CN115638833A - 一种监控数据处理方法及系统 - Google Patents
一种监控数据处理方法及系统 Download PDFInfo
- Publication number
- CN115638833A CN115638833A CN202211662889.0A CN202211662889A CN115638833A CN 115638833 A CN115638833 A CN 115638833A CN 202211662889 A CN202211662889 A CN 202211662889A CN 115638833 A CN115638833 A CN 115638833A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring data
- tunnel
- monitoring
- construction
- 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.)
- Granted
Links
Images
Abstract
本发明公开一种监控数据处理方法及系统,其方法包括监控数据采集、提取代表特征参数、对监控数据进行判断并导出曲线图以及分析预测施工隧道内支护结构位移变形量的变形趋势并判断隧道围岩结构稳定性;本发明通过数据标签对监控数据进行标记,便于对监控数据进行分流以及后续溯源,通过对监控数据进行分流并根据分流匹配对应的数据分析提取方法,使不同类型监控数据得到最合适的分析处理,通过增强预处理去除数据中干扰因素,通过预设标准阀值并判定监控数据是否达标,并进行自动告警,从而可以进行自动化的报警,通过时间序列分析法来分析预测施工隧道内支护结构位移变形量的变形趋势,从而使数据处理结果更为准确,保证对隧道变形预测的准确性。
Description
技术领域
本发明涉及监控数据处理技术领域,尤其涉及一种监控数据处理方法及系统。
背景技术
隧道是埋置于地层内的工程建筑物,是人类利用地下空间的一种形式,隧道可分为交通隧道、水工隧道、市政隧道、矿山隧道、军事隧道,隧道作为交通线路的重要组成部分,数量和总长也不断增加,目前由于地质条件、地形地貌、选线要求等客观条件制约,以及施工技术和工程造价因素约束,隧道的结构包括主体建筑物和附属设备两部分,主体建筑物由洞身和洞门组成,附属设备包括避车洞、消防设施、应急通讯和防排水设施,长的隧道还有专门的通风和照明设备。
隧道主体建筑物施工过程中,受自然因素影响导致的工程事故有很多,其中隧道塌方事故发生频繁,造成的经济损失与潜在损失巨大,近海隧道施工经常遭遇富水砂层、断层、第四系等不良地质,开挖后围岩稳定性差,常常发生倾斜、变形量大的情况,甚至会发生塌方等事故,施工难度大,加之水渗流力的作用使得围岩物理力学性质更加复杂,常常诱发流沙、突水、突泥等严 重地质灾害,为保证隧道施工安全,需要对隧道进行定期的监控量测。
隧道施工过程中的监控量测作为隧道施工的重要组成部分,是保证隧道施工安全的重要因素之一,隧道施工的监控量测数据在采集后需要进行数据处理工作,以便后续对隧道施工的安全性进行分析,而随着隧道施工要求的越来越高,监控数据也越来越复杂,每天都会产生海量的数据,传统的数据处理方法已不能满足目前海量的数据处理工作,对数据的处理效率较低,准确性也得不到保障,无法根据监控数据及时获取隧道内结构的位移变形情况数据,给隧道施工带来较大的安全隐患,且由于隧道监控数据受外界因素影响较大,现有的数据处理方法也很难对其中的干扰进行有效去除,进一步对隧道的变形预测带来影响,因此,本发明提出一种监控数据处理方法及系统用以解决现有技术中存在的问题。
发明内容
针对上述问题,本发明的目的在于提出一种监控数据处理方法及系统,解决现有的监控数据处理方法对数据的处理效率较低,准确性也得不到保障,不能满足目前海量的数据处理工作,以及很难对隧道监控数据中的干扰进行有效去除的问题。
为了实现本发明的目的,本发明通过以下技术方案实现:一种监控数据处理方法,包括以下步骤:
步骤一:预先设定数据采集周期,再根据预设的数据采集周期的时间节点定期采集施工隧道内不同数据源采集的量测值监控数据,接着根据采集的监控数据生成对应的数据标签进行标记并发送至分析处理终端;
