CN115600513B - 一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统 - Google Patents
一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统 Download PDFInfo
- Publication number
- CN115600513B CN115600513B CN202211616732.4A CN202211616732A CN115600513B CN 115600513 B CN115600513 B CN 115600513B CN 202211616732 A CN202211616732 A CN 202211616732A CN 115600513 B CN115600513 B CN 115600513B
- Authority
- CN
- China
- Prior art keywords
- module
- information
- data
- karst
- karst collapse
- 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
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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- 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
本发明公开一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统,涉及信息处理技术领域;解决的技术问题是在岩溶环境安全监测预警和岩溶塌陷因素分析问题,采用的方案是一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统,包括岩溶塌陷监测模块、信息化模拟系统、分析决策模块、岩溶塌陷预警模块、塌陷信息可视化模块。通过塌陷信息处理模块对采集到环境信息转化成数据信息,通过监测系统监测岩溶环境,并对异常信息报警,服务器管理模块应用数据挖掘算法对数据信息分析决策;岩溶塌陷信息通过塌陷信息可视化模块对塌陷因素数据分析并将分析结果传输到电脑端。本发明提高了岩溶塌陷监测能力和因素分析能力。
Description
技术领域
本发明涉及岩溶塌陷监测预警防控领域,且更确切地涉及一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统。
背景技术
岩溶位于地下,被地下水位和自然因素所影响,地下水位变动达到一定幅度,或者是因为一些自然灾害造成岩溶上层塌陷,形成一个塌陷坑。岩溶塌陷不仅破坏了自然环境,还给人们生命造成危害,如果不加以监测,后果难以想象。
为实现岩溶塌陷监测,申请号为201820532688.1的中国专利中提出一种岩溶塌陷监测系统,该系统通过分布式光纤应变传感器应用于多条监测槽技术,大幅度提高覆盖范围,获取大量监测信息。但是大量的光纤应变传感器需要埋入地下才能感测岩溶内部变化,实施工程十分复杂,且光纤对岩溶塌陷环境因素没有分析能力。
发明内容
针对上述技术的不足,本发明公开一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统,能够提前预测岩溶塌陷并对塌陷现场进行图像扫描,具有高效岩溶环境分析能力和岩溶塌陷预警能力。
为解决上述技术问题,本发明采用如下技术方案:
一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统,其中包括:
岩溶塌陷监测模块,用于监测地面、地下水位、地下洞穴和水库水量的塌陷数据信息,所述岩溶塌陷监测模块包括塌陷信息采集模块、塌陷信息处理模块、塌陷信息传输模块和岩溶感测模块;其中所述塌陷信息采集模块通过传感器感测岩溶地质变化获取塌陷信息;所述塌陷信息处理模块包括蒙特卡罗算法模块和地质雷达扫描模块,所述蒙特卡罗算法模块用于处理采集到的塌陷信息,所述地质雷达扫描模块用于勘测地下岩溶图像;所述塌陷信息传输模块包括接收模块、编码模块和发送模块,所述岩溶感测模块用于感岩溶测物理参数变化;
信息化模拟系统,用于模拟岩溶塌陷,分析岩溶塌陷系数临界值,所述信息化模拟系统包括岩溶物理模拟模型、数据信息收集模块和数据信息统计分析模块;其中所述岩溶物理模型模拟模块通过岩溶物理模型在模拟自然环境下的岩溶状态,所述数据信息收集模块用于检测岩溶物理系数,所述数据信息统计分析模块通过中央处理器对数据信息进行统计分析;
分析决策模块,用于研判岩溶塌陷变化和塌陷范围,所述分析决策模块包括数据加载模块、数据预处理模块、数据分类模块、数据挖掘算法模块、数据库分析模块和服务器数据管理模块;其中所述数据加载模块包括电参数加载模块、光纤传感模块、水位传感器、压力传感器和次声波检测仪,数据预处理模块用于对加载数据规范化,数据分类模块用于整理分类加载数据的类型和变量,数据挖掘算法模块用于从大量数据中提取出对岩溶塌陷有效数据并预制结构化数据,数据库分析模块用于提供挖掘算法运行结果的评估方法,服务器数据管理模块用于调用处理数据并对各模块规范化管理;其中服务器数据管理模块分别与数据处理模块、数据分类模块、数据挖掘算法模块和数据库分析模块连接,数据加载模块分别与数据预处理模块和数据分类模块连接;
岩溶塌陷预警模块,用于预测岩溶塌陷情况,所述岩溶塌陷预警模块包括第一监测线系统、第二监测线系统和第三监测线系统;其中所述第一监测线系统通过分布态检测线实时监测监测线所在地的地质和温度变化,所述第二监测线系统通过预警计算机计算地质和温度变化值并建立数据库,所述第三监测线系统通过塌陷的地形应变数据计算监测线所在地的临界应变值后进行实时预警;
