CN116126963A - 非线性多源异构排水模型诊断入流入渗方法 - Google Patents
非线性多源异构排水模型诊断入流入渗方法 Download PDFInfo
- Publication number
- CN116126963A CN116126963A CN202211722564.7A CN202211722564A CN116126963A CN 116126963 A CN116126963 A CN 116126963A CN 202211722564 A CN202211722564 A CN 202211722564A CN 116126963 A CN116126963 A CN 116126963A
- Authority
- CN
- China
- Prior art keywords
- inflow
- infiltration
- data
- drainage
- model
- 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
- 230000008595 infiltration Effects 0.000 title claims abstract description 98
- 238000001764 infiltration Methods 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000003745 diagnosis Methods 0.000 title claims abstract description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 26
- 238000007405 data analysis Methods 0.000 claims abstract description 7
- 230000035515 penetration Effects 0.000 claims abstract description 7
- 238000007619 statistical method Methods 0.000 claims abstract description 5
- 238000013461 design Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 230000036541 health Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000007547 defect Effects 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 2
- 239000010865 sewage Substances 0.000 description 7
- 230000007847 structural defect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 102100037651 AP-2 complex subunit sigma Human genes 0.000 description 1
- 101000806914 Homo sapiens AP-2 complex subunit sigma Proteins 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- RVRCFVVLDHTFFA-UHFFFAOYSA-N heptasodium;tungsten;nonatriacontahydrate Chemical compound O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W] RVRCFVVLDHTFFA-UHFFFAOYSA-N 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
-
- 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
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Sewage (AREA)
Abstract
本发明涉及排水管网入流入渗评估技术领域，更具体的说是非线性多源异构排水模型诊断入流入渗方法，该方法包括以下步骤：S1：基于多源异构数据建立排水拓扑模型，分析影响管网入流入渗判断的因素；S2：基于异构数据建立数据分析模型，分析提取入流入渗特征因子；S3：基于入流入渗特征因子计算入流入渗点位；S4：利用物联网监测数据校核入流入渗点位率定模型连续性误差；S5：监测点位数据统计分析结果进行可视化显示，可视化展示入流入渗点位位置；可以排除河道水系倒灌、雨水汇流产生的客水对排水系统运行造成干扰，提供非线性多源异构排水模型诊断入流入渗方法。
