前水位。
本发明相对于现有技术的有益效果是：本发明提出的一种地下管廊涌水量监测及预警系统、方法，具有如下显著的有益效果：
（1）本发明采用机器学习算法，选取多种有效变量，用多场景训练算法，提升采取措施的精准度，预警式进行防排水处理，具有“自我感知”的特性；
（2）实地取样研究渗流相关参数，充分考虑当地地质条件，做到因地制宜、一个项目一个解决方案；
（3）本发明布置了从外到内的监测系统，主动捕获管廊内外部信息，监测识别内外部环境变化，提高了研判精准性；
（4）本发明长期监测管廊渗漏水情况，主动分析汛期、非汛期、融雪、强降雨等境况的管廊涌水量，多种监测设备自动反馈信息，算法智能提出、选择相应的处理措施，尤其针对突发性极端降雨天气所引发的相关参数变化进行预判，有助于运维人员采取预防性措施以降低损失；
（5）为保障综合管廊和入廊管线的安全运行，以大数据、云存储等技术为基础的综合管廊渗流监测、智能排水方案、应急处置方案相融合，能够实现“实时感知、智慧决策”，解决管理机制不健全、管理制度不完善、管理手段不智慧等问题，实现管控可视化、管理集约化、应急智能化、决策智慧化，对综合管廊防排水由传统运维模式向智慧模式转变起到了一定推动作用；
（6）在相关管廊开展设计时，优化原设计渗控系统，在保障工程施工和运行安全的前提下减少工程投资和运营成本，并减轻因施工抽水导致地下水位下降对地表生态环境造成的不利影响；
（7）智能控制系统采用多级控制，就地设置控制按钮，远端可由中控室后台实现运维人员远程控制；
（8）融合管廊环境与设备监控、通信联络信息处理等需求，应用5G移动网络技术，打破信息孤岛，达到更快速、更准确的监控管理效果；
（9）本发明不仅适用于管廊、隧道等场景，地下商超、地下停车场等相关排水场景亦可应用，适用性广。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式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示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容涵盖的范围内。
图1为一种地下管廊涌水量监测及预警系统的模块示意图；
图2为监测及预警系统的结构布置示意图；
图3为一种地下管廊涌水量监测及预警方法步骤流程图；
图4为算法训练示意图；
图5为涌水量预测映射关系示意图；
图6为涌水需时预测映射关系示意图；
图7为管廊防排水预防措施映射关系示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
在本发明的描述中，术语“包括/包含”、“由……组成”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产品、设备、过程或方法不仅包括那些要素，而且需要时还可以包括没有明确列出的其他要素，或者是还包括为这种产品、设备、过程或方法所固有的要素。在没有更多限制的情况下，由语句“包括/包含……”、“由……组成”限定的要素，并不排除在包括所述要素的产品、设备、过程或方法中还存在另外的相同要素。
需要理解的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
还需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”、“中心”等指示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、部件或结构必须具有特定的方位、以特定的方位构造或操作，不能理解为对本发明的限制。
以下结合较佳的实施方式对本发明的实现进行详细的描述。
本发明以“主动感知、提前行动”的设计思路，主动获取管廊所在地气象信息，深入研究地层渗流能力，结合计算机算法，并用多场景训练算法，预测涌水量高峰期到来时间，在降水渗流至管廊期间启动管廊抽排水系统，预警式、智能化解决管廊防排水问题。
为此，本发明提供的一种地下管廊涌水量监测及预警系统，参见图1、图2，具体包括：