塌陷信息可视化模块,用于在岩溶塌陷结构图像上叠加虚拟工艺导引信息,所述塌陷信息可视化模块包括信息化控制模块、选择处理模块和显示计算模块;其中所述信息化控制模块用于提供导引指令,选择处理模块用于选择导引显示类型及具体内容,显示计算模块用于将导引信息结合岩溶塌陷实际相对位叠加在岩溶塌陷结构图像上;
其中岩溶塌陷监测模块与信息化模拟系统、分析决策模块、岩溶塌陷预警模块和塌陷信息可视化模块连接,信息模拟系统与分析决策模块和岩溶塌陷预警模块连接。
作为本发明的进一步方案,地下水位监测装置包括中央处理器、电池装置、GPRS通信模块、GPS定位装置、液位传感器装置、信号转换模块和信号丢失报警模块;其中所述中央处理器用于处理接收到的信号并控制模块工作,所述电池装置用于向各个模块提供正常工作的电压和电流,满足各个模块正常工作需求,所述GPRS通信模块通过固定互联网协议与后台控制端通信,所述GPS定位装置通过卫星信号锁定所在地下水位监测装置所在位置,所述液位传感器装置包括外部壳体、气囊、导磁体、接收线圈、发射线圈和水压孔,所述信号转换模块通过A/D转换模块将液位传感装置产生的电信号转换成数据电子信号,所述信号丢失报警模块用于在液位传感装置信号和电源信号消失时向后台控制端发送报警信息;其中中央处理装置连接电池装置、GPRS通信模块、GPS定位装置、信号转换模块和信号丢失报警模块,信号丢失报警模块与液位传感器装置和电池装置相连。
作为本发明的进一步方案,预警装置包括预警感应器、信息控制模块、信号灯和无线发射器。
作为本发明的进一步方案,所述数据挖掘算法采用改进决策树算法,改进决策树算法流程为:
假设表示岩溶塌陷监测信息训练样本集,岩溶塌陷信息样本岩溶塌陷信息样本数量为/>个,包括/>个监测岩溶塌陷信息样本的不同种类/>,/>表示岩溶塌陷监测信息训练样本集的一个属性,属性/>的取值范围为/>,/>表示不同种类的样本总数;根据属性/>的不同,将岩溶塌陷监测信息训练样本集/>区分成/>个小的岩溶塌陷监测信息训练样本子集,/>是岩溶塌陷监测信息训练样本子集的第/>个子集,,/>为岩溶塌陷监测信息训练样本子集/>的样本个数;
岩溶塌陷监测信息训练样本集的信息增益的计算式如式(1):
(1)
式(1)中,表示按照属性/>分类后岩溶塌陷监测信息训练样本集的信息熵,/>表示按照属性/>分类后岩溶塌陷监测信息训练样本集/>,/>表示根据岩溶塌陷监测信息训练样本集的属性/>划分出的个小的岩溶塌陷监测信息训练样本子集的熵加权和,/>表示岩溶塌陷监测信息训练样本集/>的熵;
的计算公式如式(2):
(2)
式(2)中,表示监测岩溶塌陷信息样本的不同种类/>出现的概率,/>表示监测岩溶塌陷信息样本数量,/>表示监测岩溶塌陷信息样本的种类,/>满足约束条件如式(3):
(3)
式(3)中,表示/>个监测岩溶塌陷信息样本的不同种类/>出现的概率总和;
分裂信息项计算式如式(4)
(4)
式(4)中,分裂信息项表示岩溶塌陷监测信息训练样本集/>关于属性/>的熵,/>表示岩溶塌陷监测信息训练样本子集中的样本数量,/>表示岩溶塌陷信息样本岩溶塌陷信息样本数量,/>表示属性/>的最大值,/>越小则岩溶塌陷监测信息训练样本在属性/>上的分部结果越不均匀;
信息增益比率的计算公式是:
(5)
式(5)中,表示岩溶塌陷监测信息训练样本集中信息增益比率,在岩溶塌陷监测信息训练样本集/>中选取信息增益比率最大的岩溶塌陷信息样本,决策树算法选择具有最高信息增益比率的属性,定义成分裂属性,决策树算法根据属性/>的取值范围执行最佳分割点,分成/>个分枝,循环执行分裂属性的确定和最佳分割点的确定,生成一棵关于岩溶塌陷监测信息训练样本集的决策树;
基于分类回归树算法进行决策树的划分节点,分类回归树算法通过信息熵作为度量标准,分类回归树根据最佳分割点划分节点,当前节点用/>表示,每个节点产生两个分枝,划分标准如式(6)所示:
(6)
式(6)中,表示当前节点/>和对节点划分的属性/>进行计算,/>表示岩溶塌陷监测信息数据位于左子树概率的大小,/>表示岩溶塌陷监测信息数据位于右子树概率的大小,/>和/>分别表示岩溶塌陷监测信息训练样本决策树中当前节点的左子树和右子树,/>表示岩溶塌陷监测信息数据所属种类,/>和/>分别表示分类回归树的左节点和右节点,/>和/>分别表示左子树和右子树中属于类别/>的概率值,/>表示种类数量;
节点划分度量时的概率值如式(7)所示:
(7)
式(7)中,表示目标节点左子树和右子树,在计算属性取值在计算节点划分度量时有先后顺序,选择概率值较大的子树中岩溶塌陷监测信息数据进行检验,概率值较小的子树中的信息数据进行剪除。
作为本发明的进一步方案,通过EM算法求解最大似然数值,实现决策树算法收敛得到最优解;假设随机变量由岩溶塌陷监测信息训练样本集和隐含部分/>组成,满足分布/>,训练数据由若干/>组成,/>,假设/>是岩溶塌陷环境信息数据中一个离散随机变量,满足分布矩阵为/>;
EM算法中指数族密度函数和目标似然函数如公式(8)所示:
(8)
式(8)中,表示离散随机变量/>分布矩阵中的一个数值,/>是岩溶塌陷监测信息数据的预估似然数,/>表示岩溶塌陷环境信息数据中的变量值/>关于岩溶塌陷监测信息数据的预估似然数/>的指数族密度函数,/>表示岩溶塌陷监测信息训练样本集/>关于岩溶塌陷监测信息数据的相对熵,/>表示岩溶塌陷监测信息数据预估似然数的目标似然函数;
固定数值,对/>进行优化,设该函数在/>处取得最大值,则有:
(9)
式(9)中,表示可以取最大指数密度值的似然数;
固定值,则/>为/>的函数,则有:
(10)
式(10)中,表示最大指数密度值的似然数的目标似然函数;
综合式(8)~(10),得式(11):
(11)
式(11)表明,EM算法的每轮运算,都会使岩溶塌陷监测信息数据的目标似然函数值增加,实现岩溶塌陷监测信息在运算过程中收敛到局部最优解。
作为本发明的进一步方案,数据分类模块包括嵌入式处理控制器和与所述嵌入式处理控制器连接的统分类模块、数据存储模块和输出模块。
