CN117191147A - 一种泄洪大坝水位监测预警方法及系统 - Google Patents
一种泄洪大坝水位监测预警方法及系统 Download PDFInfo
- Publication number
- CN117191147A CN117191147A CN202311163531.8A CN202311163531A CN117191147A CN 117191147 A CN117191147 A CN 117191147A CN 202311163531 A CN202311163531 A CN 202311163531A CN 117191147 A CN117191147 A CN 117191147A
- Authority
- CN
- China
- Prior art keywords
- flood discharge
- reservoir
- dam
- historical
- environment information
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012544 monitoring process Methods 0.000 title claims abstract description 40
- 239000013598 vector Substances 0.000 claims abstract description 58
- 239000002689 soil Substances 0.000 claims abstract description 14
- 230000007613 environmental effect Effects 0.000 claims description 46
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000012163 sequencing technique Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 16
- 238000010219 correlation analysis Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 208000028659 discharge Diseases 0.000 description 187
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000010606 normalization Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000006424 Flood reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000002759 z-score normalization Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及水位监测的技术领域，特别是涉及一种泄洪大坝水位监测预警方法及系统，其提高预测精度和可靠性，能够更好地保障大坝稳定性和安全性；方法包括：采集泄洪大坝所在水库在多次历史泄洪预设时间前的多维度水库环境参数集合，获得多个历史泄洪水库环境信息集合；多维度水库环境参数集合包括水库水位、水库流量、水库预设范围内的降雨量、气温、水质、土壤湿度和风向量；采集泄洪大坝在多次历史泄洪开始时的大坝承压参数集合，获得多个历史大坝承压参数集合；大坝承压参数集合包括大坝在不同水位下的压力，大坝承压参数集合中各元素为大坝不同位置的定位参数与相对位置压力组成的异构向量。
Description
技术领域
本发明涉及水位监测的技术领域，特别是涉及一种泄洪大坝水位监测预警方法及系统。
背景技术
泄洪大坝的主要功能是调节和控制水库的蓄水容量，以应对降雨过多或其他原因引起的水库水位过高的情况，从而避免水库溢满或决口，造成洪水灾害；例如，在降雨过多或其他洪水源引起的洪水情况下，泄洪大坝能够通过释放水库中的超出正常蓄水容量的水量，以减缓洪峰流量和洪水过程，减少洪水对下游地区的冲击和破坏。
现有的的预警方法多是通过实时监测水库的水位变化情况或监测预报降雨情况，来判断水位是否需要开闸泄洪。往往忽视了其他环境因素对大坝造成的压力影响，泄洪预测不精准，影响大坝的稳定性，存在一定的安全隐患。
发明内容
为解决上述技术问题，本发明提供一种提高预测精度和可靠性，能够更好地保障大坝稳定性和安全性的一种泄洪大坝水位监测预警方法。
第一方面，本发明提供了一种泄洪大坝水位监测预警方法，所述方法包括：
采集泄洪大坝所在水库在多次历史泄洪预设时间前的多维度水库环境参数集合，获得多个历史泄洪水库环境信息集合；所述多维度水库环境参数集合包括水库水位、水库流量、水库预设范围内的降雨量、气温、水质、土壤湿度和风向量；
