CN117149935A - 一种基于数字孪生的水网数据监管系统及方法 - Google Patents

一种基于数字孪生的水网数据监管系统及方法 Download PDF

Info

Publication number
CN117149935A
CN117149935A CN202311414016.2A CN202311414016A CN117149935A CN 117149935 A CN117149935 A CN 117149935A CN 202311414016 A CN202311414016 A CN 202311414016A CN 117149935 A CN117149935 A CN 117149935A
Authority
CN
China
Prior art keywords
grid
water
monitoring
abnormal
range
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
Application number
CN202311414016.2A
Other languages
English (en)
Other versions
CN117149935B (zh
Inventor
魏云
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 Jiangyun Intelligent Technology Co ltd
Original Assignee
Beijing Jiangyun Intelligent Technology 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 Jiangyun Intelligent Technology Co ltd filed Critical Beijing Jiangyun Intelligent Technology Co ltd
Priority to CN202311414016.2A priority Critical patent/CN117149935B/zh
Publication of CN117149935A publication Critical patent/CN117149935A/zh
Application granted granted Critical
Publication of CN117149935B publication Critical patent/CN117149935B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/29—Geographical information databases
    • 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
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • 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
    • G06F18/26—Discovering frequent patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • Public Health (AREA)
  • Remote Sensing (AREA)
  • Computational Linguistics (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种基于数字孪生的水网数据监管系统及方法，属于数字孪生技术领域。通过对地理位置范围进行单位网格的划分，并结合数字孪生技术进行水域范围和监测站范围的覆盖映射，便于对异常区域的网格刻画标记，且区分异常流域网格集合和异常站报网格集合，便于分析监测站监测的水情异常情况和水域网实际反馈的水情情况作对比，进而完成固化数据治理链路的构建；根据固化数据治理链路，分析不同次历史监测水情时不同水渠涉及流域范围内的异常危险网格区，从而分析出单位网格的异常频繁度；继而实现对水情进行数字孪生数字化展示的同时，保证水情数据监测的全面完整性，提高水利工程的安全稳定运行监测能力。

