CN117786991A - 一种排水状态检测方法、装置、电子设备及存储介质 - Google Patents
一种排水状态检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117786991A CN117786991A CN202311832702.1A CN202311832702A CN117786991A CN 117786991 A CN117786991 A CN 117786991A CN 202311832702 A CN202311832702 A CN 202311832702A CN 117786991 A CN117786991 A CN 117786991A
- Authority
- CN
- China
- Prior art keywords
- drainage
- water level
- precipitation
- prediction model
- water
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 319
- 238000001556 precipitation Methods 0.000 claims abstract description 153
- 238000009825 accumulation Methods 0.000 claims abstract description 39
- 230000002159 abnormal effect Effects 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 34
- 238000012549 training Methods 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- 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
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种排水状态检测方法、装置、电子设备及存储介质,涉及计算机技术领域,解决了基于传感器采集的水位监测排水系统的运行状态,无法预测的排水系统的运行状态,导致排水状态检测的有效性较低的技术问题。该方法包括:获取第一降水量;将该第一降水量输入目标水位预测模型,得到目标排水路线以及预设时长内基于该目标排水路线排水的积水水位;在第一时刻的积水水位大于或等于积水水位阈值的情况下,确定该排水系统的排水状态异常,该第一时刻为该预设时长中包括的时刻。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种排水状态检测方法、装置、电子设备及存储介质。
背景技术
目前,可以在地区排水管道中部署传感器,通过传感器采集的水位,监测排水系统的运行状态。
但是,上述方法中,传感器只能采集当前的水位,也只能根据当前的水位检测当前排水系统的运行状态,而无法预测的排水系统的运行状态,当检测到排水系统的运行状态异常之后再对该排水系统进行处理可能会造成积水过多,导致排水状态检测的有效性较低。
发明内容
本申请提供一种排水状态检测方法、装置、电子设备及存储介质,解决了基于传感器采集的水位,监测排水系统的运行状态,只能采集当前的水位,也只能根据当前的水位检测当前排水系统的运行状态,而无法预测的排水系统的运行状态,导致排水状态检测的有效性较低的技术问题。
第一方面,本申请提供一种排水状态检测方法,包括:获取第一降水量,该第一降水量为目标地区的降水量;将该第一降水量输入目标水位预测模型,得到目标排水路线以及预设时长内基于该目标排水路线排水的积水水位,该目标排水路线中包括多个排水管道,该多个排水管道为该目标地区的排水系统中包括的排水管道,该目标水位预测模型中包括该排水系统的结构,该排水系统的结构包括该排水系统中包括的排水管道的连接关系、该排水系统中包括的排水管道中每个排水管道的横截面积、以及该每个排水管道的排水流速,该目标水位预测模型用于模拟该排水系统的排水能力,并且基于该排水系统的排水能力预测降水量对应的积水水位;在第一时刻的积水水位大于或等于积水水位阈值的情况下,确定该排水系统的排水状态异常,该第一时刻为该预设时长中包括的时刻。
