CN116738351A - 排水设施检测方法及装置 - Google Patents
排水设施检测方法及装置 Download PDFInfo
- Publication number
- CN116738351A CN116738351A CN202311000528.4A CN202311000528A CN116738351A CN 116738351 A CN116738351 A CN 116738351A CN 202311000528 A CN202311000528 A CN 202311000528A CN 116738351 A CN116738351 A CN 116738351A
- Authority
- CN
- China
- Prior art keywords
- state data
- drainage facility
- state
- data set
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 105
- 230000002159 abnormal effect Effects 0.000 claims description 33
- 238000007689 inspection Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 11
- 238000009434 installation Methods 0.000 claims 2
- 238000012545 processing Methods 0.000 abstract description 7
- 238000000034 method Methods 0.000 abstract description 6
- 230000007613 environmental effect Effects 0.000 description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 239000010865 sewage Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M10/00—Hydrodynamic testing; Arrangements in or on ship-testing tanks or water tunnels
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Fluid Mechanics (AREA)
- Remote Sensing (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及数据处理技术领域,提供一种排水设施检测方法及装置。所述方法包括:获取任一排水设施的历史状态数据集和新增状态数据集;根据历史状态数据集,得到第一状态区间,以及根据新增状态数据集,得到第二状态区间;根据第一状态区间和第二状态区间,得到预设状态;根据排水设施的当前状态数据与预设状态的比对结果,得到排水设施的检测结果;其中,历史状态数据集包括当前检测周期之前的多个检测周期内,排水设施的正常状态数据;新增状态数据集包括在当前时刻之前,采集到的排水设施的多个正常状态数据。本申请实施例提供的排水设施检测方法能够提高针对排水设施的检测结果的准确性。
Description
技术领域
本申请涉及数据处理技术领域,具体涉及一种排水设施检测方法及装置。
背景技术
水库的各类排水系统用于将水库的污水和雨水通畅地排泄出去,以处理好水库的污水,达到环境保护的要求。水库的排水系统包括各类排水设施,及时对排水设施对应的检修、故障和问题等数据进行相应处理,有利于保证排水系统的高效运行,为人们的生活提供便利。
而为保证排水系统的高效运行,则需要对排水设施的状态进行监控。目前,对排水设施的监控,通常是通过检测排水设施的当前状态数据,如当前水流速度以及当前排水量,来判断排水设施是否异常。而如何通过检测排水设施的当前状态数据,来准确地确定排水设施的检测结果,是当前排水设施检测所面临的问题。
发明内容
本申请旨在至少解决相关技术中存在的技术问题之一。为此,本申请提出一种排水设施检测方法,能够提高针对排水设施的检测结果的准确性。
本申请还提出一种排水设施检测装置。
本申请还提出一种电子设备。
本申请还提出一种计算机可读存储介质。
根据本申请第一方面实施例的排水设施检测方法,包括:
获取任一排水设施的历史状态数据集和新增状态数据集;
根据所述历史状态数据集,得到第一状态区间,以及根据所述新增状态数据集,得到第二状态区间;
根据所述第一状态区间和所述第二状态区间,得到预设状态;
根据所述排水设施的当前状态数据与预设状态的比对结果,得到所述排水设施的检测结果;
其中,所述历史状态数据集包括当前检测周期之前的多个检测周期内,所述排水设施的正常状态数据;
所述新增状态数据集包括在当前时刻之前,采集到的所述排水设施的多个正常状态数据。
