CN117421568B - 边坡岩土体冻融监测点定位方法、装置、终端及存储介质 - Google Patents
边坡岩土体冻融监测点定位方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN117421568B CN117421568B CN202311744374.XA CN202311744374A CN117421568B CN 117421568 B CN117421568 B CN 117421568B CN 202311744374 A CN202311744374 A CN 202311744374A CN 117421568 B CN117421568 B CN 117421568B
- Authority
- CN
- China
- Prior art keywords
- frequency domain
- data
- factor
- matrix
- deformation
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 58
- 239000002689 soil Substances 0.000 title claims abstract description 36
- 238000010257 thawing Methods 0.000 title claims abstract description 32
- 239000011435 rock Substances 0.000 title abstract description 7
- 238000007710 freezing Methods 0.000 title description 2
- 230000008014 freezing Effects 0.000 title description 2
- 239000011159 matrix material Substances 0.000 claims description 118
- 239000013598 vector Substances 0.000 claims description 87
- 238000011176 pooling Methods 0.000 claims description 67
- 238000000605 extraction Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 17
- 230000004927 fusion Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 15
- 238000010219 correlation analysis Methods 0.000 claims description 14
- 238000005096 rolling process Methods 0.000 claims description 11
- 230000009191 jumping Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000006073 displacement reaction Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/23—Dune restoration or creation; Cliff stabilisation
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本发明涉及岩土监测点定位技术领域，尤其涉及一种边坡岩土体冻融监测点定位方法、装置、终端及存储介质，本发明方法首先获取变形监测数据集以及多个因素数据集，变形监测数据集以及因素数据集分别表征监测点的变形量和影响监测点变形的因素量随时间的波动性，通过将数据集分段，再提取频域特征，最后组建为表征时频域特征的矩阵，使得变形数据和因素数据波动性特征凸显化，再通过卷积和池化过程，进一步从时频域信息中提取所需的特征，使得特征精细化，从而使得变形数据与因素数据相关性凸显，并分析、定位出利于监测边坡岩土体变形的点位，点位定位更准确，避免了监测点设置不合理导致的数据误报，或导致不能及时发现边坡异常变形的问题。
Description
技术领域
本发明涉及岩土监测点定位技术领域，尤其涉及一种边坡岩土体冻融监测点定位方法、装置、终端及存储介质。
背景技术
边坡形成过程中，边坡岩土体内原始应力重新分布，导致岩土体原有平衡状态发生变形，在此条件下，坡体将发生不同程度的局部或整体的变形，以达到新的平衡。边坡变形与破坏的发展过程，可以是漫长的，也可以是短暂的。
高寒地区的边坡，其受温度场、变形场以及水分场的变化影响，应力不断变化，边坡变形和破坏的发展过程较其他地区要迅速的多。为防止冻融性边坡出现事故，相关技术做了多种努力，例如，在边坡周围设置了多个监测点，实时获取边坡的形变和影响边坡形变的因素数据，或者，对边坡的结构进行建模，以预测边坡结构的发展形式。
监测点设置的数量和位置对于监测结果和建模的准确性具有重要影响，传统技术通常依据经验在边坡上选择敏感带，在敏感带周围等间距的设置多个监测点，因此，在监测点位置的选择上具有一定的盲目性和不准确性。
基于此，需要开发设计出一种边坡岩土体冻融监测点定位方法。
发明内容
本发明实施方式提供了一种边坡岩土体冻融监测点定位方法、装置、终端及存储介质，用于解决现有技术中边坡岩土体冻融监测点定位较为不准确的问题。
第一方面，本发明实施方式提供了一种边坡岩土体冻融监测点定位方法，包括：
获取变形监测数据集以及多个因素数据集，其中，所述变形监测数据集以及因素数据集分别表征监测点的变形量和影响监测点变形的因素量随时间的波动性；