可选地,该排水状态检测方法还包括:基于该排水系统的结构,生成初始水位预测模型;获取历史时间段内多个降水量以及该多个降水量中每个降水量对应的真实水位;基于该多个降水量以及该每个降水量对应的积水水位,对该初始水位预测模型进行训练,得到该目标水位预测模型。
可选地,上述基于该多个降水量以及该每个降水量对应的积水水位,对该初始水位预测模型进行训练,得到该目标水位预测模型,具体可以包括:将该多个降水量输入该初始水位预测模型,得到该多个降水量中每个降水量对应的预测水位;基于该每个降水量对应的预测水位和该每个降水量对应的真实水位,优化该初始水位预测模型中包括的参数,得到该目标水位预测模型。
可选地,该排水状态检测方法还包括:在该排水系统的排水状态异常的情况下,发出告警信息,该告警信息包括该第一时刻以及该第一时刻对应的积水水位。
第二方面,本申请提供一种排水状态检测装置,包括:获取模块、处理模块以及确定模块;该获取模块,用于获取第一降水量,该第一降水量为目标地区的降水量;该处理模块,用于将该第一降水量输入目标水位预测模型,得到目标排水路线以及预设时长内基于该目标排水路线排水的积水水位,该目标排水路线中包括多个排水管道,该多个排水管道为该目标地区的排水系统中包括的排水管道,该目标水位预测模型中包括该排水系统的结构,该排水系统的结构包括该排水系统中包括的排水管道的连接关系、该排水系统中包括的排水管道中每个排水管道的横截面积、以及该每个排水管道的排水流速,该目标水位预测模型用于模拟该排水系统的排水能力,并且基于该排水系统的排水能力预测降水量对应的积水水位;该确定模块,用于在第一时刻的积水水位大于或等于积水水位阈值的情况下,确定该排水系统的排水状态异常,该第一时刻为该预设时长中包括的时刻。
可选地,该处理模块,还用于基于该排水系统的结构,生成初始水位预测模型;该获取模块,还用于获取历史时间段内多个降水量以及该多个降水量中每个降水量对应的真实水位;该处理模块,还用于基于该多个降水量以及该每个降水量对应的积水水位,对该初始水位预测模型进行训练,得到该目标水位预测模型。
可选地,该处理模块,具体用于将该多个降水量输入该初始水位预测模型,得到该多个降水量中每个降水量对应的预测水位;该处理模块,具体用于基于该每个降水量对应的预测水位和该每个降水量对应的真实水位,优化该初始水位预测模型中包括的参数,得到该目标水位预测模型。
可选地,该处理模块,还用于在该排水系统的排水状态异常的情况下,发出告警信息,该告警信息包括该第一时刻以及该第一时刻对应的积水水位。
第三方面,本申请提供一种电子设备,包括:处理器和被配置为存储处理器可执行指令的存储器;其中,处理器被配置为执行该指令,以实现上述第一方面中任一种可选地排水状态检测方法。
第四方面,本申请提供一种计算机可读存储介质,计算机可读存储介质上存储有指令,当该计算机可读存储介质中的指令由电子设备执行时,使得该电子设备能够执行上述第一方面中任一种可选地排水状态检测方法。
本申请提供的排水状态检测方法、装置、电子设备及存储介质,电子设备可以获取第一降水量,然后将第一降水量输入目标水位预测模型,得到目标排水路线以及预设时长内基于该目标排水路线排水的积水水位,在第一时刻的积水水位大于积水水位阈值的情况下,说明该第一时刻的积水水位较高,此时,该电子设备可以确定该排水系统的排水状态异常。本申请中,由于该目标水位预测模型中包括该排水系统的结构,该排水系统的结构包括该排水系统中包括的排水管道的连接关系、该排水系统中包括的排水管道中每个排水管道的横截面积、以及该每个排水管道的排水流速,因此该目标水位预测模型可以准确地模拟排水系统的排水能力,并且基于该排水系统的排水能力预测降水量对应的积水水位,该电子设备将第一降水量输入该目标水位预测模型,可以准确地预测出预设时长内基于该排水系统的排水能力对该第一降水量进行排水时造成的积水水位,然后在第一时刻的积水水位较高的情况下,确定该排水系统的排水状态异常,提高了排水系统的排水状态检测的准确度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种排水状态检测方法的流程示意图;
图2为本申请实施例提供的另一种排水状态检测方法的流程示意图;
图3为本申请实施例提供的另一种排水状态检测方法的流程示意图;
图4为本申请实施例提供的另一种排水状态检测方法的流程示意图;
图5为本申请实施例提供的一种电子设备的内部结构示意图;
图6为本申请实施例提供的一种排水状态检测装置的结构示意图;