采集泄洪大坝在多次历史泄洪开始时的大坝承压参数集合，获得多个历史大坝承压参数集合；所述大坝承压参数集合包括大坝在不同水位下的压力，所述大坝承压参数集合中各元素为大坝不同位置的定位参数与相对位置压力组成的异构向量；
对相同时间节点内的历史泄洪水库环境信息集合和历史大坝承压参数集合进行相关性分析，获得泄洪相关性参数集合；
对所述泄洪相关性参数集合进行排序，获得与泄洪相关性最大的若干个水库环境参数，并生成泄洪隐患特征集合；
根据泄洪隐患特征集合，获取未来预设时间后相同特征的多维度水库环境参数，获得水库预测环境信息集合；
将所述水库预测环境信息集合输入至预先构建的泄洪预警分析模型中，获得预警结果并向工作人员进行预警。
进一步地，对相同时间节点内的历史泄洪水库环境信息集合和历史大坝承压参数集合进行相关性分析的方法，包括：
按照相同时间节点将历史泄洪水库环境信息集合和历史大坝承压参数集合进行排序，确保它们按照时间顺序排列；
对历史泄洪水库环境信息集合和历史大坝承压参数集合中的每个位置的异构向量进行无量纲化处理；
计算历史泄洪水库环境信息集合和每个异构向量之间的关联系数；
在计算关联系数后，使用权重方法计算历史泄洪水库环境信息集合对每个异构向量的影响关联度；
将历史泄洪水库环境信息集合对每个异构向量的影响关联度作为泄洪相关性参数，形成泄洪相关性参数集合。
进一步地，计算历史泄洪水库环境信息集合和每个异构向量之间的关联系数的计算公式如下：
其中，xi和yi分别表示历史泄洪水库环境信息集合和异构向量的样本值；和/>分别表示历史泄洪水库环境信息集合和异构向量的平均值；σx和σy分别表示历史泄洪水库环境信息集合和异构向量的标准差；关联系数的取值范围为[-1，1]，绝对值越接近1，表示关系越强，0表示无关系；H表示历史泄洪水库环境信息集合；V表示异构向量。
进一步地，所述影响关联度计算公式如下：
I(V)＝R(H，V)×W(V)；
其中，R(H，V)是H和V之间的关联系数，W(V)是关联度权重。
进一步地，对所述泄洪相关性参数集合进行排序的方法，包括：
对泄洪相关性参数集合中的影响关联度进行排序，将影响关联度高的参数排在前面；
根据预先设定的条件，选择影响关联度最高的若干个参数作为关键参数；
根据选择的关键参数，生成泄洪隐患特征集合。
进一步地，获得水库预测环境信息集合的方法，包括：
确定未来要进行水库环境参数预测的时间窗口；
根据确定的时间窗口，收集与泄洪隐患特征集合中的关键参数相对应的多维度水库环境参数的数据；
对收集到的多维度水库环境参数进行归一化处理；
将归一化处理后的多维度水库环境参数整合并组成水库预测环境信息集合。
另一方面，本申请还提供了一种泄洪大坝水位监测预警系统，所述系统包括：
历史环境数据获取模块，用于获取泄洪大坝所在水库的多维度水库环境参数集合，所述多维度水库环境参数集合包括水库水位、水库流量、水库预设范围内的降雨量、气温、水质、土壤湿度和风向量，通过采集多个历史泄洪预设时间前的水库环境参数，获得多个历史泄洪水库环境信息集合，并发送：
历史承压数据获取模块，用于获取泄洪大坝在历史泄洪开始时的大坝承压参数集合；所述大坝承压参数集合包括大坝在不同水位下的压力，其中每个元素表示大坝不同位置的定位参数与相对位置压力组成的异构向量；通过采集多个历史泄洪开始时的大坝承压参数，获得多个历史大坝承压参数集合，并发送；
相关性分析模块，用于接收多个历史泄洪水库环境信息集合与多个历史大坝承压参数集合；对相同时间节点内的历史泄洪水库环境信息集合和历史大坝承压参数集合进行相关性分析，得到泄洪相关性参数集合；
特征提取模块，用于接收泄洪相关性参数集合，并对泄洪相关性参数集合进行排序，提取与泄洪相关性最大的若干个水库环境参数，组成泄洪隐患特征集合；
未来环境数据获取模块，用于读取泄洪隐患特征集合，并根据泄洪隐患特征集合，获取未来预设时间后与泄洪隐患特征集合具有相同特征的多维度水库环境参数，得到水库预测环境信息集合，并发送；
预警模块，用于接收水库预测环境信息集合，并将水库预测环境信息集合输入预先构建的泄洪预警分析模型中，进行泄洪事件的预测和分析，并生成预警结果，并向相关工作人员发送预警结果。
第三方面，本申请提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
第四方面，本申请还提供了一种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意一项所述方法中的步骤。
与现有技术相比本发明的有益效果为：本发明通过采集多个环境参数，能够更全面地评估大坝所处的环境状况，更准确地预测泄洪需求；通过对历史数据进行分析和挖掘，找出泄洪与各个环境因素之间的相关性，再利用这些相关性来预测未来的泄洪情况；这种方法具有更高的预测精度和可靠性，能够更好地保障大坝的稳定性和安全性；
通过对历史泄洪水库环境信息和历史泄洪过程中的大坝承压参数进行相关性分析，能够识别出影响大坝稳定性的关键因素，提高了预警的准确性和针对性；