作为本发明的进一步方案,数据预处理模块包括预处理匹配库、聚类处理模块、预处理模块和存储模块,所述预处理模块用于对数据进行标准化、归类化和清洗化的预处理。
作为本发明的进一步方案,岩溶物理模拟模型包括水动力模拟装置、岩溶模拟装置和监控装置。
本发明有益的积极效果在于:
区别于常规的岩溶塌陷已经技术,本发明能够实现岩溶环境的监测,通过岩溶塌陷监测模块监测岩溶内部环境信息;通过信息化模拟系统分析出岩溶塌陷与各个环境因素系数临界值关系;地下水位监测装置通过液位传感器监测到水位变化,通过GPRS模块传输到后台控制端,通过分析决策模块处理分析接收到的环境信息,引用数据挖掘算法对岩溶塌陷监测数据信息进行关键数据筛选和优化处理;处理后的数据超过环境因素系数临界值启动岩溶塌陷预警;通过塌陷信息可视化模块对岩溶塌陷进行塌陷因素分析。本发明提高岩溶塌陷预警效率,增强岩溶塌陷分析能力。
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性的前提下,还可以根据这些附图获得其他的附图,其中:
图1为本发明岩溶塌陷监测预警及防控一体化图;
图2为本发明地下水位监测装置图;
图3为本发明决策树算法流程图;
图4为本发明标准决策树算法和改进后决策树算法的分类准确率对比图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的实施例仅用于说明和解释本发明,并不用于限定本发明。
在具体实施例中,如图1所示,一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统包括岩溶塌陷监测模块、信息化模拟系统、分析决策模块、岩溶塌陷预警模块、塌陷信息可视化模块。
其中,岩溶塌陷监测模块用于监测地面、地下水位、地下洞穴和水库水量的塌陷数据信息,所述岩溶塌陷监测模块包括塌陷信息采集模块、塌陷信息处理模块、塌陷信息传输模块和岩溶感测模块;其中所述塌陷信息采集模块通过传感器感测岩溶地质变化获取塌陷信息;所述塌陷信息处理模块包括蒙特卡罗算法模块和地质雷达扫描模块,所述蒙特卡罗算法模块用于处理采集到的塌陷信息,所述地质雷达扫描模块用于勘测地下岩溶图像;所述塌陷信息传输模块包括接收模块、编码模块和发送模块,所述岩溶感测模块用于感岩溶测物理参数变化;目前,岩溶塌陷的监测方法可分为直接监测法和间接监测法两类,直接监测方法通过直接监测地下土体或地面的変形来判断地面塌陷的方法,如监测地面沉降地面和房屋开裂等常规方法,以及地质雷达和光导纤维等监测地下土体变形的非常规方法。间接监测方法主要有岩溶管道系统中水气压力的动态変化传感器自动监测技术,由于塌陷具有突发性,地质雷达等直接监测方法和岩溶管道系统中水压的动态变化传感器自动监测的间接监测技术监测塌陷则取得了较好效果。本发明采用地质雷达监测技术,地质雷达监测的工作原理是由发射天线向地下发射高频电磁波,通过接收天线接收从地下不同电性界面上反射回来的信号。当地下物体的介电常数差异较大时,就会形成反射界面,电磁波在介质中传播时,其路径、电磁场强度等随介质的电磁性质及几何形态而变化。所以,根据接收波的旅行时间、频率等信息,可推断介质的结构。由于发生扰动形成土洞的地下土体与其周围的原状土体具有明显不同的介电常数异常。因此,通过地质雷达定期、定线路的探测扫描对比,就可以推断地下土体的变化,从而达到监测土洞的形成、发展过程,进而预测岩溶塌陷。
其中,信息化模拟系统用于模拟岩溶塌陷,分析岩溶塌陷系数临界值,所述信息化模拟系统包括岩溶物理模拟模型、数据信息收集模块和数据信息统计分析模块;其中所述岩溶物理模型模拟模块通过岩溶物理模型在模拟自然环境下的岩溶状态,所述数据信息收集模块用于检测岩溶物理系数,所述数据信息统计分析模块通过中央处理器对数据信息进行统计分析。
分析决策模块,用于研判岩溶塌陷变化和塌陷范围,所述分析决策模块包括数据加载模块、数据预处理模块、数据分类模块、数据挖掘算法模块、数据库分析模块和服务器数据管理模块;其中所述数据加载模块包括电参数加载模块、光纤传感模块、水位传感器、压力传感器和次声波检测仪,数据预处理模块用于对加载数据规范化,数据分类模块用于整理分类加载数据的类型和变量,数据挖掘算法模块用于从大量数据中提取出对岩溶塌陷有效数据并预制结构化数据,数据库分析模块用于提供挖掘算法运行结果的评估方法,服务器数据管理模块用于调用处理数据并对各模块规范化管理;其中服务器数据管理模块分别与数据处理模块、数据分类模块、数据挖掘算法模块和数据库分析模块连接,数据加载模块分别与数据预处理模块和数据分类模块连接;
岩溶塌陷预警模块,用于预测岩溶塌陷情况,所述岩溶塌陷预警模块包括第一监测线系统、第二监测线系统和第三监测线系统;其中所述第一监测线系统通过分布态检测线实时监测监测线所在地的地质和温度变化,所述第二监测线系统通过预警计算机计算地质和温度变化值并建立数据库,所述第三监测线系统通过塌陷的地形应变数据计算监测线所在地的临界应变值后进行实时预警。本发明中岩溶塌陷预警是结合监测线系统明确预警范围和预警对象,根据塌陷区域和实际情况选取预警手段和设备,建立一个完善的预警系统,能够实时地对监测范围内的各种正在发育变形的塌陷和高风险易发区域进行塌陷预警,结合地质情祝、外在因素总结不同地面塌陷的趋势和特点,对地面塌陷的变形进行预警预报,达到有效塌陷预警目的。
塌陷信息可视化模块,用于在岩溶塌陷结构图像上叠加虚拟工艺导引信息,所述塌陷信息可视化模块包括信息化控制模块、选择处理模块和显示计算模块;其中所述信息化控制模块用于提供导引指令,选择处理模块用于选择导引显示类型及具体内容,显示计算模块用于将导引信息结合岩溶塌陷实际相对位叠加在岩溶塌陷结构图像上;
其中岩溶塌陷监测模块与信息化模拟系统、分析决策模块、岩溶塌陷预警模块和塌陷信息可视化模块连接,信息模拟系统与分析决策模块和岩溶塌陷预警模块连接。