图7为本申请实施例提供的另一种排水状态检测装置的结构示意图。
具体实施方式
下面将结合附图对本申请实施例提供的排水状态检测方法、装置、电子设备及存储介质进行详细的描述。
此外,本申请的描述中所提到的术语“包括”和“具有”以及他们的任何变形,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、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括其他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。
需要说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
本申请中该“和/或”,包括用两种方法中的任意一种或者同时使用两种方法。
在本申请的描述中,除非另有说明,“多个”的含义是指两个或两个以上。
基于背景技术中所描述,由于相关技术中,传感器只能采集当前的水位,也只能根据当前的水位检测当前排水系统的运行状态,而无法预测的排水系统的运行状态,当检测到排水系统的运行状态异常之后再对该排水系统进行处理可能会造成积水过多,导致排水状态检测的有效性较低。基于此,本申请实施例提供一种排水系统检测方法、装置、电子设备及存储介质,由于该目标水位预测模型中包括该排水系统的结构,该排水系统的结构包括该排水系统中包括的排水管道的连接关系、该排水系统中包括的排水管道中每个排水管道的横截面积、以及该每个排水管道的排水流速,因此该目标水位预测模型可以准确地模拟排水系统的排水能力,并且基于该排水系统的排水能力预测降水量对应的积水水位,该电子设备将第一降水量输入该目标水位预测模型,可以准确地预测出预设时长内基于该排水系统的排水能力对该第一降水量进行排水时造成的积水水位,然后在第一时刻的积水水位较高的情况下,确定该排水系统的排水状态异常,提高了排水系统的排水状态检测的准确度。
本申请实施例提供的排水系统检测方法、装置、电子设备及存储介质,应用于排水系统的运行状态检测的场景中,当电子设备获取到第一降水量之后,可以将该第一降水量输入目标水位预测模型,得到该第一降水量的排水路线以及该预设时长内基于该目标排水路线排水的积水水位,并且在第一时刻的积水水位大于或等于积水水位阈值的情况下,确定该排水系统的排水状态异常。
如图1所示,本申请实施例提供的排水状态检测方法可以包括S101-S103。
S101、电子设备获取第一降水量。
可选地,该第一降水量可以为当前的降水量,也可以为预测的未来的降水量。
S102、电子设备将第一降水量输入目标水位预测模型,得到目标排水路线以及预设时长内基于目标排水路线排水的积水水位。
其中,该目标排水路线中包括多个排水管道,该多个排水管道为该目标地区的排水系统中包括的排水管道,该目标水位预测模型中包括该排水系统的结构,该排水系统的结构包括该排水系统中包括的排水管道的连接关系、该排水系统中包括的排水管道中每个排水管道的横截面积、以及该每个排水管道的排水流速,该目标水位预测模型用于模拟该排水系统的排水能力,并且基于该排水系统的排水能力预测降水量对应的积水水位。
应理解,该目标水位预测模型为已经训练完成的、预测准确度较高的水位预测模型。
可以理解的是,该目标水位预测模型可以先预测出该第一降水量对应的排水路线,然后基于该排水路线预测该第一降水量对应的积水水位。
在一种可选地实现方式中,该目标水位预测模型可以基于该每个管道的横截面积和流速,确定该每个管道的流量,然后基于该目标排水路线中管道之间的连接关系,确定该整个排水管道的流出量、流入量和流速,基于该目标排水路线的流出量、流入量、流速以及第一降水量,可以确定出该第一降水量对应的积水水位。
可选地,该目标水位模型确定目标排水路线的流出量可以满足以下公式:
Q=(Amin+δA)*(Vmin+λV)
其中,Q表示目标排水路线的排水流量,Amin表示目标排水路线中包括的排水管道的最小横截面积,Vmin表示目标排水路线的最小排水流速,δ和λ表示调整参数。
在另一种可选的实现方式中,每个排水管道的流速还可以为一个流速区间,该目标水位预测模型可以基于该每个排水管道的流速区间,预测出多个积水水位。
在一种可选的实现方式中,该目标水位预测模型也可以预测该第一降水量从多个可能的排水路线排水时的积水水位。
可以理解的是,该预设时长内的积水水位包括多个时刻的积水水位,该预设时长内的积水水位也可以为该预设时长内积水水位的变化趋势。
