CN117367496A - 一种用于反滤包监测的数据处理方法及装置 - Google Patents
一种用于反滤包监测的数据处理方法及装置 Download PDFInfo
- Publication number
- CN117367496A CN117367496A CN202311297617.XA CN202311297617A CN117367496A CN 117367496 A CN117367496 A CN 117367496A CN 202311297617 A CN202311297617 A CN 202311297617A CN 117367496 A CN117367496 A CN 117367496A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- water quality
- filtering
- packet
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 220
- 238000012544 monitoring process Methods 0.000 title claims abstract description 183
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 156
- 230000002159 abnormal effect Effects 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000005856 abnormality Effects 0.000 claims description 60
- 238000012545 processing Methods 0.000 claims description 36
- 238000012423 maintenance Methods 0.000 claims description 19
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000012806 monitoring device Methods 0.000 claims description 15
- 238000003062 neural network model Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000001223 reverse osmosis Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 7
- 239000002184 metal Substances 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 229910001220 stainless steel Inorganic materials 0.000 claims description 5
- 239000010935 stainless steel Substances 0.000 claims description 5
- 238000012856 packing Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 2
- 230000000149 penetrating effect Effects 0.000 claims 3
- 230000005611 electricity Effects 0.000 claims 1
- 210000003127 knee Anatomy 0.000 claims 1
- 238000010276 construction Methods 0.000 abstract description 22
- 230000000694 effects Effects 0.000 abstract description 15
- 238000003860 storage Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 239000000463 material Substances 0.000 description 8
- 230000006872 improvement Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 239000012528 membrane Substances 0.000 description 5
- 238000011835 investigation Methods 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000012466 permeate Substances 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种用于反滤包监测的数据处理方法及装置，该方法包括：获取由设置在目标区域的多个反滤包装置发送的多个监测数据；所述监测数据包括位置定位数据和水质传感数据；根据任一所述反滤包装置发送的所述监测数据，以及该反滤包装置的历史监测数据，计算该反滤包装置对应的数据异常预测参数；根据所述位置定位数据，以及所述数据异常预测参数，对所述多个反滤包装置的所述监测数据进行分组，以得到多个监测数据集合；根据所述多个监测数据集合，和预设的数据判定规则，分析所述目标区域对应的排水过滤异常情况。可见，本发明能够结合反滤包装置对工程区域的整体施工效果进行有效监测，实现更加智能化的施工监测，提高工程质量。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种用于反滤包监测的数据处理方法及装置。
背景技术
施工工程技术中，反滤包一般用于设置在土石等材料修筑的堤坝或透水地基上，也常用于防汛中处理管涌、流土等险情，一般在建筑工程中会设置多个反滤包以使得渗透水流出时带不走堤坝体或地基中的土壤，有效防止管涌和流土的发生。但随着智能工程施工要求的提出，现有的反滤包装置则显得过于简单。现有技术中，一般的反滤包装置没有考虑到设置传感器或定位装置来实现对工程区域的监测，使得反滤包装置无效充分发挥其设置在施工区域内的监测作用。可见，现有技术存在缺陷，亟待解决。
发明内容
本发明所要解决的技术问题在于，提供一种用于反滤包监测的数据处理方法及装置，能够结合反滤包装置对工程区域的整体施工效果进行有效监测，实现更加智能化的施工监测，提高工程质量。