在具体实施例中,如图2所示,地下水位监测装置包括中央处理器、电池装置、无线通信分组(General packet radio service,GPRS)模块、GPS定位装置、液位传感器装置、信号转换模块和信号丢失报警模块;其中所述中央处理器用于处理接收到的信号并控制模块工作,所述电池装置用于向各个模块提供正常工作的电压和电流,满足各个模块正常工作需求,所述无线通信分组模块通过固定互联网协议与后台控制端通信,所述GPS定位装置通过卫星信号锁定所在地下水位监测装置所在位置,所述液位传感器装置包括外部壳体、气囊、导磁体、接收线圈、发射线圈和水压孔,所述信号转换模块通过A/D转换模块将液位传感装置产生的电信号转换成数据电子信号,所述信号丢失报警模块用于在液位传感装置信号和电源信号消失时向后台控制端发送报警信息;其中中央处理装置连接电池装置、无线通信分组模块、GPS定位装置、信号转换模块和信号丢失报警模块,信号丢失报警模块与液位传感器装置和电池装置相连。
在具体实施例中,无线通信分组模块的通信有非争用型和争用型两种公用信道方式。争用型即采用随接入方式来争用信道,本发明中争用型遵守分时隙协议优先于载波监听多址接入协议,减少分组碰撞概率。无线通信分组技术具有GSM通信系统覆盖围广、通信质量高、分组传输数据传输快、信道利用率高等优点,无线通信分组技术支持TCP/IP协议,直接与Internet互通,特别适合中低速率的岩溶环境监测及监控领域。
在具体实施例中,预警装置包括预警感应器、信息控制模块、信号灯和无线发射器。本发明中射频识别技术(Radio frequency Identification,RFID)是无线发射技术的一种,通过无线射频方式进行非接触双向数据通信。射频识别技术作为物理世界与IT信息系统的桥梁,可以将每个运维对象的日常管理活动与业务系统有效地整合在一起,实现运维对象的自动化信息数据服务。射频识别技术具备一定的穿透性,非接触式数据采集射频识别技术能够穿透纸张、木材和塑料等非金属或非透明的材质,并能够进行穿透性通信。射频识别技术极大地增强了系统对运维对象的信息收集、交换与跟踪能力,射频识别技术在任何有效距离内,即可立即传输无线发射信息,提高了工作效率,从而有助于动态化管理。密码保护机制射频识别技术的标签数据存取具有密码保护,识别码独一无无法仿造,这种高度安全的保护措施使得标签上的数据不易被伪造和篡改,无线发射器体积小型化、形状多样化。
在具体实施例中,所述数据挖掘算法采用改进决策树算法,决策树是一种有监督学习的方法,它能够从一系列有特征和标签的数据中总结出决策规则,并用树状图的来呈现这些规则,以解决分类和回归问题,决策树算法适用各种数据,在解决各种问题时都有良好表现,以树模型为核心的各种集成算法,决策树算法的本质是一种树结构,可以根据属性对数据进行分类,最基本的属性叫做叶子结点,节点包括根节点、中间节点、叶子节点、子节点和父节点,根节点是没有进边,有出边,包含最初的属性;中间节点是既有进边又有出边,进边只有一条,而出边可以有多条,都具有独特属性;叶子节点是有进边,无出边,每个叶子结点都是一个类别;子节点和父节点是在两个相连的节点中,更接近根节点的是父节点,另一个是子节点。决策树的根节点和中间节点对应的是某一类属性特征,这些节点自上而下的重要性是由大到小进行排列的。改进决策树算法流程为:
假设表示岩溶塌陷监测信息训练样本集,岩溶塌陷信息样本岩溶塌陷信息样本数量为/>个,包括/>个监测岩溶塌陷信息样本的不同种类/>,/>表示岩溶塌陷监测信息训练样本集的一个属性,属性/>的取值范围为/>,/>表示不同种类的样本总数;根据属性/>的不同,将岩溶塌陷监测信息训练样本集/>区分成/>个小的岩溶塌陷监测信息训练样本子集,/>是岩溶塌陷监测信息训练样本子集的第/>个子集,,/>为岩溶塌陷监测信息训练样本子集/>的样本个数;
岩溶塌陷监测信息训练样本集的信息增益的计算式如式(1):
(1)
式(1)中,表示按照属性/>分类后岩溶塌陷监测信息训练样本集的信息熵,/>表示按照属性/>分类后岩溶塌陷监测信息训练样本集/>,/>表示根据岩溶塌陷监测信息训练样本集的属性/>划分出的个小的岩溶塌陷监测信息训练样本子集的熵加权和,/>表示岩溶塌陷监测信息训练样本集/>的熵;在具体实施例中,式(1)信息增益是岩溶塌陷监测信息训练样本集的属性统计量,描述样本的一个属性区分数据样本的能力,信息增益越大,表示在信息不确定性减少程度越大,生成的决策树越简洁。
的计算公式如式(2):
(2)
式(2)中,表示监测岩溶塌陷信息样本的不同种类/>出现的概率,/>表示监测岩溶塌陷信息样本数量,/>表示监测岩溶塌陷信息样本的种类,在本发明中,式(2)熵反映岩溶塌陷监测信息训练样本子集的混乱程度,熵越大,岩溶塌陷监测到的信息越混乱,表明岩溶环境不适合继续监测。
满足约束条件如式(3):
(3)
式(3)中,表示/>个监测岩溶塌陷信息样本的不同种类/>出现的概率总和;
分裂信息项计算式如式(4)
(4)
式(4)中,分裂信息项表示岩溶塌陷监测信息训练样本集关于属性/>的熵,/>表示岩溶塌陷监测信息训练样本子集中的样本数量,/>表示岩溶塌陷信息样本岩溶塌陷信息样本数量,/>表示属性/>的最大值,/>越小则岩溶塌陷监测信息训练样本在属性/>上的分部结果越不均匀;在本发明中,式(4) 分裂信息项是根据岩溶塌陷信息样本子集中属性信息增益中最大的进行分裂,形成较小的岩溶塌陷信息样本子集,提高信息分析效率。
信息增益比率的计算公式是:
(5)
式(5)中,表示岩溶塌陷监测信息训练样本集中信息增益比率,在岩溶塌陷监测信息训练样本集/>中选取信息增益比率最大的岩溶塌陷信息样本,决策树算法选择具有最高信息增益比率的属性,定义成分裂属性,决策树算法根据属性/>的取值范围执行最佳分割点,分成/>个分枝,循环执行分裂属性的确定和最佳分割点的确定,生成一棵关于岩溶塌陷监测信息训练样本集的决策树;