Description
技术领域
本发明涉及排水管网入流入渗评估技术领域，更具体地说是非线性多源异构排水模型诊断入流入渗方法。
背景技术
入流入渗是城镇污水管网普遍面临的问题，按照客水的来源可分为旱天地下水入渗、过河管道入渗和降雨引起的入流入渗等几类。借助非线性多源异构数据建模诊断管网入流入渗方法技术，可对一定范围内的污水管网排水规律进行识别，诊断污水管网入流入渗问题，为管网修复改造决策提供数据依据。目前，现有技术通过实时监测排水系统污水浓度和流量的方法判断该区域是否存在入流入渗点位，仅通过水质流量实时数据诊断管网入流入渗点位位置，缺少系统性分析排水管网因季节、拓扑结构、管网健康度等多因素对入流入渗点位影响，未能够识别汇流、倒灌等问题引起的排水管网水质变化，本方法提出一种基于排水管网属性数据、遥感影像数据、降雨实时数据等多源异构数据模型融合分析判断管网入流入渗点位，排除非结构性缺陷导致的水质变化对入流入渗的误判，提升排水管网管理水平。
发明内容
本发明的目的是提供非线性多源异构排水模型诊断入流入渗方法，可以排除河道水系倒灌、雨水汇流产生的客水对排水系统运行造成干扰，提供非线性多源异构排水模型诊断入流入渗方法。
本发明的目的通过以下技术方案来实现：
非线性多源异构排水模型诊断入流入渗方法，该方法包括以下步骤：
S1：基于多源异构数据建立排水拓扑模型，分析影响管网入流入渗判断的因素；
S2：基于异构数据建立数据分析模型，分析提取入流入渗特征因子；
S3：基于入流入渗特征因子计算入流入渗点位；
S4：利用物联网监测数据校核入流入渗点位率定模型连续性误差；
S5：监测点位数据统计分析结果进行可视化显示，可视化展示入流入渗点位位置；
所述多源异构数据包括排水管网属性数据、地形数据DEM、地形数据DOM、排水规划CAD数据、水质监测实时数据、流量监测实时数据、液位监测实时数据、雨量监测实时数据、河道水系数据和遥感影像数据；
所述排水拓扑模型分析影响管网入流入渗判断的因素包括管网与河道连通情况、降雨时地表产汇流量、排水管网运行阻力和排水管网健康度；
所述入流入渗特征因子的判断方法如下：
S11：半结构化排水规划CAD数据、水系规划CAD数据、土地道路规划数据和非结构化数据；
S12：根据管网结构化GIS数据、遥感影像数据、人口数据、地形数据、排水相关设计规范和河道水位变化周期情况，采用分布式数据处理方法，建立排水管网汇水分区模型、合流制模型、分流制模型、负荷模型、特征模型、实时数据分析模型；
S13：根据S11中的数据融合分析S12中多个模型特征影响因子。
基于入流入渗特征因子判断该管网各汇水区域是否存在入流入渗点位，利用模型软件分析一次性建模连续性误差，并通过实测试验数据进行模型率定；
所述S4的具体步骤为，利用物联网监测入流入渗点位数据与模型分析入流入渗点位对比，调整入流入渗比例系数判断事故等级，从而判断模型连续性误差。
本方法基于非线性多源异构数据模型，采用物联网监测手段，提取管网入流入渗点判定特征参数，结合电子地图，提供管网入流入渗点位置及信息的可视化展示，为完善城市雨水污水管网建设提供相应的指导依据，从根本上解决城市的污水处理量高及入厂浓度不达标的问题。
附图说明
下面结合附图和具体实施方法对本发明做进一步详细的说明。
图1是本发明的非线性多源异构排水模型诊断入流入渗方法流程示意图；
图2是半结构化和非结构化数据形成的管网多模型叠加拓扑示意图；
图3是本发明的非线性多源异构排水模型诊断入流入渗方法的特征因子告警图；
图4是本发明的非线性多源异构排水模型诊断入流入渗方法的判定点位图；
图5是本发明的非线性多源异构排水模型诊断入流入渗方法的统计分析图。
具体实施方式
下面结合附图对本发明做进一步详细说明。
如图1至5所示，下面对非线性多源异构排水模型诊断入流入渗方法的步骤和功能进行详细的说明：
非线性多源异构排水模型诊断入流入渗方法，该方法包括以下步骤：
S1：基于多源异构数据建立排水拓扑模型，分析影响管网入流入渗判断的因素；
S2：基于异构数据建立数据分析模型，分析提取非结构性入流入渗特征因子；
S3：基于非结构性入流入渗特征因子计算入流入渗点位；
S4：利用物联网监测数据校核入流入渗点位率定模型连续性误差；
S5：监测点位数据统计分析结果通过系统软件进行可视化显示，通过系统软件可视化展示入流入渗点位位置。
所述多源异构数据包括排水管网属性数据、地形数据DEM、地形数据DOM、排水规划CAD数据、水质监测实时数据、流量监测实时数据、液位监测实时数据、雨量监测实时数据、河道水系数据和遥感影像数据；
所述排水拓扑模型分析影响管网入流入渗判断的因素包括管网与河道连通情况、降雨时地表产汇流量、排水管网运行阻力和排水管网健康度；