为了解决上述技术问题，本发明第一方面公开了一种用于反滤包监测的数据处理方法，所述方法包括：
获取由设置在目标区域的多个反滤包装置发送的多个监测数据；所述监测数据包括位置定位数据和水质传感数据；所述位置定位数据由所述反滤包装置中的定位部件进行获取；所述水质传感数据由所述反滤包中的水质传感部件进行获取；
根据任一所述反滤包装置发送的所述监测数据，以及该反滤包装置的历史监测数据，计算该反滤包装置对应的数据异常预测参数；所述数据异常预测参数用于发送至维修方服务器以用于表征所述反滤包装置的异常待更换情况；
根据所述位置定位数据，以及所述数据异常预测参数，对所述多个反滤包装置的所述监测数据进行分组，以得到多个监测数据集合；
根据所述多个监测数据集合，和预设的数据判定规则，分析所述目标区域对应的排水过滤异常情况。
本发明第二方面公开了一种用于反滤包监测的数据处理装置，所述装置包括：
获取模块，用于获取由设置在目标区域的多个反滤包装置发送的多个监测数据；所述监测数据包括位置定位数据和水质传感数据；所述位置定位数据由所述反滤包装置中的定位部件进行获取；所述水质传感数据由所述反滤包中的水质传感部件进行获取；
计算模块，用于根据任一所述反滤包装置发送的所述监测数据，以及该反滤包装置的历史监测数据，计算该反滤包装置对应的数据异常预测参数；所述数据异常预测参数用于发送至维修方服务器以用于表征所述反滤包装置的异常待更换情况；
分组模块，用于根据所述位置定位数据，以及所述数据异常预测参数，对所述多个反滤包装置的所述监测数据进行分组，以得到多个监测数据集合；
分析模块，用于根据所述多个监测数据集合，和预设的数据判定规则，分析所述目标区域对应的排水过滤异常情况。
本发明第三方面公开了另一种用于反滤包监测的数据处理装置，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的用于反滤包监测的数据处理方法中的部分或全部步骤。
本发明第四方面公开了一种反滤包监测装置，所述反滤包监测装置包括设置在目标区域的多个反滤包装置和数据监测装置；
所述反滤包装置用于同设置在工程结构上的排水管配合使用，包括半球罩组件和连接部；所述半球罩组件中设置有定位部件和数据传输部件；所述连接部中设置有水质传感部件；所述定位部件和所述水质传感部件均电连接至所述数据传输部件；所述数据传输部件通信连接至所述数据监测装置；
所述数据监测装置执行本发明第一方面公开的用于反滤包监测的数据处理方法。
与现有技术相比，本发明实施例具有以下有益效果：
可见，本发明实施例能够通过设置在工程结构中的多个反滤包装置来获取多个排水位置的监测数据，以用于对反滤包装置本身的异常情况进行分析，并进一步对区域的排水过滤情况进行分析，从而能够结合反滤包装置对工程区域的整体施工效果进行有效监测，实现更加智能化的施工监测，提高工程质量。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是本发明实施例公开的一种用于反滤包监测的数据处理方法的流程示意图。
图2是本发明实施例公开的一种用于反滤包监测的数据处理装置的结构示意图。
图3是本发明实施例公开的另一种用于反滤包监测的数据处理装置的结构示意图。
图4是本发明实施例公开的反滤包支撑结构示意图。
图5是本发明实施例公开的反滤包支撑结构的外壳或内壳示意图。
图6是本发明实施例公开的反滤包支撑结构示意图。
图7是本发明实施例公开的反滤包支撑结构的安装示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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。
本发明的说明书和权利要求书及上述附图中的术语“第二”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种用于反滤包监测的数据处理方法及装置，能够通过设置在工程结构中的多个反滤包装置来获取多个排水位置的监测数据，以用于对反滤包装置本身的异常情况进行分析，并进一步对区域的排水过滤情况进行分析，从而能够结合反滤包装置对工程区域的整体施工效果进行有效监测，实现更加智能化的施工监测，提高工程质量。以下分别进行详细说明。
实施例一，请参阅图1，图1是本发明实施例公开的一种用于反滤包监测的数据处理方法的流程示意图。其中，图1所描述的用于反滤包监测的数据处理方法可以应用于与反滤包装置相连接的数据处理芯片、处理终端或处理服务器（其中，该处理服务器可以为本地服务器或云服务器）中。如图1所示，该用于反滤包监测的数据处理方法可以包括以下操作：
101、获取由设置在目标区域的多个反滤包装置发送的多个监测数据。
具体的，监测数据包括位置定位数据和水质传感数据。
可选的，位置定位数据由反滤包装置中的定位部件进行获取。可选的，定位部件可以为GPS传感器或其他定位传感器。
可选的，水质传感数据由反滤包中的水质传感部件进行获取。可选的，水质传感部件可以为TDS水质传感器，水质传感数据可以为TDS值，可选的，水质传感部件或水质传感数据也可以为其他生物或光学监测部件及其获取到的可用于表征水质情况的监测数据。
102、根据任一反滤包装置发送的监测数据，以及该反滤包装置的历史监测数据，计算该反滤包装置对应的数据异常预测参数。
具体的，数据异常预测参数用于发送至维修方服务器以用于表征反滤包装置的异常待更换情况。可选的，维修方服务器在接收到不同反滤包装置的数据异常预测参数后可以相应安排对数据异常情况较差的反滤包装置进行现场勘测以确定维修方案。
103、根据位置定位数据，以及数据异常预测参数，对多个反滤包装置的监测数据进行分组，以得到多个监测数据集合。
104、根据多个监测数据集合，和预设的数据判定规则，分析目标区域对应的排水过滤异常情况。
可见，上述发明实施例能够通过设置在工程结构中的多个反滤包装置来获取多个排水位置的监测数据，以用于对反滤包装置本身的异常情况进行分析，并进一步对区域的排水过滤情况进行分析，从而能够结合反滤包装置对工程区域的整体施工效果进行有效监测，实现更加智能化的施工监测，提高工程质量。
在一个可选的实施例中，上述步骤中的，根据任一反滤包装置发送的监测数据，以及该反滤包装置的历史监测数据，计算该反滤包装置对应的数据异常预测参数，包括：
对于任一反滤包装置，获取该反滤包装置发送的位置定位数据和水质传感数据以及该反滤包装置在历史时间段发送的多个历史位置定位数据和多个历史水质传感数据；
根据位置定位数据，和多个历史位置定位数据，计算该反滤包装置对应的位置异常参数；