步骤二:先根据监控数据上附带的数据标签对监控数据进行分流,并对分流后的监控数据进行增强预处理,接着基于分流结果对预处理后的监控数据匹配不同的数据分析提取方法,再利用对应的数据分析提取方法分析不同的监控数据,并提取不同监控数据的代表特征参数;
步骤三:预先设定代表特征参数标准阀值,再基于设定的代表特征参数标准阀值对步骤二中提取的代表特征参数进行判断,并根据判断结果自动决策出是否进行施工告警,判断结束后再对监控数据进行转换,并自动导出曲线图发送至显示模块;
步骤四:基于步骤三中导出的曲线图数据,采用时间序列分析法来分析预测施工隧道内支护结构位移变形量的变形趋势,并生成回归趋势曲线图,再根据回归趋势曲线图对施工隧道围岩结构的稳定性进行判别,并根据判别结果获悉隧道的施工安全性。
进一步改进在于:所述步骤一中,数据采集周期根据隧道内实际施工进度决定,施工进度越快则数据采集周期越短,施工进度越慢则数据采集周期越长,所述数据标签上的信息包括监控数据类型、隧道基本信息和数据采集时间。
进一步改进在于:所述步骤一中,所述不同数据源采集的量测值包括隧道拱顶沉降值、地表沉降值和围岩压力值,所述不同数据源为安装在施工隧道内不同位置的传感器,包括沉降传感器和压力传感器。
进一步改进在于:所述步骤一中,采集的监控数据通过数据传输交互平台发送至分析处理终端,所述数据传输交互平台再发送监控数据的同时基于分布式数据库的复制算法将监控数据进行拷贝并上传至云端存储器。
进一步改进在于:所述步骤二中,对监控数据进行增强预处理包括数据去冗余和数据去噪,其中数据去噪的具体步骤包括数据清理、数据集成、数据变换和数据规约。
进一步改进在于:所述数据去冗余的具体步骤为:先用k-means算法对数据进行分簇,再挖掘出节点间的关联模式消除空间冗余数据,同时在传感节点建立一元线性回归模型消除时间冗余数据,最后根据簇头的能量进行数据备份。
进一步改进在于:所述步骤二中,匹配的数据分析方法包括过滤法和递归特征消除法,所述过滤法用于离散型变量数据的分析,所述递归特征消除法用于连续型变量数据的分析。
进一步改进在于:所述步骤三中,对代表特征参数进行判断时,若提取的代表特征参数不在设定的标准阀值内则进行施工告警,以提示施工人员存在施工安全隐患,若提取的代表特征参数在设定的标准阀值内则不进行施工告警。
进一步改进在于:所述步骤三中,监控数据先进行基本物理量计算,再根据基本物理量计算结果转换成检测数据位移时间曲线和变形速率曲线图。
进一步改进在于:所述步骤四中,采用时间序列分析法对位移变形量进行分析预测时,利用导出的曲线图中的量测数据之间的相关性来建立对应的数学模型,具体选用指数平滑预测法或平稳时间序列预测法中的其中一种。
一种监控数据处理方法的处理系统,包括监控数据采集终端、数据传输交互平台和分析处理终端,所述监控数据采集终端用于采集施工隧道内不同数据源采集的量测值监控数据,所述数据传输交互平台为监控数据采集终端和分析处理终端提供数据交互传输,并无线连接云端存储器,所述分析处理终端用于对监控数据进行分析处理并配备有显示模块。
本发明的有益效果为:本发明通过预设合理的数据采集周期,使施工隧道内的量测监控数据得以及时被采集,避免过早采集增加采集时间,避免过晚采集造成信息滞后,且通过数据标签对监控数据进行标记,便于对监控数据进行分流以及后续溯源;
本发明通过对监控数据进行分流并根据分流匹配对应的数据分析提取方法,使不同类型监控数据得到最合适的分析处理,提高数据处理效率及效果,可以应对海量的数据处理工作,通过增强预处理去除数据中干扰因素,进一步提高数据清晰度,使其便于后续处理工作的顺利进行;
本发明通过预设标准阀值并判定监控数据是否达标,并进行自动告警,从而可以在数据处理过程中及时发现数据异常并进行自动化的报警,无需人工对异常数据进行筛查,根据监控数据及时获取隧道内结构的位移变形情况数据,进一步提高处理处理效率;
本发明通过时间序列分析法来分析预测施工隧道内支护结构位移变形量的变形趋势,从而使数据处理结果更为准确,保证了对隧道变形预测的准确性,提高隧道施工安全性。
附图说明
图1是本发明的监控数据处理方法的流程示意图;
图2是本发明的监控数据处理系统的结构示意图。
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作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。
实施例一