无线自动雨量站100，布置于管廊所在地表一定周围内，如图1，本发明在管廊拱顶地表及两侧30m范围内各布置一台，用于实时监测降雨量；无线自动雨量站是一种重要的山洪降雨灾害防治的重要设备，集信息采集、传输、分析和预警等功能于一体，使降雨量、环境湿度、温度、风向等预警信息及时、准确地传输到数据综合处理软件，由此可计算出降雨量及降雨量的增大、减小的速率b（即加速度）。
渗压计200，布置于地表以下的管廊外部，如图1，本发明在地表以下距管廊顶部一定距离各布置一组，以及在管廊两侧同深度位置各布置三组，用于实时监测孔隙水压力，并传输到数据综合处理软件，由此可计算地下水位上涨、下降的加速度c。
量水堰水位计300，布置于管廊排水沟内，如图1，本发明在管廊内两侧的排水沟内布置，用于实时监测排水沟涌水量，并传输到数据综合处理软件，由此可计算出排水沟内水位升高、降低的加速度d。
中央控制中心（图中未示出），包括数据综合处理软件，通过降雨量计算降雨量增大、减小的加速度，通过孔隙水压力计算地下水位上涨、下降的加速度，通过排水沟涌水量计算排水沟内水位升高、降低的加速度，并通过整合降雨量、地下水位、排水沟涌水量数据，预测不同降雨量、极端降雨条件下管廊内涌水量信息，提出处理措施。
本发明的监测及预警系统还具有反馈系统，包括机械排水泵400，机械排水泵布置于管廊内，直接受控于中央控制中心，可潜入液下工作，具备长时间工作和实时功率调节能力，能够根据降雨量的变化调整运行功率，易于维修，便于更换。
反馈系统还包括信息分发上报装置（图中未示出），用于将信息实时传输给运维人员，便于实施决策。
本发明中，中央控制中心还包括数据接收装置和可视化信息展示平台，数据接收装置接收相关监测数据，可视化信息展示平台将监测数据和处理措施展示给运维人员，运维人员可进行评判后立即开启抽排水系统。
本发明还可进一步设置渗漏病害识别与监控装置500，如图1所示，在管廊内对称布置在管廊内壁上，捕捉管廊关键部位图像，传输至中央控制中心，分析裂缝发育、渗漏水情况。
本发明进一步提供一种地下管廊涌水量监测及预警方法，参见图3，具体包括：
获取历史气象信息、地质信息、衬砌信息；
本发明中，数据综合处理软件的算法采用“预防优先，提前排水”的编写原则，训练阶段首先获取管廊所在地历史气象信息、地质信息、衬砌信息，具体包括：当地或临近地的历史气象数据，当地水文地质环境、地质构造、管廊建设规模、管廊开挖面积、岩性特征、管廊内实时渗水量、地下水位、地下水位变化速度、降雨量、涌水量、涌水量变化速度、降水渗透速度等。参见如下表1、表2、表3。
表1水文地质环境探查项目
序号 项目 描述
1 工程所处水系 水系、流域、季节性影响评判
2 补充水源 地下水/大气降雨/裂隙水等
3 地下水位、水质 历史水位、化学特性
4 渗透速度、渗透需时、渗透系数 由岩层特性、裂隙发育程度、水源、地下水头、降雨量等确定
5 历史气象信息 各时段平均值、最大值、最小值、标准差、置信度、置信区间、降水量起伏规律等
表2地质构造探查项目
序号 项目 描述
1 工程所在地 山区/城市/高原/黄土区等
2 地形、地貌、地势 地形图/高低走向/倾斜构造等
3 地层岩性 岩层分类、岩体发育程度
4 地层倾角、节理裂隙 判别倾角裂隙与管廊的作用区
5 围岩温升 埋深增加，围岩温升，物理性质会发生变化，易发生脆性破坏。
表3管廊内外监测项目
序号 项目 描述
1 渗漏病害识别 裂缝识别、渗漏量识别
2 量水堰水位 排水沟涌水量、涌水量变化速度
3 排水设备运行状态 运行状态、功率、冗余信息
4 管廊外水头监测 水头增大速度
5 无线自动雨量站 降雨（降雪）信息、湿度、风向等信息
6 地下水位 地下水位增大速度
7 日常涌水量 用于判别降雨量变化导致的涌水量变化值
8 接缝错台 沉降缝、施工缝错台和不均匀沉降等
历史气象信息可由气象部门提供，地质信息由地勘报告得来，衬砌信息则由设计单位、施工单位提供，管廊内实时渗水量、地下水位、地下水位变化速度、降雨量、涌水量、涌水量变化速度、降水渗透速度等则由无线自动雨量站、渗压计、量水堰水位计监测、软件处理计算得到。
根据历史气象信息、地质信息、衬砌信息进行算法训练，建立管廊涌水数据库；
算法训练时，算法训练的输入层数据来源包括历史气象信息、地质信息、衬砌信息。在训练阶段，通过历史气象信息、地质信息、衬砌信息训练算法；在投入使用阶段，地质信息、衬砌信息在算法中已有了体现，不再需要地质信息、衬砌信息，但在长达十年、二十年的运营中，由于地质会发生变化、衬砌也会产生裂缝等等原因，运营期内，运维部门需要评估衬砌的老化状况，这也属于衬砌信息的范畴，地质信息、衬砌信息需要三年或者五年更新、确认即可。