根据水质传感数据，和多个历史水质传感数据，计算该反滤包装置对应的水质异常参数；
根据位置异常参数和水质异常参数，计算该反滤包装置对应的数据异常预测参数。
通过上述实施例，能够通过对位置异常参数和水质异常参数的计算，来综合评估反滤包装置对应的数据异常预测参数，从而能够充分评估反滤包装置的数据异常程度，以便于后续用于确定其维修方案或是用于更精确地评估整个区域的排水过滤情况。
在一个可选的实施例中，上述步骤中的，根据位置定位数据，和多个历史位置定位数据，计算该反滤包装置对应的位置异常参数，包括：
计算多个历史位置定位数据的位置为顶点所组成的多边形的第一几何中心位置；
计算位置定位数据和第一几何中心位置的第一距离值；
从多个历史位置定位数据中筛选出符合第一时间规则和第一位置规则的多个目标历史位置定位数据；第一时间规则用于限定多个目标历史位置定位数据对应的获取时间之间的时间差小于第一时间差阈值；第一位置规则用于限定多个目标历史位置定位数据之间的位置差小于第一位置差阈值；
计算多个目标历史位置定位数据的位置为顶点所组成的多边形的第二几何中心位置；
计算位置定位数据和第二几何中心位置的第二距离值；
计算第一距离值和第二距离值的加权求和平均值，得到该反滤包装置对应的位置异常参数；其中，第一距离值对应的权重小于第二距离值对应的权重；第二距离值对应的权重与目标历史位置定位数据的数量成正比。
可选的，本发明中的权重可以根据权重分配算法根据已限定的权重关系来确定，并由操作人员根据实际情况来做调整。
可选的，第二距离值对应的权重与目标历史位置定位数据的数量成正比是用于根据能确定出的满足相对稳定的监测效果稳定规则的目标历史位置定位数据数量，来确定第二距离值在位置异常参数中的权重大小，这是因为这些目标历史定位数据的数量越多，则第二几何中心位置就能够更好地表征该反滤包装置的稳定的历史位置，从而使得第二距离值能够更好地表征反滤包装置的位置偏差情况。
通过上述实施例，能够通过对第一距离值和第二距离值的计算，来得到反滤包装置对应的位置异常参数，从而能够充分评估反滤包装置的位置异常程度，该程度可以有效表征该反滤包装置是否因重大工程事故或突发原因导致了剧烈地移位及损毁，以便于后续用于确定其维修方案或是用于更精确地评估整个区域的排水过滤情况。
在一个可选的实施例中，上述步骤中的，根据水质传感数据，和多个历史水质传感数据，计算该反滤包装置对应的水质异常参数，包括：
计算每一历史水质传感数据和标准水质传感值之间的历史水质传感差值；
计算水质传感数据和标准水质传感值之间的水质传感差值；
计算所有历史水质传感差值的第一平均值；
计算水质传感差值和第一平均值的第一数据差值；
从多个历史水质传感数据中筛选出符合第二时间规则和第一水质值规则的多个目标历史水质传感数据；第二时间规则用于限定多个目标历史水质传感数据对应的获取时间之间的时间差小于第二时间差阈值；第一水质值规则用于限定多个目标历史水质传感数据之间的数据差小于第一数据差阈值；
计算多个目标历史水质传感数据对应的历史水质传感差值的第二平均值；
计算水质传感差值和第二平均值的第二数据差值；
计算第一数据差值和第二数据差值的加权求和平均值，得到该反滤包装置对应的水质异常参数；其中，第一数据差值对应的权重小于第二数据差值对应的权重；第二数据差值对应的权重与目标历史水质传感数据的数量成正比。
可选的，第二数据差值对应的权重与目标历史水质传感数据的数量成正比同样是基于与第二距离值对应的权重相似的考虑，通过对目标历史水质传感数据的数量的评估来确定第二数据差值能够有效表征反滤包装置的水质偏差情况。
通过上述实施例，能够通过对第一数据差值和第二数据差值的计算，来得到反滤包装置对应的水质异常参数，从而能够充分评估反滤包装置的水质异常程度，该程度可以有效表征该反滤包装置所在的排水结构的过滤效果是否出现了较大的问题，以便于后续用于确定其维修方案或是用于更精确地评估整个区域的排水过滤情况。
在一个可选的实施例中，上述步骤中的，根据位置异常参数和水质异常参数，计算该反滤包装置对应的数据异常预测参数，包括：
计算位置异常参数和水质异常参数的加权求和平均值，得到该反滤包装置对应的数据异常参数；
将该反滤包装置对应的数据异常参数和位置定位数据，输入至训练好的异常预测神经网络模型中，以得到该反滤包装置的数据异常预测参数；异常预测神经网络模型通过包括有多个训练数据异常参数和对应的位置数据和异常标注的训练数据集训练得到。
可选的，异常预测神经网络模型可以为CNN结构、RNN结构或LTSM结构的神经网络模型，操作人员可以根据具体的实施场景或数据特点来选择，本发明不做限定。
通过上述实施例，能够通过训练好的异常预测神经网络模型，来根据反滤包装置对应的数据异常参数和位置定位数据预测反滤包装置的数据异常预测参数，从而能够借助神经网络模型充分评估反滤包装置的整体数据异常程度，以便于后续用于确定其维修方案或是用于更精确地评估整个区域的排水过滤情况。
在一个可选的实施例中，上述步骤中的，根据位置定位数据，以及数据异常预测参数，对多个反滤包装置的监测数据进行分组，以得到多个监测数据集合，包括：
根据位置定位数据，对多个反滤包装置的监测数据进行分组，以得到多个候选监测数据集合；其中，每一候选监测数据集合中的所有监测数据的位置定位数据之间的位置差小于第二位置差阈值；
对于每一候选监测数据集合，将该候选监测数据集合中所有数据异常预测参数大于预设的第一参数阈值的监测数据，确定为一个监测数据集合，以得到多个监测数据集合。
具体的，上述候选监测数据集合的分组是首先通过位置来聚类划分出多个相互之间靠近的反滤包，再进一步根据数据异常预测参数可以将同一区域内的反滤包中重点存在异常的反滤包的数据集中起来，以便于后续的区域分析。
通过上述实施例，能够通过位置定位数据对多个反滤包装置的监测数据进行分组以得到多个候选监测数据集合，再进一步将候选监测数据集合中所有数据异常预测参数大于阈值的监测数据确定为监测数据集合，从而能够有效区分出多个集合以用于后续更精确地评估整个区域的排水过滤情况。
在一个可选的实施例中，上述步骤中的，根据多个监测数据集合，和预设的数据判定规则，分析目标区域对应的排水过滤异常情况，包括：
将每一监测数据集合中所有监测数据的位置定位数据作为顶点生成每一监测数据集合对应的区域范围；
对于每一监测数据集合，计算该监测数据集合中所有监测数据对应的水质异常传感参数的平均值，得到该监测数据集合对应的区域范围对应的水质异常参数；
将水质异常参数大于第二参数阈值的区域范围确定为异常区域范围；异常区域范围用于发送至维修方服务器以用于表征异常区域范围的排水过滤异常情况。
可选的，区域范围可以为每一监测数据的位置定位数据作为顶点的多边形。