将所述变形监测数据集以及所述多个因素数据集分别分为多个数据段，根据所述多个数据段分别提取多个频域特征，并根据所述多个频域特征与所述多个数据段、所述变形监测数据集以及所述多个因素数据集的对应性构建变形频域矩阵以及多个因素频域矩阵；
对所述变形频域矩阵以及所述多个因素频域矩阵分别进行卷积和池化获得变形池化矩阵和多个因素池化矩阵，根据所述变形池化矩阵和所述多个因素池化矩阵进行相关性分析，并根据分析的结果确定监测点的点位。
在一种可能实现的方式中，所述将所述变形监测数据集以及所述多个因素数据集分别分为多个数据段，根据所述多个数据段分别提取多个频域特征，并根据所述多个频域特征与所述多个数据段、所述变形监测数据集以及所述多个因素数据集的对应性构建变形频域矩阵以及多个因素频域矩阵，包括：
获取基本周期；
根据所述基本周期，分别对所述变形监测数据集以及所述多个因素数据集分割，获得多个数据段，其中，数据段对应的时长为所述基本周期时长的整数倍；
对所述多个数据段中的每个数据段进行频域特征提取，并根据提取获得的多个频域特征构建频域向量，从而获得与所述多个数据段相对应的多个频域向量；
根据来源时间节点的顺序以及来源数据集，将所述多个频域向量构建为变形频域矩阵以及多个因素频域矩阵，其中，所述来源时间节点为频域向量对应的数据段的时间节点，所述来源数据集为频域向量对应的数据段所属的数据集。
在一种可能实现的方式中，所述根据所述基本周期，对所述多个数据段中的每个数据段进行频域特征提取，并根据提取获得的多个频域特征构建频域向量，包括：
获取特征提取周期，其中，所述特征提取周期时长与数据段的时长相同；
对所述多个数据段中的每个数据段，执行如下步骤：
根据第一公式、数据段以及所述特征提取周期，提取多个频域特征，其中，所述第一公式为：
式中，为数据段的第/>次频域特征，/>为数据段的第/>个数据，/>为自然常数，/>为虚数单位，/>为特征提取周期所对应的频率，/>为数据段中数据的总数量，/>为圆周率；
根据频域的次数，将所述多个频域特征构建为频域向量。
在一种可能实现的方式中，所述对所述变形频域矩阵以及所述多个因素频域矩阵分别进行卷积和池化获得变形池化矩阵和多个因素池化矩阵，包括：
对所述变形频域矩阵以及所述多个因素频域矩阵中的每个频域矩阵，分别执行如下步骤：
获取多个卷积核；
利用所述多个卷积核对矩阵分别进行卷积化操作，获得多个卷积特征矩阵，并对所述多个卷积特征矩阵进行融合，获得融合矩阵；
对所述融合矩阵进行池化，获得池化矩阵。
在一种可能实现的方式中，所述利用所述多个卷积核对矩阵分别进行卷积化操作，获得多个卷积特征矩阵，并对所述多个卷积特征矩阵进行融合，获得融合矩阵，包括：
获取第一位置指示；
根据所述第一位置指示从频域矩阵中取出与卷积核同型的数据块；
分别计算所述数据块与所述多个卷积核的内积，并根据所述第一位置指示将所述多个内积对应性地加入到多个卷积特征矩阵中；
若所述第一位置指示未达到频域矩阵的末尾，则按照预定的顺序调整所述第一位置指示，并跳转至所述根据所述第一位置指示从频域矩阵中取出与卷积核同型的数据块的步骤；
将所述多个卷积特征矩阵中低于凸显化阈值的位置置零，获得多个凸显化特征矩阵；
计算所述多个凸显化特征矩阵的和，作为融合矩阵。
在一种可能实现的方式中，所述根据所述变形池化矩阵和所述多个因素池化矩阵进行相关性分析，并根据分析的结果确定监测点的点位，包括：
对于所述多个因素池化矩阵中的每个因素池化矩阵，执行如下步骤：
获取取样数量、第二位置指示以及第三位置指示；
按照所述第二位置指示从所述变形池化矩阵中取出所述取样数量的行数或列数的数据，并将取出的数据构建为第一向量；
按照所述第三位置指示从因素池化矩阵中取出所述取样数量的行数或列数的数据，并将取出的数据构建为第二向量；
计算所述第一向量与所述第二向量的相关系数，并将计算结果加入相关系数队列；
若所述第三位置指示未达到因素池化矩阵的末尾，则对所述第三位置指示进行偏移，并跳转至所述按照所述第三位置指示从因素池化矩阵中取出所述取样数量的行数或列数的数据，并将取出的数据构建为第二向量的步骤；
若所述第二位置指示未达到所述变形池化矩阵的末尾，则对所述第三位置指示进行偏移，并跳转至按照所述第二位置指示从所述变形池化矩阵中取出所述取样数量的行数或列数的数据，并将取出的数据构建为第一向量；
将所述相关系数队列进行归一化，并计算所述相关系数队列的模，作为第一相关系数；
根据所述第一相关系数以及相关系数阈值，确定监测点的点位是否满足监测要求。
在一种可能实现的方式中，所述计算所述第一向量与所述第二向量的相关系数，包括：
分别提取所述第一向量与所述第二向量的单位向量，作为第三向量以及第四向量；
计算所述第三向量与所述第四向量的点积，将计算结果作为所述第一向量与所述第二向量的相关系数。
第二方面，本发明实施方式提供了一种边坡岩土体冻融监测点定位装置，用于实现如上第一方面或第一方面的任一种可能的实现方式所述的边坡岩土体冻融监测点定位方法，所述边坡岩土体冻融监测点定位装置包括：
数据获取模块，用于获取变形监测数据集以及多个因素数据集，其中，所述变形监测数据集以及因素数据集分别表征监测点的变形量和影响监测点变形的因素量随时间的波动性；
频域特征提取模块，用于将所述变形监测数据集以及所述多个因素数据集分别分为多个数据段，根据所述多个数据段分别提取多个频域特征，并根据所述多个频域特征与所述多个数据段、所述变形监测数据集以及所述多个因素数据集的对应性构建变形频域矩阵以及多个因素频域矩阵；
以及，
监测点定位模块，用于对所述变形频域矩阵以及所述多个因素频域矩阵分别进行卷积和池化获得变形池化矩阵和多个因素池化矩阵，根据所述变形池化矩阵和所述多个因素池化矩阵进行相关性分析，并根据分析的结果确定监测点的点位。
第三方面，本发明实施方式提供了一种终端，包括存储器以及处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