具体而言，进行算法训练时，建立管廊涌水量、涌水需时、管廊防排水预防措施与训练场景、训练变量之间的映射关系。
参见图4，本发明采用BP神经网络模型进行算法训练，其优点是能更好地解决非线性映射，具有更好的预测效果。通过学习一定数量的样本，不需要借助其数学知识就可得出输入与输出的映射关系。当BP神经网络运用在涌水量、涌水需时预测时，只需要存在一定数量可供学习训练的涌水量、涌水需时样本，BP神经网络可通过训练学习建立涌水量、涌水需时与多因素影响之间映射模型。
通过分析涌水量动态的影响因素，如图5所示，将涌水量与各影响因素指标的映射关系概括为：
Figure DEST_PATH_IMAGE002A
式中：A为涌水量预测值；qt为气象部门提供信息；m为管廊埋深信息；k为管廊开挖面积；sc为实地取样研究渗流相关参数；ls为历史气象信息；sl为渗漏病害识别信息；sw为量水堰水位计信息；sy为管廊渗压计监测信息；wx为无线自动量雨站实时降雨信息，zp为管廊自排水措施信息。
本发明中，提出涌水需时概念，涌水需时指地表水渗流至管廊内排水沟所需要的时间，其统计方法为：在无降水时间段内采集管廊排水沟内的稳定水位数据，观察降雨信息，记录到降雨后开始统计时长，雨水渗流至管廊排水沟，待排水沟内水位数据增大直至稳定后结束时长的统计，即为涌水需时。
记录得到的不同降雨量、不同地质条件会对应不同的涌水时长，汛期、非汛期也会有各自的对应值。涌水时长的比较（比如2021年5月与2022年5月）可分析判断渗流通道是否因流沙而堵塞，估算含水层、含水围岩的变化，在发生渗漏水病害时可辅以判断是否该采用速效水泥，合适的注浆压力（如果通道堵塞、涌水需时较长则应该提高注浆压力），有助于科学规划施工时间，避免雨季涌水突泥险情。
涌水需时主要应用于判断降雨后雨水渗流所需时长，帮助算法计算抽排水设备的功率及应采取何种措施。
如图6所示，涌水需时与各影响因素指标的映射关系概括为：
Figure DEST_PATH_IMAGE004A
式中：B为涌水需时预测值；wx为无线自动量雨站实时降雨信息；ds为地下水位变化速度；sd为管廊外水头变化速度；sw为量水堰水位计信息；ls为历史气象信息；sl为渗漏病害识别信息；sy为管廊渗压计监测信息；sc为实地取样研究渗流相关参数；m为管廊埋深信息；zp为管廊自排水措施信息。
如图7所示，管廊防排水采取预防措施与各影响因素指标的映射关系概括为：
Figure DEST_PATH_IMAGE006A
式中：C为采取预防措施；A为涌水量预测值；B为涌水需时预测值；jd为极端天气预测模型，例如：单日最大降雨量250毫米以上，持续天数在1～10内浮动；单日最大降雨量100～250毫米，持续2～10天；以及沿海地区的台风天气。例如郑州7.20特大暴雨局部最大累计降雨量达985.2mm，持续3天。
以上各模型的输入因子已分别列出，而输出因子分别为A、B、C。BP神经网络神经元个数取决于输入因子，例如第一个算法模型中：输入层神经元个数为10，输出层神经元个数为1。隐含层节点数直接关系到预测结果的准确性，采用
Figure DEST_PATH_IMAGE008
来确定节点数，式中a和b分别为输入层和输出层的神经元个数，c是0-10之间（0和10亦可取）的常数。考虑管廊工程的复杂性、多因素性和预测性，确定节点数为12。
BP神经网络输入层到隐含层的传递函数采用logsig，隐含层和输出层间的传递函数采用dlogsig。训练目标均方差1e-5，学习速率net.trainParam.Ilr=0.01，训练最大迭代次数：epochs=1000。
应当理解，训练场景与管廊所在地相关，例如按照地域差异将管廊划分为城市地下综合管廊、山岭综合管廊、沿海地区综合管廊等。在城市地下综合管廊场景中，气象信息包含当地降雨量、湿度等，地质信息可能是：露天开挖、人工填土、管廊埋藏深度等，衬砌信息就是管廊壁厚、透水性等。可以理解，训练场景比较宏观，训练变量就是具体训练场景下的气象信息、地质信息、衬砌信息，不同训练场景对应的气象信息、地质信息、衬砌信息不同。
本发明中，训练场景、训练变量采用多场景、多变量，包括但不限于以下情形：