基于分类回归树算法进行决策树的划分节点,其中分类回归树算法对于一般的线性回归,其拟合的模型是基于全部的数据集。这种全局的数据建模对于一些复杂的数据来说,建模难度很大,本发明中有局部加权线性回归,利用数据点周围的局部数据进行建模,简化了建模的难度,提高了模型的准确性。树回归也是一种局部建模的方法,其通过构建决策点将数据划分,在划分后的局部数据集上回归操作。分类回归树是一种树构建算法,处理连续型问题时主要通过二元切分来处理连续型变量,即根据信息走左右子书概率,左子树概率大就走左子树,或者就走右子树。分类回归树算法通过信息熵作为度量标准,分类回归树根据最佳分割点划分节点,当前节点用/>表示,每个节点产生两个分枝,划分标准如式(6)所示:
(6)
式(6)中,表示当前节点/>和对节点划分的属性/>进行计算,/>表示岩溶塌陷监测信息数据位于左子树概率的大小,/>表示岩溶塌陷监测信息数据位于右子树概率的大小,/>和/>分别表示岩溶塌陷监测信息训练样本决策树中当前节点的左子树和右子树,/>表示岩溶塌陷监测信息数据所属种类,/>和/>分别表示分类回归树的左节点和右节点,/>和/>分别表示左子树和右子树中属于类别/>的概率值,/>表示种类数量;
节点划分度量时的概率值如式(7)所示:
(7)
式(7)中,表示目标节点左子树和右子树,在计算属性取值在计算节点划分度量时有先后顺序,选择概率值较大的子树中岩溶塌陷监测信息数据进行检验,概率值较小的子树中的信息数据进行剪除。
在具体实施例中,通过期望最大化(Expectation Maximization,EM)算法求解最大似然数值,本发明中采用最大似然值估计法对目标参数进行估计,最大似然估计算法有较强的优势,能实现联合参量数值大小和正负性的双重估计,而且趋于真值的收做速度快,但计算复杂度的问题使得实现比较困难。期望最大化算法是一种当观测数据为不完全数据时求解最大似然估计的迭代算法,大大降低了最大似然估计的计算复杂度,但性能却与最大似然估计相近,具有很好的实际应用价值。实现决策树算法收敛得到最优解;假设随机变量由岩溶塌陷监测信息训练样本集和隐含部分/>组成,满足分布 />,训练数据由若干/>组成,/>,假设/>是岩溶塌陷环境信息数据中一个离散随机变量,满足分布矩阵为/>;
EM算法中指数族密度函数和目标似然函数如公式(8)所示:
(8)
式(8)中,表示离散随机变量/>分布矩阵中的一个数值,/>是岩溶塌陷监测信息数据的预估似然数,/>表示岩溶塌陷环境信息数据中的变量值/>关于岩溶塌陷监测信息数据的预估似然数/>的指数族密度函数,/>表示岩溶塌陷监测信息训练样本集/>关于岩溶塌陷监测信息数据的相对熵,/>表示岩溶塌陷监测信息数据预估似然数的目标似然函数;本发明中式(8)是根据已观测到岩溶塌陷监测信息数据的似然性对信息数据的性质参数进行的说明,通过岩溶塌陷监测信息训练样本集/>关于岩溶塌陷监测信息数据的相对熵寻求目标信息出现的最大可能性。
固定数值,对/>进行优化,设该函数在/>处取得最大值,则有:
(9)
式(9)中,表示可以取最大指数密度值的似然数;在本发明中式(9)表示出现一个岩溶塌陷监测信息数据的预估似然数/>,在这个参数出现的时候指数族密度函数进行优化。
固定值,则/>为/>的函数,则有:
(10)
式(10)中,表示最大指数密度值的似然数的目标似然函数;在本发明中式(10)表示在选择预估似然数/>时,目标似然函数通过指数族密度函数的优化实现自我优化。
综合式(8)~(10),得式(11):
(11)
式(11)表明,EM算法的每轮运算,都会使岩溶塌陷监测信息数据的目标似然函数值增加,实现岩溶塌陷监测信息在运算过程中收敛到局部最优解。
在具体实施例中,数据分类模块包括嵌入式处理控制器、分类模块、数据存储模块和输出模块。数据预处理模块包括预处理匹配库、聚类处理模块、预处理模块和存储模块,所述预处理模块用于对数据进行标准化、归类化和清洗化的预处理。岩溶物理模拟模型包括水动力模拟装置、岩溶模拟装置和监控装置。
在具体实施例中,对本发明岩溶塌陷监测预警及防控一体化信息模拟研判系统进行分析和验证,下面进行具体实验:
实验硬件环境:处理器为Intel Core i72.2GHz,图像处理设备为内存为8G的GTX970@2G显存。
实验软件环境:Windows7操作系统、MATLAB7.0仿真软件。
为了验证所提改进的决策树算法的性能,用UCI机器学习数据集进行了分类测试验证。以各省区岩溶塌陷信息数据作为测试数据测试集,随机选择20组小数据集,共2400个样本进行了测试。
表1示例性省区岩溶塌陷信息数据测试集
训练样本为随机选取的1000个样本,其余为测试样本。每组实验重复10次并去平均值作为最终结果。标准决策树算法和改进后决策树算法的分类准确率对比如图4所示。从图4可以看出,随着测试样本数量的不断增多,2种算法分类的准确率几乎一致,但是改进后C5.0决策树算法的分类效率更高。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些具体实施方式仅是举例说明,本领域的技术人员在不脱离本发明的原理和实质的情况下,可以对上述方法和系统的细节进行各种省略、替换和改变;例如,合并上述方法步骤,从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围;因此,本发明的范围仅由所附权利要求书限定。
Claims (7)
1.一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统,其特征在于:包括:
岩溶塌陷监测模块,用于监测地面、地下水位、地下洞穴和水库水量的塌陷数据信息,所述岩溶塌陷监测模块包括塌陷信息采集模块、塌陷信息处理模块、塌陷信息传输模块和岩溶感测模块;其中所述塌陷信息采集模块通过传感器感测岩溶地质变化获取塌陷信息;所述塌陷信息处理模块包括蒙特卡罗算法模块和地质雷达扫描模块,所述蒙特卡罗算法模块用于处理采集到的塌陷信息,所述地质雷达扫描模块用于勘测地下岩溶图像;所述塌陷信息传输模块包括接收模块、编码模块和发送模块,所述岩溶感测模块用于感岩溶测物理参数变化;