第四方面，本发明实施方式提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施方式与现有技术相比存在的有益效果是：
本发明实施方式公开了一种边坡岩土体冻融监测点定位方法，其首先获取变形监测数据集以及多个因素数据集，其中，所述变形监测数据集以及因素数据集分别表征监测点的变形量和影响监测点变形的因素量随时间的波动性；然后将所述变形监测数据集以及所述多个因素数据集分别分为多个数据段，根据所述多个数据段分别提取多个频域特征，并根据所述多个频域特征与所述多个数据段、所述变形监测数据集以及所述多个因素数据集的对应性构建变形频域矩阵以及多个因素频域矩阵；最后对所述变形频域矩阵以及所述多个因素频域矩阵分别进行卷积和池化获得变形池化矩阵和多个因素池化矩阵，根据所述变形池化矩阵和所述多个因素池化矩阵进行相关性分析，并根据分析的结果确定监测点的点位。本发明实施方式通过将数据集分段，再提取频域特征，最后组建为表征时频域特征的矩阵，使得变形数据和因素数据波动性特征凸显化，再通过卷积和池化过程，进一步从时频域信息中提取所需的特征，使得特征精细化，从而使得变形数据与因素数据相关性凸显，并分析、定位出利于监测边坡岩土体变形的点位，点位定位更准确，避免了监测点设置不合理导致的数据误报，或导致不能及时发现边坡异常变形的问题。
附图说明
为了更清楚地说明本发明实施方式中的技术方案，下面将对实施方式或现有技术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方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施方式提供的边坡岩土体冻融监测点定位方法的流程图；
图2是本发明实施方式提供的池化矩阵相关性分析过程原理图；
图3是本发明实施方式提供的边坡岩土体冻融监测点定位装置功能框图；
图4是本发明实施方式提供的终端功能框图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施方式。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施方式中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施方式来进行说明。
下面对本发明的实施例作详细说明，本实例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
图1为本发明实施方式提供的边坡岩土体冻融监测点定位方法的流程图。
如图1所示，其示出了本发明实施方式提供的边坡岩土体冻融监测点定位方法的实现流程图，详述如下：
在步骤101中，获取变形监测数据集以及多个因素数据集，其中，所述变形监测数据集以及因素数据集分别表征监测点的变形量和影响监测点变形的因素量随时间的波动性。
在步骤102中，将所述变形监测数据集以及所述多个因素数据集分别分为多个数据段，根据所述多个数据段分别提取多个频域特征，并根据所述多个频域特征与所述多个数据段、所述变形监测数据集以及所述多个因素数据集的对应性构建变形频域矩阵以及多个因素频域矩阵。
在一些实施方式中，所述步骤102包括：
获取基本周期；
根据所述基本周期，分别对所述变形监测数据集以及所述多个因素数据集分割，获得多个数据段，其中，数据段对应的时长为所述基本周期时长的整数倍；
对所述多个数据段中的每个数据段进行频域特征提取，并根据提取获得的多个频域特征构建频域向量，从而获得与所述多个数据段相对应的多个频域向量；
根据来源时间节点的顺序以及来源数据集，将所述多个频域向量构建为变形频域矩阵以及多个因素频域矩阵，其中，所述来源时间节点为频域向量对应的数据段的时间节点，所述来源数据集为频域向量对应的数据段所属的数据集。
在一些实施方式中，所述根据所述基本周期，对所述多个数据段中的每个数据段进行频域特征提取，并根据提取获得的多个频域特征构建频域向量，包括：
获取特征提取周期，其中，所述特征提取周期时长与数据段的时长相同；
对所述多个数据段中的每个数据段，执行如下步骤：
根据第一公式、数据段以及所述特征提取周期，提取多个频域特征，其中，所述第一公式为：
式中，为数据段的第/>次频域特征，/>为数据段的第/>个数据，/>为自然常数，/>为虚数单位，/>为特征提取周期所对应的频率，/>为数据段中数据的总数量，/>为圆周率；
根据频域的次数，将所述多个频域特征构建为频域向量。
示例性地，本发明在边坡岩土体冻融监测点的确定初期，首先在敏感地带设置位移量测量传感器，并在位移量测量传感器周围设置多个监测传感器，这些监测传感器可能包括水分传感器、地温传感器等一系列传感器，以获取影响边坡岩土体冻融后坡体位移量的因素数据，如前所述，由于这些传感器设置的位置、埋深可能会对测量结果有较大的影响，例如，这些传感器中一部分传感器采集的数据可能对坡体的位移量影响较小，或者，有些传感器设置的位置不合理，导致测量的数据波动大而频繁发出报警，干扰坡体的正常监测过程，因此有必要通过合理的分析方式，确定监测传感器的位置。
本发明实施方式中，将位移量传感器获得的数据汇总，形成变形监测数据集，还将多个监测传感器在同时段获取的数据，分别汇总，形成因素数据集，这些数据集反映了变形数据和因素数据随时间的波动性。因此，我们从波动性着手，分析因素监测传感器设置的合理性。
本发明实施方式在进行波动性分析方面，将数据集（包括变形监测数据集以及多个因素数据集）分成若干个小的时段，对于每个小的时段的数据集，通过频域特征提取的方式，提取多个频域特征，将多个频域特征组合构成该时段的频域向量，多个时段的频域向量组合，构成频域矩阵，在将频域向量组合成频域矩阵方面，通常是按照时段的先后顺序进行组合，既可以将频域向量作为列向量组合为频域矩阵，还可以将频域向量作为行向量组合为频域矩阵，本发明实施方式的应用场景中，将频域向量作为列向量组合成了频域矩阵。