通过排水设施的当前环境数据,来得到排水设施与该当前环境数据对应的历史状态数据集和新增状态数据集,以利用历史状态数据集得到的第一状态区间,和利用新增状态数据集得到的第二状态区间,来得到预设状态,从而使得到的预设状态更能体现排水设施在正常情况下的状态变化。然后,再根据排水设施的当前状态数据与预设状态的比对结果,来得到排水设施的检测结果,使当前状态数据与预设状态的比对能够更有效地反映排水设施是否异常,提高得到的异常检测结果的准确性。
根据本申请的一个实施例,获取排水设施的历史状态数据集和新增状态数据集,包括:
根据所述排水设施所处环境的当前环境数据,获取与所述当前环境数据对应的所述历史状态数据集和所述新增状态数据集。
根据本申请的一个实施例,根据所述历史状态数据集,得到第一状态区间,包括:
根据所述历史状态数据集中各所述正常状态数据所属的历史时间段,确定所述历史状态数据集中各所述正常状态数据的目标权重;
根据所述历史状态数据集中各所述正常状态数据的目标权重,对所述历史状态数据集中各所述正常状态数据进行加权平均,得到目标状态数据;
根据所述目标状态数据,得到所述第一状态区间;
其中,所述历史时间段对应的所述目标权重,与所述历史时间段距离当前时刻的时长成反比。
根据本申请的一个实施例,根据所述第一状态区间和所述第二状态区间,得到预设状态,包括:
根据第一状态区间和第二状态区间中的最小端点值和最大端点值,得到预设状态。
根据本申请的一个实施例,还包括:
确定所述状态数据异常,在标注有各所述排水设施所在区域的目标电子地图中,对所述状态数据异常的所述排水设施所处区域进行突出显示。
根据本申请的一个实施例,还包括:
确定各所述排水设施的当前状态数据无异常,获取目标终端的位置信息;
根据所述目标终端的位置信息,从各所述排水设施中,获取当前位置与所述目标终端距离小于预设距离的目标排水设施;
以所述目标排水设施为起始点,生成各所述排水设施的巡检路径发送至所述目标终端。
根据本申请的一个实施例,所述根据所述目标终端的位置信息,从各所述排水设施中,获取当前位置与所述目标终端距离小于预设距离的目标排水设施,包括:
确定所述目标终端的位置信息位于水库内,根据所述目标终端的位置信息,从各所述排水设施中,获取当前位置与所述目标终端距离小于预设距离的目标排水设施。
根据本申请第二方面实施例的排水设施检测装置,包括:
状态数据获取模块,用于获取任一排水设施的历史状态数据集和新增状态数据集;
状态区间确定模块,用于根据所述历史状态数据集,得到第一状态区间,以及根据所述新增状态数据集,得到第二状态区间;
预设状态确定模块,用于根据所述第一状态区间和所述第二状态区间,得到预设状态;
排水设施检测模块,用于根据所述排水设施的当前状态数据与预设状态的比对结果,得到所述排水设施的检测结果;
其中,所述历史状态数据集包括当前检测周期之前的多个检测周期内,所述排水设施的正常状态数据;
所述新增状态数据集包括在当前时刻之前,采集到的所述排水设施的多个正常状态数据。
根据本申请第三方面实施例的电子设备,包括处理器和存储有计算机程序的存储器,所述处理器执行所述计算机程序时实现上述任一实施例所述的排水设施检测方法。
根据本申请第四方面实施例的计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一实施例所述的排水设施检测方法。
本申请实施例中的上述一个或多个技术方案,至少具有如下技术效果之一:
通过排水设施的当前环境数据,来得到排水设施与该当前环境数据对应的历史状态数据集和新增状态数据集,以利用历史状态数据集得到的第一状态区间,和利用新增状态数据集得到的第二状态区间,来得到预设状态,从而使得到的预设状态更能体现排水设施在正常情况下的状态变化。然后,再根据排水设施的当前状态数据与预设状态的比对结果,来得到排水设施的检测结果,使当前状态数据与预设状态的比对能够更有效地反映排水设施是否异常,提高得到的异常检测结果的准确性。
附图说明
为了更清楚地说明本申请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一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一些实施例的排水设施检测方法的第一流程图;
图2为本申请一些实施例的排水设施检测方法的第二流程图;
图3为本申请一些实施例的排水设施检测方法的第三流程图;
图4是本申请实施例提供的排水设施检测装置的结构示意图;
图5是本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
下面,将通过几个具体的实施例对本申请实施例提供的排水设施检测方法及装置进行详细介绍和说明。
在一实施例中,提供了一种排水设施检测方法,该方法应用于服务器,用于进行排水设施检测。其中,服务器可以是独立的服务器或者是多个服务器组成的服务器集群来实现,还可以是提供云服务、云报文数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大报文数据和人工智能采样点设备等基础云计算服务的云服务器。