A.不同降水量，包括10ml（小雨）、20ml（中雨）、50ml（大雨）、100ml（暴雨）、250ml（大暴雨）、300ml（特大暴雨）、500~800ml（极端天气降雨）；
B.降雨时长，阵雨、12h连续降雨、24h连续降雨、72h极端降雨；
C.不同降雪量、融雪情况，包括2.5mm（小雪）、30mm（中雪）、50mm（大雪）、80~150mm（极端降雪）；
D.所处环境，包括城区、郊区、山区、沙漠、滨海城市、喀斯特地貌、黄土高原环境等；
E.岩层条件，包括一级围岩、二级围岩、三级围岩、四级围岩、五级围岩，花岗岩、沉积岩、人工填土等土层；
F.管廊构筑条件，包括防水层设计、涌水量设计、衬砌渗水率设计、抽排水设备系统设计等；
G.其他已有管廊、隧道抽排水场景，包括降雨量、抽排设备、管廊防排水设计等因素；
H.其他意外条件，包括某几台抽排水设备损坏、抽排水供电不足等因素。
本发明的机器学习算法选取多种有效变量，用多场景、多变量训练算法，提升采取措施的精准度，预警式进行防排水处理。
本发明通过构建训练与测试模型集，以管廊内实时渗水量、地下水位、地下水位变化速度、降雨量、涌水量、涌水量变化速度等为主要评判指标，基于该数据集对算法进行训练，通过反复多次训练，BP神经网络模型便具备了记忆功能，直至算法得到的预测值与实际值偏差小于2%，审核人员评估合格，建立好汛期、非汛期、融雪、极端强降雨等工况的相关涌水数据库，即可应用于实际涌水量、涌水需时、相应预防措施的预测之中，供运行阶段调取使用。
通过前期训练，建立管廊涌水数据库，其中包括管廊涌水量、涌水需时、管廊防排水预防措施与训练场景、训练变量之间的映射关系，实际运行时，获取当日实时气象信息，传输至数据综合处理软件，数据综合处理软件调用数据库并执行算法处理，根据实时气象信息计算降雨量加速度b1、地下水位加速度c1、涌水量加速度d1的预测值，以及最大预测降雨量、最大预测涌水量、涌水预测需时，并将数据存储。
启动排水设备，具体是算法根据各项指标预测值启动排水设备，以n档功率运行，且使监测设备采样频率提高至1次/min，实时监测和关注各项指标的预测值。
当监测设备检测到降雨开始，监测实时降雨量、实时涌水量，数据综合处理软件调用数据库并执行算法处理，计算实时降雨量加速度b、地下水位加速度c、涌水量加速度d。
同时分析比对实时数据，相应进行采样频率调整、排水系统运行功率调整；具体是算法使监测设备采样频率提高至2次/min。
当检测到降雨发生突变，数据综合处理软件调用数据库并执行算法处理，计算新的降雨量加速度b2、地下水位加速度c2、涌水量加速度d2的预测值，以及新的最大预测降雨量、新的最大预测涌水量、新的涌水预测需时，提高排水系统运行功率、采样频率，并进行信息上报、发出警告。
此时数据综合处理软件执行算法处理，重新比对新的预测值与实际值，即用新的降雨量加速度b2、地下水位加速度c2、涌水量加速度d2的预测值，以及新的最大预测降雨量、新的最大预测涌水量、新的涌水预测需时，与降雨过程中对应监测装置得到的降雨量加速度b、地下水位加速度c、涌水量加速度d、实时降雨量、实时涌水量、涌水需时，管廊应急处理中心的运维人员审核确认气象灾害等级。
管廊应急处理中心根据灾害等级执行管廊应急处理，包括应急照明、应急监控、应急通风、应急供电以及应急处置力量布置。
本发明中，新的预测值与实际值比对情况包括：
情况1：
（1）若b≤1.05b1且c≤1.05c1且d≤1.05d1，则保持n档排水功率，监测设备采样频率不变；
（2）判断b＜0、且实际最大涌水量sj≤预测最大涌水量yc时，排水功率保持20%功率冗余值下降，直至雨量站报告降雨停止且量水堰水位计恢复降雨前水位。
情况1针对的主要是正常下雨，或者降雨量略小于预测值，各项实际值与预测值相差不大的情况下，较为节能地处理涌水；例如，原排水沟里的水位为10ml，降雨会导致排水沟内水位上涨至13ml，10ml和13ml的水位采用n档功率可以排出，那么就节能地进行涌水抽排。
情况2：
（1）若1.05c1≥c，维持排水功率n档不变，监测设备采样频率不变；
（2）判断sj≤yc，则排水功率保持30%功率冗余值下降，直至雨量站报告降雨停止且量水堰水位计恢复降雨前水位。
情况2是情况1的延续，但允许降雨量稍微大一些，在降雨（接近尾声）时保持一定功率排水。