在频域向量的构建方面，本发明实施方式首先确定了一个可以明确的基本周期，根据这个基本周期对数据集进行分割，获得数据段，例如，温度的波动性周期通常是一个自然日，考虑到边坡变形、湿度波动的滞后性等因素，也为了我们为了便于分析，通常将数据段的时段长度设置为基本周期的整数倍，例如，有的应用场景中，将时段长度设置为3天、5天或者一周。将数据分割好以后，对每个数据段提取多个频域特征，通常提取频域特征的基本周期即为数据段的时长，一种提取方式是利用如下的公式：
式中，为数据段的第/>次频域特征，/>为数据段的第/>个数据，/>为自然常数，/>为虚数单位，/>为特征提取周期所对应的频率，/>为数据段中数据的总数量，/>为圆周率。
在提取到多个频域特征后，根据频域特征的次数进行排列，就形成了频域向量。
在步骤103中，对所述变形频域矩阵以及所述多个因素频域矩阵分别进行卷积和池化获得变形池化矩阵和多个因素池化矩阵，根据所述变形池化矩阵和所述多个因素池化矩阵进行相关性分析，并根据分析的结果确定监测点的点位。
在一些实施方式中，所述对所述变形频域矩阵以及所述多个因素频域矩阵分别进行卷积和池化获得变形池化矩阵和多个因素池化矩阵，包括：
对所述变形频域矩阵以及所述多个因素频域矩阵中的每个频域矩阵，分别执行如下步骤：
获取多个卷积核；
利用所述多个卷积核对矩阵分别进行卷积化操作，获得多个卷积特征矩阵，并对所述多个卷积特征矩阵进行融合，获得融合矩阵；
对所述融合矩阵进行池化，获得池化矩阵。
在一些实施方式中，所述利用所述多个卷积核对矩阵分别进行卷积化操作，获得多个卷积特征矩阵，并对所述多个卷积特征矩阵进行融合，获得融合矩阵，包括：
获取第一位置指示；
根据所述第一位置指示从频域矩阵中取出与卷积核同型的数据块；
分别计算所述数据块与所述多个卷积核的内积，并根据所述第一位置指示将所述多个内积对应性地加入到多个卷积特征矩阵中；
若所述第一位置指示未达到频域矩阵的末尾，则按照预定的顺序调整所述第一位置指示，并跳转至所述根据所述第一位置指示从频域矩阵中取出与卷积核同型的数据块的步骤；
将所述多个卷积特征矩阵中低于凸显化阈值的位置置零，获得多个凸显化特征矩阵；
计算所述多个凸显化特征矩阵的和，作为融合矩阵。
在一些实施方式中，所述根据所述变形池化矩阵和所述多个因素池化矩阵进行相关性分析，并根据分析的结果确定监测点的点位，包括：
对于所述多个因素池化矩阵中的每个因素池化矩阵，执行如下步骤：
获取取样数量、第二位置指示以及第三位置指示；
按照所述第二位置指示从所述变形池化矩阵中取出所述取样数量的行数或列数的数据，并将取出的数据构建为第一向量；
按照所述第三位置指示从因素池化矩阵中取出所述取样数量的行数或列数的数据，并将取出的数据构建为第二向量；
计算所述第一向量与所述第二向量的相关系数，并将计算结果加入相关系数队列；
若所述第三位置指示未达到因素池化矩阵的末尾，则对所述第三位置指示进行偏移，并跳转至所述按照所述第三位置指示从因素池化矩阵中取出所述取样数量的行数或列数的数据，并将取出的数据构建为第二向量的步骤；
若所述第二位置指示未达到所述变形池化矩阵的末尾，则对所述第三位置指示进行偏移，并跳转至按照所述第二位置指示从所述变形池化矩阵中取出所述取样数量的行数或列数的数据，并将取出的数据构建为第一向量；
将所述相关系数队列进行归一化，并计算所述相关系数队列的模，作为第一相关系数；
根据所述第一相关系数以及相关系数阈值，确定监测点的点位是否满足监测要求。
在一些实施方式中，所述计算所述第一向量与所述第二向量的相关系数，包括：
分别提取所述第一向量与所述第二向量的单位向量，作为第三向量以及第四向量；
计算所述第三向量与所述第四向量的点积，将计算结果作为所述第一向量与所述第二向量的相关系数。
示例性地，经过上述过程获得的频域矩阵每列的含义是对应时段中包含的频域特征，而频域矩阵每行的含义是对应频率随时间的波动性。尽管我们通过时频域分析能够使得数据集的轮廓显著化，但是，如果直接进行相关性判断，仍有数据量大、相关性弱的不足，这是因为这些数据中包含的特征仍旧较多。
为了使得特征进一步凸显和便于运算，本发明实施方式对频域矩阵（包括变形频域矩阵和因素频域矩阵）分别进行卷积操作和池化操作，其中，卷积操作目的是为了得到我们需要的特征，而池化操作是减小矩阵的维度和尺寸，便于运算。
在卷积核方面，一种应用场景中选择了行差分卷积核和列差分卷积核，行差分卷积核：
列差分卷积核：
在有的可能中，采用均值卷积核：
不同卷积核提取不同的单一特征，将采用卷积核提取的特征矩阵融合后就获得了融合矩阵，融合矩阵再进行池化操作，就获得了池化矩阵，一种应用场景中，采用给了最大池化，其操作通过滑移的方式，例如从左向右从上到下，每滑移一次偏移一个数据位置，从融合矩阵中取出一个数据块，选择数据块中的最大值作为这个数据块的代表值，加入到池化的矩阵中。
卷积和池化操作方面，同样采用滑移的方式，依次取出数据块，取出的数据块与卷积核的尺寸、维度相同，取出的数据块与不同的卷积核进行内积计算，计算的结果加入到相应的卷积特征矩阵中。
当滑移结束后，根据凸显化阈值，将多个卷积特征矩阵中低于凸显化阈值的位置清零，通常凸显化阈值为矩阵中最大值的二分之一。最后将凸显化操作后的卷积特征矩阵相加，得到融合矩阵。
在经过融合和池化后，就可以进行相关性分析，如前所述，由于因素影响边坡变形的机理各有不同（与监测点设置的位置有关、监测点特性、边坡特性有关），例如，在一些场景中是变化速率影响边坡的变形，而有些场景中是累计量影响边坡的变形。因此，需要从多个方面入手，计算池化矩阵的相关性。