所述入流入渗特征因子的判断方法如下：
S11：半结构化排水规划CAD数据、水系规划CAD数据、土地道路规划数据和非结构化数据，形成基础空间拓扑关系，如图2所示；
S12：根据管网结构化GIS数据、遥感影像数据、人口数据、地形数据、排水相关设计规范和河道水位变化周期情况，采用分布式数据处理方法，建立排水管网汇水分区模型、合流制模型、分流制模型、负荷模型、特征模型、实时数据分析模型，分析各汇水分区内半结构化和非结构化管网拓扑情况，排除非结构性因素对管网入流入渗的影响，进行告警判断，如图3所示；
S13：根据S11中的数据融合分析S12中多个模型特征影响因子。
半结构化和非结构化的多类型数据之间通过分布式存储建立非线性的关系，通过各分区的计算流量数据比值
计算出影响因子的权重，在没有结构性缺陷引起的入流入渗发生时，已存在的不可避免地入流入渗认定为合理范围内的数据，通过结构性缺陷引发的入流入渗会将原设计流量变大，导致流量波动呈正态分布，通过实际监测入流入渗位置的物联网流量监测数据可以进行验证，通过地图位置及监测分析数据判断入流入渗点位位置，如图4；
基于入流入渗特征因子判断该管网各汇水区域是否存在入流入渗点位，利用模型软件分析一次性建模连续性误差，并通过实测试验数据进行模型率定，通过监测累计流量及水质数据判断分析是否为入流入渗点位，如图5；
所述S4的具体步骤为，利用物联网监测入流入渗点位数据与模型分析入流入渗点位对比，调整入流入渗比例系数判断事故等级，从而判断模型连续性误差。
所述入流入渗点位判断的计算方法包括以下步骤：
通常情况下，管网污水浓度在不发生管网结构性缺陷的情况下仅由管网是否存在混流、是否有降雨的雨水入流、是否发生管网淤堵、排口是否有河道外水顶托倒灌进入管网是主要影响因素，其各类影响因素对管网入流入渗的影响度各不相同，其中管网是否存在混流设定为事件1即F1，影响因子为T1；降雨雨水入流设定为事件2即F2，影响因子为T2；管网淤堵设定为事件3即F3，影响因子为T3；排口倒灌设定为事件4即F4，影响因子为T4；以此类推，第n个影响事件n即Fn，影响因子为Tn；可以推算出入流入渗事件F的影响公式为：
一般地说，城市各汇水区按管网主管与支管拓扑，取各级汇水区出水口水量减各级汇水区进水口水量得到该区域内应收集水量，设定一座城市共有汇水分区为m个，各分区应收集水量为Qm，可以推算出总管网水量应为：
加入管网缺陷点引起的入流入渗点位，该影响呈正态分布，各汇水区域内的入流入渗事件发生影响情况：
将所有管网入渗入流事件汇聚成事件集可以得出：
建立入流入渗发生点的正态分布数据集N(λ，σ2)，通过遍历找出λmax事件发生位置从而找到入流入渗点位；
河道水系倒灌、雨水汇流是不同事件F，是可以由城市地形地貌数据已经确定的特征数据，同时对此事件赋权重因子T，非结构性缺陷因素影响的入流入渗均为不可避免入流入渗，是城市管网设计时本身存在的，所以各类不可避免入流入渗的事件发生作为入流入渗总体背景事件，其影响程度总和为1，对于结构性的缺陷的发生突发事件是本发明专利判断入流入渗事件发生的主要因素，突发的事件的发生带来水量的突增，导致λ＞1；
通常情况下事件F可以分为管网混流、错混接、外水倒灌、管网淤堵、降雨汇流产生的入流入渗，其中管网混流、错混接、外水倒灌、管网淤堵都可以通过管网地理信息属性数据建模找到发生的位置点，通过本方法去除该类型点位的影响因素以及《室外排水设计标准》(GB50014-2021)合流、混流等管网设计流量进行数据确定，对于降雨时的雨水渗入，可以通过地表产汇流公式以及《室外排水设计标准》(GB50014-2021)对相关数据进行确定进行汇算排除影响。
Claims (10)
1.非线性多源异构排水模型诊断入流入渗方法，其特征在于：该方法包括以下步骤：
S1：基于多源异构数据建立排水拓扑模型，分析影响管网入流入渗判断的因素；
S2：基于异构数据建立数据分析模型，分析提取入流入渗特征因子；
S3：基于入流入渗特征因子计算入流入渗点位；
S4：利用物联网监测数据校核入流入渗点位率定模型连续性误差；
S5：监测点位数据统计分析结果进行可视化显示，可视化展示入流入渗点位位置。
2.根据权利要求1所述的非线性多源异构排水模型诊断入流入渗方法，其特征在于：所述多源异构数据包括排水管网属性数据、地形数据DEM、地形数据DOM、排水规划CAD数据、水质监测实时数据、流量监测实时数据、液位监测实时数据、雨量监测实时数据、河道水系数据和遥感影像数据。
3.根据权利要求1所述的非线性多源异构排水模型诊断入流入渗方法，其特征在于：所述排水拓扑模型分析影响管网入流入渗判断的因素包括管网与河道连通情况、降雨时地表产汇流量、排水管网运行阻力和排水管网健康度。
4.根据权利要求1所述的非线性多源异构排水模型诊断入流入渗方法，其特征在于：所述入流入渗特征因子的判断方法如下：