通过将水库预测环境信息集合输入到预先构建的泄洪预警分析模型中，能够自动生成预警结果，并向工作人员进行预警；这种方法能够提高预警的及时性和准确性，减少人工操作的误差，更好地保障大坝的安全运行；
综上所述，该方法在解决所述问题中具有考虑更多的环境因素、结合了历史数据和实时监测、采用了先进的数据分析技术以及实现了智能化预警等优点；这些优点能够提高预测精度和可靠性，更好地保障大坝的稳定性和安全性，减少洪水灾害的发生。
附图说明
图1是本发明的流程图；
图2是获得水库预测环境信息集合的流程图；
图3是泄洪大坝水位监测预警系统的结构图。
具体实施方式
在本申请的描述中，所属技术领域的技术人员应当知道，本申请可以实现为方法、装置、电子设备及计算机可读存储介质。因此，本申请可以具体实现为以下形式：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外，在一些实施例中，本申请还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式，该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括：电、磁、光、电磁、红外或半导体的系统、装置或器件，或者以上任意的组合。计算机可读存储介质更具体的例子包括：便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本申请中，计算机可读存储介质可以是任意包含或存储程序的有形介质，该程序可以被指令执行系统、装置、器件使用或与其结合使用。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律的相关规定。
本申请通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解，流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合，都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而生产出一种机器，这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行，产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样，存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本申请中的附图对本申请进行描述。
实施例一
如图1至图2所示，本发明的一种泄洪大坝水位监测预警方法，具体包括以下步骤：
S1、采集泄洪大坝所在水库在多次历史泄洪预设时间前的多维度水库环境参数集合，获得多个历史泄洪水库环境信息集合；所述多维度水库环境参数集合包括水库水位、水库流量、水库预设范围内的降雨量、气温、水质、土壤湿度和风向量；
S1步骤的主要目标是采集泄洪大坝所在水库在多次历史泄洪预设时间前的多维度水库环境参数集合，并获得多个历史泄洪水库环境信息集合；这些水库环境参数的采集对于后续的泄洪预测和预警分析非常重要；为了获取水库的环境信息，通常会使用多种传感器和监测设备进行实时监测；具体包括以下水库环境参数：
水库水位：水位传感器可以安装在水库各个关键位置，通过测量水位来监测水库的水位变化；水位数据是判断水库是否需要泄洪的重要依据；
水库流量：流量计用于测量通过水库的流体流量，以监测水库的进水和出水情况；流量数据可以帮助判断水库的蓄水和泄洪情况；
降雨量：降雨量传感器用于实时监测降雨情况，包括降雨强度和降雨面积等信息；降雨量是判断水库泄洪需求的重要参考指标；
气温：气温传感器用于监测空气温度变化，气温数据可以提供关于水库周围环境条件的信息，例如融雪情况或降雨形式的改变；
水质：水质传感器可以监测水库水体的各项水质指标，包括pH值、溶解氧、浊度等；监测水质有助于了解水库的污染程度和对水环境的影响；
土壤湿度：土壤湿度传感器可以安装在水库周围的土地上，用于监测土壤湿度的变化；土壤湿度数据对于了解水库周围的地下水位和降雨入渗情况具有重要意义；
风向量：风向传感器用于监测风的方向和风速，可以提供风对水库水位和水面波动的影响情况；
在S1阶段，需要根据泄洪大坝所在水库的具体情况，选择合适的传感器和监测设备进行数据采集；这些设备应当被部署在水库的关键位置，以确保收集到准确、全面的水库环境参数数据；采集到的数据应当记录并整理成多维度水库环境参数集合，以供后续的泄洪预测和预警分析使用。
S2、采集泄洪大坝在多次历史泄洪开始时的大坝承压参数集合，获得多个历史大坝承压参数集合；所述大坝承压参数集合包括大坝在不同水位下的压力，所述大坝承压参数集合中各元素为大坝不同位置的定位参数与相对位置压力组成的异构向量；
S2步骤是采集泄洪大坝在多次历史泄洪开始时的大坝承压参数集合，获得多个历史大坝承压参数集合；为了确保大坝的稳定性和安全性，需要对大坝的压力和应力进行监测和评估；大坝承压参数集合包括大坝在不同水位下的压力；这意味着需要在不同的水位条件下对大坝进行测量和监测，以获取大坝在各个水位下的压力值，可以通过安装传感器和测量设备来实现；