可选地,该预设时长可以为预先设定的时长。
可选地,该预设时长也可以为当前时刻到该第一降水量对应的水位为0的时刻之间的时长,即该预设时长内的积水水位可以当前时刻开始到排水结束之间的积水水位的变化趋势。
在一种可选的实现方式中,该电子设备还可以以图表、报表等形式显示该预设时长内的积水水位。
S103、在第一时刻的积水水位大于或等于积水水位阈值的情况下,电子设备确定排水系统的排水状态异常。
其中,该第一时刻为该预设时长中包括的时刻。
应理解,在第一时刻的积水水位大于或等于积水水位阈值的情况下,说明该第一时刻的积水水位较高,此时,该第一降水量可能超出了该排水系统的排水能力,该电子设备可以确定该排水系统的排水状态异常。
在一种可选的实现方式中,在该预设时长内的积水水位均小于该积水水位阈值的情况下,该电子设备可以确定该排水系统的排水状态正常。
可选地,该电子设备还可以确定该预设时长内每一时刻的排水状态。
可选地,该电子设备还可以显示该每个时刻的排水状态。
上述实施例提供的技术方案至少能够带来以下有益效果:由S101-S103可知,电子设备可以获取第一降水量,然后将第一降水量输入目标水位预测模型,得到目标排水路线以及预设时长内基于该目标排水路线排水的积水水位,在第一时刻的积水水位大于积水水位阈值的情况下,说明该第一时刻的积水水位较高,此时,该电子设备可以确定该排水系统的排水状态异常。本申请实施例中,由于该目标水位预测模型中包括该排水系统的结构,该排水系统的结构包括该排水系统中包括的排水管道的连接关系、该排水系统中包括的排水管道中每个排水管道的横截面积、以及该每个排水管道的排水流速,因此该目标水位预测模型可以准确地模拟排水系统的排水能力,并且基于该排水系统的排水能力预测降水量对应的积水水位,该电子设备将第一降水量输入该目标水位预测模型,可以准确地预测出预设时长内基于该排水系统的排水能力对该第一降水量进行排水时造成的积水水位,然后在第一时刻的积水水位较高的情况下,确定该排水系统的排水状态异常,提高了排水系统的排水状态检测的准确度。
结合图1,如图2所示,该排水状态检测方法还可以包括S104-S106。
S104、电子设备基于排水系统的结构,生成初始水位预测模型。
应理解,该初始水位预测模型为处于初始状态的、预测准确度较低的水位预测模型。
本申请实施例中,该电子设备可以基于该排水系统的结构,构件数字孪生城市模型,该数字孪生城市模型用于模拟该排水系统的结构,然后在该数字孪生城市管网模型的基础上叠加数据处理模型,生成该初始水位预测模型。
应理解,该数据处理模型可以用于基于降水量预测排水路线,计算一个排水路线对应的流出量,以及计算一个降水量对应的积水水位。
可选地,该排水系统的结构还可以包括排水管道的材质、坚固程度、流量。
可选地,该电子设备可以基于地理位置信息、雷达测绘或者排涝系统的设计图纸等获取该排水系统的结构信息。
可选地,该电子设备还可以基于传感器获取该排水管道的流速、流量等。
在一种可选的实现方式中,该电子设备可以基于该排水管道的材质和坚固程度确定该排水管道的承载能力,当第一降水量大于或等于某一个排水管道的承载能力的情况下,确定该排水管道异常。
可选地,该排水管道异常的情况下,该排水管道可能出现爆裂等现象。
可选地,在该排水管道异常的情况下,该服务器可以发出告警。
S105、电子设备获取历史时间段内多个降水量以及多个降水量中每个降水量对应的真实水位。
可选地,该电子设备可以基于传感器获取该多个降水量历史时间段内每个降水量对应的真实水位。
可选地,该电子设备可以将该多个降水量以及每个降水量对应的真实水位进行数据处理,转化为特征向量,用于该初始水位预测模型的训练。
S106、电子设备基于多个降水量以及每个降水量对应的积水水位,对初始水位预测模型进行训练,得到目标水位预测模型。
可以理解的是,该初始水位预测模型可以对该多个降水量和该每个降水量对应的积水水位进行学习,以使得该初始水位模型越来越准确地预测出该每个降水量对应的水位。
可选地,该初始水位预测模型中可以机器学习算法,该电子设备可以基于该机器学习算法对该初始水位预测模型进行训练。
可选地,该机器学习算法可以为深度学习算法、支持向量机等。
本申请实施例中,该电子设备基于该排水系统中包括的排水系统的结构生成该初始水位预测模型之后,该初始水位预测模型可以模拟该排水系统的结构,然后该电子设备基于多个降水量以及该每个降水量对应的积水水位,对该初始水位预测模型进行训练,得到目标水位预测模型,可以使得该初始水位预测模型学习到该排水系统的排水能力,提高目标水位预测模型积水水位预测的准确性。