参见图1,本实施例提供了一种监控数据处理方法,包括以下步骤:
步骤一:预先设定数据采集周期,再根据预设的数据采集周期的时间节点定期采集施工隧道内不同数据源采集的量测值监控数据,通过预设合理的数据采集周期,使施工隧道内的量测监控数据得以及时被采集,避免过早采集增加采集时间,避免过晚采集造成信息滞后,接着根据采集的监控数据生成对应的数据标签进行标记并发送至分析处理终端,通过数据标签对监控数据进行标记,便于对监控数据进行分流以及后续溯源,其中采集的监控数据通过数据传输交互平台发送至分析处理终端,数据传输交互平台再发送监控数据的同时基于分布式数据库的复制算法将监控数据进行拷贝并上传至云端存储器;
其中不同数据源采集的量测值包括隧道拱顶沉降值、地表沉降值和围岩压力值,不同数据源为安装在施工隧道内不同位置的传感器,包括沉降传感器和压力传感器;
数据采集周期根据隧道内实际施工进度决定,施工进度越快则数据采集周期越短,施工进度越慢则数据采集周期越长,数据标签上的信息包括监控数据类型、隧道基本信息和数据采集时间;
步骤二:先根据监控数据上附带的数据标签对监控数据进行分流,并对分流后的监控数据进行增强预处理,通过增强预处理去除数据中干扰因素,进一步提高数据清晰度,使其便于后续处理工作的顺利进行,接着基于分流结果对预处理后的监控数据匹配不同的数据分析提取方法,再利用对应的数据分析提取方法分析不同的监控数据,并提取不同监控数据的代表特征参数,通过对监控数据进行分流并根据分流匹配对应的数据分析提取方法,使不同类型监控数据得到最合适的分析处理,提高数据处理效率及效果,可以应对海量的数据处理工作,其中匹配的数据分析方法包括过滤法和递归特征消除法,过滤法用于离散型变量数据的分析,递归特征消除法用于连续型变量数据的分析;
对监控数据进行增强预处理包括数据去冗余和数据去噪,其中数据去噪的具体步骤包括数据清理、数据集成、数据变换和数据规约,数据去冗余的具体步骤为:先用k-means算法对数据进行分簇,再挖掘出节点间的关联模式消除空间冗余数据,同时在传感节点建立一元线性回归模型消除时间冗余数据,最后根据簇头的能量进行数据备份;
步骤三:预先设定代表特征参数标准阀值,再基于设定的代表特征参数标准阀值对步骤二中提取的代表特征参数进行判断,并根据判断结果自动决策出是否进行施工告警,判断结束后再对监控数据进行转换,并自动导出曲线图发送至显示模块,转换时监控数据先进行基本物理量计算,再根据基本物理量计算结果转换成检测数据位移时间曲线和变形速率曲线图,通过预设标准阀值并判定监控数据是否达标,并进行自动告警,从而可以在数据处理过程中及时发现数据异常并进行自动化的报警,无需人工对异常数据进行筛查,根据监控数据及时获取隧道内结构的位移变形情况数据,进一步提高处理处理效率;
对代表特征参数进行判断时,若提取的代表特征参数不在设定的标准阀值内则进行施工告警,以提示施工人员存在施工安全隐患,若提取的代表特征参数在设定的标准阀值内则不进行施工告警;
步骤四:基于步骤三中导出的曲线图数据,采用时间序列分析法来分析预测施工隧道内围岩压力等量测监控数据的变形趋势,以此得出施工隧道内支护结构位移变形量的变形趋势,并生成回归趋势曲线图,再根据回归趋势曲线图对施工隧道围岩结构的稳定性进行判别,并根据判别结果获悉隧道的施工安全性,通过时间序列分析法来分析预测施工隧道内支护结构位移变形量的变形趋势,从而使数据处理结果更为准确,保证了对隧道变形预测的准确性,提高了隧道施工的安全性;
采用时间序列分析法对位移变形量进行分析预测时,利用导出的曲线图中的量测数据之间的相关性来建立对应的数学模型,具体选用指数平滑预测法,指数平滑预测法的具体分析步骤为:先收集一组观察值,在计算这组观察值的加权平均值,接着利用加权平均值作为下一期的预测值,指数平滑模型如下:
式中,Vt为第t期的时间序列实际值,Ut+1为第t+1期的时间序列预测值,b为平滑常量,Ut为第t期的时间序列预测值,有上式可得,第t期的实际观测值与预测值的加权平均值相加即为第t+1期的预测值,上式变形可得:
参见图2,本实施例还提供了一种监控数据处理方法的处理系统,包括监控数据采集终端、数据传输交互平台和分析处理终端,其中监控数据采集终端通过数据传输交互平台与分析处理终端进行数据传输交互,通过监控数据采集终端采集施工隧道内不同数据源采集的量测值监控数据,数据传输交互平台无线连接云端存储器并对量测值监控数据进行云端备份,通过分析处理终端用于对监控数据进行分析处理,分析处理终端上还设有用于显示数据处理结果的显示模块。