在泄洪开始时，通过实时监测设备，可以获得大坝内的压力数据；这些数据包括大坝不同位置的定位参数和相对位置压力组成的异构向量；定位参数通常包括大坝的具体位置和方位角度等信息；而相对位置压力是指在不同位置上测量到的压力值。
举例说明异构向量和大坝承压参数集合：
异构向量：在大坝承压参数集合中，异构向量代表不同位置的压力值与其相应的定位参数的组合；举例来说，假设大坝有三个不同的位置(A、B、C)，对应于每个位置的定位参数为坐标或角度信息，异构向量可以表示为：
位置A：[定位参数A，压力A]；
位置B：[定位参数B，压力B]；
位置C：[定位参数C，压力C]；
在这个示例中，异构向量由定位参数和相对位置的压力组成，每个位置都有与之相关联的压力值；
大坝承压参数集合：大坝承压参数集合是由同一次泄洪开始时测量到不同水位的异构向量，大坝承压参数集合可以表示为：[位置A：压力1，位置B：压力2，位置C：压力3]。
通过采集泄洪大坝在多次历史泄洪开始时的承压参数集合，可以获得多组数据，提供了更全面且多样化的信息；这样可以更好地了解大坝在不同泄洪事件下的承压情况，对大坝的稳定性和安全性进行全面评估；大坝承压参数集合包括大坝在不同水位下的压力数据；这些数据可以反映大坝在不同水位条件下的压力变化，帮助工程师和专家了解不同水位对大坝结构的影响，有效评估大坝的安全性和稳定性；
大坝承压参数集合中的异构向量提供了不同位置的定位参数和相对位置压力的组合；通过综合不同位置的压力数据和定位参数，可以更详细地了解大坝内部的压力分布情况和变化趋势；这样可以帮助工程师进行全面的结构分析和安全评估；
综上所述，S2步骤的优点包括多次历史大坝数据的采集、反映不同水位下的压力情况、异构向量的综合信息以及提供实时监测数据，这些都有助于更全面地评估大坝的稳定性和安全性。
S3、对相同时间节点内的历史泄洪水库环境信息集合和历史大坝承压参数集合进行相关性分析，获得泄洪相关性参数集合；
S3步骤的目的是探索水库环境参数与大坝承压参数之间的相关性，从而建立它们之间的关联性模型；具体的操作步骤如下：
S31、参数定义：对上述集合和参数进行如下定义：
历史泄洪水库环境信息集合：H＝{水库水位，水库流量，降雨量，气温，水质，土壤湿度，风向}；
历史大坝承压参数集合：D＝{[位置A：定位参数A，压力A]，[位置B：定位参数B，压力B]，[位置C：定位参数C，压力C]}；
异构向量：V＝{[定位参数，压力]}；
泄洪相关性参数集合：C＝{相关性参数1，相关性参数2，...}；
S32、数据排序：按照相同时间节点将历史泄洪水库环境信息集合和历史大坝承压参数集合进行排序，确保它们按照时间顺序排列；
S33、归一化处理：对影响序列历史泄洪水库环境信息集合和主序列历史大坝承压参数集合中的每个位置的异构向量进行无量纲化处理；可以将数据转换为无单位、无量纲的形式，例如使用min-max归一化或Z-score归一化，以便进行可比性分析；
S34、计算关联系数：计算历史泄洪水库环境信息集合和每个异构向量之间的关联系数；计算公式如下：
其中，xi和yi分别表示历史泄洪水库环境信息集合H和异构向量V的样本值；和/>分别表示H和V的平均值；σx和σy分别表示H和V的标准差；这样可以计算出H和V之间的关联系数，以衡量它们之间的线性关系强度；关联系数的取值范围为[-1，1]，绝对值越接近1，表示关系越强，0表示无关系；
S35、计算影响关联度：在计算关联系数后，可以使用某种权重方法计算历史泄洪水库环境信息集合对每个异构向量的影响关联度；假设使用权重加权的方法，其中权重为W(V)，可以通过将关联系数与权重相乘来计算影响关联度I(V)；影响关联度公式：
I(V)＝R(H，V)×W(V)；
其中，R(H，V)是H和V之间的关联系数，W(V)是关联度权重；关联度权重W(V)根据具体情况进行设置，以凸显不同位置的异构向量对泄洪相关性的重要性；
S36、构建泄洪相关性参数集合：将历史泄洪水库环境信息集合对每个异构向量的影响关联度作为泄洪相关性参数，形成泄洪相关性参数集合C。
更为具体的，关联度权重W(V)采用以下方法进行确定：
领域专家知识：请水文学、土木工程或相关领域的专家提供他们对于不同位置的异构向量对泄洪相关性的重要性的意见；他们的专业知识和经验可以帮助确定关联度权重；
特征重要性评估：使用机器学习技术或统计方法，对历史数据进行特征选择或特征重要性评估；这些方法可以帮助确定哪些异构向量对泄洪相关性的预测具有更高的重要性，从而设置相应的关联度权重；
根据实际需求：根据研究目的和实际需求，人为地设置关联度权重；例如，如果某个异构向量在工程实践中被认为对泄洪相关性具有重要影响，可以给予其较高的权重；
综合考虑以上方法，可以采用组合权重的方式，根据各种因素来分配关联度权重，以凸显不同位置的异构向量对泄洪相关性的重要性，具体设置关联度权重W(V)的方法要根据具体问题和数据情况进行定制化和优化选择。