如图2，其示出了本发明实施方式提供的池化矩阵相关性分析过程原理图。本发明实施方式从变形池化矩阵201中取出一个列，构建成变形列向量203，然后，从因素池化矩阵202中以滑移的方式依次取出多个列，每取出一次，将这个列构建为因素列向量204，并计算变形列向量与因素列向量的相关系数（R11-R1n），并将相关系数加入到相关系数队列中。当完成滑移后，改变从变形池化矩阵中取出列的位置，从中取出一个列，构建成变形列向量，再次计算相关系数（虚线所示重复操作后的相关系数），如此往复，直至变形池化矩阵中所有的数据列均被取出，就得到了完整的相关系数队列，将这个队列进行归一化，并计算归一化后的相关系数队列的模，作为整体的相关系数，根据这个相关系数和阈值，判断监测点的点位是否满足要求。
本发明边坡岩土体冻融监测点定位方法实施方式，其首先获取变形监测数据集以及多个因素数据集，其中，所述变形监测数据集以及因素数据集分别表征监测点的变形量和影响监测点变形的因素量随时间的波动性；然后将所述变形监测数据集以及所述多个因素数据集分别分为多个数据段，根据所述多个数据段分别提取多个频域特征，并根据所述多个频域特征与所述多个数据段、所述变形监测数据集以及所述多个因素数据集的对应性构建变形频域矩阵以及多个因素频域矩阵；最后对所述变形频域矩阵以及所述多个因素频域矩阵分别进行卷积和池化获得变形池化矩阵和多个因素池化矩阵，根据所述变形池化矩阵和所述多个因素池化矩阵进行相关性分析，并根据分析的结果确定监测点的点位。本发明实施方式通过将数据集分段，再提取频域特征，最后组建为表征时频域特征的矩阵，使得变形数据和因素数据波动性特征凸显化，再通过卷积和池化过程，进一步从时频域信息中提取所需的特征，使得特征精细化，从而使得变形数据与因素数据相关性凸显，并分析、定位出利于监测边坡岩土体变形的点位，点位定位更准确，避免了监测点设置不合理导致的数据误报，或导致不能及时发现边坡异常变形的问题。
应理解，上述实施方式中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施方式的实施过程构成任何限定。
以下为本发明的装置实施方式，对于其中未详尽描述的细节，可以参考上述对应的方法实施方式。
图3是本发明实施方式提供的边坡岩土体冻融监测点定位装置功能框图，参照图3，边坡岩土体冻融监测点定位装置包括：数据获取模块301、频域特征提取模块302以及监测点定位模块303，其中：
数据获取模块301，用于获取变形监测数据集以及多个因素数据集，其中，所述变形监测数据集以及因素数据集分别表征监测点的变形量和影响监测点变形的因素量随时间的波动性；
频域特征提取模块302，用于将所述变形监测数据集以及所述多个因素数据集分别分为多个数据段，根据所述多个数据段分别提取多个频域特征，并根据所述多个频域特征与所述多个数据段、所述变形监测数据集以及所述多个因素数据集的对应性构建变形频域矩阵以及多个因素频域矩阵；
监测点定位模块303，用于对所述变形频域矩阵以及所述多个因素频域矩阵分别进行卷积和池化获得变形池化矩阵和多个因素池化矩阵，根据所述变形池化矩阵和所述多个因素池化矩阵进行相关性分析，并根据分析的结果确定监测点的点位。
图4是本发明实施方式提供的终端的功能框图。如图4所示，该实施方式的终端4包括：处理器400和存储器401，所述存储器401中存储有可在所述处理器400上运行的计算机程序402。所述处理器400执行所述计算机程序402时实现上述各个边坡岩土体冻融监测点定位方法及实施方式中的步骤，例如图1所示的步骤101至步骤103。
示例性的，所述计算机程序402可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器401中，并由所述处理器400执行，以完成本发明。
所述终端4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端4可包括，但不仅限于，处理器400、存储器401。本领域技术人员可以理解，图4仅仅是终端4的示例，并不构成对终端4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端4还可以包括输入输出设备、网络接入设备、总线等。
所称处理器400可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器401可以是所述终端4的内部存储单元，例如终端4的硬盘或内存。所述存储器401也可以是所述终端4的外部存储设备，例如所述终端4上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器401还可以既包括所述终端4的内部存储单元也包括外部存储设备。所述存储器401用于存储所述计算机程序402以及所述终端4所需的其他程序和数据。所述存储器401还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施方式中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施方式中的对应过程，在此不再赘述。
在上述实施方式中，对各个实施方式的描述都各有侧重，某个实施方式中没有详述或记载的部分，可以参见其它实施方式的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施方式描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施方式中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施方式仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述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单元来实现本实施方式方案的目的。