如图1所示,本实施例提供的一种排水设施检测方法包括:
步骤101,获取任一排水设施的历史状态数据集和新增状态数据集;
步骤102,根据所述历史状态数据集,得到第一状态区间,以及根据所述新增状态数据集,得到第二状态区间;
步骤103,根据所述第一状态区间和所述第二状态区间,得到预设状态;
步骤104,根据所述排水设施的当前状态数据与预设状态的比对结果,得到所述排水设施的检测结果;
其中,所述历史状态数据集包括当前检测周期之前的多个检测周期内,所述排水设施的正常状态数据;
所述新增状态数据集包括在当前时刻之前,采集到的所述排水设施的多个正常状态数据。
在一些实施例中,排水设施可以包括排水管网、污水处理设施和污泥处理处置设施等,排水管网可以包括管道、泵站以及雨水口等,各排水设施均可设置有用于收集状态数据,如当前水流速度以及当前排水量等可量化的状态数据的传感器。通过设置在排水设施上的传感器,可以实时或定时接收排水设施的当前水流速度和/或当前排水量等状态数据。
在一些实施例中,一个检测周期可以是一天或一小时,具体可根据实际情况设定。每个检测周期内,均会定时采集任一排水设施的状态数据,从而在每个检测周期内均能采集到任一排水设施的多个状态数据。示例性的,假设检测周期为一天,排水设施为雨水口,状态数据的采集频率为一小时一次,则可在一个检测周期内采集到雨水口的24个状态数据。
在一些实施例中,可从当前检测周期之前的多个检测周期内,提取该排水设施所有的正常状态数据组成历史状态数据集。其中,正常状态数据是指检测结果为正常的状态数据。如检测周期为一天,则可提取前一天、前两天……前N天采集到的该排水设施的所有正常状态数据组成历史状态数据集。同时,还可将在当前时刻之前采集到的该排水设施的多个正常状态数据,组成新增状态数据集。如假设排水设施为雨水口,当前时刻为10:00a.m,则可将10:00a.m之前采集到的雨水口的N个正常状态数据,如雨水口的10个正常状态数据,组成新增状态数据集。
在一些实施例中,在得到历史状态数据集后,即可利用历史状态数据集中的最大值和最小值,组成第一状态区间。如历史状态数据集中的最大值为Amax,最小值为Amin,则第一状态区间为[Amin,Amax]。或者,先得到历史状态数据集中所有正常状态数据的平均值,然后基于预先设置的与该排水设施对应的误差值,对平均值进行左右平移,以分别得到两个数值组成第一状态区间。或者,可直接将最大值、最小值、平均值或历史状态数据集中的众数其中之一作为第一状态区间,即该第一状态区间仅包括单个数值。
而为提高第一状态区间的置信度,以提高后续得到的异常检测结果的准确性,在一些实施例中,在确定第一状态区间之前,还可以对历史状态数据集进行线性回归处理,如采用最小二乘法对历史状态数据集中的各正常状态数据进行线性回归处理,或者通过方差计算,来从历史状态数据集中找到与其他正常状态数据差距较大的正常状态数据,即噪声数据,并剔除这些噪声数据。然后,再根据剔除了噪声数据的历史状态数据集,来确定第一状态区间。
同理,在得到新增状态数据集后,也可利用新增状态数据集中的最大值和最小值,组成第二状态区间。或者,先得到新增状态数据集中所有正常状态数据的平均值,然后基于预先设置的与该排水设施对应的误差值,对平均值进行左右平移,以分别得到两个数值组成第二状态区间。而为提高第二状态区间的置信度,在确定第二状态区间之前,也可以对新增状态数据集进行线性回归处理,来从新增状态数据集中找到与其他正常状态数据差距较大的正常状态数据,即噪声数据,并剔除这些噪声数据。然后,再根据剔除了噪声数据的新增状态数据集,来确定第二状态区间。或者,可直接将最大值、最小值、平均值或新增状态数据集中的众数其中之一作为第二状态区间,即该第二状态区间仅包括单个数值。
在得到第一状态区间和第二状态区间后,由于第一状态区间和第二状态区间均反映的是正常状态数据所处的范围,因此可将第一状态区间和第二状态区间的并集,作为最终的预设状态。
在得到预设状态后,即可将排水设施的当前状态数据与预设状态进行比对。其中,若排水设施的当前状态数据属于该预设状态,则表示排水设施的检测结果为正常;否则,可判断排水设施的检测结果为异常。
通过排水设施的当前环境数据,来得到排水设施与该当前环境数据对应的历史状态数据集和新增状态数据集,以利用历史状态数据集得到的第一状态区间,和利用新增状态数据集得到的第二状态区间,来得到预设状态,从而使得到的预设状态更能体现排水设施在正常情况下的状态变化。然后,再根据排水设施的当前状态数据与预设状态的比对结果,来得到排水设施的检测结果,使当前状态数据与预设状态的比对能够更有效地反映排水设施是否异常,提高得到的异常检测结果的准确性。
考虑在不同环境中,排水设施的正常状态数据可能存在不同。如排水设施所处的环境为晴天,则排水设施无需进行大量排水,此时排水设施正常的水流速度以及排水量会较小。而若排水设施所处的环境为雨天,则排水设施需要进行大量排水,此时排水设施正常的水流速度以及排水量会较大。因此,为减少因环境因素对排水设施的检测结果造成的干扰,在一些实施例中,获取排水设施的历史状态数据集和新增状态数据集,包括:
根据所述排水设施所处环境的当前环境数据,获取与所述当前环境数据对应的所述历史状态数据集和所述新增状态数据集。
在一些实施例中,可从当前检测周期之前的多个检测周期内,提取该排水设施所有的正常状态数据组成第一状态数据集,其中,正常状态数据是指检测结果为正常的状态数据。如检测周期为一天,则可提取前一天、前两天……前N天采集到的该排水设施的所有正常状态数据组成第一状态数据集。其中,N可根据实际情况设定。然后,基于排水设施的当前环境数据,从第一状态数据集中,提取出对应的环境数据与该当前环境数据相匹配的所有正常状态数据,组成历史状态数据集。示例性的,假设当前环境数据为湿度50%,则可从第一状态数据集中,提取在湿度在50%左右,如湿度在48%-52%时采集到的正常状态数据,加入历史状态数据集。
同理,还可将在当前时刻之前采集到的该排水设施的多个正常状态数据,组成第二状态数据集。如假设排水设施为雨水口,当前时刻为10:00a.m,则可将10:00a.m之前采集到的雨水口的N个正常状态数据,如雨水口的10个正常状态数据,组成第二状态数据集。然后,基于排水设施的当前环境数据,从第二状态数据集中,提取出对应的环境数据与该当前环境数据相匹配的所有正常状态数据,组成新增状态数据集。示例性的,假设当前环境数据为湿度50%,则可从第二状态数据集中,提取在湿度在50%左右,如湿度在48%-52%时采集到的正常状态数据,加入新增状态数据集。
这样,便可使得获取到的历史状态数据集和新增状态数据集,与排水设施所处的当前环境相对应,减少因环境因素对排水设施的检测结果造成的干扰,进一步提高检测结果的准确性。
而为进一步提高检测结果的准确性,在一些实施例中,如图2所示,根据所述历史状态数据集,得到第一状态区间,包括:
步骤201,根据所述历史状态数据集中各所述正常状态数据所属的历史时间段,确定所述历史状态数据集中各所述正常状态数据的目标权重;
步骤202,根据所述历史状态数据集中各所述正常状态数据的目标权重,对所述历史状态数据集中各所述正常状态数据进行加权平均,得到目标状态数据;
步骤203,根据所述目标状态数据,得到所述第一状态区间;
其中,所述历史时间段对应的所述目标权重,与所述历史时间段距离当前时刻的时长成反比。
考虑到历史状态数据集中,越接近当前时刻的正常状态数据,更能够反映现阶段排水设施的处理能力。因此,为提高第一状态区间的置信度,可预先按照各历史时间段距离当前时刻的时长,为各历史时间段设定对应的目标权重。其中,距离当前时刻越久的历史时间段对应的目标权重越低。如假设当前时刻为第T天,则第T-1天对应的目标权重为1,第T-2天对应的目标权重为0.8,第T-3天对应的目标权重为0.6。以此类推,使各历史时间段对应的目标权重,按照其距离当前时刻的时长依次递减。这样,在获取到历史状态数据集后,可按照历史状态数据集中的各正常状态数据所属的历史时间段,来确定历史状态数据集中的各正常状态数据的目标权重。如历史状态数据集中某个正常状态数据为排水设施在第T-1天的状态数据,则该正常状态数据对应的目标权重为1。
在确定历史状态数据集中各正常状态数据的目标权重后,即可采用加权平均法,对历史状态数据集中各正常状态数据进行加权平均,以得到加权平均数,从而将该加权平均数作为目标状态数据。
在得到目标状态数据后,即可基于预先设置的与该排水设施对应的误差值,对目标状态数据进行左右平移,以分别得到两个数值组成第一状态区间。这样,可使得到的第一状态区间更能够反映现阶段排水设施的处理能力,提高后续利用第一状态区间得到的预设状态的可信度,进而提高后续排水设施的检测结果的准确性。
考虑到第一状态区间和第二状态区间可能不存在交集,因此,在利用第一状态区间和第二状态区间的并集来作为预设状态时,可能会存在状态数据处于第一状态区间和第二状态区间之间而不属于预设状态的情况,如第一状态区间为[Amin,Amax],第二状态区间为[Bmin,Bmax],而检测到的状态数据属于[Amax,Bmin]。此时,该状态数据会被判定为异常。但是在实际应用中,这种状态数据应该被归为正常的状态数据。因此,为进一步提高检测结果的准确性,在一些实施例中,根据所述第一状态区间和所述第二状态区间,得到预设状态,包括:
根据第一状态区间和第二状态区间中的最小端点值和最大端点值,得到预设状态。
示例性的,假设第一状态区间为[Amin,Amax],第二状态区间为[Bmin,Bmax],且Amin<Bmin,Amax<Bmax,则可确定Amin为第一状态区间和第二状态区间中的最小端点值,Bmax为第一状态区间和第二状态区间中的最大端点值。然后,将该最小端点值和最大端点值作为区间的端点值,从而可得到预设状态为[Amin,Bmax]。这样,便可避免因状态数据处于第一状态区间和第二状态区间之间但不属于预设状态而被误判为异常的情况出现,进一步提高后续排水设施的检测结果的准确性。
而在确定排水设施的状态数据异常后,为能够快速进行异常定位,在一些实施例中,还包括:
确定所述状态数据异常,在标注有各所述排水设施所在区域的目标电子地图中,对所述状态数据异常的所述排水设施所处区域进行突出显示。
在一些实施例中,服务器中预先存储有电子地图,该电子地图根据各排水设施的当前位置信息,对各排水设施的所在区域进行划分,以在电子地图中预先确定各排水设施的区域。当某个排水设施的当前状态数据的检测结果为异常时,可在该目标电子地图中,对该排水设施所处的区域进行突出显示,以方便用户通过目标电子地图快速确定出现异常的排水设施的位置,以实现异常的快速定位。
通过在确定状态数据异常的情况下,在标注有各排水设施所在区域的目标电子地图中,对状态数据异常的排水设施所处区域进行突出显示,从而能够方便用户快速定位出现异常的排水设施的位置进行异常处理,提高对出现异常的排水设施的响应速度。
而考虑到到排水设施上传的位置信息可能存在误差,因此在将状态数据异常的排水设施所处区域的当前位置发送至目标终端后,若接收到目标终端发送的对该当前位置进行更新的更新指令,则响应于该目标终端对该当前位置的更新指令,根据该更新指令中的目标位置,更新当前位置。同时,将该更新后的当前位置同步至目标电子地图中,以更正该排水设施的位置信息。由于设置在排水设施上的定位设备可能由于排水设施其他部件的遮挡等影响,导致出现定位存在误差的情况,而目标终端上传的位置信息可以是进行排水设施维护的工作人员进行实地勘测后确定的,准确度更高,因此可通过接收目标终端对排水设施的当前位置的更新指令,来更新排水设施的当前位置,使获取到的排水设施的位置信息更为准确。
而为使对排水设施的检测更全面,在一些实施例中,如图3所示,还包括:
步骤301,确定各所述排水设施的当前状态数据无异常,获取目标终端的位置信息;
步骤302,根据所述目标终端的位置信息,从各所述排水设施中,获取当前位置与所述目标终端距离小于预设距离的目标排水设施;
步骤303,以所述目标排水设施为起始点,生成各所述排水设施的巡检路径发送至所述目标终端。
在一些实施例中,若各排水设施上传的当前状态数据均正常,则向巡检人员的目标终端发送位置获取指令,以根据该位置获取指令,接收该目标终端反馈的位置信息。在接收到该目标终端的位置信息后,根据该目标终端的位置信息,确定与该目标终端的位置信息最近的一个排水设施的当前位置,以将该排水设施的当前位置作为起始点,根据剩余的各排水设施的当前位置与起始点的距离,生成各排水设施的巡检路径。如从各排水设施中,查找与起始点最近的排水设施作为第二个巡检点,然后再从剩余的排水设施中,查找与第二个巡检点最近的排水设施作为第三个巡检点,以此类推,直至生成包括所有的排水设施的位置信息的巡检路径。这样,便可生成最优的巡检路径发送至目标终端,使巡检人员根据该巡检路径对各排水设施进行巡检,从而能够更全面地检测排水设施是否出现异常。
在一些实施例,在根据目标终端的位置信息,从各排水设施中确定目标排水设施之前,还可先检测目标终端的位置信息是否位于水库内。如在状态数据维持正常的时间内,每隔3天需要进行一次巡检,此时则每隔三天检测巡检人员的目标终端是否位于水库区域内。若检测到该目标终端位于水库外,则生成提示巡检人员进入水库的提示信息,定时发送至该目标终端,如每隔10分钟发送提示巡检人员进入水库的提示信息至该目标终端,直至检测到目标终端位于水库内。若检测到该目标终端位于水库内,则根据目标终端的位置信息,从各排水设施中,确定当前位置与目标终端距离小于预设距离的目标排水设施,以根据该目标排水设施的当前位置,生成各排水设施的巡检路径。
在一些实施例中,在生成巡检路径后,将该巡检路径发送至目标终端,同时实时获取该目标终端的移动路径与巡检路径进行匹配,以检测工作人员的移动路径是否脱离巡检路径。若检测到移动路径与巡检路径不匹配,则表示目标终端的移动路径脱离巡检路径,此时则向目标终端发送提示偏移巡检路线的提示信息,从而使巡检人员能够准确地按照巡检路径对各排水设施进行巡检,进一步提高排水设施检测的准确性。
下面对本申请提供的排水设施检测装置进行描述,下文描述的排水设施检测装置与上文描述的排水设施检测方法可相互对应参照。
在一实施例中,如图4所示,提供了一种排水设施检测装置,包括:
状态数据获取模块210,用于获取任一排水设施的历史状态数据集和新增状态数据集;
状态区间确定模块220,用于根据所述历史状态数据集,得到第一状态区间,以及根据所述新增状态数据集,得到第二状态区间;
预设状态确定模块230,用于根据所述第一状态区间和所述第二状态区间,得到预设状态;
排水设施检测模块240,用于根据所述排水设施的当前状态数据与预设状态的比对结果,得到所述排水设施的检测结果;
其中,所述历史状态数据集包括当前检测周期之前的多个检测周期内,所述排水设施的正常状态数据;
所述新增状态数据集包括在当前时刻之前,采集到的所述排水设施的多个正常状态数据。