实施例二
参见图1,本实施例提供了一种监控数据处理方法,包括以下步骤:
步骤一:预先设定数据采集周期,再根据预设的数据采集周期的时间节点定期采集施工隧道内不同数据源采集的量测值监控数据,通过预设合理的数据采集周期,使施工隧道内的量测监控数据得以及时被采集,避免过早采集增加采集时间,避免过晚采集造成信息滞后,接着根据采集的监控数据生成对应的数据标签进行标记并发送至分析处理终端,通过数据标签对监控数据进行标记,便于对监控数据进行分流以及后续溯源,其中采集的监控数据通过数据传输交互平台发送至分析处理终端,数据传输交互平台再发送监控数据的同时基于分布式数据库的复制算法将监控数据进行拷贝并上传至云端存储器;
其中不同数据源采集的量测值包括隧道拱顶沉降值、地表沉降值和围岩压力值,不同数据源为安装在施工隧道内不同位置的传感器,包括沉降传感器和压力传感器;
数据采集周期根据隧道内实际施工进度决定,施工进度越快则数据采集周期越短,施工进度越慢则数据采集周期越长,数据标签上的信息包括监控数据类型、隧道基本信息和数据采集时间;
步骤二:先根据监控数据上附带的数据标签对监控数据进行分流,并对分流后的监控数据进行增强预处理,通过增强预处理去除数据中干扰因素,进一步提高数据清晰度,使其便于后续处理工作的顺利进行,接着基于分流结果对预处理后的监控数据匹配不同的数据分析提取方法,再利用对应的数据分析提取方法分析不同的监控数据,并提取不同监控数据的代表特征参数,通过对监控数据进行分流并根据分流匹配对应的数据分析提取方法,使不同类型监控数据得到最合适的分析处理,提高数据处理效率及效果,可以应对海量的数据处理工作,其中匹配的数据分析方法包括过滤法和递归特征消除法,过滤法用于离散型变量数据的分析,递归特征消除法用于连续型变量数据的分析;
对监控数据进行增强预处理包括数据去冗余和数据去噪,其中数据去噪的具体步骤包括数据清理、数据集成、数据变换和数据规约,数据去冗余的具体步骤为:先用k-means算法对数据进行分簇,再挖掘出节点间的关联模式消除空间冗余数据,同时在传感节点建立一元线性回归模型消除时间冗余数据,最后根据簇头的能量进行数据备份;
步骤三:预先设定代表特征参数标准阀值,再基于设定的代表特征参数标准阀值对步骤二中提取的代表特征参数进行判断,并根据判断结果自动决策出是否进行施工告警,判断结束后再对监控数据进行转换,并自动导出曲线图发送至显示模块,转换时监控数据先进行基本物理量计算,再根据基本物理量计算结果转换成检测数据位移时间曲线和变形速率曲线图,通过预设标准阀值并判定监控数据是否达标,并进行自动告警,从而可以在数据处理过程中及时发现数据异常并进行自动化的报警,无需人工对异常数据进行筛查,根据监控数据及时获取隧道内结构的位移变形情况数据,进一步提高处理处理效率;
对代表特征参数进行判断时,若提取的代表特征参数不在设定的标准阀值内则进行施工告警,以提示施工人员存在施工安全隐患,若提取的代表特征参数在设定的标准阀值内则不进行施工告警;
步骤四:基于步骤三中导出的曲线图数据,采用时间序列分析法来分析预测施工隧道内围岩压力等量测监控数据的变形趋势,以此得出施工隧道内支护结构位移变形量的变形趋势,并生成回归趋势曲线图,再根据回归趋势曲线图对施工隧道围岩结构的稳定性进行判别,并根据判别结果获悉隧道的施工安全性,通过时间序列分析法来分析预测施工隧道内支护结构位移变形量的变形趋势,从而使数据处理结果更为准确,保证了对隧道变形预测的准确性,提高了隧道施工的安全性;
采用时间序列分析法对位移变形量进行分析预测时,利用导出的曲线图中的量测数据之间的相关性来建立对应的数学模型,具体选用平稳时间序列预测法,平稳时间序列预测法包含两个回归模型,分别为自回归模型AR(m)和滑动平均模型MA(n),对于时间序列{yt},若yt的值与其前m次监控量测值yt-1,yt-2,yt-3,,yt-m有关,还与其前n次的观测扰动,,,,有关,可以得到一般的ARMA模型:
式中,服从正态零均值分布,pi(i=1,2,,m)为回归参数,yj(j=1,2,,n)为滑动平均参数,为白噪声序列,当yj=0时,ARMA模型即为自回归模型,当pi=0时,ARMA模型即为滑动平均模型。