可选的，维修方服务器在收到多个异常区域范围的情况后，可以组织开展对异常区域范围的进一步的现场勘测和问题排查，以提高工程质量，减少工程事故或隐患的危害。
通过上述实施例，能够将水质异常参数大于第二参数阈值的区域范围确定为异常区域范围以实现对区域的排水过滤情况的分析，从而能够结合反滤包装置对工程区域的整体施工效果进行有效监测，实现更加智能化的施工监测，提高工程质量。
实施例二，请参阅图2，图2是本发明实施例公开的一种用于反滤包监测的数据处理装置的结构示意图。其中，图2所描述的用于反滤包监测的数据处理装置应用于反滤包装置的数据处理芯片、处理终端或处理服务器（其中，该处理服务器可以为本地服务器或云服务器）中。如图2所示，该用于反滤包监测的数据处理装置可以包括：
获取模块201，用于获取由设置在目标区域的多个反滤包装置发送的多个监测数据；监测数据包括位置定位数据和水质传感数据；位置定位数据由反滤包装置中的定位部件进行获取；水质传感数据由反滤包中的水质传感部件进行获取；
计算模块202，用于根据任一反滤包装置发送的监测数据，以及该反滤包装置的历史监测数据，计算该反滤包装置对应的数据异常预测参数；数据异常预测参数用于发送至维修方服务器以用于表征反滤包装置的异常待更换情况；
分组模块203，用于根据位置定位数据，以及数据异常预测参数，对多个反滤包装置的监测数据进行分组，以得到多个监测数据集合；
分析模块204，用于根据多个监测数据集合，和预设的数据判定规则，分析目标区域对应的排水过滤异常情况。
可见，上述发明实施例能够通过设置在工程结构中的多个反滤包装置来获取多个排水位置的监测数据，以用于对反滤包装置本身的异常情况进行分析，并进一步对区域的排水过滤情况进行分析，从而能够结合反滤包装置对工程区域的整体施工效果进行有效监测，实现更加智能化的施工监测，提高工程质量。
在一个可选的实施例中，计算模块202根据任一反滤包装置发送的监测数据，以及该反滤包装置的历史监测数据，计算该反滤包装置对应的数据异常预测参数的具体方式，包括：
对于任一反滤包装置，获取该反滤包装置发送的位置定位数据和水质传感数据以及该反滤包装置在历史时间段发送的多个历史位置定位数据和多个历史水质传感数据；
根据位置定位数据，和多个历史位置定位数据，计算该反滤包装置对应的位置异常参数；
根据水质传感数据，和多个历史水质传感数据，计算该反滤包装置对应的水质异常参数；
根据位置异常参数和水质异常参数，计算该反滤包装置对应的数据异常预测参数。
通过上述实施例，能够通过对位置异常参数和水质异常参数的计算，来综合评估反滤包装置对应的数据异常预测参数，从而能够充分评估反滤包装置的数据异常程度，以便于后续用于确定其维修方案或是用于更精确地评估整个区域的排水过滤情况。
在一个可选的实施例中，计算模块202根据位置定位数据，和多个历史位置定位数据，计算该反滤包装置对应的位置异常参数的具体方式，包括：
计算多个历史位置定位数据的位置为顶点所组成的多边形的第一几何中心位置；
计算位置定位数据和第一几何中心位置的第一距离值；
从多个历史位置定位数据中筛选出符合第一时间规则和第一位置规则的多个目标历史位置定位数据；第一时间规则用于限定多个目标历史位置定位数据对应的获取时间之间的时间差小于第一时间差阈值；第一位置规则用于限定多个目标历史位置定位数据之间的位置差小于第一位置差阈值；
计算多个目标历史位置定位数据的位置为顶点所组成的多边形的第二几何中心位置；
计算位置定位数据和第二几何中心位置的第二距离值；
计算第一距离值和第二距离值的加权求和平均值，得到该反滤包装置对应的位置异常参数；其中，第一距离值对应的权重小于第二距离值对应的权重；第二距离值对应的权重与目标历史位置定位数据的数量成正比。
可选的，本发明中的权重可以根据权重分配算法根据已限定的权重关系来确定，并由操作人员根据实际情况来做调整。
可选的，第二距离值对应的权重与目标历史位置定位数据的数量成正比是用于根据能确定出的满足相对稳定的监测效果稳定规则的目标历史位置定位数据数量，来确定第二距离值在位置异常参数中的权重大小，这是因为这些目标历史定位数据的数量越多，则第二几何中心位置就能够更好地表征该反滤包装置的稳定的历史位置，从而使得第二距离值能够更好地表征反滤包装置的位置偏差情况。
通过上述实施例，能够通过对第一距离值和第二距离值的计算，来得到反滤包装置对应的位置异常参数，从而能够充分评估反滤包装置的位置异常程度，该程度可以有效表征该反滤包装置是否因重大工程事故或突发原因导致了剧烈地移位及损毁，以便于后续用于确定其维修方案或是用于更精确地评估整个区域的排水过滤情况。
在一个可选的实施例中，计算模块202根据水质传感数据，和多个历史水质传感数据，计算该反滤包装置对应的水质异常参数的具体方式，包括：
计算每一历史水质传感数据和标准水质传感值之间的历史水质传感差值；
计算水质传感数据和标准水质传感值之间的水质传感差值；
计算所有历史水质传感差值的第一平均值；
计算水质传感差值和第一平均值的第一数据差值；
从多个历史水质传感数据中筛选出符合第二时间规则和第一水质值规则的多个目标历史水质传感数据；第二时间规则用于限定多个目标历史水质传感数据对应的获取时间之间的时间差小于第二时间差阈值；第一水质值规则用于限定多个目标历史水质传感数据之间的数据差小于第一数据差阈值；
计算多个目标历史水质传感数据对应的历史水质传感差值的第二平均值；
计算水质传感差值和第二平均值的第二数据差值；
计算第一数据差值和第二数据差值的加权求和平均值，得到该反滤包装置对应的水质异常参数；其中，第一数据差值对应的权重小于第二数据差值对应的权重；第二数据差值对应的权重与目标历史水质传感数据的数量成正比。
可选的，第二数据差值对应的权重与目标历史水质传感数据的数量成正比同样是基于与第二距离值对应的权重相似的考虑，通过对目标历史水质传感数据的数量的评估来确定第二数据差值能够有效表征反滤包装置的水质偏差情况。
通过上述实施例，能够通过对第一数据差值和第二数据差值的计算，来得到反滤包装置对应的水质异常参数，从而能够充分评估反滤包装置的水质异常程度，该程度可以有效表征该反滤包装置所在的排水结构的过滤效果是否出现了较大的问题，以便于后续用于确定其维修方案或是用于更精确地评估整个区域的排水过滤情况。
在一个可选的实施例中，计算模块202根据位置异常参数和水质异常参数，计算该反滤包装置对应的数据异常预测参数的具体方式，包括：
计算位置异常参数和水质异常参数的加权求和平均值，得到该反滤包装置对应的数据异常参数；
将该反滤包装置对应的数据异常参数和位置定位数据，输入至训练好的异常预测神经网络模型中，以得到该反滤包装置的数据异常预测参数；异常预测神经网络模型通过包括有多个训练数据异常参数和对应的位置数据和异常标注的训练数据集训练得到。