结合图2,如图3所示,在本申请实施例的一种实现方式中,上述电子设备基于多个降水量以及每个降水量对应的积水水位,对初始水位预测模型进行训练,得到目标水位预测模型,具体可以包括S1061-S1062。
S1061、电子设备将多个降水量输入初始水位预测模型,得到多个降水量中每个降水量对应的预测水位。
应理解,该初始水位预测模型用于预测一个降水量基于某一个排水路线排水时造成的积水水位。
可以理解的是,该将多个降水量输入初始水位预测模型,也可以得到每个降水量对应的排水路线。
S1062、电子设备基于每个降水量对应的预测水位和每个降水量对应的真实水位,优化初始水位预测模型中包括的参数,得到目标水位预测模型。
具体的,该参数可以包括每个排水管道的流速、该初始水位预测模型中包括的排水系统的结构以及上述调整参数。
可以理解的是,该真实的排水系统的结构与该初始水位预测模型中包括的排水系统的结构可能不完全相同,可能精度较低,例如真实的排水系统的排水管道的拐角可能是一个圆,而该初始水位预测模型中该排水管道的拐角为一个六边形,导致该初始水位预测模型预测的准确度较低。
可选地,该初始水位模型可以调整该每个降水量对应的排水路线。
在一种可选的时间方式中,该电子设备可以基于每个降水量对应的预测水位、每个降水量对应的真实水位以及损失函数,确定损失值,然后基于该损失值优化该初始水位预测模型中包括的参数。
可选地,该电子设备可以在优化次数达到优化次数阈值,或者在该损失值小于或等于损失值阈值的情况下,将此时的初始水位预测模型,确定为目标水位预测模型。
本申请实施例中,该电子设备将多个降水量输入初始水位预测模型,得到所多个降水量中每个降水量对应的预测水位,基于每个降水量对应的预测水位和每个降水量对应的真实水位,优化初始水位预测模型中包括的参数,可以使得该初始水位预测模型预测的每个降水量的水位与该每个降水量对应的真实水位越来越接近,基于此得到的目标水位预测模型的预测准确度较高。
结合图1,如图4所示,该排水状态检测方法还包括S107。
S107、在该排水系统的排水状态异常的情况下,发出告警信息,该告警信息包括该第一时刻以及该第一时刻对应的积水水位。
可以理解的是,该告警信息用于提示该排水系统的排水状态异常,以使得相关人员可以处理该异常。
可选地,在排水系统的排水状态异常的情况下,该电子设备还可以确定该第一时刻与当前时刻之间的时间差,并且确定该告警信息中包括该时间差。
可选地,该告警信息可以为提示文字,该电子设备可以显示该告警信息,或者将该告警信息发送至提前预设的终端设备。
可选地,该告警信息还可以为告警提示信息,该告警提示音可以播报该告警信息。
本申请实施例中,该电子设备在检测到排水系统的排水状态异常的情况下,发出告警信息,可以有效地提示相关人员该异常,以使得尽快对该异常进行后续处理,提高了排水状态检测的有效性。
示例性的,如图5所示,在本申请实施例的一种实现方式中,执行本申请实施例提供的排水状态检测方法的电子设备可以包括数据采集模块、数据处理与分析模块、模型训练与优化模块、模型预测模块以及可视化展示模块。
具体的,该数据采集模块用于采集排水系统的结构、降水量、降水量对应的水位、排水管道的流量、流速等数据。
该数据处理与分析模块,用于对数据采集模块采集的数据进行处理,以使得处理后的数据可以用于模型训练。
该模型训练与优化模块,用于生成初始水位预测模型,以及对初始水位预测模型进行训练、优化,得到目标初始水位预测模型。
该模型预测模块,用于基于目标水位预测模型,预测一个降水量对应的水位。
该可视化展示模块,用于显示该模型预测模块预测的结果(即一个降水量对应的水位)。
本申请实施例可以根据上述方法示例对电子设备等进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,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。
在采用对应各个功能划分各个功能模块的情况下,图6示出了上述实施例中所涉及的排水状态检测装置的一种可能的结构示意图,如图6所示,排水状态检测装置10可以包括:获取模块101、处理模块102以及确定模块103。
获取模块101,用于获取第一降水量,该第一降水量为目标地区的降水量。