以上所述仅为本发明的较佳实施例而已,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、改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种监控数据处理方法,其特征在于,包括以下步骤:
步骤一:预先设定数据采集周期,再根据预设的数据采集周期的时间节点定期采集施工隧道内不同数据源采集的量测值监控数据,接着根据采集的监控数据生成对应的数据标签进行标记并发送至分析处理终端;
步骤二:先根据监控数据上附带的数据标签对监控数据进行分流,并对分流后的监控数据进行增强预处理,接着基于分流结果对预处理后的监控数据匹配不同的数据分析提取方法,再利用对应的数据分析提取方法分析不同的监控数据,并提取不同监控数据的代表特征参数;
步骤三:预先设定代表特征参数标准阀值,再基于设定的代表特征参数标准阀值对步骤二中提取的代表特征参数进行判断,并根据判断结果自动决策出是否进行施工告警,判断结束后再对监控数据进行转换,并自动导出曲线图发送至显示模块;
步骤四:基于步骤三中导出的曲线图数据,采用时间序列分析法来分析预测施工隧道内支护结构位移变形量的变形趋势,并生成回归趋势曲线图,再根据回归趋势曲线图对施工隧道围岩结构的稳定性进行判别,并根据判别结果获悉隧道的施工安全性。
2.根据权利要求1所述的一种监控数据处理方法,其特征在于:所述步骤一中,数据采集周期根据隧道内实际施工进度决定,施工进度越快则数据采集周期越短,施工进度越慢则数据采集周期越长,所述数据标签上的信息包括监控数据类型、隧道基本信息和数据采集时间。
3.根据权利要求1所述的一种监控数据处理方法,其特征在于:所述步骤一中,所述不同数据源采集的量测值包括隧道拱顶沉降值、地表沉降值和围岩压力值,所述不同数据源为安装在施工隧道内不同位置的传感器,包括沉降传感器和压力传感器。
4.根据权利要求1所述的一种监控数据处理方法,其特征在于:所述步骤一中,采集的监控数据通过数据传输交互平台发送至分析处理终端,所述数据传输交互平台再发送监控数据的同时基于分布式数据库的复制算法将监控数据进行拷贝并上传至云端存储器。
5.根据权利要求1所述的一种监控数据处理方法,其特征在于:所述步骤二中,对监控数据进行增强预处理包括数据去冗余和数据去噪,其中数据去噪的具体步骤包括数据清理、数据集成、数据变换和数据规约。
6.根据权利要求5所述的一种监控数据处理方法,其特征在于:所述数据去冗余的具体步骤为:先用k-means算法对数据进行分簇,再挖掘出节点间的关联模式消除空间冗余数据,同时在传感节点建立一元线性回归模型消除时间冗余数据,最后根据簇头的能量进行数据备份。
7.根据权利要求1所述的一种监控数据处理方法,其特征在于:所述步骤二中,匹配的数据分析方法包括过滤法和递归特征消除法,所述过滤法用于离散型变量数据的分析,所述递归特征消除法用于连续型变量数据的分析。
8.根据权利要求1所述的一种监控数据处理方法,其特征在于:所述步骤三中,对代表特征参数进行判断时,若提取的代表特征参数不在设定的标准阀值内则进行施工告警,以提示施工人员存在施工安全隐患,若提取的代表特征参数在设定的标准阀值内则不进行施工告警。
9.根据权利要求1所述的一种监控数据处理方法,其特征在于:所述步骤三中,监控数据先进行基本物理量计算,再根据基本物理量计算结果转换成检测数据位移时间曲线和变形速率曲线图。
10.根据权利要求1所述的一种监控数据处理方法,其特征在于:所述步骤四中,采用时间序列分析法对位移变形量进行分析预测时,利用导出的曲线图中的量测数据之间的相关性来建立对应的数学模型,具体选用指数平滑预测法或平稳时间序列预测法中的其中一种。
11.一种使用权利要求1所述的监控数据处理方法的监控数据处理系统,其特征在于:包括监控数据采集终端、数据传输交互平台和分析处理终端,所述监控数据采集终端用于采集施工隧道内不同数据源采集的量测值监控数据,所述数据传输交互平台为监控数据采集终端和分析处理终端提供数据交互传输,并无线连接云端存储器,所述分析处理终端用于对监控数据进行分析处理并配备有显示模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211662889.0A CN115638833B (zh) | 2022-12-23 | 2022-12-23 | 一种监控数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211662889.0A CN115638833B (zh) | 2022-12-23 | 2022-12-23 | 一种监控数据处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115638833A true CN115638833A (zh) | 2023-01-24 |