可选的，异常预测神经网络模型可以为CNN结构、RNN结构或LTSM结构的神经网络模型，操作人员可以根据具体的实施场景或数据特点来选择，本发明不做限定。
通过上述实施例，能够通过训练好的异常预测神经网络模型，来根据反滤包装置对应的数据异常参数和位置定位数据预测反滤包装置的数据异常预测参数，从而能够借助神经网络模型充分评估反滤包装置的整体数据异常程度，以便于后续用于确定其维修方案或是用于更精确地评估整个区域的排水过滤情况。
在一个可选的实施例中，分组模块203根据位置定位数据，以及数据异常预测参数，对多个反滤包装置的监测数据进行分组，以得到多个监测数据集合的具体方式，包括：
根据位置定位数据，对多个反滤包装置的监测数据进行分组，以得到多个候选监测数据集合；其中，每一候选监测数据集合中的所有监测数据的位置定位数据之间的位置差小于第二位置差阈值；
对于每一候选监测数据集合，将该候选监测数据集合中所有数据异常预测参数大于预设的第一参数阈值的监测数据，确定为一个监测数据集合，以得到多个监测数据集合。
具体的，上述候选监测数据集合的分组是首先通过位置来聚类划分出多个相互之间靠近的反滤包，再进一步根据数据异常预测参数可以将同一区域内的反滤包中重点存在异常的反滤包的数据集中起来，以便于后续的区域分析。
通过上述实施例，能够通过位置定位数据对多个反滤包装置的监测数据进行分组以得到多个候选监测数据集合，再进一步将候选监测数据集合中所有数据异常预测参数大于阈值的监测数据确定为监测数据集合，从而能够有效区分出多个集合以用于后续更精确地评估整个区域的排水过滤情况。
在一个可选的实施例中，分析模块204根据多个监测数据集合，和预设的数据判定规则，分析目标区域对应的排水过滤异常情况的具体方式，包括：
将每一监测数据集合中所有监测数据的位置定位数据作为顶点生成每一监测数据集合对应的区域范围；
对于每一监测数据集合，计算该监测数据集合中所有监测数据对应的水质异常传感参数的平均值，得到该监测数据集合对应的区域范围对应的水质异常参数；
将水质异常参数大于第二参数阈值的区域范围确定为异常区域范围；异常区域范围用于发送至维修方服务器以用于表征异常区域范围的排水过滤异常情况。
可选的，维修方服务器在收到多个异常区域范围的情况后，可以组织开展对异常区域范围的进一步的现场勘测和问题排查，以提高工程质量，减少工程事故或隐患的危害。
通过上述实施例，能够将水质异常参数大于第二参数阈值的区域范围确定为异常区域范围以实现对区域的排水过滤情况的分析，从而能够结合反滤包装置对工程区域的整体施工效果进行有效监测，实现更加智能化的施工监测，提高工程质量。
实施例三，请参阅图3，图3是本发明实施例公开的又一种用于反滤包监测的数据处理装置。图3所描述的用于反滤包监测的数据处理装置应用于数据处理芯片、处理终端或处理服务器（其中，该处理服务器可以为本地服务器或云服务器）中。如图3所示，该用于反滤包监测的数据处理装置可以包括：
存储有可执行程序代码的存储器301；
与存储器301耦合的处理器302；
其中，处理器302调用存储器301中存储的可执行程序代码，用于执行实施例一所描述的用于反滤包监测的数据处理方法的步骤。
实施例四，本发明实施例还具体公开了一种反滤包监测装置，反滤包监测装置包括设置在目标区域的多个反滤包装置和数据监测装置。
其中，反滤包装置用于同设置在工程结构上的排水管配合使用，包括半球罩组件和连接部；半球罩组件中设置有定位部件和数据传输部件；连接部中设置有水质传感部件；定位部件和水质传感部件均电连接至数据传输部件；数据传输部件通信连接至数据监测装置。其中，数据监测装置执行实施例一所描述的用于反滤包监测的数据处理方法的步骤。
在一个具体的实施例中，参见图4-7，反滤包装置可以为一种预制式反滤包支撑结构，用于同设置在工程结构上的排水管B1配合使用，包括半球罩组件1、连接部2。
如图5所示，半球罩组件1包括有外壳11、内壳12，外壳11、内壳12均为顶部开口的半球状结构，包括有支撑骨架a和设在支撑骨架a外侧的过滤网b，为避免在使用过程中出现生锈等问题，支撑骨架a、过滤网b均为不锈钢材质。过滤网b可以为不锈钢网，在需要承载力较大的场景，可以选择梅花孔冲孔网。
具体的，支撑骨架a包括有底环a1、上开口环a2，以及连接底环a1、上开口环a2的侧支撑曲杆a3。可选的，在上开口环a2处可以通过防水隔层板的方式设置有电路板3，该电路板3为微型的电路板，内设有供电电池和相应的定位传感器和数据传输模块，可用于获取该反滤包装置的定位信息并进行传输。具体的，该数据传输模块可以为蓝牙通信模块、LORA通信模块、卫星通信模块或WIFI通信模块，操作人员可以根据具体的实施场景中反滤包装置的深埋或浅埋情形来选择，在一些实施场景中，可以在现场较近位置的施工点设置现场服务器来对反滤包装置的数据进行接受并传输至云端服务器。
如图4、5、6所示，内壳12设置在外壳11内部，内壳12的底部固定到外壳11内部底面上，外壳11、内壳12轴线重合。内壳12的半径为外壳11半径的40%-60%。可选的，外壳11、内壳12的具体尺寸可以根据使用场景，材料承载力进行灵活选择。
具体的，外壳11、内壳12固定后在外壳11内部形成外壳11同内壳12之间间隙、内壳12内部两个分隔的空间，可以填充不同的反滤料，如卵石、砾石、粗砂等自然过滤材料，或工程布、过滤棒材等人工过滤材料，具体过滤材料的选择可以根据现场情况进行灵活选择。通过两个不锈钢骨架使得内壳12内外两种不同的材料不混合到一起，保证反滤料的级配稳定。
可选的，外壳11底部中央处设置有连接部2，用于将半球罩组件1固定连接到排水管B1。如图4、7所示，连接部2可以为多个固定在外壳11底部的不锈钢材质金属杆，金属杆围合成圆形，该圆形的外径同排水管B1内径相同，施工时将连接部2插入到排水管B1内即可。具体的，金属杆上可以设置有TDS水质传感计4，并通过电连接至设置在外壳的电路板以用于获取连接部2处的渗透水的水质，并远程传输给相应的服务器进行分析。
如图6所示，连接部2可以为管状结构，其外径同排水管B1内径相同，施工时将连接部2插入到排水管B1内即可。具体的，连接部2还可以为设置在排水管B1外侧的预埋金属件，通过焊接、锁扣、螺栓连接等常见结构同半球罩组件1固定连接。具体的，管状结构的内壁设置有TDS水质传感计4，并通过电连接至设置在外壳的电路板以用于获取连接部2处的渗透水的水质，并远程传输给相应的服务器进行分析。
实施例五，本发明实施例公开了一种计算机读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一所描述的用于反滤包监测的数据处理方法的步骤。