Description

一种基于数字孪生的水网数据监管系统及方法
技术领域
本发明涉及数字孪生技术领域，具体为一种基于数字孪生的水网数据监管系统及方法。
背景技术
现有技术中，数字孪生技术在水网监测领域中的应用主要体现为，在水利一张图的基础上，通过先进的遥感监测技术，将现实的水网相关数据，结合虚拟现实技术的演练，仿真获取水位、流速和水质等信息，并实现对水网的精准监测和预警；
然而，由于水网体系中存在空间跨度大和水网交织的复杂网络情况等特点，使得稀疏地分布在各个地理位置上的监测站往往存在监测水情遗漏的情况发生，进而很难保证水情数据监测的全面完整性，降低了水利工程的安全稳定运行监测能力。
发明内容
本发明的目的在于提供一种基于数字孪生的水网数据监管系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：
一种基于数字孪生的水网数据监管系统，本系统包括：数字孪生架构模块、异常数据处理模块、异常风险分析模块和数字化孪生模块；
所述数字孪生架构模块，用于对地面监测区域范围进行网格划分，生成网格范围集合；根据网格范围集合，对水网体系中各个水站监测覆盖的地面范围和各个水渠流域的地面范围进行数字孪生映射，生成映射站范围网格集合和映射流范围网格集合；
所述异常数据处理模块，用于构建水网监测数据库，存储历史监测水情信息时对不同水渠监测报警的异常流域网格集合，和对不同水渠监测报警过程中发送报警信号的水站监测到的异常站报网格集合；根据异常流域网格集合和异常站报网格集合，建立固化数据治理链路；
所述异常风险分析模块，根据固化数据治理链路，分析不同次历史监测水情时不同水渠涉及流域范围内的异常危险网格区，并生成数据治理样本库；根据固化数据治理链路和数据治理样本库，结合监测到的实时危险网格区，分析生成频繁危险区网格集合样本库；
所述数字化孪生模块，根据频繁危险区网格集合样本库，分析任意一个单位网格的频繁度，并结合数字孪生技术，进行数字化展示。
进一步的，所述数字孪生架构模块还包括区域划分单元和孪生映射单元；
所述区域划分单元，用于通过遥感影像技术，识别地面监测区域范围并进行均匀的单位网格划分，统筹划分的全部单位网格且进行统一的编号，并生成网格范围集合，记为G={g1，g2，...，gn}，其中，g1，g2，...，gn分别表示第1，2，...，n个单位网格；
所述孪生映射单元，用于分别对水网体系中全部水站和水渠进行统一编号，且根据网格范围集合，分别对水网体系中各个水站监测覆盖的地面范围和各个水渠流域的地面范围进行数字孪生映射，并分别生成映射站范围网格集合，记为WSi={g1，g2，...，gx}，和映射流范围网格集合，记为DAj={g1，g2，...，gy}，其中，WSi表示第i个水站对应生成的映射站范围网格集合，DAj表示第j个水渠对应生成的映射流范围网格集合，WSi、DAj∈G，x、y≤n。
进一步的，所述异常数据处理模块还包括异常数据存储单元和数据治理链路单元；
所述异常数据存储单元，用于构建水网监测数据库，所述水网监测数据库中存储有历史监测水情信息时对不同水渠监测报警的异常流域网格集合，和对不同水渠监测报警过程中发送报警信号的水站监测到的异常站报网格集合；所述异常站报网格集合和所述异常流域网格集合分别为所述映射站范围网格集合和所述映射流范围网格集合中部分或全部单位网格项构成的项集，将第T次历史监测水情时对第j个水渠监测报警的异常流域网格集合记为YDj(T)，和对第j个水渠监测报警过程中第i个水站监测到的异常站报网格集合记为YWi(T)，其中，YDj(T)∈DAj，YWi(T)∈WSi；
所述数据治理链路单元，用于以异常流域网格集合为数据链统筹中心，全面覆盖第j个水渠涉及流域范围内的监测水站，并根据水站对应的异常战报网格集合，建立固化数据治理链路，记为YDj(T)→{YWi(T)|i∈[1，I]}，其中，I表示水站总数量。
进一步的，所述异常风险分析模块还包括风险区感知单元和风险分析单元；
所述风险区感知单元，根据固化数据治理链路，分析生成第T次历史监测水情时第j个水渠涉及流域范围内的异常危险网格区集合，记为DGj(T)，且DGj(T)=YDj(T)-YDj(T)∩[⨆i=1 IYWi(T)]；统筹每次历史监测水情时第j个水渠对应生成的异常危险网格区集合，并存储到数据治理样本库R中，且R={DGj(T)|T∈[1，K)}，其中，K为当前实时监测水情的次序；
所述风险分析单元，用于在第K次实时监测水情时，根据固化数据治理链路YDj(K)→{YWi(K)|i∈[1，I]}，生成实时危险网格区集合，记为WGj(K)=⨆i=1 IYWi(K)；将实时危险网格区集合与数据治理样本库R中每次历史监测水情时第j个水渠对应生成的异常危险网格区集合之间进行比对，并生成频繁危险区网格集合样本库，记为FGj={fGj(T)=DGj(T)-DGj(T)∩WGj(K)|T∈[1，K)}，其中，FGj表示第j个水渠对应生成的频繁危险区网格集合样本库，fGj(T)表示通过将实时危险网格区集合WGj(K)与第T次历史监测水情时第j个水渠对应生成的异常危险网格区集合DGj(T)之间进行比对后，生成的频繁危险区网格集合。
进一步的，所述数字化孪生模块还包括数字化分析单元和数字化展示单元；
所述数字化分析单元，用于在频繁危险区网格集合样本库中获取任意一个单位网格，记为gs，并根据频繁危险区网格集合样本库，计算任意一个单位网格gs的频繁度，具体计算公式如下：
F(gs)=(K-1)-1ΣT=1 K-1H[if：gs∈fGj(T)]
其中，F(gs)表示单位网格gs的频繁度，H[·]表示计数判断函数，如果gs∈fGj(T)，则令H[if：gs∈fGj(T)]=1，否则令H[if：gs∈fGj(T)]=0；