处理模块102,用于将该第一降水量输入目标水位预测模型,得到目标排水路线以及预设时长内基于该目标排水路线排水的积水水位,该目标排水路线中包括多个排水管道,该多个排水管道为该目标地区的排水系统中包括的排水管道,该目标水位预测模型中包括该排水系统的结构,该排水系统的结构包括该排水系统中包括的排水管道的连接关系、该排水系统中包括的排水管道中每个排水管道的横截面积、以及该每个排水管道的排水流速,该目标水位预测模型用于模拟该排水系统的排水能力,并且基于该排水系统的排水能力预测降水量对应的积水水位。
确定模块103,用于在第一时刻的积水水位大于或等于积水水位阈值的情况下,确定该排水系统的排水状态异常,该第一时刻为该预设时长中包括的时刻。
可选地,处理模块102,还用于基于该排水系统的结构,生成初始水位预测模型。
获取模块101,还用于获取历史时间段内多个降水量以及该多个降水量中每个降水量对应的真实水位。
处理模块102,还用于基于该多个降水量以及该每个降水量对应的积水水位,对该初始水位预测模型进行训练,得到该目标水位预测模型。
可选地,处理模块102,具体用于将该多个降水量输入该初始水位预测模型,得到该多个降水量中每个降水量对应的预测水位。
处理模块102,具体用于基于该每个降水量对应的预测水位和该每个降水量对应的真实水位,优化该初始水位预测模型中包括的参数,得到该目标水位预测模型。
可选地,处理模块102,还用于在该排水系统的排水状态异常的情况下,发出告警信息,该告警信息包括该第一时刻以及该第一时刻对应的积水水位。
在采用集成的单元的情况下,图7示出了上述实施例中所涉及的排水状态检测装置的一种可能的结构示意图。如图7所示,排水状态检测装置20可以包括:处理模块201和通信模块202。处理模块201可以用于对排水状态检测装置20的动作进行控制管理。通信模块202可以用于支持排水状态检测装置20与其他实体的通信。可选地,如图7所示,该排水状态检测装置20还可以包括存储模块203,用于存储排水状态检测装置20的程序代码和数据。
其中,处理模块201可以是处理器或控制器。通信模块202可以是收发器、收发电路或通信接口等。存储模块203可以是存储器。
其中,当处理模块201为处理器,通信模块202为收发器,存储模块203为存储器时,处理器、收发器和存储器可以通过总线连接。总线可以是外设部件互连标准(peripheralcomponent interconnect,PCI)总线或扩展工业标准结构(extended industry standardarchitecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。
应理解,在本申请的各种实施例中,上述各过程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,而不应对本申请实施例的实施过程构成任何限定。
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例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申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
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例方案的目的。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时,可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户终端线(Digital Subscriber Line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带),光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种排水状态检测方法,其特征在于,所述方法包括:
获取第一降水量,所述第一降水量为目标地区的降水量;
将所述第一降水量输入目标水位预测模型,得到目标排水路线以及预设时长内基于所述目标排水路线排水的积水水位,所述目标排水路线中包括多个排水管道,所述多个排水管道为所述目标地区的排水系统中包括的排水管道,所述目标水位预测模型中包括所述排水系统的结构,所述排水系统的结构包括所述排水系统中包括的排水管道的连接关系、所述排水系统中包括的排水管道中每个排水管道的横截面积、以及所述每个排水管道的排水流速,所述目标水位预测模型用于模拟所述排水系统的排水能力,并且基于所述排水系统的排水能力预测降水量对应的积水水位;