S11：半结构化排水规划CAD数据、水系规划CAD数据、土地道路规划数据和非结构化数据；
S12：根据管网结构化GIS数据、遥感影像数据、人口数据、地形数据、排水相关设计规范和河道水位变化周期情况，采用分布式数据处理方法，建立排水管网汇水分区模型、合流制模型、分流制模型、负荷模型、特征模型、实时数据分析模型；
S13：根据S11中的数据融合分析S12中多个模型特征影响因子。
5.根据权利要求4所述的非线性多源异构排水模型诊断入流入渗方法，其特征在于：基于入流入渗特征因子判断该管网各汇水区域是否存在入流入渗点位，利用模型软件分析一次性建模连续性误差，并通过实测试验数据进行模型率定。
6.根据权利要求1所述的非线性多源异构排水模型诊断入流入渗方法，其特征在于：所述S4的具体步骤为，利用物联网监测入流入渗点位数据与模型分析入流入渗点位对比，调整入流入渗比例系数判断事故等级，从而判断模型连续性误差。
7.根据权利要求1所述的非线性多源异构排水模型诊断入流入渗方法，其特征在于：所述入流入渗点位判断的计算方法包括以下步骤：
S31：基于入流入渗特征因子推算出入流入渗事件的影响公式；
S32：推算出总管网水量；
S33：加入管网缺陷点引起的入流入渗点位，各汇水区域内的入流入渗事件发生影响情况，该影响呈正态分布；
S34：将所有管网入渗入流事件汇聚成事件集；
S35：建立数据集，找到入流入渗点位。
8.根据权利要求7所述的非线性多源异构排水模型诊断入流入渗方法，根据城市结构化和非结构化的数据，确定影响入流入渗判断的汇水分区、合流制、分流制、管网负荷、倒灌点位和雨水汇流特征因素F的集合，赋各特征因素的影响因子T，其特征在于：所述该城市由非结构性因素存在的入流入渗事件记为F，入流入渗事件F的影响公式为：
9.根据权利要求7所述的非线性多源异构排水模型诊断入流入渗方法，其特征在于：所述总管网水量为：
10.根据权利要求7所述的非线性多源异构排水模型诊断入流入渗方法，其特征在于：所述S34中入流入渗事件发生影响情况为：
所有管网入渗入流事件汇聚成事件集可以得出：
建立入流入渗发生点的正态分布数据集N(λ，σ2)，通过遍历找出λmax事件发生位置从而找到入流入渗点位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211722564.7A CN116126963A (zh) | 2022-12-30 | 2022-12-30 | 非线性多源异构排水模型诊断入流入渗方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211722564.7A CN116126963A (zh) | 2022-12-30 | 2022-12-30 | 非线性多源异构排水模型诊断入流入渗方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116126963A true CN116126963A (zh) | 2023-05-16 |
Family
ID=86298620
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211722564.7A Pending CN116126963A (zh) | 2022-12-30 | 2022-12-30 | 非线性多源异构排水模型诊断入流入渗方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116126963A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116628914A (zh) * | 2023-07-24 | 2023-08-22 | 长江三峡集团实业发展(北京)有限公司 | 一种排水管网入流入渗分析方法、计算机设备及介质 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TH85182A (th) * | 2006-02-24 | 2007-06-21 | นางดารานีย์ วัจนะวุฒิวงศ์ | ระบบควบคุมสนับสนุนการระบายน้ำฝน |
| CN102890792A (zh) * | 2011-07-20 | 2013-01-23 | 北京源汇远科技有限公司 | 市政排水管网决策评估方法 |
| CN105698013A (zh) * | 2016-02-26 | 2016-06-22 | 广州市市政工程设计研究总院 | 一种确定河水、地下水入渗污水管道位置及入渗量的方法 |
| JP2017194344A (ja) * | 2016-04-20 | 2017-10-26 | 株式会社東芝 | 浸水リスク診断装置、浸水リスク診断方法、制御装置及びコンピュータプログラム |