所述数字化展示单元，根据单位网格gs的频繁度，结合数字孪生技术，对均匀的单位网格进行频繁度的数字化展示。
一种基于数字孪生的水网数据监管方法，本方法包括以下步骤：
步骤S100：对地面监测区域范围进行网格划分，生成网格范围集合；根据网格范围集合，对水网体系中各个水站监测覆盖的地面范围和各个水渠流域的地面范围进行数字孪生映射，生成映射站范围网格集合和映射流范围网格集合；
步骤S200：构建水网监测数据库，存储历史监测水情信息时对不同水渠监测报警的异常流域网格集合，和对不同水渠监测报警过程中发送报警信号的水站监测到的异常站报网格集合；根据异常流域网格集合和异常站报网格集合，建立固化数据治理链路；
步骤S300：根据固化数据治理链路，分析不同次历史监测水情时不同水渠涉及流域范围内的异常危险网格区，并生成数据治理样本库；根据固化数据治理链路和数据治理样本库，结合监测到的实时危险网格区，分析生成频繁危险区网格集合样本库；
步骤S400：根据频繁危险区网格集合样本库，分析任意一个单位网格的频繁度，并结合数字孪生技术，进行数字化展示。
进一步的，所述步骤S100的具体实施过程包括：
步骤S101：通过遥感影像技术，识别地面监测区域范围并进行均匀的单位网格划分，统筹划分的全部单位网格且进行统一的编号，并生成网格范围集合，记为G={g1，g2，...，gn}，其中，g1，g2，...，gn分别表示第1，2，...，n个单位网格；
步骤S102：分别对水网体系中全部水站和水渠进行统一编号，且根据网格范围集合，分别对水网体系中各个水站监测覆盖的地面范围和各个水渠流域的地面范围进行数字孪生映射，并分别生成映射站范围网格集合，记为WSi={g1，g2，...，gx}，和映射流范围网格集合，记为DAj={g1，g2，...，gy}，其中，WSi表示第i个水站对应生成的映射站范围网格集合，DAj表示第j个水渠对应生成的映射流范围网格集合，WSi、DAj∈G，x、y≤n。
进一步的，所述步骤S200的具体实施过程包括：
步骤S201：构建水网监测数据库，所述水网监测数据库中存储有历史监测水情信息时对不同水渠监测报警的异常流域网格集合，和对不同水渠监测报警过程中发送报警信号的水站监测到的异常站报网格集合；所述异常站报网格集合和所述异常流域网格集合分别为所述映射站范围网格集合和所述映射流范围网格集合中部分或全部单位网格项构成的项集，将第T次历史监测水情时对第j个水渠监测报警的异常流域网格集合记为YDj(T)，和对第j个水渠监测报警过程中第i个水站监测到的异常站报网格集合记为YWi(T)，其中，YDj(T)∈DAj，YWi(T)∈WSi；
步骤S202：以异常流域网格集合为数据链统筹中心，全面覆盖第j个水渠涉及流域范围内的监测水站，并根据水站对应的异常战报网格集合，建立固化数据治理链路，记为YDj(T)→{YWi(T)|i∈[1，I]}，其中，I表示水站总数量；
根据上述方法，由于水网体系中存在空间跨度大和水网交织的复杂网络情况等特点，使得稀疏地分布在各个地理位置上的监测站往往存在监测水情遗漏的情况发生，通过对地理位置范围进行单位网格的划分，并结合数字孪生技术进行水域范围和监测站范围的覆盖映射，便于对异常区域的网格刻画标记，同时，区分异常流域网格集合和异常站报网格集合的目的是，便于分析监测站监测的水情异常情况和水域网实际反馈的水情情况作对比，从而能够快速地寻找到遗漏的监测网格区域。
进一步的，所述步骤S300的具体实施过程包括：
步骤S301：根据固化数据治理链路，分析生成第T次历史监测水情时第j个水渠涉及流域范围内的异常危险网格区集合，记为DGj(T)，且DGj(T)=YDj(T)-YDj(T)∩[⨆i=1 IYWi(T)]；统筹每次历史监测水情时第j个水渠对应生成的异常危险网格区集合，并存储到数据治理样本库R中，且R={DGj(T)|T∈[1，K)}，其中，K为当前实时监测水情的次序；
步骤S302：在第K次实时监测水情时，根据固化数据治理链路YDj(K)→{YWi(K)|i∈[1，I]}，生成实时危险网格区集合，记为WGj(K)=⨆i=1 IYWi(K)；将实时危险网格区集合与数据治理样本库R中每次历史监测水情时第j个水渠对应生成的异常危险网格区集合之间进行比对，并生成频繁危险区网格集合样本库，记为FGj={fGj(T)=DGj(T)-DGj(T)∩WGj(K)|T∈[1，K)}，其中，FGj表示第j个水渠对应生成的频繁危险区网格集合样本库，fGj(T)表示通过将实时危险网格区集合WGj(K)与第T次历史监测水情时第j个水渠对应生成的异常危险网格区集合DGj(T)之间进行比对后，生成的频繁危险区网格集合；
根据上述方法，将每一次监测水情时监测站监测到的异常区域，即⨆i=1 IYWi(T)，与水渠范围实际反馈的异常区域，即YDj(T)，之间作对比，从而获得异常危险网格区集合，即DGj(T)；再将实时监测站反馈的异常区域，即实时危险网格区集合WGj(K)，与历史监测中每一次监测水情时水渠范围反馈的实际异常区域之间比对，得到频繁危险区网格集合样本库，即FGj。
进一步的，所述步骤S400的具体实施过程包括：
步骤S401：在频繁危险区网格集合样本库中获取任意一个单位网格，记为gs，并根据频繁危险区网格集合样本库，计算任意一个单位网格gs的频繁度，具体计算公式如下：
F(gs)=(K-1)-1ΣT=1 K-1H[if：gs∈fGj(T)]
其中，F(gs)表示单位网格gs的频繁度，H[·]表示计数判断函数，如果gs∈fGj(T)，则令H[if：gs∈fGj(T)]=1，否则令H[if：gs∈fGj(T)]=0；