另外，在本发明各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以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，本发明实现上述实施方式方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法及装置实施方式的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、电载波信号、电信信号以及软件分发介质等。
以上所述实施方式仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施方式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实施方式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发明各实施方式技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (9)
1.一种边坡岩土体冻融监测点定位方法，其特征在于，包括：
获取变形监测数据集以及多个因素数据集，其中，所述变形监测数据集以及因素数据集分别表征监测点的变形量和影响监测点变形的因素量随时间的波动性；
将所述变形监测数据集以及所述多个因素数据集分别分为多个数据段，根据所述多个数据段分别提取多个频域特征，并根据所述多个频域特征与所述多个数据段、所述变形监测数据集以及所述多个因素数据集的对应性构建变形频域矩阵以及多个因素频域矩阵；
对所述变形频域矩阵以及所述多个因素频域矩阵分别进行卷积和池化获得变形池化矩阵和多个因素池化矩阵，根据所述变形池化矩阵和所述多个因素池化矩阵进行相关性分析，并根据分析的结果确定监测点的点位；
其中，所述根据所述变形池化矩阵和所述多个因素池化矩阵进行相关性分析，并根据分析的结果确定监测点的点位，包括：
对于所述多个因素池化矩阵中的每个因素池化矩阵，执行如下步骤：
获取取样数量、第二位置指示以及第三位置指示；
按照所述第二位置指示从所述变形池化矩阵中取出所述取样数量的行数或列数的数据，并将取出的数据构建为第一向量；
按照所述第三位置指示从因素池化矩阵中取出所述取样数量的行数或列数的数据，并将取出的数据构建为第二向量；
计算所述第一向量与所述第二向量的相关系数，并将计算结果加入相关系数队列；
若所述第三位置指示未达到因素池化矩阵的末尾，则对所述第三位置指示进行偏移，并跳转至所述按照所述第三位置指示从因素池化矩阵中取出所述取样数量的行数或列数的数据，并将取出的数据构建为第二向量的步骤；
若所述第二位置指示未达到所述变形池化矩阵的末尾，则对所述第三位置指示进行偏移，并跳转至按照所述第二位置指示从所述变形池化矩阵中取出所述取样数量的行数或列数的数据，并将取出的数据构建为第一向量；
将所述相关系数队列进行归一化，并计算所述相关系数队列的模，作为第一相关系数；
根据所述第一相关系数以及相关系数阈值，确定监测点的点位是否满足监测要求。
2.根据权利要求1所述的边坡岩土体冻融监测点定位方法，其特征在于，所述将所述变形监测数据集以及所述多个因素数据集分别分为多个数据段，根据所述多个数据段分别提取多个频域特征，并根据所述多个频域特征与所述多个数据段、所述变形监测数据集以及所述多个因素数据集的对应性构建变形频域矩阵以及多个因素频域矩阵，包括：
获取基本周期；
根据所述基本周期，分别对所述变形监测数据集以及所述多个因素数据集分割，获得多个数据段，其中，数据段对应的时长为所述基本周期时长的整数倍；
对所述多个数据段中的每个数据段进行频域特征提取，并根据提取获得的多个频域特征构建频域向量，从而获得与所述多个数据段相对应的多个频域向量；
根据来源时间节点的顺序以及来源数据集，将所述多个频域向量构建为变形频域矩阵以及多个因素频域矩阵，其中，所述来源时间节点为频域向量对应的数据段的时间节点，所述来源数据集为频域向量对应的数据段所属的数据集。
3.根据权利要求2所述的边坡岩土体冻融监测点定位方法，其特征在于，所述根据所述基本周期，对所述多个数据段中的每个数据段进行频域特征提取，并根据提取获得的多个频域特征构建频域向量，包括：
获取特征提取周期，其中，所述特征提取周期时长与数据段的时长相同；
对所述多个数据段中的每个数据段，执行如下步骤：
根据第一公式、数据段以及所述特征提取周期，提取多个频域特征，其中，所述第一公式为：
式中，为数据段的第/>次频域特征，/>为数据段的第/>个数据，/>为自然常数，/>为虚数单位，/>为特征提取周期所对应的频率，/>为数据段中数据的总数量，/>为圆周率；
根据频域的次数，将所述多个频域特征构建为频域向量。
4.根据权利要求1所述的边坡岩土体冻融监测点定位方法，其特征在于，所述对所述变形频域矩阵以及所述多个因素频域矩阵分别进行卷积和池化获得变形池化矩阵和多个因素池化矩阵，包括：
对所述变形频域矩阵以及所述多个因素频域矩阵中的每个频域矩阵，分别执行如下步骤：
获取多个卷积核；
利用所述多个卷积核对矩阵分别进行卷积化操作，获得多个卷积特征矩阵，并对所述多个卷积特征矩阵进行融合，获得融合矩阵；
对所述融合矩阵进行池化，获得池化矩阵。
5.根据权利要求4所述的边坡岩土体冻融监测点定位方法，其特征在于，所述利用所述多个卷积核对矩阵分别进行卷积化操作，获得多个卷积特征矩阵，并对所述多个卷积特征矩阵进行融合，获得融合矩阵，包括：
获取第一位置指示；
根据所述第一位置指示从频域矩阵中取出与卷积核同型的数据块；
分别计算所述数据块与所述多个卷积核的内积，并根据所述第一位置指示将所述多个内积对应性地加入到多个卷积特征矩阵中；
若所述第一位置指示未达到频域矩阵的末尾，则按照预定的顺序调整所述第一位置指示，并跳转至所述根据所述第一位置指示从频域矩阵中取出与卷积核同型的数据块的步骤；