通过排水设施的当前环境数据,来得到排水设施与该当前环境数据对应的历史状态数据集和新增状态数据集,以利用历史状态数据集得到的第一状态区间,和利用新增状态数据集得到的第二状态区间,来得到预设状态,从而使得到的预设状态更能体现排水设施在正常情况下的状态变化。然后,再根据排水设施的当前状态数据与预设状态的比对结果,来得到排水设施的检测结果,使当前状态数据与预设状态的比对能够更有效地反映排水设施是否异常,提高得到的异常检测结果的准确性。
在一实施例中,状态数据获取模块210具体用于:
根据所述排水设施所处环境的当前环境数据,获取与所述当前环境数据对应的所述历史状态数据集和所述新增状态数据集。
在一实施例中,状态区间确定模块220具体用于:
根据所述历史状态数据集中各所述正常状态数据所属的历史时间段,确定所述历史状态数据集中各所述正常状态数据的目标权重;
根据所述历史状态数据集中各所述正常状态数据的目标权重,对所述历史状态数据集中各所述正常状态数据进行加权平均,得到目标状态数据;
根据所述目标状态数据,得到所述第一状态区间;
其中,所述历史时间段对应的所述目标权重,与所述历史时间段距离当前时刻的时长成反比。
在一实施例中,预设状态确定模块230具体用于:
根据第一状态区间和第二状态区间中的最小端点值和最大端点值,得到预设状态。
在一实施例中,排水设施检测模块240还用于:
确定所述状态数据异常,在标注有各所述排水设施所在区域的目标电子地图中,对所述状态数据异常的所述排水设施所处区域进行突出显示。
在一实施例中,排水设施检测模块240还用于:
确定各所述排水设施的当前状态数据无异常,获取目标终端的位置信息;
根据所述目标终端的位置信息,从各所述排水设施中,获取当前位置与所述目标终端距离小于预设距离的目标排水设施;
以所述目标排水设施为起始点,生成各所述排水设施的巡检路径发送至所述目标终端。
在一实施例中,排水设施检测模块240具体用于:
确定所述目标终端的位置信息位于水库内,根据所述目标终端的位置信息,从各所述排水设施中,获取当前位置与所述目标终端距离小于预设距离的目标排水设施。
图5示例了一种电子设备的实体结构示意图,如图5所示,该电子设备可以包括:处理器(processor)810、通信接口(Communication Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的计算机程序,以执行排水设施检测方法,例如包括:
获取任一排水设施的历史状态数据集和新增状态数据集;
根据所述历史状态数据集,得到第一状态区间,以及根据所述新增状态数据集,得到第二状态区间;
根据所述第一状态区间和所述第二状态区间,得到预设状态;
根据所述排水设施的当前状态数据与预设状态的比对结果,得到所述排水设施的检测结果;
其中,所述历史状态数据集包括当前检测周期之前的多个检测周期内,所述排水设施的正常状态数据;
所述新增状态数据集包括在当前时刻之前,采集到的所述排水设施的多个正常状态数据。
此外,上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本申请实施例还提供一种存储介质,存储介质包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,计算机程序被处理器执行时,计算机能够执行上述各实施例所提供的排水设施检测方法,例如包括:
获取任一排水设施的历史状态数据集和新增状态数据集;
根据所述历史状态数据集,得到第一状态区间,以及根据所述新增状态数据集,得到第二状态区间;
根据所述第一状态区间和所述第二状态区间,得到预设状态;
根据所述排水设施的当前状态数据与预设状态的比对结果,得到所述排水设施的检测结果;
其中,所述历史状态数据集包括当前检测周期之前的多个检测周期内,所述排水设施的正常状态数据;
所述新增状态数据集包括在当前时刻之前,采集到的所述排水设施的多个正常状态数据。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种排水设施检测方法,其特征在于,包括:
获取任一排水设施的历史状态数据集和新增状态数据集;
根据所述历史状态数据集,得到第一状态区间,以及根据所述新增状态数据集,得到第二状态区间;
根据所述第一状态区间和所述第二状态区间,得到预设状态;
根据所述排水设施的当前状态数据与预设状态的比对结果,得到所述排水设施的检测结果;
其中,所述历史状态数据集包括当前检测周期之前的多个检测周期内,所述排水设施的正常状态数据;
所述新增状态数据集包括在当前时刻之前,采集到的所述排水设施的多个正常状态数据。
2.根据权利要求1所述的排水设施检测方法,其特征在于,获取排水设施的历史状态数据集和新增状态数据集,包括:
根据所述排水设施所处环境的当前环境数据,获取与所述当前环境数据对应的所述历史状态数据集和所述新增状态数据集。
3.根据权利要求1或2所述的排水设施检测方法,其特征在于,根据所述历史状态数据集,得到第一状态区间,包括:
根据所述历史状态数据集中各所述正常状态数据所属的历史时间段,确定所述历史状态数据集中各所述正常状态数据的目标权重;
根据所述历史状态数据集中各所述正常状态数据的目标权重,对所述历史状态数据集中各所述正常状态数据进行加权平均,得到目标状态数据;