步骤S402：根据单位网格gs的频繁度，结合数字孪生技术，对均匀的单位网格进行频繁度的数字化展示。
与现有技术相比，本发明所达到的有益效果是：本发明提供的一种基于数字孪生的水网数据监管系统及方法中，通过对地理位置范围进行单位网格的划分，并结合数字孪生技术进行水域范围和监测站范围的覆盖映射，便于对异常区域的网格刻画标记，且区分异常流域网格集合和异常站报网格集合，便于分析监测站监测的水情异常情况和水域网实际反馈的水情情况作对比，进而完成固化数据治理链路的构建；根据固化数据治理链路，分析不同次历史监测水情时不同水渠涉及流域范围内的异常危险网格区，从而分析出单位网格的异常频繁度；继而实现对水情进行数字孪生数字化展示的同时，保证水情数据监测的全面完整性，提高水利工程的安全稳定运行监测能力。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并且不构成对本发明的限制。在附图中：
图1是本发明一种基于数字孪生的水网数据监管系统的结构示意图；
图2是本发明一种基于数字孪生的水网数据监管方法的步骤示意图。
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做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。
请参阅图1-图2，本发明提供技术方案：
请参阅图1，在本实施例一中：提供一种基于数字孪生的水网数据监管系统，该系统包括：数字孪生架构模块、异常数据处理模块、异常风险分析模块和数字化孪生模块；
数字孪生架构模块，用于对地面监测区域范围进行网格划分，生成网格范围集合；根据网格范围集合，对水网体系中各个水站监测覆盖的地面范围和各个水渠流域的地面范围进行数字孪生映射，生成映射站范围网格集合和映射流范围网格集合；
其中，数字孪生架构模块还包括区域划分单元和孪生映射单元；
区域划分单元，用于通过遥感影像技术，识别地面监测区域范围并进行均匀的单位网格划分，统筹划分的全部单位网格且进行统一的编号，并生成网格范围集合，记为G={g1，g2，...，gn}，其中，g1，g2，...，gn分别表示第1，2，...，n个单位网格；
孪生映射单元，用于分别对水网体系中全部水站和水渠进行统一编号，且根据网格范围集合，分别对水网体系中各个水站监测覆盖的地面范围和各个水渠流域的地面范围进行数字孪生映射，并分别生成映射站范围网格集合，记为WSi={g1，g2，...，gx}，和映射流范围网格集合，记为DAj={g1，g2，...，gy}，其中，WSi表示第i个水站对应生成的映射站范围网格集合，DAj表示第j个水渠对应生成的映射流范围网格集合，WSi、DAj∈G，x、y≤n；
异常数据处理模块，用于构建水网监测数据库，存储历史监测水情信息时对不同水渠监测报警的异常流域网格集合，和对不同水渠监测报警过程中发送报警信号的水站监测到的异常站报网格集合；根据异常流域网格集合和异常站报网格集合，建立固化数据治理链路；
其中，异常数据处理模块还包括异常数据存储单元和数据治理链路单元；
异常数据存储单元，用于构建水网监测数据库，水网监测数据库中存储有历史监测水情信息时对不同水渠监测报警的异常流域网格集合，和对不同水渠监测报警过程中发送报警信号的水站监测到的异常站报网格集合；异常站报网格集合和异常流域网格集合分别为映射站范围网格集合和映射流范围网格集合中部分或全部单位网格项构成的项集，将第T次历史监测水情时对第j个水渠监测报警的异常流域网格集合记为YDj(T)，和对第j个水渠监测报警过程中第i个水站监测到的异常站报网格集合记为YWi(T)，其中，YDj(T)∈DAj，YWi(T)∈WSi；
数据治理链路单元，用于以异常流域网格集合为数据链统筹中心，全面覆盖第j个水渠涉及流域范围内的监测水站，并根据水站对应的异常战报网格集合，建立固化数据治理链路，记为YDj(T)→{YWi(T)|i∈[1，I]}，其中，I表示水站总数量；
异常风险分析模块，根据固化数据治理链路，分析不同次历史监测水情时不同水渠涉及流域范围内的异常危险网格区，并生成数据治理样本库；根据固化数据治理链路和数据治理样本库，结合监测到的实时危险网格区，分析生成频繁危险区网格集合样本库；
其中，异常风险分析模块还包括风险区感知单元和风险分析单元；
风险区感知单元，根据固化数据治理链路，分析生成第T次历史监测水情时第j个水渠涉及流域范围内的异常危险网格区集合，记为DGj(T)，且DGj(T)=YDj(T)-YDj(T)∩[⨆i=1 IYWi(T)]；统筹每次历史监测水情时第j个水渠对应生成的异常危险网格区集合，并存储到数据治理样本库R中，且R={DGj(T)|T∈[1，K)}，其中，K为当前实时监测水情的次序；
风险分析单元，用于在第K次实时监测水情时，根据固化数据治理链路YDj(K)→{YWi(K)|i∈[1，I]}，生成实时危险网格区集合，记为WGj(K)=⨆i=1 IYWi(K)；将实时危险网格区集合与数据治理样本库R中每次历史监测水情时第j个水渠对应生成的异常危险网格区集合之间进行比对，并生成频繁危险区网格集合样本库，记为FGj={fGj(T)=DGj(T)-DGj(T)∩WGj(K)|T∈[1，K)}，其中，FGj表示第j个水渠对应生成的频繁危险区网格集合样本库，fGj(T)表示通过将实时危险网格区集合WGj(K)与第T次历史监测水情时第j个水渠对应生成的异常危险网格区集合DGj(T)之间进行比对后，生成的频繁危险区网格集合；
数字化孪生模块，根据频繁危险区网格集合样本库，分析任意一个单位网格的频繁度，并结合数字孪生技术，进行数字化展示；
其中，数字化孪生模块还包括数字化分析单元和数字化展示单元；