情况3：
（1）若1.3b1≥b＞b1，控制排水功率提高至n+1档；
（2）若1.2c1≥c≥1.05c1，维持n+1档功率，上报管廊应急处理中心；
（3）若1.2d1≥d＞1.05d1，则维持n+1档，若d＞1.2d1，则提高排水功率至n+2档；检查b，若b＞1.3b1，立即提高渗漏病害识别与监控装置采样频率为4次/min，若发现有渗漏水立即向运管中心发出警报；
（4）若sj≥1.5yc且b＞1.3b1且c＞1.2c1且d＞1.2d1，排水设备功率提升至最高档，上调警报等级，管廊部门准备控制事态；
（5）监测排水沟涌水量降至0.5yc时，排水功率下调至n+1档；
（6）检测b＜0、c＜0、d＜0，排水设备功率下调至n档，监测设备采样频率下调至2次/min，排水功率保持30%功率冗余值下降，直至雨量站报告降雨停止且量水堰水位计恢复降雨前水位。
情况3，降雨由正常下雨/雨量偏小转入雨量变大，先判断降雨量，再判断地层里的渗流情况、最后判断排水沟涌水，逐级提高排水功率、监测设备采样频率，并监测管廊内渗漏病害情况。
情况4：
（1）若b1≥b且c≥1.05c1，算法判断在某里程处出现地表塌方，发出警告，提高排水功率至n+1档，运维人员巡视是否存在问题；
（2）若存在问题，检查sj≥1.5yc且b＞1.3b1且c＞1.2c1且d＞1.2d1，则排水设备功率提升至最高档，上调警报等级，管廊部门准备控制事态；监测排水沟涌水量降至0.5yc时，排水功率下调至n+1档；检测b＜0、c＜0、d＜0，排水设备功率下调至n档，监测设备采样频率下调至2次/min，排水功率保持30%功率冗余值下降，直至雨量站报告降雨停止且量水堰水位计恢复降雨前水位；
（3）若不存在问题，检查b，若1.1b1＞b＞0.9b1，则警告解除，维持n档功率；
（4）判断sj≤yc，则排水功率保持20%功率冗余值下降，直至雨量站报告降雨停止且量水堰水位计恢复降雨前水位。
情况5：
（1）若c1≥c且d≥1.05d1，算法判断某里程处管廊衬砌/外排水系统可能出现问题，发出警告，提高采样频率至3次/min，提高功率至n+1档，运维人员巡视是否出现问题；
（2）若存在问题，检查b＞1.3b1且c＞1.2c1且d＞1.2d1排水设备功率提升至最高档，上调警报等级，管廊部门准备控制事态；监测排水沟涌水量降至0.5yc时，排水功率下调至n+1档；检测b＜0、c＜0、d＜0，排水设备功率下调至n档，监测设备采样频率下调至2次/min，排水功率保持30%功率冗余值下降，直至雨量站报告降雨停止且量水堰水位计恢复降雨前水位。
（3）若不存在问题，检查b，若1.1b1＞b＞0.9b1，则警告解除，维持n档功率；
（4）判断sj≤yc，则排水功率保持20%功率冗余值下降，直至雨量站报告降雨停止且量水堰水位计恢复降雨前水位。
情况4、情况5，由降雨变大可能会导致地表塌方、衬砌/外排水系统出问题，情况4通过b与c的实际值和对应的b1与c1进行对比，判断地表塌方，情况5通过c与d的实际值和对应的c1与d1进行对比，判断衬砌/外排水系统出问题。
对于上述各种情况，现有技术中未有在管廊外安装渗压计、使用算法预测b1、c1、d1从而进行数值比较。本发明安装了较多的监测装置，可实现层级递进判断，先判断降雨量，再判断地层中的渗流情况，最后判断管廊内排水沟的涌水情况，且所有情况会循环判断，根据判断情况相应调整排水设备运行功率和监测设备采样频率，确保安全性，同时能够使得排水设备合理、经济运行。
本发明采用机器学习算法，算法采用“预防优先，提前排水”的编写原则，选取多种有效变量，用多场景训练算法，提升研判和采取措施的精准度，布置了从外到内的监测系统，主动捕获管廊内外部信息，监测识别内外部环境变化，预警式进行防排水处理，具有“自我感知”的特性。例如：获取到当日气象信息为暴雨，降水量为50ml，算法捕获该信息，发出指令使管廊内排水设备以较低功率运行，进行预排水相关工作，使排水沟内水位下降，以迎接降雨涌水；若降雨量突然增大至200ml，则通过对无线雨量站数据、地下水位变化速度、水头增大速度、涌水量变化速度等指标评判，某个量值超越设定阈值时计算机立即发出报警信号，迅速提高隧道内排水设备运行功率，以满功率状态迎接即将激增的管廊内涌水量，防止涌水量超过管廊最大排水能力。