在本步骤中，通过计算关联系数，能够测量泄洪水库环境信息集合和历史大坝承压参数集合之间的线性关系强度；能够帮助发现潜在的关联性和相互作用，进一步理解水库环境与大坝承压之间的关系；在计算关联系数之后，使用影响关联度分析能够确定每个异构向量对泄洪相关性的影响程度；通过加权方法，根据关联系数以及预先设定的权重，能够计算每个向量的影响关联度；这有助于识别和重要化不同位置的异构向量对泄洪相关性的贡献。
S4、对所述泄洪相关性参数集合进行排序，获得与泄洪相关性最大的若干个水库环境参数，并生成泄洪隐患特征集合；
S4步骤是对泄洪相关性参数集合进行排序，并获得与泄洪相关性最大的若干个水库环境参数，最终生成泄洪隐患特征集合；具体操作如下：
S41、排序泄洪相关性参数集合：对泄洪相关性参数集合中的影响关联度进行排序，将影响关联度高的参数排在前面；这样可以将与泄洪关联最强的参数放在列表的前面；
S42、选择关键参数：根据需求或预先设定的条件，选择与泄洪相关性最大的若干个参数作为关键参数；具体的选择方式可以基于得分进行截取，选取影响关联度最高的几个参数；
S43、生成泄洪隐患特征集合：根据选择的关键参数，生成泄洪隐患特征集合；这些特征集合包括水库水位、水库流量、降雨量等与泄洪密切相关的信息，以便进行后续的泄洪预测和预警分析；
总之，S4步骤通过对泄洪相关性参数集合进行排序和选择，确定了与泄洪相关性最大的若干个水库环境参数，并将其作为泄洪隐患特征集合的重要组成部分；这样可以提高泄洪预测的准确性和可靠性，有助于有效预警和保护大坝的稳定性。
S5、根据泄洪隐患特征集合，获取未来预设时间后相同特征的多维度水库环境参数，获得水库预测环境信息集合；
步骤S5旨在根据泄洪隐患特征集合，获取未来预设时间后相同特征的多维度水库环境参数，进而获得水库预测环境信息集合；具体操作如下：
S51、确定预测时间窗口：首先需要确定未来预设时间的范围，即要进行水库环境参数预测的时间段；是根据实际需求、过去的历史数据或特定的预测要求来确定的；
S52、数据收集：收集与泄洪隐患特征集合中的关键参数相对应的多维度水库环境参数的数据；这可以通过各种手段来获得，如传感器监测、气象台站数据、水文测站数据等；
S53、归一化处理：对收集到的多维度水库环境参数进行归一化处理，将其转化为无单位、无量纲的形式，以便进行可比性分析和建立预测模型；常见的归一化方法包括min-max归一化和Z-score归一化；
S54、构建水库预测环境信息集合：将归一化处理后的多维度水库环境参数整合并组成水库预测环境信息集合；这样就能获取未来预设时间后相同特征的水库环境信息，包括水位、水流量、降雨量等与泄洪密切相关的参数。
在本步骤中，通过根据泄洪隐患特征集合来进行水库环境参数采集，能够更加准确地捕捉到与泄洪相关的特征，提高预测的准确性；通过收集与泄洪隐患特征集合中的关键参数相对应的多维度水库环境参数的数据，可以获得更加全面和详细的水库环境信息，包括水位、水流量、降雨量等多个方面的参数；通过整合归一化处理后的多维度水库环境参数，可以构建水库预测环境信息集合；这样就能够获得未来预设时间后相同特征的水库环境信息，为水库管理和决策提供依据，提前做好准备和应对措施。
S6、将所述水库预测环境信息集合输入至预先构建的泄洪预警分析模型中，获得预警结果并向工作人员进行预警；
步骤S6旨在将水库预测环境信息集合输入到预先构建的泄洪预警分析模型中，以获得预警结果，并将结果传达给相关工作人员；这一步骤的具体操作如下：
S61、构建泄洪预警分析模型：首先需要根据泄洪隐患特征集合和历史数据，建立一个合适的泄洪预警分析模型；该模型可以是基于统计方法、机器学习方法或物理过程模拟的基于数学模型等，具体根据实际需求和可用数据来选择；
S62、模型训练与验证：使用历史数据对所构建的泄洪预警分析模型进行训练和验证；训练过程中，将历史泄洪水库环境信息集合与历史大坝承压参数集合进行输入，以对模型进行训练；验证过程中，可以使用部分历史数据进行模型验证，评估模型在未知情况下的预测性能；
S63、水库预测环境信息输入：将步骤S5中获得的归一化处理后的水库预测环境信息集合作为输入，输入到所构建的泄洪预警分析模型中；水库预测环境信息包括水位、水流量、降雨量等与泄洪相关的多维度参数；
S64、预警结果生成：模型根据当前的水库预测环境信息输入，进行预测和分析，从而生成相应的预警结果；预警结果包括泄洪风险评估、预测的泄洪情况或可能的险情等；
S65、预警结果传达和响应：将生成的预警结果传达给相关的工作人员和机构，例如水库管理部门、防洪救灾部门等；这可以通过各种途径实现，如手机短信、电子邮件、预警系统的显示等；相关工作人员根据预警结果采取相应的措施和行动，如调整泄洪策略、启动紧急预案等。
在本步骤中，通过构建泄洪预警分析模型，并使用历史数据进行训练和验证，可以根据历史信息和隐患特征对水库的泄洪风险进行准确评估；模型能够基于当前的水库预测环境信息生成预警结果，从而提高了预警的准确性；基于数学模型的泄洪预警分析模型可以提供客观的决策依据；模型利用历史数据和预测环境信息进行分析和预测，不受主观因素的干扰，使预警结果更加科学和可靠；