数字化分析单元，用于在频繁危险区网格集合样本库中获取任意一个单位网格，记为gs，并根据频繁危险区网格集合样本库，计算任意一个单位网格gs的频繁度，具体计算公式如下：
F(gs)=(K-1)-1ΣT=1 K-1H[if：gs∈fGj(T)]
其中，F(gs)表示单位网格gs的频繁度，H[·]表示计数判断函数，如果gs∈fGj(T)，则令H[if：gs∈fGj(T)]=1，否则令H[if：gs∈fGj(T)]=0；
数字化展示单元，根据单位网格gs的频繁度，结合数字孪生技术，对均匀的单位网格进行频繁度的数字化展示；
例如，对于某个区域的水网体系，通过分析得到频繁危险区网格集合样本FG4={fG4(1)={g1，g3},fG4(2)={g2，g5},fG4(3)={g1，g4}}，则F(g1)=2/3。
请参阅图2，在本实施例二中：提供一种基于数字孪生的水网数据监管方法，该方法包括以下步骤：
对地面监测区域范围进行网格划分，生成网格范围集合；根据网格范围集合，对水网体系中各个水站监测覆盖的地面范围和各个水渠流域的地面范围进行数字孪生映射，生成映射站范围网格集合和映射流范围网格集合；
通过遥感影像技术，识别地面监测区域范围并进行均匀的单位网格划分，统筹划分的全部单位网格且进行统一的编号，并生成网格范围集合，记为G={g1，g2，...，gn}，其中，g1，g2，...，gn分别表示第1，2，...，n个单位网格；
分别对水网体系中全部水站和水渠进行统一编号，且根据网格范围集合，分别对水网体系中各个水站监测覆盖的地面范围和各个水渠流域的地面范围进行数字孪生映射，并分别生成映射站范围网格集合，记为WSi={g1，g2，...，gx}，和映射流范围网格集合，记为DAj={g1，g2，...，gy}，其中，WSi表示第i个水站对应生成的映射站范围网格集合，DAj表示第j个水渠对应生成的映射流范围网格集合，WSi、DAj∈G，x、y≤n；
构建水网监测数据库，存储历史监测水情信息时对不同水渠监测报警的异常流域网格集合，和对不同水渠监测报警过程中发送报警信号的水站监测到的异常站报网格集合；根据异常流域网格集合和异常站报网格集合，建立固化数据治理链路；
构建水网监测数据库，水网监测数据库中存储有历史监测水情信息时对不同水渠监测报警的异常流域网格集合，和对不同水渠监测报警过程中发送报警信号的水站监测到的异常站报网格集合；异常站报网格集合和异常流域网格集合分别为映射站范围网格集合和映射流范围网格集合中部分或全部单位网格项构成的项集，将第T次历史监测水情时对第j个水渠监测报警的异常流域网格集合记为YDj(T)，和对第j个水渠监测报警过程中第i个水站监测到的异常站报网格集合记为YWi(T)，其中，YDj(T)∈DAj，YWi(T)∈WSi；
以异常流域网格集合为数据链统筹中心，全面覆盖第j个水渠涉及流域范围内的监测水站，并根据水站对应的异常战报网格集合，建立固化数据治理链路，记为YDj(T)→{YWi(T)|i∈[1，I]}，其中，I表示水站总数量；
根据固化数据治理链路，分析不同次历史监测水情时不同水渠涉及流域范围内的异常危险网格区，并生成数据治理样本库；根据固化数据治理链路和数据治理样本库，结合监测到的实时危险网格区，分析生成频繁危险区网格集合样本库；
根据固化数据治理链路，分析生成第T次历史监测水情时第j个水渠涉及流域范围内的异常危险网格区集合，记为DGj(T)，且DGj(T)=YDj(T)-YDj(T)∩[⨆i=1 IYWi(T)]；统筹每次历史监测水情时第j个水渠对应生成的异常危险网格区集合，并存储到数据治理样本库R中，且R={DGj(T)|T∈[1，K)}，其中，K为当前实时监测水情的次序；
在第K次实时监测水情时，根据固化数据治理链路YDj(K)→{YWi(K)|i∈[1，I]}，生成实时危险网格区集合，记为WGj(K)=⨆i=1 IYWi(K)；将实时危险网格区集合与数据治理样本库R中每次历史监测水情时第j个水渠对应生成的异常危险网格区集合之间进行比对，并生成频繁危险区网格集合样本库，记为FGj={fGj(T)=DGj(T)-DGj(T)∩WGj(K)|T∈[1，K)}，其中，FGj表示第j个水渠对应生成的频繁危险区网格集合样本库，fGj(T)表示通过将实时危险网格区集合WGj(K)与第T次历史监测水情时第j个水渠对应生成的异常危险网格区集合DGj(T)之间进行比对后，生成的频繁危险区网格集合；
根据频繁危险区网格集合样本库，分析任意一个单位网格的频繁度，并结合数字孪生技术，进行数字化展示；
在频繁危险区网格集合样本库中获取任意一个单位网格，记为gs，并根据频繁危险区网格集合样本库，计算任意一个单位网格gs的频繁度，具体计算公式如下：
F(gs)=(K-1)-1ΣT=1 K-1H[if：gs∈fGj(T)]
其中，F(gs)表示单位网格gs的频繁度，H[·]表示计数判断函数，如果gs∈fGj(T)，则令H[if：gs∈fGj(T)]=1，否则令H[if：gs∈fGj(T)]=0；
根据单位网格gs的频繁度，结合数字孪生技术，对均匀的单位网格进行频繁度的数字化展示。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”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过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并且不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。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 (10)