实施例六，本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一所描述的用于反滤包监测的数据处理方法的步骤。
上述对本说明书特定实施例进行了描述，其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，附图中描绘的过程不一定必须按照示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书实施例提供的装置、设备、非易失性计算机可读存储介质与方法是对应的，因此，装置、设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述对应装置、设备、非易失性计算机存储介质的有益技术效果。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field ProgrammableGateArray， FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera HardwareDescriptionLanguage)、 Confluence、CUPL(Cornell University ProgrammingLanguage)、HDCal、JHDL (Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL (RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书实施例可提供为方法、系统、或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
最后应说明的是：本发明实施例公开的一种用于反滤包监测的数据处理方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项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；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (13)
1.一种用于反滤包监测的数据处理方法，其特征在于，所述方法包括：
获取由设置在目标区域的多个反滤包装置发送的多个监测数据；所述监测数据包括位置定位数据和水质传感数据；所述位置定位数据由所述反滤包装置中的定位部件进行获取；所述水质传感数据由所述反滤包中的水质传感部件进行获取；
根据任一所述反滤包装置发送的所述监测数据，以及该反滤包装置的历史监测数据，计算该反滤包装置对应的数据异常预测参数；所述数据异常预测参数用于发送至维修方服务器以用于表征所述反滤包装置的异常待更换情况；
根据所述位置定位数据，以及所述数据异常预测参数，对所述多个反滤包装置的所述监测数据进行分组，以得到多个监测数据集合；
根据所述多个监测数据集合，和预设的数据判定规则，分析所述目标区域对应的排水过滤异常情况。
2.根据权利要求1所述的用于反滤包监测的数据处理方法，其特征在于，所述根据任一所述反滤包装置发送的所述监测数据，以及该反滤包装置的历史监测数据，计算该反滤包装置对应的数据异常预测参数，包括：
对于任一所述反滤包装置，获取该反滤包装置发送的所述位置定位数据和所述水质传感数据以及该反滤包装置在历史时间段发送的多个历史位置定位数据和多个历史水质传感数据；
根据所述位置定位数据，和所述多个历史位置定位数据，计算该反滤包装置对应的位置异常参数；
根据所述水质传感数据，和所述多个历史水质传感数据，计算该反滤包装置对应的水质异常参数；
根据所述位置异常参数和所述水质异常参数，计算该反滤包装置对应的数据异常预测参数。
3.根据权利要求2所述的用于反滤包监测的数据处理方法，其特征在于，所述根据所述位置定位数据，和所述多个历史位置定位数据，计算该反滤包装置对应的位置异常参数，包括：
计算所述多个历史位置定位数据的位置为顶点所组成的多边形的第一几何中心位置；
计算所述位置定位数据和所述第一几何中心位置的第一距离值；
从所述多个历史位置定位数据中筛选出符合第一时间规则和第一位置规则的多个目标历史位置定位数据；所述第一时间规则用于限定所述多个目标历史位置定位数据对应的获取时间之间的时间差小于第一时间差阈值；所述第一位置规则用于限定所述多个目标历史位置定位数据之间的位置差小于第一位置差阈值；
计算所述多个目标历史位置定位数据的位置为顶点所组成的多边形的第二几何中心位置；
计算所述位置定位数据和所述第二几何中心位置的第二距离值；
计算所述第一距离值和所述第二距离值的加权求和平均值，得到该反滤包装置对应的位置异常参数；其中，所述第一距离值对应的权重小于所述第二距离值对应的权重；所述第二距离值对应的权重与所述目标历史位置定位数据的数量成正比。
4.根据权利要求2所述的用于反滤包监测的数据处理方法，其特征在于，所述根据所述水质传感数据，和所述多个历史水质传感数据，计算该反滤包装置对应的水质异常参数，包括：
计算每一所述历史水质传感数据和标准水质传感值之间的历史水质传感差值；
计算所述水质传感数据和所述标准水质传感值之间的水质传感差值；
计算所有所述历史水质传感差值的第一平均值；
计算所述水质传感差值和所述第一平均值的第一数据差值；
从所述多个历史水质传感数据中筛选出符合第二时间规则和第一水质值规则的多个目标历史水质传感数据；所述第二时间规则用于限定所述多个目标历史水质传感数据对应的获取时间之间的时间差小于第二时间差阈值；所述第一水质值规则用于限定多个目标历史水质传感数据之间的数据差小于第一数据差阈值；
计算所述多个目标历史水质传感数据对应的所述历史水质传感差值的第二平均值；
计算所述水质传感差值和所述第二平均值的第二数据差值；
计算所述第一数据差值和所述第二数据差值的加权求和平均值，得到该反滤包装置对应的水质异常参数；其中，所述第一数据差值对应的权重小于所述第二数据差值对应的权重；所述第二数据差值对应的权重与所述目标历史水质传感数据的数量成正比。
5.根据权利要求2所述的用于反滤包监测的数据处理方法，其特征在于，所述根据所述位置异常参数和所述水质异常参数，计算该反滤包装置对应的数据异常预测参数，包括：
计算所述位置异常参数和所述水质异常参数的加权求和平均值，得到该反滤包装置对应的数据异常参数；
将该反滤包装置对应的数据异常参数和所述位置定位数据，输入至训练好的异常预测神经网络模型中，以得到该反滤包装置的数据异常预测参数；所述异常预测神经网络模型通过包括有多个训练数据异常参数和对应的位置数据和异常标注的训练数据集训练得到。