在第一时刻的积水水位大于或等于积水水位阈值的情况下,确定所述排水系统的排水状态异常,所述第一时刻为所述预设时长中包括的时刻。
2.根据权利要求1所述的排水状态检测方法,其特征在于,所述方法还包括:
基于所述排水系统的结构,生成初始水位预测模型;
获取历史时间段内多个降水量以及所述多个降水量中每个降水量对应的真实水位;
基于所述多个降水量以及所述每个降水量对应的积水水位,对所述初始水位预测模型进行训练,得到所述目标水位预测模型。
3.根据权利要求2所述的排水状态检测方法,其特征在于,所述基于所述多个降水量以及所述每个降水量对应的积水水位,对所述初始水位预测模型进行训练,得到所述目标水位预测模型,包括:
将所述多个降水量输入所述初始水位预测模型,得到所述多个降水量中每个降水量对应的预测水位;
基于所述每个降水量对应的预测水位和所述每个降水量对应的真实水位,优化所述初始水位预测模型中包括的参数,得到所述目标水位预测模型。
4.根据权利要求1-3中任一项所述的排水状态检测方法,其特征在于,所述方法还包括:
在所述排水系统的排水状态异常的情况下,发出告警信息,所述告警信息包括所述第一时刻以及所述第一时刻对应的积水水位。
5.一种排水状态检测装置,其特征在于,包括:获取模块、处理模块以及确定模块;
所述获取模块,用于获取第一降水量,所述第一降水量为目标地区的降水量;
所述处理模块,用于将所述第一降水量输入目标水位预测模型,得到目标排水路线以及预设时长内基于所述目标排水路线排水的积水水位,所述目标排水路线中包括多个排水管道,所述多个排水管道为所述目标地区的排水系统中包括的排水管道,所述目标水位预测模型中包括所述排水系统的结构,所述排水系统的结构包括所述排水系统中包括的排水管道的连接关系、所述排水系统中包括的排水管道中每个排水管道的横截面积、以及所述每个排水管道的排水流速,所述目标水位预测模型用于模拟所述排水系统的排水能力,并且基于所述排水系统的排水能力预测降水量对应的积水水位;
所述确定模块,用于在第一时刻的积水水位大于或等于积水水位阈值的情况下,确定所述排水系统的排水状态异常,所述第一时刻为所述预设时长中包括的时刻。
6.根据权利要求5所述的排水状态检测装置,其特征在于,
所述处理模块,还用于基于所述排水系统的结构,生成初始水位预测模型;
所述获取模块,还用于获取历史时间段内多个降水量以及所述多个降水量中每个降水量对应的真实水位;
所述处理模块,还用于基于所述多个降水量以及所述每个降水量对应的积水水位,对所述初始水位预测模型进行训练,得到所述目标水位预测模型。
7.根据权利要求6所述的排水状态检测装置,其特征在于,
所述处理模块,具体用于将所述多个降水量输入所述初始水位预测模型,得到所述多个降水量中每个降水量对应的预测水位;
所述处理模块,具体用于基于所述每个降水量对应的预测水位和所述每个降水量对应的真实水位,优化所述初始水位预测模型中包括的参数,得到所述目标水位预测模型。
8.根据权利要求5-7中任一项所述的排水状态检测装置,其特征在于,
所述处理模块,还用于在所述排水系统的排水状态异常的情况下,发出告警信息,所述告警信息包括所述第一时刻以及所述第一时刻对应的积水水位。
9.一种电子设备,其特征在于,所述电子设备包括:
处理器;
被配置为存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1-4中任一项所述的排水状态检测方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,当所述计算机可读存储介质中的指令由电子设备执行时,使得所述电子设备能够执行如权利要求1-4中任一项所述的排水状态检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311832702.1A CN117786991A (zh) | 2023-12-27 | 2023-12-27 | 一种排水状态检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311832702.1A CN117786991A (zh) | 2023-12-27 | 2023-12-27 | 一种排水状态检测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117786991A true CN117786991A (zh) | 2024-03-29 |