本领域技术人员容易理解的是，在不冲突的前提下，上述各优选方案可以自由地组合、叠加。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种地下管廊涌水量监测及预警方法，其特征在于包括如下步骤：
步骤1：获取历史气象信息、地质信息、衬砌信息；
步骤2：根据历史气象信息、地质信息、衬砌信息进行算法训练，建立管廊涌水数据库；进行算法训练时，建立管廊涌水量、涌水需时、管廊防排水预防措施与训练场景、训练变量之间的映射关系；
涌水量与各影响因素指标的映射关系概括为：
Figure 846081DEST_PATH_IMAGE002
式中：A为涌水量的预测值；qt为气象部门提供信息；m为管廊埋深信息；k为管廊开挖面积；sc为实地取样研究渗流相关参数；ls为历史气象信息；sl为渗漏病害识别信息；sw为量水堰水位计信息；sy为管廊渗压计监测信息；wx为无线自动量雨站实时降雨信息，zp为管廊自排水措施信息；
涌水需时指地表水渗流至管廊内排水沟所需要的时间，与各影响因素指标的映射关系概括为：
Figure 668281DEST_PATH_IMAGE004
式中：B为涌水需时的预测值；wx为无线自动量雨站实时降雨信息；ds为地下水位变化速度；sd为管廊外水头变化速度；sw为量水堰水位计信息；ls为历史气象信息；sl为渗漏病害识别信息；sy为管廊渗压计监测信息；sc为实地取样研究渗流相关参数；m为管廊埋深信息；zp为管廊自排水措施信息；
管廊防排水预防措施与各影响因素指标的映射关系概括为：
Figure 979177DEST_PATH_IMAGE006
式中：C为管廊防排水预防措施；A为涌水量的预测值；B为涌水需时的预测值；jd为极端天气预测模型；
步骤3：获取实时气象信息，传输至数据综合处理软件；
步骤4：数据综合处理软件调用数据库并执行算法处理，根据实时气象信息计算降雨量加速度b1、地下水位加速度c1、涌水量加速度d1的预测值，以及最大预测降雨量、最大预测涌水量、涌水需时的预测值；
步骤5：数据综合处理软件根据各项指标预测值启动排水设备运行；
步骤6：检测到降雨开始，监测实时降雨量、实时涌水量，数据综合处理软件调用数据库并执行算法处理，计算实时降雨量加速度b、地下水位加速度c、涌水量加速度d；
步骤7：分析比对实际值与预测值，相应进行监测设备采样频率调整、排水系统运行功率调整。
2.根据权利要求1所述的地下管廊涌水量监测及预警方法，其特征在于还包括：
步骤8：检测到降雨发生突变，数据综合处理软件调用数据库并执行算法处理，计算新的降雨量加速度b2、地下水位加速度c2、涌水量加速度d2的预测值，以及新的最大预测降雨量、新的最大预测涌水量、新的涌水需时的预测值，调整排水系统运行功率、采样频率，并进行信息上报、发出警告；
步骤9：数据综合处理软件执行算法处理，重新分析比对新的预测值与实际值，运维人员审核确认灾害等级；
步骤10：根据灾害等级执行管廊应急处理，包括应急照明、应急监控、应急通风、应急供电以及应急处置力量布置。
3.根据权利要求1所述的地下管廊涌水量监测及预警方法，其特征在于：
步骤2中，算法训练的输入层数据来源包括：当地水文地质环境、地质构造、管廊建设规模、管廊开挖面积、岩性特征、管廊内渗水量、地下水位、地下水位变化速度、降雨量、涌水量、涌水量变化速度、降水渗透速度。
4.根据权利要求1所述的地下管廊涌水量监测及预警方法，其特征在于：
所述涌水需时统计方法为：在无降水时间段内采集管廊排水沟内的稳定水位数据，观察降雨信息，记录到降雨后开始统计时长，雨水渗流至管廊排水沟，待排水沟内水位数据增大直至稳定后结束时长的统计，即为涌水需时。
5.根据权利要求1所述的地下管廊涌水量监测及预警方法，其特征在于：
训练场景、训练变量包括：
A.不同降水量，包括10ml小雨、20ml中雨、50ml大雨、100ml暴雨、250ml大暴雨、300ml特大暴雨、500~800ml极端天气降雨；
B.降雨时长，阵雨、12h连续降雨、24h连续降雨、72h极端降雨；
C.不同降雪量、融雪情况，包括2.5mm小雪、30mm中雪、50mm大雪、80~150mm极端降雪；
D.所处环境，包括城区、郊区、山区、沙漠、滨海城市、喀斯特地貌、黄土高原环境；