根据所述目标状态数据,得到所述第一状态区间;
其中,所述历史时间段对应的所述目标权重,与所述历史时间段距离当前时刻的时长成反比。
4.根据权利要求1所述的排水设施检测方法,其特征在于,根据所述第一状态区间和所述第二状态区间,得到预设状态,包括:
根据第一状态区间和第二状态区间中的最小端点值和最大端点值,得到预设状态。
5.根据权利要求1、2或4所述的排水设施检测方法,其特征在于,还包括:
确定所述状态数据异常,在标注有各所述排水设施所在区域的目标电子地图中,对所述状态数据异常的所述排水设施所处区域进行突出显示。
6.根据权利要求1、2或4所述的排水设施检测方法,其特征在于,还包括:
确定各所述排水设施的当前状态数据无异常,获取目标终端的位置信息;
根据所述目标终端的位置信息,从各所述排水设施中,获取当前位置与所述目标终端距离小于预设距离的目标排水设施;
以所述目标排水设施为起始点,生成各所述排水设施的巡检路径发送至所述目标终端。
7.根据权利要求6所述的排水设施检测方法,其特征在于,所述根据所述目标终端的位置信息,从各所述排水设施中,获取当前位置与所述目标终端距离小于预设距离的目标排水设施,包括:
确定所述目标终端的位置信息位于水库内,根据所述目标终端的位置信息,从各所述排水设施中,获取当前位置与所述目标终端距离小于预设距离的目标排水设施。
8.一种排水设施检测装置,其特征在于,包括:
状态数据获取模块,用于获取任一排水设施的历史状态数据集和新增状态数据集;
状态区间确定模块,用于根据所述历史状态数据集,得到第一状态区间,以及根据所述新增状态数据集,得到第二状态区间;
预设状态确定模块,用于根据所述第一状态区间和所述第二状态区间,得到预设状态;
排水设施检测模块,用于根据所述排水设施的当前状态数据与预设状态的比对结果,得到所述排水设施的检测结果;
其中,所述历史状态数据集包括当前检测周期之前的多个检测周期内,所述排水设施的正常状态数据;
所述新增状态数据集包括在当前时刻之前,采集到的所述排水设施的多个正常状态数据。
9.一种电子设备,包括处理器和存储有计算机程序的存储器,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的排水设施检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的排水设施检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311000528.4A CN116738351B (zh) | 2023-08-10 | 2023-08-10 | 排水设施检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311000528.4A CN116738351B (zh) | 2023-08-10 | 2023-08-10 | 排水设施检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116738351A true CN116738351A (zh) | 2023-09-12 |
CN116738351B CN116738351B (zh) | 2023-11-21 |
Family
ID=87909908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311000528.4A Active CN116738351B (zh) | 2023-08-10 | 2023-08-10 | 排水设施检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116738351B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111143169A (zh) * | 2019-12-30 | 2020-05-12 | 杭州迪普科技股份有限公司 | 异常参数检测方法及装置、电子设备、存储介质 |
CN111984503A (zh) * | 2020-08-17 | 2020-11-24 | 网宿科技股份有限公司 | 一种监控指标数据异常数据识别的方法及装置 |
CN112188531A (zh) * | 2019-07-01 | 2021-01-05 | 中国移动通信集团浙江有限公司 | 异常检测方法、装置、电子设备及计算机存储介质 |
WO2021164267A1 (zh) * | 2020-02-21 | 2021-08-26 | 平安科技(深圳)有限公司 | 异常检测方法、装置、终端设备及存储介质 |
CN114095194A (zh) * | 2020-08-24 | 2022-02-25 | 北京天元创新科技有限公司 | 异常流量检测方法及装置 |
CN116030955A (zh) * | 2023-02-16 | 2023-04-28 | 深圳市汇健智慧医疗有限公司 | 基于物联网的医疗设备状态监测方法及相关装置 |