1.一种基于数字孪生的水网数据监管方法，其特征在于，该方法包括以下步骤：
步骤S100：对地面监测区域范围进行网格划分，生成网格范围集合；根据网格范围集合，对水网体系中各个水站监测覆盖的地面范围和各个水渠流域的地面范围进行数字孪生映射，生成映射站范围网格集合和映射流范围网格集合；
步骤S200：构建水网监测数据库，存储历史监测水情信息时对不同水渠监测报警的异常流域网格集合，和对不同水渠监测报警过程中发送报警信号的水站监测到的异常站报网格集合；根据异常流域网格集合和异常站报网格集合，建立固化数据治理链路；
步骤S300：根据固化数据治理链路，分析不同次历史监测水情时不同水渠涉及流域范围内的异常危险网格区，并生成数据治理样本库；根据固化数据治理链路和数据治理样本库，结合监测到的实时危险网格区，分析生成频繁危险区网格集合样本库；
步骤S400：根据频繁危险区网格集合样本库，分析任意一个单位网格的频繁度，并结合数字孪生技术，进行数字化展示。
2.根据权利要求1所述的一种基于数字孪生的水网数据监管方法，其特征在于，所述步骤S100的具体实施过程包括：
步骤S101：通过遥感影像技术，识别地面监测区域范围并进行均匀的单位网格划分，统筹划分的全部单位网格且进行统一的编号，并生成网格范围集合，记为G={g1，g2，...，gn}，其中，g1，g2，...，gn分别表示第1，2，...，n个单位网格；
步骤S102：分别对水网体系中全部水站和水渠进行统一编号，且根据网格范围集合，分别对水网体系中各个水站监测覆盖的地面范围和各个水渠流域的地面范围进行数字孪生映射，并分别生成映射站范围网格集合，记为WSi={g1，g2，...，gx}，和映射流范围网格集合，记为DAj={g1，g2，...，gy}，其中，WSi表示第i个水站对应生成的映射站范围网格集合，DAj表示第j个水渠对应生成的映射流范围网格集合，WSi、DAj∈G，x、y≤n。
3.根据权利要求2所述的一种基于数字孪生的水网数据监管方法，其特征在于，所述步骤S200的具体实施过程包括：
步骤S201：构建水网监测数据库，所述水网监测数据库中存储有历史监测水情信息时对不同水渠监测报警的异常流域网格集合，和对不同水渠监测报警过程中发送报警信号的水站监测到的异常站报网格集合；所述异常站报网格集合和所述异常流域网格集合分别为所述映射站范围网格集合和所述映射流范围网格集合中部分或全部单位网格项构成的项集，将第T次历史监测水情时对第j个水渠监测报警的异常流域网格集合记为YDj(T)，和对第j个水渠监测报警过程中第i个水站监测到的异常站报网格集合记为YWi(T)，其中，YDj(T)∈DAj，YWi(T)∈WSi；
步骤S202：以异常流域网格集合为数据链统筹中心，全面覆盖第j个水渠涉及流域范围内的监测水站，并根据水站对应的异常战报网格集合，建立固化数据治理链路，记为YDj(T)→{YWi(T)|i∈[1，I]}，其中，I表示水站总数量。
4.根据权利要求3所述的一种基于数字孪生的水网数据监管方法，其特征在于，所述步骤S300的具体实施过程包括：
步骤S301：根据固化数据治理链路，分析生成第T次历史监测水情时第j个水渠涉及流域范围内的异常危险网格区集合，记为DGj(T)，且DGj(T)=YDj(T)-YDj(T)∩[⨆i=1 IYWi(T)]；统筹每次历史监测水情时第j个水渠对应生成的异常危险网格区集合，并存储到数据治理样本库R中，且R={DGj(T)|T∈[1，K)}，其中，K为当前实时监测水情的次序；
步骤S302：在第K次实时监测水情时，根据固化数据治理链路YDj(K)→{YWi(K)|i∈[1，I]}，生成实时危险网格区集合，记为WGj(K)=⨆i=1 IYWi(K)；将实时危险网格区集合与数据治理样本库R中每次历史监测水情时第j个水渠对应生成的异常危险网格区集合之间进行比对，并生成频繁危险区网格集合样本库，记为FGj={fGj(T)=DGj(T)-DGj(T)∩WGj(K)|T∈[1，K)}，其中，FGj表示第j个水渠对应生成的频繁危险区网格集合样本库，fGj(T)表示通过将实时危险网格区集合WGj(K)与第T次历史监测水情时第j个水渠对应生成的异常危险网格区集合DGj(T)之间进行比对后，生成的频繁危险区网格集合。
5.根据权利要求4所述的一种基于数字孪生的水网数据监管方法，其特征在于，所述步骤S400的具体实施过程包括：
步骤S401：在频繁危险区网格集合样本库中获取任意一个单位网格，记为gs，并根据频繁危险区网格集合样本库，计算任意一个单位网格gs的频繁度，具体计算公式如下：
F(gs)=(K-1)-1ΣT=1 K-1H[if：gs∈fGj(T)]
其中，F(gs)表示单位网格gs的频繁度，H[·]表示计数判断函数，如果gs∈fGj(T)，则令H[if：gs∈fGj(T)]=1，否则令H[if：gs∈fGj(T)]=0；
步骤S402：根据单位网格gs的频繁度，结合数字孪生技术，对均匀的单位网格进行频繁度的数字化展示。
6.一种基于数字孪生的水网数据监管系统，其特征在于，所述系统包括：数字孪生架构模块、异常数据处理模块、异常风险分析模块和数字化孪生模块；
所述数字孪生架构模块，用于对地面监测区域范围进行网格划分，生成网格范围集合；根据网格范围集合，对水网体系中各个水站监测覆盖的地面范围和各个水渠流域的地面范围进行数字孪生映射，生成映射站范围网格集合和映射流范围网格集合；