CN115638833B CN115638833B (zh) | 2023-03-31 |
Family
ID=84949933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211662889.0A Active CN115638833B (zh) | 2022-12-23 | 2022-12-23 | 一种监控数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115638833B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116146282A (zh) * | 2023-04-18 | 2023-05-23 | 枣庄矿业(集团)济宁七五煤业有限公司 | 一种防冲隐蔽工程施工的智能监管系统 |
CN116915507A (zh) * | 2023-09-12 | 2023-10-20 | 奇安星城网络安全运营服务(长沙)有限公司 | 基于安全信号匹配的计算机网络安全分析系统 |
CN117150445A (zh) * | 2023-10-30 | 2023-12-01 | 中铁建大桥工程局集团第三工程有限公司 | 一种区间隧道近距离下穿河流的沉降监测和评价方法 |
CN117419773A (zh) * | 2023-12-19 | 2024-01-19 | 常州市安贞建设工程检测有限公司 | 一种建筑基坑远程监测方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101840229A (zh) * | 2009-12-23 | 2010-09-22 | 林定伟 | 逻辑网络自动运行控制系统及自动化控制系统及应用方法 |
CN106533970A (zh) * | 2016-11-02 | 2017-03-22 | 重庆大学 | 面向云计算数据中心网络的差分流传输控制方法及装置 |
CN106878064A (zh) * | 2017-01-16 | 2017-06-20 | 腾讯科技(深圳)有限公司 | 数据监控方法和装置 |
CN108981807A (zh) * | 2018-07-09 | 2018-12-11 | 梧州市兴能农业科技有限公司 | 一种土木工程建筑智能监测系统 |
CN109997154A (zh) * | 2017-10-30 | 2019-07-09 | 上海寒武纪信息科技有限公司 | 信息处理方法及终端设备 |
CN110263386A (zh) * | 2019-05-28 | 2019-09-20 | 武汉光谷北斗控股集团有限公司 | 一种基于北斗桥梁监测数据的优化处理方法 |
CN110611937A (zh) * | 2018-06-14 | 2019-12-24 | 中国电信股份有限公司 | 数据分流方法、装置、边缘数据中心和可读存储介质 |
CN111338812A (zh) * | 2020-01-22 | 2020-06-26 | 中国民航信息网络股份有限公司 | 数据处理方法及装置 |
CN111797857A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 数据处理方法、装置、存储介质及电子设备 |
CN111859862A (zh) * | 2020-07-22 | 2020-10-30 | 海尔优家智能科技(北京)有限公司 | 文本的数据标注方法和装置、存储介质及电子装置 |
CN112529400A (zh) * | 2020-12-09 | 2021-03-19 | 平安科技(深圳)有限公司 | 一种数据处理方法、装置、终端和可读存储介质 |