E.岩层条件，包括一级围岩、二级围岩、三级围岩、四级围岩、五级围岩，花岗岩、沉积岩、人工填土层；
F.管廊构筑条件，包括防水层设计、涌水量设计、衬砌渗水率设计、抽排水设备系统设计；
G.其他已有管廊、隧道抽排水场景，包括降雨量、抽排设备、管廊防排水设计因素；
H.其他意外条件，包括抽排水设备损坏台数、抽排水供电不足因素。
6.一种执行权利要求1~5任一项所述地下管廊涌水量监测及预警方法的地下管廊涌水量监测及预警系统，其特征在于包括：
无线自动雨量站，布置于管廊所在地表一定周围内，用于实时监测降雨量，并传输至数据综合处理软件；
渗压计，布置于地表以下的管廊外部，用于实时监测孔隙水压力，并传输至数据综合处理软件；
量水堰水位计，布置于管廊排水沟内，用于实时监测排水沟涌水量，并传输至数据综合处理软件；
中央控制中心，包括数据综合处理软件，数据综合处理软件通过降雨量计算降雨量增大、减小的加速度，通过孔隙水压力计算地下水位上涨、下降的加速度，通过排水沟涌水量计算排水沟内水位升高、降低的加速度，并通过整合降雨量、地下水位、排水沟涌水量数据，预测不同降雨量和极端降雨条件下管廊内涌水量信息，提出处理措施。
7.根据权利要求6所述的地下管廊涌水量监测及预警系统，其特征在于：
还具有反馈系统，包括机械排水泵和信息分发上报装置，机械排水泵直接受控于所述中央控制中心，具备长时间工作和实时功率调节能力，能够根据降雨量的变化增减运行功率；信息分发上报装置将信息实时传输给运维人员，便于实施决策。
CN202210184758.XA 2022-02-28 2022-02-28 一种地下管廊涌水量监测及预警系统、方法 Active CN114252128B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210184758.XA CN114252128B (zh) 2022-02-28 2022-02-28 一种地下管廊涌水量监测及预警系统、方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210184758.XA CN114252128B (zh) 2022-02-28 2022-02-28 一种地下管廊涌水量监测及预警系统、方法

Publications (2)

Publication Number Publication Date
CN114252128A CN114252128A (zh) 2022-03-29
CN114252128B true CN114252128B (zh) 2022-06-10

Family

ID=80799985

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210184758.XA Active CN114252128B (zh) 2022-02-28 2022-02-28 一种地下管廊涌水量监测及预警系统、方法

Country Status (1)

Country Link
CN (1) CN114252128B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114495019B (zh) * 2022-04-15 2022-06-21 中国矿业大学(北京) 一种管廊渗漏病害的实时监测和动态反馈方法
CN115031788A (zh) * 2022-08-09 2022-09-09 中建三局信息科技有限公司 一种基于管廊的智慧排水系统、平台及方法
CN116128466A (zh) * 2022-11-21 2023-05-16 深圳大学 一种地下综合管廊水灾风险内外联动管控方法及系统
CN116046079B (zh) * 2023-04-03 2023-06-30 山东省地质调查院(山东省自然资源厅矿产勘查技术指导中心) 一种基于位置的地质环境专题数据集成管理系统
CN116557791B (zh) * 2023-07-07 2023-10-10 安徽国智数据技术有限公司 一种基于大数据的城市地下管廊风险防控的分析系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4344214B2 (ja) * 2003-10-17 2009-10-14 大成建設株式会社 湧水予測装置