信息化模拟系统,用于模拟岩溶塌陷,分析岩溶塌陷系数临界值,所述信息化模拟系统包括岩溶物理模拟模型、数据信息收集模块和数据信息统计分析模块;其中所述岩溶物理模拟模型通过岩溶物理模型在模拟自然环境下的岩溶状态,所述数据信息收集模块用于检测岩溶物理系数,所述数据信息统计分析模块通过中央处理器对数据信息进行统计分析;
分析决策模块,用于研判岩溶塌陷变化和塌陷范围,所述分析决策模块包括数据加载模块、数据预处理模块、数据分类模块、数据挖掘算法模块、数据库分析模块和服务器数据管理模块;其中所述数据加载模块包括电参数加载模块、光纤传感模块、水位传感器、压力传感器和次声波检测仪,数据预处理模块用于对加载数据规范化,数据分类模块用于分类整理加载数据的类型和变量,数据挖掘算法模块用于从大量数据中提取出对岩溶塌陷有效数据并预制结构化数据,数据库分析模块用于提供挖掘算法运行结果的评估方法,服务器数据管理模块用于调用处理数据并对各模块规范化管理;其中服务器数据管理模块分别与数据处理模块、数据分类模块、数据挖掘算法模块和数据库分析模块连接,数据加载模块分别与数据预处理模块和数据分类模块连接;
岩溶塌陷预警模块,用于预测岩溶塌陷情况,所述岩溶塌陷预警模块包括第一监测线系统、第二监测线系统和第三监测线系统;其中所述第一监测线系统通过分布态检测线实时监测线所在地的地质和温度变化,所述第二监测线系统通过预警计算机计算地质和温度变化值并建立数据库,所述第三监测线系统通过塌陷的地形应变数据计算监测线所在地的临界应变值后进行实时预警;
塌陷信息可视化模块,用于在岩溶塌陷结构图像上叠加虚拟工艺导引信息,所述塌陷信息可视化模块包括信息化控制模块、选择处理模块和显示计算模块;其中所述信息化控制模块用于提供导引指令,选择处理模块用于选择导引显示类型及具体内容,显示计算模块用于将导引信息结合岩溶塌陷实际相对位叠加在岩溶塌陷结构图像上;
其中岩溶塌陷监测模块与信息化模拟系统、分析决策模块、岩溶塌陷预警模块和塌陷信息可视化模块连接,信息模拟系统与分析决策模块和岩溶塌陷预警模块连接;
所述数据挖掘算法采用改进决策树算法,改进决策树算法流程为:
假设表示岩溶塌陷监测信息训练样本集,岩溶塌陷信息样本岩溶塌陷信息样本数量为/>个,包括/>个监测岩溶塌陷信息样本的不同种类/>,/>表示岩溶塌陷监测信息训练样本集的一个属性,属性/>的取值范围为/>,/>表示不同种类的/>样本总数;根据属性/>的不同,将岩溶塌陷监测信息训练样本集/>区分成/>个小的岩溶塌陷监测信息训练样本子集,/>是岩溶塌陷监测信息训练样本子集的第/>个子集,,/>为岩溶塌陷监测信息训练样本子集/>的样本个数;
岩溶塌陷监测信息训练样本集的信息增益的计算式如式(1):
(1)
式(1)中,表示按照属性/>分类后岩溶塌陷监测信息训练样本集/>的信息熵,/>表示按照属性/>分类后岩溶塌陷监测信息训练样本集/>,/>表示根据岩溶塌陷监测信息训练样本集的属性/>划分出的个小的岩溶塌陷监测信息训练样本子集的熵加权和,/>表示岩溶塌陷监测信息训练样本集/>的熵;
的计算公式如式(2):
(2)
式(2)中,表示监测岩溶塌陷信息样本的不同种类/>出现的概率,/>表示监测岩溶塌陷信息样本数量,/>表示监测岩溶塌陷信息样本的种类,/>满足约束条件如式(3):
(3)
式(3)中,表示/>个监测岩溶塌陷信息样本的不同种类/>出现的概率总和;
分裂信息项计算式如式(4)所示:
(4)
式(4)中,分裂信息项表示岩溶塌陷监测信息训练样本集/>关于属性/>的熵,/>表示岩溶塌陷监测信息训练样本子集中的样本数量,/>表示岩溶塌陷信息样本岩溶塌陷信息样本数量,/>表示属性/>的最大值,/>越小则岩溶塌陷监测信息训练样本在属性/>上的分部结果越不均匀;
信息增益比率的计算公式是:
(5)
式(5)中,表示岩溶塌陷监测信息训练样本集中信息增益比率,在岩溶塌陷监测信息训练样本集/>中选取信息增益比率最大的岩溶塌陷信息样本,决策树算法选择具有最高信息增益比率的属性,定义成分裂属性,决策树算法根据属性/>的取值范围执行最佳分割点,分成/>个分枝,循环执行分裂属性的确定和最佳分割点的确定,生成一棵关于岩溶塌陷监测信息训练样本集的决策树;
基于分类回归树算法进行决策树的划分节点,分类回归树算法通过信息熵作为度量标准,分类回归树根据最佳分割点划分节点,当前节点用/>表示,每个节点产生两个分枝,划分标准如式(6)所示:
(6)
式(6)中,表示当前节点/>和对节点划分的属性/>进行计算,/>表示岩溶塌陷监测信息数据位于左子树概率的大小,/>表示岩溶塌陷监测信息数据位于右子树概率的大小,/>和/>分别表示岩溶塌陷监测信息训练样本决策树中当前节点的左子树和右子树,表示岩溶塌陷监测信息数据所属种类,/>和/>分别表示分类回归树的左节点和右节点,/>和/>分别表示左子树和右子树中属于类别/>的概率值,/>表示种类数量;
节点划分度量时的概率值如式(7)所示:
(7)
式(7)中,表示目标节点左子树和右子树,在计算属性取值在计算节点划分度量时有先后顺序,选择概率值较大的子树中岩溶塌陷监测信息数据进行检验,概率值较小的子树中的信息数据进行剪除。
2.根据权利要求1所述的一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统,其特征在于:地下水位监测装置包括中央处理器、电池装置、GPRS通信模块、GPS定位装置、液位传感器装置、信号转换模块和信号丢失报警模块;其中所述中央处理器用于处理接收到的信号并控制模块工作,所述电池装置用于向各个模块提供正常工作的电压和电流,满足各个模块正常工作需求,所述GPRS通信模块通过固定互联网协议与后台控制端通信,所述GPS定位装置通过卫星信号锁定所在地下水位监测装置所在位置,所述液位传感器装置包括外部壳体、气囊、导磁体、接收线圈、发射线圈和水压孔,所述信号转换模块通过A/D转换模块将液位传感装置产生的电信号转换成数据电子信号,所述信号丢失报警模块用于在液位传感装置信号和电源信号消失时向后台控制端发送报警信息;其中中央处理装置连接电池装置、GPRS通信模块、GPS定位装置、信号转换模块和信号丢失报警模块,信号丢失报警模块与液位传感器装置和电池装置相连。