CN112948224A (zh) * | 2019-12-23 | 2021-06-11 | 深圳市明源云科技有限公司 | 一种数据处理方法、装置、终端及存储介质 |
CN115310661A (zh) * | 2022-06-29 | 2022-11-08 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 基于融合技术的铁路基础设施现场监测和预测预警系统 |
-
2022
- 2022-12-23 CN CN202211662889.0A patent/CN115638833B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101840229A (zh) * | 2009-12-23 | 2010-09-22 | 林定伟 | 逻辑网络自动运行控制系统及自动化控制系统及应用方法 |
CN106533970A (zh) * | 2016-11-02 | 2017-03-22 | 重庆大学 | 面向云计算数据中心网络的差分流传输控制方法及装置 |
CN106878064A (zh) * | 2017-01-16 | 2017-06-20 | 腾讯科技(深圳)有限公司 | 数据监控方法和装置 |
CN109997154A (zh) * | 2017-10-30 | 2019-07-09 | 上海寒武纪信息科技有限公司 | 信息处理方法及终端设备 |
CN110611937A (zh) * | 2018-06-14 | 2019-12-24 | 中国电信股份有限公司 | 数据分流方法、装置、边缘数据中心和可读存储介质 |
CN108981807A (zh) * | 2018-07-09 | 2018-12-11 | 梧州市兴能农业科技有限公司 | 一种土木工程建筑智能监测系统 |
CN111797857A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 数据处理方法、装置、存储介质及电子设备 |
CN110263386A (zh) * | 2019-05-28 | 2019-09-20 | 武汉光谷北斗控股集团有限公司 | 一种基于北斗桥梁监测数据的优化处理方法 |
CN112948224A (zh) * | 2019-12-23 | 2021-06-11 | 深圳市明源云科技有限公司 | 一种数据处理方法、装置、终端及存储介质 |
CN111338812A (zh) * | 2020-01-22 | 2020-06-26 | 中国民航信息网络股份有限公司 | 数据处理方法及装置 |
CN111859862A (zh) * | 2020-07-22 | 2020-10-30 | 海尔优家智能科技(北京)有限公司 | 文本的数据标注方法和装置、存储介质及电子装置 |
CN112529400A (zh) * | 2020-12-09 | 2021-03-19 | 平安科技(深圳)有限公司 | 一种数据处理方法、装置、终端和可读存储介质 |
CN115310661A (zh) * | 2022-06-29 | 2022-11-08 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 基于融合技术的铁路基础设施现场监测和预测预警系统 |
Non-Patent Citations (1)
Title |
---|
郭金妹;张建荣;: "一种消防设备电源监控系统的研究与设计" * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116146282A (zh) * | 2023-04-18 | 2023-05-23 | 枣庄矿业(集团)济宁七五煤业有限公司 | 一种防冲隐蔽工程施工的智能监管系统 |
CN116146282B (zh) * | 2023-04-18 | 2023-06-30 | 枣庄矿业(集团)济宁七五煤业有限公司 | 一种防冲隐蔽工程施工的智能监管系统 |
CN116915507A (zh) * | 2023-09-12 | 2023-10-20 | 奇安星城网络安全运营服务(长沙)有限公司 | 基于安全信号匹配的计算机网络安全分析系统 |