所述异常数据处理模块，用于构建水网监测数据库，存储历史监测水情信息时对不同水渠监测报警的异常流域网格集合，和对不同水渠监测报警过程中发送报警信号的水站监测到的异常站报网格集合；根据异常流域网格集合和异常站报网格集合，建立固化数据治理链路；
所述异常风险分析模块，根据固化数据治理链路，分析不同次历史监测水情时不同水渠涉及流域范围内的异常危险网格区，并生成数据治理样本库；根据固化数据治理链路和数据治理样本库，结合监测到的实时危险网格区，分析生成频繁危险区网格集合样本库；
所述数字化孪生模块，根据频繁危险区网格集合样本库，分析任意一个单位网格的频繁度，并结合数字孪生技术，进行数字化展示。
7.根据权利要求6所述的一种基于数字孪生的水网数据监管系统，其特征在于：所述数字孪生架构模块还包括区域划分单元和孪生映射单元；
所述区域划分单元，用于通过遥感影像技术，识别地面监测区域范围并进行均匀的单位网格划分，统筹划分的全部单位网格且进行统一的编号，并生成网格范围集合，记为G={g1，g2，...，gn}，其中，g1，g2，...，gn分别表示第1，2，...，n个单位网格；
所述孪生映射单元，用于分别对水网体系中全部水站和水渠进行统一编号，且根据网格范围集合，分别对水网体系中各个水站监测覆盖的地面范围和各个水渠流域的地面范围进行数字孪生映射，并分别生成映射站范围网格集合，记为WSi={g1，g2，...，gx}，和映射流范围网格集合，记为DAj={g1，g2，...，gy}，其中，WSi表示第i个水站对应生成的映射站范围网格集合，DAj表示第j个水渠对应生成的映射流范围网格集合，WSi、DAj∈G，x、y≤n。
8.根据权利要求7所述的一种基于数字孪生的水网数据监管系统，其特征在于：所述异常数据处理模块还包括异常数据存储单元和数据治理链路单元；
所述异常数据存储单元，用于构建水网监测数据库，所述水网监测数据库中存储有历史监测水情信息时对不同水渠监测报警的异常流域网格集合，和对不同水渠监测报警过程中发送报警信号的水站监测到的异常站报网格集合；所述异常站报网格集合和所述异常流域网格集合分别为所述映射站范围网格集合和所述映射流范围网格集合中部分或全部单位网格项构成的项集，将第T次历史监测水情时对第j个水渠监测报警的异常流域网格集合记为YDj(T)，和对第j个水渠监测报警过程中第i个水站监测到的异常站报网格集合记为YWi(T)，其中，YDj(T)∈DAj，YWi(T)∈WSi；
所述数据治理链路单元，用于以异常流域网格集合为数据链统筹中心，全面覆盖第j个水渠涉及流域范围内的监测水站，并根据水站对应的异常战报网格集合，建立固化数据治理链路，记为YDj(T)→{YWi(T)|i∈[1，I]}，其中，I表示水站总数量。
9.根据权利要求8所述的一种基于数字孪生的水网数据监管系统，其特征在于：所述异常风险分析模块还包括风险区感知单元和风险分析单元；
所述风险区感知单元，根据固化数据治理链路，分析生成第T次历史监测水情时第j个水渠涉及流域范围内的异常危险网格区集合，记为DGj(T)，且DGj(T)=YDj(T)-YDj(T)∩[⨆i=1 IYWi(T)]；统筹每次历史监测水情时第j个水渠对应生成的异常危险网格区集合，并存储到数据治理样本库R中，且R={DGj(T)|T∈[1，K)}，其中，K为当前实时监测水情的次序；
所述风险分析单元，用于在第K次实时监测水情时，根据固化数据治理链路YDj(K)→{YWi(K)|i∈[1，I]}，生成实时危险网格区集合，记为WGj(K)=⨆i=1 IYWi(K)；将实时危险网格区集合与数据治理样本库R中每次历史监测水情时第j个水渠对应生成的异常危险网格区集合之间进行比对，并生成频繁危险区网格集合样本库，记为FGj={fGj(T)=DGj(T)-DGj(T)∩WGj(K)|T∈[1，K)}，其中，FGj表示第j个水渠对应生成的频繁危险区网格集合样本库，fGj(T)表示通过将实时危险网格区集合WGj(K)与第T次历史监测水情时第j个水渠对应生成的异常危险网格区集合DGj(T)之间进行比对后，生成的频繁危险区网格集合。
10.根据权利要求9所述的一种基于数字孪生的水网数据监管系统，其特征在于：所述数字化孪生模块还包括数字化分析单元和数字化展示单元；
所述数字化分析单元，用于在频繁危险区网格集合样本库中获取任意一个单位网格，记为gs，并根据频繁危险区网格集合样本库，计算任意一个单位网格gs的频繁度，具体计算公式如下：
F(gs)=(K-1)-1ΣT=1 K-1H[if：gs∈fGj(T)]
其中，F(gs)表示单位网格gs的频繁度，H[·]表示计数判断函数，如果gs∈fGj(T)，则令H[if：gs∈fGj(T)]=1，否则令H[if：gs∈fGj(T)]=0；
所述数字化展示单元，根据单位网格gs的频繁度，结合数字孪生技术，对均匀的单位网格进行频繁度的数字化展示。
CN202311414016.2A 2023-10-30 2023-10-30 一种基于数字孪生的水网数据监管系统及方法 Active CN117149935B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311414016.2A CN117149935B (zh) 2023-10-30 2023-10-30 一种基于数字孪生的水网数据监管系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311414016.2A CN117149935B (zh) 2023-10-30 2023-10-30 一种基于数字孪生的水网数据监管系统及方法