3.根据权利要求1所述的一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统,其特征在于:预警装置包括预警感应器、信息控制模块、信号灯和无线发射器。
4.根据权利要求1所述的一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统,其特征在于:通过EM算法求解最大似然数值,实现决策树算法收敛得到最优解;假设随机变量由岩溶塌陷监测信息训练样本集和隐含部分/>组成,满足分布/>,训练数据由若干/>组成,/>,假设/>是岩溶塌陷环境信息数据中一个离散随机变量,满足分布矩阵为/>;
EM算法中指数族密度函数和目标似然函数如公式(8)所示:
(8)
式(8)中,表示离散随机变量/>分布矩阵中的数值,/>是岩溶塌陷监测信息数据的预估似然数,/>表示岩溶塌陷环境信息数据中的变量值/>关于岩溶塌陷监测信息数据的预估似然数/>的指数族密度函数,/>表示岩溶塌陷监测信息训练样本集/>关于岩溶塌陷监测信息数据的相对熵,/>表示岩溶塌陷监测信息数据预估似然数的目标似然函数;
固定数值,对/>进行优化,设该函数在/>处取得最大值,则有:
(9)
式(9)中,表示可以取最大指数密度值的似然数;
固定值,则/>为/>的函数,则有:
(10)
式(10)中,表示最大指数密度值的似然数的目标似然函数;
综合式(8)~(10),得式(11):
(11)。
5.根据权利要求1所述的一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统,其特征在于:数据分类模块包括嵌入式处理控制器和与所述嵌入式处理控制器连接的统分类模块、数据存储模块和输出模块。
6.根据权利要求1所述的一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统,其特征在于:数据预处理模块包括预处理匹配库、聚类处理模块、预处理模块和存储模块,其中所述聚类处理模块分别与预处理匹配库、预处理模块和存储模块连接。
7.根据权利要求1所述的一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统,其特征在于:岩溶物理模拟模型包括水动力模拟装置、岩溶模拟装置和监控装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211616732.4A CN115600513B (zh) | 2022-12-16 | 2022-12-16 | 一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211616732.4A CN115600513B (zh) | 2022-12-16 | 2022-12-16 | 一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115600513A CN115600513A (zh) | 2023-01-13 |
CN115600513B true CN115600513B (zh) | 2023-08-04 |
Family
ID=84854208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211616732.4A Active CN115600513B (zh) | 2022-12-16 | 2022-12-16 | 一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115600513B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115994845B (zh) * | 2023-03-24 | 2023-06-30 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种基于互联网的山水治理监管方法和系统 |
CN116503200A (zh) * | 2023-05-05 | 2023-07-28 | 四川省农业科学院园艺研究所 | 一种基于数据分析的国兰栽培环境实时监管系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105066896A (zh) * | 2015-07-18 | 2015-11-18 | 深圳市勘察研究院有限公司 | 岩溶塌陷实时光纤预警预报系统 |
WO2018014610A1 (zh) * | 2016-07-20 | 2018-01-25 | 武汉斗鱼网络科技有限公司 | 基于c4.5决策树算法的特定用户挖掘系统及其方法 |
CN114821976A (zh) * | 2022-06-24 | 2022-07-29 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种多要素岩溶塌陷的智能预报系统 |
CN115345036A (zh) * | 2022-10-20 | 2022-11-15 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 智能化岩溶塌陷机理数值综合分析的研判系统及方法 |
CN115348297A (zh) * | 2022-10-18 | 2022-11-15 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种生态环境治理修复方式的智慧分析处理系统 |
-
2022