6.根据权利要求1所述的用于反滤包监测的数据处理方法，其特征在于，所述根据所述位置定位数据，以及所述数据异常预测参数，对所述多个反滤包装置的所述监测数据进行分组，以得到多个监测数据集合，包括：
根据所述位置定位数据，对所述多个反滤包装置的所述监测数据进行分组，以得到多个候选监测数据集合；其中，每一所述候选监测数据集合中的所有所述监测数据的所述位置定位数据之间的位置差小于第二位置差阈值；
对于每一所述候选监测数据集合，将该候选监测数据集合中所有所述数据异常预测参数大于预设的第一参数阈值的监测数据，确定为一个监测数据集合，以得到多个监测数据集合。
7.根据权利要求4所述的用于反滤包监测的数据处理方法，其特征在于，所述根据所述多个监测数据集合，和预设的数据判定规则，分析所述目标区域对应的排水过滤异常情况，包括：
将每一所述监测数据集合中所有所述监测数据的所述位置定位数据作为顶点生成每一所述监测数据集合对应的区域范围；
对于每一所述监测数据集合，计算该监测数据集合中所有所述监测数据对应的所述水质异常传感参数的平均值，得到该监测数据集合对应的所述区域范围对应的水质异常参数；
将所述水质异常参数大于第二参数阈值的所述区域范围确定为异常区域范围；所述异常区域范围用于发送至所述维修方服务器以用于表征所述异常区域范围的排水过滤异常情况。
8.一种用于反滤包监测的数据处理装置，其特征在于，所述装置包括：
获取模块，用于获取由设置在目标区域的多个反滤包装置发送的多个监测数据；所述监测数据包括位置定位数据和水质传感数据；所述位置定位数据由所述反滤包装置中的定位部件进行获取；所述水质传感数据由所述反滤包中的水质传感部件进行获取；
计算模块，用于根据任一所述反滤包装置发送的所述监测数据，以及该反滤包装置的历史监测数据，计算该反滤包装置对应的数据异常预测参数；所述数据异常预测参数用于发送至维修方服务器以用于表征所述反滤包装置的异常待更换情况；
分组模块，用于根据所述位置定位数据，以及所述数据异常预测参数，对所述多个反滤包装置的所述监测数据进行分组，以得到多个监测数据集合；
分析模块，用于根据所述多个监测数据集合，和预设的数据判定规则，分析所述目标区域对应的排水过滤异常情况。
9.一种用于反滤包监测的数据处理装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的用于反滤包监测的数据处理方法。
10.一种反滤包监测装置，其特征在于，所述反滤包监测装置包括设置在目标区域的多个反滤包装置和数据监测装置；
所述反滤包装置用于同设置在工程结构上的排水管配合使用，包括半球罩组件和连接部；所述半球罩组件中设置有定位部件和数据传输部件；所述连接部中设置有水质传感部件；所述定位部件和所述水质传感部件均电连接至所述数据传输部件；所述数据传输部件通信连接至所述数据监测装置；
所述数据监测装置执行如权利要求1-7任一项所述的用于反滤包监测的数据处理方法。
11.根据权利要求10所述的反滤包监测装置，其特征在于，所述半球罩组件包括有外壳、内壳，所述外壳、内壳均为顶部开口的半球状结构，包括有支撑骨架和设在支撑骨架外侧的过滤网；所述内壳设置在外壳内部，所述内壳的底部固定到外壳内部底面上；所述外壳底部中央处设置有连接部，用于将所述半球罩组件固定连接到排水管。
12.根据权利要求11所述的反滤包监测装置，其特征在于，所述支撑骨架包括有底环、上开口环，以及连接底环、上开口环的侧支撑曲杆；所述上开口环处通过防水隔层板的方式设置有电路板，所述电路板内设有供电电池和定位传感器和数据传输模块，所述电路板用于获取所述反滤包装置的位置定位信息并进行传输。
13.根据权利要求12所述的反滤包监测装置，其特征在于，所述连接部为多个固定在外壳底部的不锈钢材质金属杆，所述金属杆围合成圆形，该圆形的外径同排水管内径相同；所述金属杆上设置有TDS水质传感计，所述TDS水质传感计电连接至所述电路板，用于获取所述连接部处的渗透水的水质并通过所述数据传输模块进行传输；
和/或，所述连接部为管状结构，其外径同排水管内径相同；所述管状结构的内壁设置有TDS水质传感计，所述TDS水质传感计电连接至所述电路板，用于获取所述连接部处的渗透水的水质并通过所述数据传输模块进行传输。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311297617.XA CN117367496B (zh) | 2023-10-09 | 2023-10-09 | 一种用于反滤包监测的数据处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311297617.XA CN117367496B (zh) | 2023-10-09 | 2023-10-09 | 一种用于反滤包监测的数据处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117367496A true CN117367496A (zh) | 2024-01-09 |
| CN117367496B CN117367496B (zh) | 2024-04-02 |
Family
ID=89403369
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311297617.XA Active CN117367496B (zh) | 2023-10-09 | 2023-10-09 | 一种用于反滤包监测的数据处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117367496B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112418557A (zh) * | 2020-12-10 | 2021-02-26 | 清研灵智信息咨询(北京)有限公司 | 基于云服务的数据分析和预测系统及方法 |
| CN116361737A (zh) * | 2023-03-31 | 2023-06-30 | 北控水务(中国)投资有限公司 | 一种湖泊异常动态监测方法、装置、电子设备及存储介质 |
| CN116819029A (zh) * | 2023-08-09 | 2023-09-29 | 水利部珠江水利委员会水文局 | 一种河道水污染监测方法及系统 |
-
2023
- 2023-10-09 CN CN202311297617.XA patent/CN117367496B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112418557A (zh) * | 2020-12-10 | 2021-02-26 | 清研灵智信息咨询(北京)有限公司 | 基于云服务的数据分析和预测系统及方法 |