将实时的水库预测环境信息输入到泄洪预警分析模型中，可以实时生成预警结果；这可以帮助相关工作人员及时获取泄洪风险信息，做出及时的决策和响应，从而减少潜在的灾害风险；通过自动化的预警系统，预警结果可以迅速传达给相关工作人员和机构；与传统的人工判断相比，减少了人力资源的消耗和时间成本，提高了工作效率；通过获得的预警结果，相关工作人员可以采取有针对性的措施和行动，如调整泄洪策略、启动紧急预案等；这样可以最大限度地降低泄洪灾害对人民财产造成的损失。
实施例二
如图3所示，本发明的一种泄洪大坝水位监测预警系统，具体包括以下模块；
历史环境数据获取模块，用于获取泄洪大坝所在水库的多维度水库环境参数集合，所述多维度水库环境参数集合包括水库水位、水库流量、水库预设范围内的降雨量、气温、水质、土壤湿度和风向量，通过采集多个历史泄洪预设时间前的水库环境参数，获得多个历史泄洪水库环境信息集合，并发送：
历史承压数据获取模块，用于获取泄洪大坝在历史泄洪开始时的大坝承压参数集合；所述大坝承压参数集合包括大坝在不同水位下的压力，其中每个元素表示大坝不同位置的定位参数与相对位置压力组成的异构向量；通过采集多个历史泄洪开始时的大坝承压参数，获得多个历史大坝承压参数集合，并发送；
相关性分析模块，用于接收多个历史泄洪水库环境信息集合与多个历史大坝承压参数集合；对相同时间节点内的历史泄洪水库环境信息集合和历史大坝承压参数集合进行相关性分析，得到泄洪相关性参数集合；
特征提取模块，用于接收泄洪相关性参数集合，并对泄洪相关性参数集合进行排序，提取与泄洪相关性最大的若干个水库环境参数，组成泄洪隐患特征集合；
未来环境数据获取模块，用于读取泄洪隐患特征集合，并根据泄洪隐患特征集合，获取未来预设时间后与泄洪隐患特征集合具有相同特征的多维度水库环境参数，得到水库预测环境信息集合，并发送；
预警模块，用于接收水库预测环境信息集合，并将水库预测环境信息集合输入预先构建的泄洪预警分析模型中，进行泄洪事件的预测和分析，并生成预警结果，并向相关工作人员发送预警结果。
在本步骤中，通过历史环境数据获取模块获取了泄洪大坝所在水库的多维度水库环境参数集合，包括水库水位、水库流量、降雨量、气温、水质、土壤湿度和风向等；能够综合考虑多种环境因素对大坝行为的影响，提高预测的准确性；通过历史承压数据获取模块获取了大坝在历史泄洪开始时的承压参数集合，其中每个元素表示大坝不同位置的定位参数与相对位置压力组成的异构向量；能够更全面地了解大坝在不同水位下的压力情况，为预测和分析泄洪事件提供更多的信息；
系统通过相关性分析模块对历史水库环境信息和大坝承压参数进行分析，得到泄洪相关性参数集合；然后，特征提取模块对泄洪相关性参数集合进行排序，提取与泄洪相关性最大的水库环境参数，组成泄洪隐患特征集合；能够筛选出最相关的特征，减少冗余信息，提高预测的效果；
系统通过未来环境数据获取模块获取未来预设时间后与泄洪隐患特征集合具有相同特征的多维度水库环境参数，得到水库预测环境信息集合；然后，预警模块将预测环境信息输入预先构建的泄洪预警分析模型中，进行泄洪事件的预测和分析，并生成预警结果；能够实现对未来可能发生的泄洪事件进行动态预测和及时预警，提高泄洪安全性；
综上所述，该系统通过综合考虑多维度环境数据和异构向量的承压数据，利用相关性分析和特征提取方法，实现了对泄洪大坝水位的监测和预警；其优点包括全面性、准确性和及时性，能够提高泄洪大坝的稳定性和灾害防范能力，降低洪水对下游地区的影响和风险。
前述实施例一中的泄洪大坝水位监测预警方法的各种变化方式和具体实施例同样适用于本实施例的泄洪大坝水位监测预警系统，通过前述对泄洪大坝水位监测预警方法的详细描述，本领域技术人员可以清楚的知道本实施例中泄洪大坝水位监测预警系统的实施方法，所以为了说明书的简洁，在此不再详述。
此外，本申请还提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该收发器、该存储器和处理器分别通过总线相连，计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。
Claims (10)
1.一种泄洪大坝水位监测预警方法，其特征在于，所述方法包括：
采集泄洪大坝所在水库在多次历史泄洪预设时间前的多维度水库环境参数集合，获得多个历史泄洪水库环境信息集合；
采集泄洪大坝在多次历史泄洪开始时的大坝承压参数集合，获得多个历史大坝承压参数集合；
对相同时间节点内的历史泄洪水库环境信息集合和历史大坝承压参数集合进行相关性分析，获得泄洪相关性参数集合；
对所述泄洪相关性参数集合进行排序，获得与泄洪相关性最大的若干个水库环境参数，并生成泄洪隐患特征集合；
根据泄洪隐患特征集合，获取未来预设时间后相同特征的多维度水库环境参数，获得水库预测环境信息集合；
将所述水库预测环境信息集合输入至预先构建的泄洪预警分析模型中，获得预警结果并向工作人员进行预警。