- 2022-12-16 CN CN202211616732.4A patent/CN115600513B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105066896A (zh) * | 2015-07-18 | 2015-11-18 | 深圳市勘察研究院有限公司 | 岩溶塌陷实时光纤预警预报系统 |
WO2018014610A1 (zh) * | 2016-07-20 | 2018-01-25 | 武汉斗鱼网络科技有限公司 | 基于c4.5决策树算法的特定用户挖掘系统及其方法 |
CN114821976A (zh) * | 2022-06-24 | 2022-07-29 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种多要素岩溶塌陷的智能预报系统 |
CN115348297A (zh) * | 2022-10-18 | 2022-11-15 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种生态环境治理修复方式的智慧分析处理系统 |
CN115345036A (zh) * | 2022-10-20 | 2022-11-15 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 智能化岩溶塌陷机理数值综合分析的研判系统及方法 |
Non-Patent Citations (1)
Title |
---|
基于GIS的金属矿山地质灾害预警系统研究与开发;李爱兵;;矿业研究与开发(第S1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115600513A (zh) | 2023-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115600513B (zh) | 一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统 | |
CN115578015B (zh) | 基于物联网的污水处理全过程监管方法、系统及存储介质 | |
CN106559749B (zh) | 一种基于射频层析成像的多目标被动式定位方法 | |
CN110108914B (zh) | 一种反窃电智能化决策方法、系统、设备及介质 | |
CN102959354B (zh) | 用于利用LiDAR数据来分析树冠层的方法和装置 | |
Cano-Ortiz et al. | Machine learning algorithms for monitoring pavement performance | |
Zhang et al. | A GANs-based deep learning framework for automatic subsurface object recognition from ground penetrating radar data | |
CN115081945A (zh) | 一种地下水环境监测井的损伤监测与评估方法及系统 | |
Bahaghighat et al. | Using machine learning and computer vision to estimate the angular velocity of wind turbines in smart grids remotely | |
CN106792883A (zh) | 传感器网络异常数据检测方法与系统 | |
CN116881749B (zh) | 一种污染场地施工监测方法及系统 | |
Fujita et al. | An approach for intelligent evaluation of the state of complex autonomous objects based on the wavelet analysis | |
CN117368651B (zh) | 一种配电网故障综合分析系统及方法 | |
Lv | RFID data analysis and evaluation based on big data and data clustering | |
CN116861331A (zh) | 一种融合专家模型决策的数据识别方法及系统 | |
CN112198472B (zh) | 一种局部放电智能传感器在线远程校验方法及系统 | |
CN117611015B (zh) | 一种建筑工程质量实时监测系统 | |
Florbäck | Anomaly detection in logged sensor data | |
CN117671603B (zh) | 用于三维立体测距装置的输电线路多维环境监测方法 | |
CN117274564B (zh) | 基于图文语义差异的机场跑道异物检测方法及系统 | |
CN117058446B (zh) | 一种钻探岩芯特征的智能识别描述方法、系统及存储介质 | |
CN113984128B (zh) | 利用物联网智能感知技术运检配电设备的监测系统 | |
CN117113259B (zh) | 用于安全隐患预测的煤矿状态数据处理方法及系统 | |
Alizadeh et al. | Characterization and Selection of WiFi Channel State Information Features for Human Activity Detection in a Smart Public Transportation System | |
CN117058449A (zh) | 车辆限高预警方法及系统 |
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 |