| CN108376318A (zh) * | 2018-02-28 | 2018-08-07 | 清华大学 | 一种排水管网入流入渗评估方法及系统 |
| CN110222427A (zh) * | 2019-06-10 | 2019-09-10 | 河海大学 | 一种基于数学模型城市内涝的分析方法 |
| CN111982210A (zh) * | 2020-07-02 | 2020-11-24 | 清华大学 | 降雨入流入渗问题诊断的排水管网分批次监测布点方法 |
| CN112101693A (zh) * | 2020-05-12 | 2020-12-18 | 天津市市政工程设计研究院 | 基于正交分析的现状城区河道水质达标分析方法 |
| CN113029382A (zh) * | 2021-02-26 | 2021-06-25 | 同济大学 | 基于光纤分布式测温系统的排水管道入流入渗诊断方法 |
| CN113392523A (zh) * | 2021-06-14 | 2021-09-14 | 云南省设计院集团有限公司 | 一种基于长历时多测点的污水管网健康状况诊断模型 |
| CN113701060A (zh) * | 2021-08-25 | 2021-11-26 | 中国水利水电科学研究院 | 一种基于排水模型的城市排水管网智能诊断方法 |
| CN113792367A (zh) * | 2021-09-07 | 2021-12-14 | 清华大学 | 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 |
| CN114942948A (zh) * | 2022-05-12 | 2022-08-26 | 深圳天澄科工水系统工程有限公司 | 一种排水管网诊断及管理方法 |
| CN115130396A (zh) * | 2022-06-13 | 2022-09-30 | 大连理工大学 | 一种河道型水库库区的分布式水文模型建模方法 |
| CN115168448A (zh) * | 2022-07-05 | 2022-10-11 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 一种基于gis的排水管网问题诊断装置和方法 |
-
2022
- 2022-12-30 CN CN202211722564.7A patent/CN116126963A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TH85182A (th) * | 2006-02-24 | 2007-06-21 | นางดารานีย์ วัจนะวุฒิวงศ์ | ระบบควบคุมสนับสนุนการระบายน้ำฝน |
| CN102890792A (zh) * | 2011-07-20 | 2013-01-23 | 北京源汇远科技有限公司 | 市政排水管网决策评估方法 |
| CN105698013A (zh) * | 2016-02-26 | 2016-06-22 | 广州市市政工程设计研究总院 | 一种确定河水、地下水入渗污水管道位置及入渗量的方法 |
| JP2017194344A (ja) * | 2016-04-20 | 2017-10-26 | 株式会社東芝 | 浸水リスク診断装置、浸水リスク診断方法、制御装置及びコンピュータプログラム |
| CN108376318A (zh) * | 2018-02-28 | 2018-08-07 | 清华大学 | 一种排水管网入流入渗评估方法及系统 |
| CN110222427A (zh) * | 2019-06-10 | 2019-09-10 | 河海大学 | 一种基于数学模型城市内涝的分析方法 |
| CN112101693A (zh) * | 2020-05-12 | 2020-12-18 | 天津市市政工程设计研究院 | 基于正交分析的现状城区河道水质达标分析方法 |
| CN111982210A (zh) * | 2020-07-02 | 2020-11-24 | 清华大学 | 降雨入流入渗问题诊断的排水管网分批次监测布点方法 |
| CN113029382A (zh) * | 2021-02-26 | 2021-06-25 | 同济大学 | 基于光纤分布式测温系统的排水管道入流入渗诊断方法 |
| CN113392523A (zh) * | 2021-06-14 | 2021-09-14 | 云南省设计院集团有限公司 | 一种基于长历时多测点的污水管网健康状况诊断模型 |
| CN113701060A (zh) * | 2021-08-25 | 2021-11-26 | 中国水利水电科学研究院 | 一种基于排水模型的城市排水管网智能诊断方法 |