将所述多个卷积特征矩阵中低于凸显化阈值的位置置零，获得多个凸显化特征矩阵；
计算所述多个凸显化特征矩阵的和，作为融合矩阵。
6.根据权利要求1所述的边坡岩土体冻融监测点定位方法，其特征在于，所述计算所述第一向量与所述第二向量的相关系数，包括：
分别提取所述第一向量与所述第二向量的单位向量，作为第三向量以及第四向量；
计算所述第三向量与所述第四向量的点积，将计算结果作为所述第一向量与所述第二向量的相关系数。
7.一种边坡岩土体冻融监测点定位装置，其特征在于，用于实现如权利要求1-6任一项所述的边坡岩土体冻融监测点定位方法，所述边坡岩土体冻融监测点定位装置包括：
数据获取模块，用于获取变形监测数据集以及多个因素数据集，其中，所述变形监测数据集以及因素数据集分别表征监测点的变形量和影响监测点变形的因素量随时间的波动性；
频域特征提取模块，用于将所述变形监测数据集以及所述多个因素数据集分别分为多个数据段，根据所述多个数据段分别提取多个频域特征，并根据所述多个频域特征与所述多个数据段、所述变形监测数据集以及所述多个因素数据集的对应性构建变形频域矩阵以及多个因素频域矩阵；
以及，
监测点定位模块，用于对所述变形频域矩阵以及所述多个因素频域矩阵分别进行卷积和池化获得变形池化矩阵和多个因素池化矩阵，根据所述变形池化矩阵和所述多个因素池化矩阵进行相关性分析，并根据分析的结果确定监测点的点位。
8.一种终端，包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至6中任一项所述方法的步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311744374.XA CN117421568B (zh) | 2023-12-19 | 2023-12-19 | 边坡岩土体冻融监测点定位方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311744374.XA CN117421568B (zh) | 2023-12-19 | 2023-12-19 | 边坡岩土体冻融监测点定位方法、装置、终端及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117421568A CN117421568A (zh) | 2024-01-19 |
| CN117421568B true CN117421568B (zh) | 2024-03-05 |
Family
ID=89528829
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311744374.XA Active CN117421568B (zh) | 2023-12-19 | 2023-12-19 | 边坡岩土体冻融监测点定位方法、装置、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117421568B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115034662A (zh) * | 2022-06-29 | 2022-09-09 | 青海省环境地质勘查局 | 一种基于流域划分的冻土调查的地质评估方法 |
| CN115616454A (zh) * | 2022-09-30 | 2023-01-17 | 国网江苏省电力有限公司南京供电分公司 | 一种基于互相关分析的变压器声纹成像方法和系统 |
| CN116577651A (zh) * | 2023-07-12 | 2023-08-11 | 中国电力科学研究院有限公司 | 一种高压断路器声纹监测装置传感器位置选取方法及装置 |
| CN116596344A (zh) * | 2023-05-29 | 2023-08-15 | 东北农业大学 | 基于融雪水利用的寒区防止旱涝灾害可持续高效调控方法 |
| CN116879297A (zh) * | 2023-09-07 | 2023-10-13 | 航天宏图信息技术股份有限公司 | 土壤水分协同反演的方法、装置、设备和介质 |
-
2023
- 2023-12-19 CN CN202311744374.XA patent/CN117421568B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115034662A (zh) * | 2022-06-29 | 2022-09-09 | 青海省环境地质勘查局 | 一种基于流域划分的冻土调查的地质评估方法 |
| CN115616454A (zh) * | 2022-09-30 | 2023-01-17 | 国网江苏省电力有限公司南京供电分公司 | 一种基于互相关分析的变压器声纹成像方法和系统 |
| CN116596344A (zh) * | 2023-05-29 | 2023-08-15 | 东北农业大学 | 基于融雪水利用的寒区防止旱涝灾害可持续高效调控方法 |
| CN116577651A (zh) * | 2023-07-12 | 2023-08-11 | 中国电力科学研究院有限公司 | 一种高压断路器声纹监测装置传感器位置选取方法及装置 |
| CN116879297A (zh) * | 2023-09-07 | 2023-10-13 | 航天宏图信息技术股份有限公司 | 土壤水分协同反演的方法、装置、设备和介质 |
Non-Patent Citations (5)
| Title |
|---|