2.如权利要求1所述的一种泄洪大坝水位监测预警方法，其特征在于，所述多维度水库环境参数集合包括水库水位、水库流量、水库预设范围内的降雨量、气温、水质、土壤湿度和风向量；
所述大坝承压参数集合包括大坝在不同水位下的压力，所述大坝承压参数集合中各元素为大坝不同位置的定位参数与相对位置压力组成的异构向量。
3.如权利要求2所述的一种泄洪大坝水位监测预警方法，其特征在于，对相同时间节点内的历史泄洪水库环境信息集合和历史大坝承压参数集合进行相关性分析的方法，包括：
按照相同时间节点将历史泄洪水库环境信息集合和历史大坝承压参数集合进行排序，确保它们按照时间顺序排列；
对历史泄洪水库环境信息集合和历史大坝承压参数集合中的每个位置的异构向量进行无量纲化处理；
计算历史泄洪水库环境信息集合和每个异构向量之间的关联系数；
在计算关联系数后，使用权重方法计算历史泄洪水库环境信息集合对每个异构向量的影响关联度；
将历史泄洪水库环境信息集合对每个异构向量的影响关联度作为泄洪相关性参数，形成泄洪相关性参数集合。
4.如权利要求3所述的一种泄洪大坝水位监测预警方法，其特征在于，计算历史泄洪水库环境信息集合和每个异构向量之间的关联系数的计算公式如下：
其中，xi和yi分别表示历史泄洪水库环境信息集合和异构向量的样本值；和/>分别表示历史泄洪水库环境信息集合和异构向量的平均值；σx和σy分别表示历史泄洪水库环境信息集合和异构向量的标准差；关联系数的取值范围为[-1，1]，绝对值越接近1，表示关系越强，0表示无关系；H表示历史泄洪水库环境信息集合；V表示异构向量。
5.如权利要求4所述的一种泄洪大坝水位监测预警方法，其特征在于，所述影响关联度计算公式如下：
I(V)＝R(H，V)×W(V)；
其中，R(H，V)是H和V之间的关联系数，W(V)是关联度权重。
6.如权利要求5所述的一种泄洪大坝水位监测预警方法，其特征在于，对所述泄洪相关性参数集合进行排序的方法，包括：
对泄洪相关性参数集合中的影响关联度进行排序，将影响关联度高的参数排在前面；
根据预先设定的条件，选择影响关联度最高的若干个参数作为关键参数；
根据选择的关键参数，生成泄洪隐患特征集合。
7.如权利要求1所述的一种泄洪大坝水位监测预警方法，其特征在于，获得水库预测环境信息集合的方法，包括：
确定未来要进行水库环境参数预测的时间窗口；
根据确定的时间窗口，收集与泄洪隐患特征集合中的关键参数相对应的多维度水库环境参数的数据；
对收集到的多维度水库环境参数进行归一化处理；
将归一化处理后的多维度水库环境参数整合并组成水库预测环境信息集合。
8.一种泄洪大坝水位监测预警系统，其特征在于，所述系统包括：
历史环境数据获取模块，用于获取泄洪大坝所在水库的多维度水库环境参数集合，所述多维度水库环境参数集合包括水库水位、水库流量、水库预设范围内的降雨量、气温、水质、土壤湿度和风向量，通过采集多个历史泄洪预设时间前的水库环境参数，获得多个历史泄洪水库环境信息集合，并发送：
历史承压数据获取模块，用于获取泄洪大坝在历史泄洪开始时的大坝承压参数集合；所述大坝承压参数集合包括大坝在不同水位下的压力，其中每个元素表示大坝不同位置的定位参数与相对位置压力组成的异构向量；通过采集多个历史泄洪开始时的大坝承压参数，获得多个历史大坝承压参数集合，并发送；
相关性分析模块，用于接收多个历史泄洪水库环境信息集合与多个历史大坝承压参数集合；对相同时间节点内的历史泄洪水库环境信息集合和历史大坝承压参数集合进行相关性分析，得到泄洪相关性参数集合；
特征提取模块，用于接收泄洪相关性参数集合，并对泄洪相关性参数集合进行排序，提取与泄洪相关性最大的若干个水库环境参数，组成泄洪隐患特征集合；
未来环境数据获取模块，用于读取泄洪隐患特征集合，并根据泄洪隐患特征集合，获取未来预设时间后与泄洪隐患特征集合具有相同特征的多维度水库环境参数，得到水库预测环境信息集合，并发送；
预警模块，用于接收水库预测环境信息集合，并将水库预测环境信息集合输入预先构建的泄洪预警分析模型中，进行泄洪事件的预测和分析，并生成预警结果，并向相关工作人员发送预警结果。
9.一种泄洪大坝水位监测预警电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。
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如权利要求1-7中任一项所述方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311163531.8A CN117191147A (zh) | 2023-09-08 | 2023-09-08 | 一种泄洪大坝水位监测预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311163531.8A CN117191147A (zh) | 2023-09-08 | 2023-09-08 | 一种泄洪大坝水位监测预警方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117191147A true CN117191147A (zh) | 2023-12-08 |