Publications (2)

Publication Number Publication Date
CN117149935A true CN117149935A (zh) 2023-12-01
CN117149935B CN117149935B (zh) 2024-01-19

Family

ID=88899097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311414016.2A Active CN117149935B (zh) 2023-10-30 2023-10-30 一种基于数字孪生的水网数据监管系统及方法

Country Status (1)

Country Link
CN (1) CN117149935B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106844531A (zh) * 2016-12-29 2017-06-13 福建四创软件有限公司 一种基于网格的防汛指挥研判系统
CN113256101A (zh) * 2021-05-20 2021-08-13 东南大学 一种城乡湖泊蓄水量变化的关键驱动力分析方法
CN114996329A (zh) * 2022-06-02 2022-09-02 浙江工业大学 基于数字孪生的水利监测及灾害推演方法
US20230091293A1 (en) * 2021-09-17 2023-03-23 Robert Bosch Gmbh Continuous monitoring and/or provisioning of software

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106844531A (zh) * 2016-12-29 2017-06-13 福建四创软件有限公司 一种基于网格的防汛指挥研判系统
CN113256101A (zh) * 2021-05-20 2021-08-13 东南大学 一种城乡湖泊蓄水量变化的关键驱动力分析方法
US20230091293A1 (en) * 2021-09-17 2023-03-23 Robert Bosch Gmbh Continuous monitoring and/or provisioning of software
CN114996329A (zh) * 2022-06-02 2022-09-02 浙江工业大学 基于数字孪生的水利监测及灾害推演方法

Also Published As

Publication number Publication date
CN117149935B (zh) 2024-01-19

Similar Documents

Publication Publication Date Title
US6816811B2 (en) Method of intelligent data analysis to detect abnormal use of utilities in buildings
CN111429579A (zh) 一种以bim技术为载体的三维可视化自动监测系统平台
CN116129366A (zh) 基于数字孪生的园区监测方法及相关装置
CN113409482B (zh) 一种光缆线路巡检监控及工作量化考核方法
CN115577939A (zh) 基于水安全的城市防汛调度指挥系统
CN112633779B (zh) 一种对环境监测数据可信度进行评估的方法
CN111984930A (zh) 一种地下水水位监测数据异常值识别方法及系统
JP2009136265A (ja) 都市緑化の生物多様性向上効果予測システム
CN117575169A (zh) 一种基于数据处理的智慧农业管理系统
CN114116396A (zh) 一种全链路追踪方法、系统、存储介质及设备
CN114511429A (zh) 地质灾害危险等级评估方法及装置
CN112991688A (zh) 一种基于pul算法的地质灾害时空联合预警方法及系统
CN115511391A (zh) 一种基于bim模型的工程质量监管预警系统和方法
CN117149935B (zh) 一种基于数字孪生的水网数据监管系统及方法
CN115907639A (zh) 一种基于cim的区块链工程协同监管系统及方法
CN116167892A (zh) 基于数字孪生的水库信息化管理系统
CN117173613B (zh) 一种工程建设项目全过程信息化智能管理系统及方法
CN115829192B (zh) 一种用于实现工程信息安全监管的数字化管理系统及方法
CN117041885A (zh) 基于信令数据的用户住地分析方法
CN117372629A (zh) 一种基于数字孪生的水库可视化数据监管控制系统及方法
JP6671249B2 (ja) 用水路監視装置
CN116596484A (zh) 一种装配式建筑施工智能管理方法及系统
CN113128803A (zh) 油气管道风险确定方法、装置及计算机设备
CN116434138A (zh) 一种应用于多云多雾地区耕地智保实时动态监控方法
CN114822790A (zh) 一种基于联盟链的医疗废弃物处理监测系统和方法

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