| CN113792367A (zh) * | 2021-09-07 | 2021-12-14 | 清华大学 | 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 |
| CN114942948A (zh) * | 2022-05-12 | 2022-08-26 | 深圳天澄科工水系统工程有限公司 | 一种排水管网诊断及管理方法 |
| CN115130396A (zh) * | 2022-06-13 | 2022-09-30 | 大连理工大学 | 一种河道型水库库区的分布式水文模型建模方法 |
| CN115168448A (zh) * | 2022-07-05 | 2022-10-11 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 一种基于gis的排水管网问题诊断装置和方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116628914A (zh) * | 2023-07-24 | 2023-08-22 | 长江三峡集团实业发展(北京)有限公司 | 一种排水管网入流入渗分析方法、计算机设备及介质 |
| CN116628914B (zh) * | 2023-07-24 | 2023-11-24 | 长江三峡集团实业发展(北京)有限公司 | 一种排水管网入流入渗分析方法、计算机设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110298076B (zh) | 一种基于gis和swmm的城市内涝智能建模及分析方法 | |
| CN106382471B (zh) | 一种考虑关键节点的城市排水管网诊断评估方法 | |
| CN115545678A (zh) | 一种基于水环境画像与污染物溯源的水质监测方法 | |
| CN113701060B (zh) | 一种基于排水模型的城市排水管网智能诊断方法 | |
| CN102890792A (zh) | 市政排水管网决策评估方法 | |
| CN111428972A (zh) | 基于swmm与efdc耦合模型的调蓄工程环境效应评估方法及装置 | |
| CN111062125B (zh) | 海绵型综合管廊水文效应评估方法 | |
| CN114511990B (zh) | 泥石流概率测算方法、泥石流多要素协同监测预警方法 | |
| CN116126963A (zh) | 非线性多源异构排水模型诊断入流入渗方法 | |
| CN114942948A (zh) | 一种排水管网诊断及管理方法 | |
| CN115577506A (zh) | 污水管网问题预诊断及精准排查的方法 | |
| CN113762796A (zh) | 一种铁路工程设施暴雨洪水动态风险图分析方法 | |
| 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 | |
| CN117113038B (zh) | 城市水土流失黄泥水事件溯源方法及系统 | |
| CN114565603A (zh) | 一种一体化洪涝灾害精准监测预警方法 | |
| CN109840870A (zh) | 一种排水系统网格化管理模式分析方法及储存其的介质 | |
| CN110569598A (zh) | 一种雨水管道与道路联合系统最大排涝能力的预测方法 | |
| CN111080129A (zh) | 排水管网监测点的评分方法、装置和电子设备 | |
| CN115906359A (zh) | 一种基于排水管网模型的管网溢流点分析方法 | |
| CN110807916A (zh) | 一种基于路网拓扑结构的交通状态评定方法及系统 | |
| Méndez | Hydraulic analysis of urban drainage systems with conventional solutions and sustainable technologies: Case study in Quito, Ecuador | |
| CN116380153A (zh) | 一种城市内涝监测预警系统及预警方法 | |
| CN113609683B (zh) | 一种基于盆域分析和泰森多边形的雨水管网子汇水区划分方法 | |
| CN115909662A (zh) | 一种淤地坝防洪预警方法与系统 | |
| CN113887053A (zh) | 一种面向管网水流计算的市政排水资料质量评估方法及系统 |
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 |