CN102797260A (zh) * 2012-07-24 2012-11-28 同济大学 降水井流量调节器
CN103257644A (zh) * 2013-05-21 2013-08-21 青岛理工大学 一种尾矿库安全状态在线监测方法
CN105678417A (zh) * 2016-01-06 2016-06-15 中电建路桥集团有限公司 一种施工隧道撑子面涌水量预测方法及装置
CN109113788A (zh) * 2018-05-31 2019-01-01 中国地质大学（武汉） 一种岩溶隧道涌水预测方法
CN108491986A (zh) * 2018-06-22 2018-09-04 中交公局第工程有限公司 一种隧道涌水量预测方法
CN113742995B (zh) * 2021-07-28 2024-07-09 淄博矿业集团有限责任公司 一种基于煤矿大数据的矿井涌水量预测方法及系统
CN113627877A (zh) * 2021-08-05 2021-11-09 北京市水利规划设计研究院 一种山岭综合管廊的水文地质分析方法、装置及存储介质
CN113962475A (zh) * 2021-11-09 2022-01-21 中交一公局厦门工程有限公司 一种下穿岩溶天坑隧道暴雨期最大涌水量峰值估计方法

Also Published As

Publication number Publication date
CN114252128A (zh) 2022-03-29

Similar Documents

Publication Publication Date Title
CN114252128B (zh) 一种地下管廊涌水量监测及预警系统、方法
CN109164509B (zh) 基于径流模拟和多传感器监控的智慧雨水系统及运行方法
Montgomery et al. Hydrologic response of a steep, unchanneled valley to natural and applied rainfall
CN104318085B (zh) 一种流域山洪风险识别与提取方法
CN110633865A (zh) 一种基于排涝模型的城市积水预测与安全预警系统
CN106023530A (zh) 一种暴雨型稀性泥石流监测预报预警装置及方法
CN106128035A (zh) 基于神经网络和多参数信息融合的地质灾害预报方法
CN103017860B (zh) 农田水旱灾害预警方法及系统
CN104111091A (zh) 一种泥石流力学参数监测系统及泥石流预警系统
CN102509433A (zh) 一种尾矿库数值仿真和在线监测集成应急预警系统
CN115391712A (zh) 一种城市洪涝风险预测方法
CN112097851B (zh) 一种易涝点涝情检测方法及内涝预测方法
CN211181020U (zh) 一种地质环境治理监测系统
CN114676473B (zh) 一种基于人工智能算法的绿色基础设施空间布局优化方法
CN110533258B (zh) 一种稻麦轮作农田涝渍预警评估方法及系统
WO2020238986A1 (zh) 面向海绵城市透水路面的雨洪管理系统及管理方法
CN116306340A (zh) 一种模拟不同工况下的城市内涝风险分布的方法
CN110031596A (zh) 一种针对干旱区内陆河流域地下水的实时动态监测方法
CN108387502B (zh) 一种海绵城市设施的监测装置、监控系统及监控方法
CN117831231B (zh) 一种对易淹易涝片区进行积淹预警的方法
CN110241773B (zh) 一种适用于不同类型暴雨山洪致灾的沟床水位预警方法
CN116682237B (zh) 一种基于人工智能的智能防汛预警方法及平台
CN118037037A (zh) 一种基于淹没标识转移信息的城市隧道洪涝分级预警方法
CN206323627U (zh) 城市路灯内涝智能监测系统
CN114991870A (zh) 煤矿水情监测预警系统多指标双渠道综合预警方法

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