Family
ID=88988296
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311163531.8A Pending CN117191147A (zh) | 2023-09-08 | 2023-09-08 | 一种泄洪大坝水位监测预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117191147A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117405177A (zh) * | 2023-12-15 | 2024-01-16 | 国网山东省电力公司济南供电公司 | 电缆隧道有害气体泄漏预警方法、系统、设备及介质 |
-
2023
- 2023-09-08 CN CN202311163531.8A patent/CN117191147A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117405177A (zh) * | 2023-12-15 | 2024-01-16 | 国网山东省电力公司济南供电公司 | 电缆隧道有害气体泄漏预警方法、系统、设备及介质 |
| CN117405177B (zh) * | 2023-12-15 | 2024-04-26 | 国网山东省电力公司济南供电公司 | 电缆隧道有害气体泄漏预警方法、系统、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tabesh et al. | Assessing pipe failure rate and mechanical reliability of water distribution networks using data-driven modeling | |
| CN110636066B (zh) | 基于无监督生成推理的网络安全威胁态势评估方法 | |
| CN113036913B (zh) | 一种综合能源设备状态监测方法及装置 | |
| CN113610381B (zh) | 一种基于5g网络的水质远程实时监测系统 | |
| CN112101811A (zh) | 一种供水管网爆管风险预测方法及系统 | |
| CN117191147A (zh) | 一种泄洪大坝水位监测预警方法及系统 | |
| CN116842527A (zh) | 一种数据安全风险评估方法 | |
| CN103134433B (zh) | 一种利用位移监测鉴别边坡失稳致滑因子的方法 | |
| CN111027881B (zh) | 基于改进灰色关联度的输电杆塔自然灾害损失评估方法 | |
| CN116341272A (zh) | 一种用于配网工程数字化的施工安全风险管控系统 | |
| CN116523312A (zh) | 一种智慧城市数据管理方法及系统 | |
| CN117609836A (zh) | 一种综合模块的电磁敏感预测与健康管理方法 | |
| CN117114505B (zh) | 一种建筑施工现场环境监测方法及系统 | |
| CN117371207A (zh) | 一种特高压换流阀状态评价方法、介质及系统 | |
| CN117494009A (zh) | 基于绝缘材料热解分析的电气设备状态评估方法及云平台 | |
| CN113295212A (zh) | 应用多监测点协同作用的滑坡整体稳定性安全预警系统 | |
| CN112580254A (zh) | 一种基于多级决策融合的换流变多维度分析和预警方法 | |
| CN110533213A (zh) | 基于支持向量机的输电线路缺陷风险建模及其预测方法 | |
| CN113392576A (zh) | 一种系留气球主缆绳拉力状态评估预警方法 | |
| CN112784462A (zh) | 一种基于有限元法的水工结构应力变形预测系统 | |
| CN112163964A (zh) | 风险预测方法、装置、电子设备及存储介质 | |
| CN105528657A (zh) | 基于北斗和向量机的建筑物震害预测方法 | |
| CN117391459B (zh) | 基于深度学习的电力运行风险预警方法及系统 | |
| CN117150445B (zh) | 一种区间隧道近距离下穿河流的沉降监测和评价方法 | |
| CN114046179B (zh) | 一种基于co监测数据智能识别和预测井下安全事故的方法 |
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 |