CN116915507B (zh) * | 2023-09-12 | 2023-12-05 | 奇安星城网络安全运营服务(长沙)有限公司 | 基于安全信号匹配的计算机网络安全分析系统 |
CN117150445A (zh) * | 2023-10-30 | 2023-12-01 | 中铁建大桥工程局集团第三工程有限公司 | 一种区间隧道近距离下穿河流的沉降监测和评价方法 |
CN117150445B (zh) * | 2023-10-30 | 2024-02-23 | 中铁建大桥工程局集团第三工程有限公司 | 一种区间隧道近距离下穿河流的沉降监测和评价方法 |
CN117419773A (zh) * | 2023-12-19 | 2024-01-19 | 常州市安贞建设工程检测有限公司 | 一种建筑基坑远程监测方法及系统 |
CN117419773B (zh) * | 2023-12-19 | 2024-03-19 | 常州市安贞建设工程检测有限公司 | 一种建筑基坑远程监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115638833B (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115638833B (zh) | 一种监控数据处理方法及系统 | |
CN112985304B (zh) | 一种隧道施工辅助监测系统 | |
US20220205956A1 (en) | Detection of structural anomalies in a pipeline network | |
Garbrecht et al. | Visualization of trends and fluctuations in climatic records 1 | |
CN107144255B (zh) | 一种边坡自动化实时立体监测与预警的方法 | |
DE112008003302T5 (de) | Verfahren und Systeme zur Abschätzung von Bohrlochereignissen | |
CN116416401B (zh) | 一种基于无人机航拍的污染场地评估方法及系统 | |
CN113305645A (zh) | 一种基于混合神经模型的数控机床刀具剩余寿命预测方法 | |
CN115331391A (zh) | 分布式结构振动监测数据智能化报警与恢复方法 | |
CN113251914A (zh) | InSAR技术与长短时记忆神经网络结合的地表形变预测方法 | |
CN112487356A (zh) | 一种结构健康监测数据增强方法 | |
CN114298549A (zh) | 一种基于大数据的水利安全监测系统及方法 | |
CN112883075A (zh) | 一种滑坡普适型地表位移监测数据缺失及异常值处理方法 | |
CN115730684A (zh) | 一种基于lstm-cnn模型的空气质量检测系统 | |
CN117251812A (zh) | 一种基于大数据分析的高压电力线路运行故障检测方法 | |
CN116658246A (zh) | 一种煤矿水害监测预警系统及方法 | |
CN112800688B (zh) | 基于监测数据时序图自学习的降雨型滑坡位移趋势预测方法 | |
CN109325470B (zh) | 基于瓦斯浓度参数的井下工作面作业类型智能识别方法 | |
CN110956155B (zh) | 基于co数据的综采工作面作业工序模糊聚类识别方法 | |
CN116777085B (zh) | 基于数据分析和机器学习技术的煤矿水害预测系统 | |
KR102582180B1 (ko) | Ai를 활용한 소하천 스마트 예측 관리 시스템 및 그방법 | |
CN115455791B (zh) | 一种基于数值模拟技术提高滑坡位移预测准确率的方法 | |
CN115019476B (zh) | 一种基于多源信息融合的滑坡时空信息监测预警方法 | |
CN116045903A (zh) | 一种采煤区地面形变识别与评价方法 | |
CN114459539B (zh) | 一种基于人工智能的双线隧道开挖安全在线监测分析系统 |
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 |