| Damage evolution mechanism of rock-soil mass of bedrock and overburden layer slopes based on shaking table test;TONG Xin-hao et al.;《J. Mt. Sci》;20221231;第3645-3660页 * |
| Microseismic monitoring and numerical simulation on the stability of high-steep rock slopes in hydropower engineering;Chun’an Tang et al.;《Journal of Rock Mechanics and Geotechnical Engineering》;20150806;第493-508页 * |
| 国外某露天矿山边坡断层区域变形特征研究;蒋宝林等;《中 国 安 全 生 产 科 学 技 术》;20230831;第19卷;第31-36页 * |
| 西露天矿边坡失稳影响因素分析;王瑞鹏等;《矿业研究与开发》;20220131;第42卷(第1期);第64-70页 * |
| 青藏高原多年冻土区活动层土壤水分 迁移研究进展;王蔚华等;《西北师范大学学报（自然科学版）》;20171231;第53卷(第2期);第102-111页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117421568A (zh) | 2024-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111064614B (zh) | 一种故障根因定位方法、装置、设备及存储介质 | |
| US11520672B2 (en) | Anomaly detection device, anomaly detection method and storage medium | |
| CN112735094B (zh) | 基于机器学习的地质灾害预测方法、装置和电子设备 | |
| CN109472004B (zh) | 气候变化和人类活动对水文干旱影响的综合评估方法、装置及系统 | |
| US20100274833A1 (en) | Monitoring device and a server | |
| CN110288003B (zh) | 数据变化识别方法及设备 | |
| CN111737555A (zh) | 热点关键词的选取方法、设备和存储介质 | |
| CN117421568B (zh) | 边坡岩土体冻融监测点定位方法、装置、终端及存储介质 | |
| CN107861082B (zh) | 一种电子测量设备的校准间隔确定方法及装置 | |
| CN116579521B (zh) | 产量预测时间窗口确定方法、装置、设备及可读存储介质 | |
| CN113378350A (zh) | 一种温度变化趋势确定方法、装置及电子设备 | |
| CN116822934A (zh) | 输电线路舞动破坏风险评估方法、装置、终端及存储介质 | |
| CN108243037B (zh) | 网站流量异常确定方法及装置 | |
| CN115333870A (zh) | 面向智能电网广域同步量测的网络攻击识别方法及系统 | |
| CN115452101A (zh) | 一种仪表检定方法、装置、设备及介质 | |
| CN113197116A (zh) | 生猪健康监测及出栏时间评估方法、终端设备及存储介质 | |
| CN117540481B (zh) | 冻土区衬砌损伤预测方法、装置、电子设备及存储介质 | |
| CN116701949B (zh) | 一种基于区域环境数据的空间点位监测模型的训练方法 | |
| CN117804639B (zh) | 一种胶装机温控传感器的温度校准方法及系统 | |
| CN117249873B (zh) | 一种用于气体分子分析的质量监测方法及设备 | |
| KR102413753B1 (ko) | 정보 처리 장치, 정보 처리 방법 및 기록 매체에 저장된 정보 처리 프로그램 | |
| CN104995624A (zh) | 可靠性设计辅助装置、可靠性设计辅助方法以及可靠性设计辅助程序 | |
| CN118035760A (zh) | 灌渠水流量确定、模型构建及标准流量信息提取方法 | |
| CN117010602B (zh) | 一种天然气水合物钻采井筒数据处理方法 | |
| CN114565134A (zh) | 水稻生长期的预测方法、装置、设备及可读存储介质 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240529 Address after: 100038 No. 10 Fuxing Road, Haidian District, Beijing Patentee after: China National Railway Group Co.,Ltd. Country or region after: China Patentee after: SHIJIAZHUANG TIEDAO University Patentee after: CHINA ACADEMY OF RAILWAY SCIENCES Corp.,Ltd. Patentee after: CARS RAILWAY ENGINEERING Research Institute Address before: 050043 No. 17, North Second Ring Road, Hebei, Shijiazhuang Patentee before: SHIJIAZHUANG TIEDAO University Country or region before: China |