Family
ID=90388860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311832702.1A Pending CN117786991A (zh) | 2023-12-27 | 2023-12-27 | 一种排水状态检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117786991A (zh) |
-
2023
- 2023-12-27 CN CN202311832702.1A patent/CN117786991A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI354051B (en) | Integrated supervision and diagnosis apparatus | |
JP6605357B2 (ja) | 異常検知装置、異常検知システムおよびその方法 | |
CN111858111A (zh) | 数据分析的方法、设备和计算机程序产品 | |
JP6854151B2 (ja) | 異常予測方法、異常予測装置、異常予測システムおよび異常予測プログラム | |
JP6749488B2 (ja) | 異常重要度算出システム、異常重要度算出装置、及び異常重要度算出プログラム | |
Kim et al. | Long-term bridge health monitoring and performance assessment based on a Bayesian approach | |
KR20180116577A (ko) | 건물 시스템 진단 방법 및 장치 | |
CN114418214A (zh) | 管网淤堵分析方法、装置、计算机设备及存储介质 | |
CN113701802B (zh) | 管道系统的异常监测方法和异常监测系统 | |
KR101858569B1 (ko) | 복수의 수처리 시설에 대한 통합 원격 관리 시스템 및 그에 따른 운영 방법 | |
CN113123955B (zh) | 柱塞泵异常检测方法、装置、存储介质及电子设备 | |
CN117786991A (zh) | 一种排水状态检测方法、装置、电子设备及存储介质 | |
CN116448219B (zh) | 油位异常检测方法、装置、设备及计算机可读存储介质 | |
CN110989604B (zh) | 利用机器人进行数据处理的方法、设备和机器人 | |
JP6471035B2 (ja) | 漏水発生位置推定装置、システムおよび方法 | |
CN100532745C (zh) | 雨水排水支持控制装置 | |
CN114241734B (zh) | 一种浸水预警方法、装置、电子设备及存储介质 | |
CN115273418A (zh) | 泵房防淹预警方法、装置、设备及计算机可读存储介质 | |
KR20160026492A (ko) | 시계열 분석 기반의 신뢰 구간 추정을 이용한 이상 감지 방법 | |
CN109740191A (zh) | 风传感器剩余使用寿命的预测方法、装置及设备 | |
Do et al. | Proactive detection of wastewater overflows for smart sanitary sewer systems: Case study in South Australia | |
US20220196512A1 (en) | Detection of a leakage in a supply grid | |
JP6297081B2 (ja) | 漏洩判定装置、漏洩判定方法及び漏洩判定プログラム | |
CN116738351B (zh) | 排水设施检测方法及装置 | |
JP2016211877A (ja) | 下水流入量予測装置 |
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 |