-
2023
- 2023-08-10 CN CN202311000528.4A patent/CN116738351B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112188531A (zh) * | 2019-07-01 | 2021-01-05 | 中国移动通信集团浙江有限公司 | 异常检测方法、装置、电子设备及计算机存储介质 |
CN111143169A (zh) * | 2019-12-30 | 2020-05-12 | 杭州迪普科技股份有限公司 | 异常参数检测方法及装置、电子设备、存储介质 |
WO2021164267A1 (zh) * | 2020-02-21 | 2021-08-26 | 平安科技(深圳)有限公司 | 异常检测方法、装置、终端设备及存储介质 |
CN111984503A (zh) * | 2020-08-17 | 2020-11-24 | 网宿科技股份有限公司 | 一种监控指标数据异常数据识别的方法及装置 |
CN114095194A (zh) * | 2020-08-24 | 2022-02-25 | 北京天元创新科技有限公司 | 异常流量检测方法及装置 |
CN116030955A (zh) * | 2023-02-16 | 2023-04-28 | 深圳市汇健智慧医疗有限公司 | 基于物联网的医疗设备状态监测方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116738351B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107871190B (zh) | 一种业务指标监控方法及装置 | |
CN113935439B (zh) | 排水管网的故障检测方法、设备、服务器及存储介质 | |
KR101941854B1 (ko) | 미취득 데이터 보정을 통한 부하 예측 시스템 및 방법 | |
EP3652596A1 (en) | Method and system for deviation detection in sensor datasets | |
CN110555477A (zh) | 一种市政设施故障预测方法及装置 | |
CN107426019A (zh) | 网络故障确定方法、计算机设备及计算机可读存储介质 | |
KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
CN116738351B (zh) | 排水设施检测方法及装置 | |
CN112637888B (zh) | 覆盖空洞区域识别方法、装置、设备及可读存储介质 | |
CN117193088A (zh) | 一种工业设备监控方法、装置以及服务器 | |
CN114268567A (zh) | 异常终端的识别方法、分析装置及设备、存储介质 | |
CN116634493A (zh) | 告警信息的处理方法及装置、设备、计算机可读存储介质 | |
CN116008697A (zh) | 雷电脉冲数据电磁场一致性质控方法、装置、设备及介质 | |
CN101923605B (zh) | 铁路防灾风预警方法 | |
KR101823921B1 (ko) | 지진 예측 기능을 가지는 수자원 제어진단감시시스템 | |
Trstenjak et al. | A Decision Support System for the Prediction of Wastewater Pumping Station Failures Based on CBR Continuous Learning Model. | |
Piatyszek et al. | Using typical daily flow patterns and dry-weather scenarios for screening flow rate measurements in sewers | |
CN109376451A (zh) | 一种基于拟合关联的自动化设备故障率计算方法 | |
KR102665709B1 (ko) | 인공지능 기반의 스마트미터링 예측 관리시스템 | |
CN113791186B (zh) | 一种选择水质异常报警监测因子的方法及其系统 | |
CN112461340B (zh) | 水位仪的故障纠正、检测方法及装置 | |
CN117499621B (zh) | 视频采集设备的检测方法、装置、设备及介质 | |
CN115208903A (zh) | 一种基于分布式服务的智能电缆 | |
CN117095312A (zh) | 一种钢结构的腐蚀监测方法及装置 | |
CN115965648A (zh) | 一种离岗检测方法、装置、电子设备及存储介质 |
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 |