| CN116361737A (zh) * | 2023-03-31 | 2023-06-30 | 北控水务(中国)投资有限公司 | 一种湖泊异常动态监测方法、装置、电子设备及存储介质 |
| CN116819029A (zh) * | 2023-08-09 | 2023-09-29 | 水利部珠江水利委员会水文局 | 一种河道水污染监测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117367496B (zh) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104794578A (zh) | 基于云计算的智慧水务管理系统 | |
| CN114880733B (zh) | 智慧水务水力模型数据处理方法及装置 | |
| Singh et al. | Wireless disaster monitoring and management system for dams | |
| CN111639011B (zh) | 一种数据监控方法、装置及设备 | |
| CN117367496B (zh) | 一种用于反滤包监测的数据处理方法及装置 | |
| Varghese et al. | Iot based disaster monitoring and management system for dams (idmmsd) | |
| CN101477206A (zh) | 一种地质灾害应急监测预报分析方法 | |
| Duong et al. | Model uncertainty in flood modelling. Case study at vu gia thu bon catchment-Vietnam | |
| CN111651710A (zh) | 一种基于全过程遥感数据分析的堰塞湖淹没范围测绘方法 | |
| Khan et al. | Wireless sensor network based flood/drought forecasting system | |
| Liu et al. | Exploiting a real-time self-correcting digital twin model for the middle route of the south-to-north water diversion project of china | |
| Kumar et al. | IOT-based dam and barrage monitoring system | |
| CN116703004B (zh) | 一种基于预训练模型的水系流域智慧巡护方法和装置 | |
| Nam et al. | Future fluvial flood risks in C entral V ietnam assessed using global super‐high‐resolution climate model output | |
| CN113268793A (zh) | 复杂地形土方量计算方法及装置 | |
| CN117091675A (zh) | 一种大坝水位监测预警方法、系统、电子设备及存储介质 | |
| JP5925585B2 (ja) | 幹線マンホール緊急時シミュレーションシステム、方法及びプログラム | |
| Negi et al. | Automation Intervention using the Internet of Things in the Infrastructure of Dam | |
| CN115062461A (zh) | 考虑地下结构阻隔作用的抗浮设防水位取值系统及方法 | |
| CN116699998B (zh) | 基于ai算法的无人值守加压站控制系统 | |
| CN112233236A (zh) | 海岸带淹没轮廓预测方法、装置、设备及可读存储介质 | |
| Vatvani et al. | Cyclone induced storm surge and flood forecasting system for India | |
| CN117875789B (zh) | 一种用于海绵城市排水效果评估的数据处理方法及装置 | |
| JPH093848A (ja) | 河川管理システムおよび河川管理方法 | |
| Iqbal et al. | A mobile agent-based algorithm for prediction of inundation area |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Hu Mingjiang Inventor after: Yue Peng Inventor after: Cai Kaibin Inventor after: Xiao Xianwei Inventor after: Li Zongjian Inventor after: Peng Maohua Inventor after: Wen Longbiao Inventor after: Wu Zhaoping Inventor after: Yang Ting Inventor after: Li Lulu Inventor after: Feng Xiangfan Inventor after: Tan Qifeng Inventor after: Xie Zhijie Inventor before: Peng Maohua Inventor before: Cai Kaibin Inventor before: Xiao Xianwei Inventor before: Li Zongjian Inventor before: Wen Longbiao Inventor before: Wu Zhaoping Inventor before: Yang Ting Inventor before: Li Lulu Inventor before: Feng Xiangfan Inventor before: Tan Qifeng Inventor before: Xie Zhijie Inventor before: Yue Peng |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |