CN117968646A - 河道水文测绘监测方法 - Google Patents
河道水文测绘监测方法 Download PDFInfo
- Publication number
- CN117968646A CN117968646A CN202410193439.4A CN202410193439A CN117968646A CN 117968646 A CN117968646 A CN 117968646A CN 202410193439 A CN202410193439 A CN 202410193439A CN 117968646 A CN117968646 A CN 117968646A
- Authority
- CN
- China
- Prior art keywords
- easy
- coefficient
- early warning
- information
- outlier
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 238000013507 mapping Methods 0.000 title claims abstract description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 142
- 238000009825 accumulation Methods 0.000 claims abstract description 119
- 239000013049 sediment Substances 0.000 claims abstract description 108
- 238000011156 evaluation Methods 0.000 claims abstract description 100
- 230000002159 abnormal effect Effects 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 5
- 230000008859 change Effects 0.000 claims description 43
- 239000007787 solid Substances 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000007405 data analysis Methods 0.000 claims description 18
- 238000012502 risk assessment Methods 0.000 claims description 18
- 238000012423 maintenance Methods 0.000 claims description 13
- 238000007726 management method Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 7
- 238000012806 monitoring device Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000000151 deposition Methods 0.000 description 15
- 230000008021 deposition Effects 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 7
- 239000004576 sand Substances 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Sewage (AREA)
Abstract
本发明公开了河道水文测绘监测方法，具体涉及水文监测技术领域，具体包括以下步骤：根据历史数据，采集容易淤积泥沙区域的水文信息，获取容易淤积区域的悬移质含量信息、水流信息以及水位信息，综合性分析生成高风险信号、中等风险信号和低风险信号，若多个容易淤积区域出现高风险信号，根据多个容易淤积区域悬移质累计量离群值和悬移质异常异常时长离群值的综合性评估结果，调整处理容易淤积区域泥沙淤积的策略，本发明有助于更精准的向专业工作人员对容易淤积泥沙区域出现泥沙淤积的预警，并优化在多个容易发生泥沙淤积区域中维护管理工作的优先级。
Description
技术领域
本发明涉及水文监测技术领域，更具体地说，本发明涉及一种河道水文测绘监测方法。
背景技术
目前使用各种水文监测设备，如水位计、流速计、悬移质传感器等，实时监测河流或水域的水文数据，能够通过对河道水文信息的分析获得河道处出现泥沙淤积的区域，但是不容易获得当河道中可能存在泥沙淤积的隐患，现有技术不能精确及时的确定河道泥沙淤积的程度，导致专业工作人员不能及时获得预警信号或者预警信号不能精准的反应泥沙淤积的情况，并且在面对多个泥沙淤积区域，不容易确定优先处理泥沙淤积的具体区域。
为了解决上述缺陷，现提供一种技术方案。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供河道水文测绘监测方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
河道水文测绘监测方法，包括以下步骤：
S1：根据历史数据，确定以前发生过泥沙淤积的区域，并将过去经常发生泥沙淤积的区域标记为容易淤积区域，在容易淤积区域布置水文监测设备，采集容易淤积区域的水文信息；
S2：获取容易淤积区域的悬移质含量信息、水流信息以及水位信息，建立预警评估系数，并将预警评估系数与预警评估系数阈值进行比较，生成高风险信号、中等风险信号和低风险信号；
S3:若多个容易淤积区域出现高风险信号，则获得容易淤积区域中单日悬移质积累量信息和单日悬移质异常时长信息，对多个容易淤积区域进行综合性评估；
S4：根据多个容易淤积区域悬移质累计量离群值和悬移质异常异常时长离群值的综合性评估结果，获得离群值评估系数，并根据多个容易淤积区域的离群值评估系数与离群值评估系数对比，调整处理容易淤积区域泥沙淤积的策略。
在一个优选地实施方式中，获取容易淤积区域处的悬移质含量信息、水流信息以及水位信息，包括：
根据容易淤积区域处的悬移质含量信息，悬移质含量浮动系数的获取逻辑为：
设置悬移质含量预警阈值，根据悬移质含量监测设备，获得单位时间T内悬移质含量的实时变化量，并将悬移质含量的实时变化量标记为：C(t)；
计算悬移质含量变化系数，计算公式为：其中，NDbh为单位时间T内悬移质含量变化系数，[q，Q]为悬移质含量高于悬移质含量预警阈值的时间段。
在一个优选地实施方式中，根据容易淤积区域处的水流信息，水流稳定系数的获取逻辑为：
获得单位时间T内在某个方向上水流的速度，并将单位时间T内在某个方向上水流的速度记作：SDn，其中，n＝1、2、3……N，N为正整数，n为水文监测设备每次对水流速度监测结果的编号；
计算水流时间T内在某个方向上水流速度的平均值和标准差，并将水流时间T内在某个方向上水流速度的平均值和标准差标记为SDpj和SDbz，其中，
计算水流稳定系数，计算公式为：
在一个优选地实施方式中，根据容易淤积区域处的水位信息，水位变化波动系数的获取逻辑为：
通过水文监测设备实时采集水位数据，对采集到的水位数据进行预处理，包括去除可能的噪音、异常值，平滑数据等，使用傅里叶变换将水位时序数据转换到频域；
计算水位变化波动系数，计算公式为： 其中，SWbh为单位时间T内的水位变化波动系数，A为振幅，表示在容易淤积区域水位周期内的最大水位变化，f为水位的频率，t为监测的时间点，θ为相位角，t1到t2表示单位时间T的初始时间和截止时间，SWavg为在单位时间T内的平均水位大小。
在一个优选地实施方式中，根据容易淤积区域处的悬移质含量信息、水流信息以及水位信息，建立预警评估系数，包括：
根据容易淤积区域处的悬移质含量信息、水流信息以及水位信息，获得悬移质含量浮动系数、水流稳定系数以及水位变化波动系数；
将悬移质含量浮动系数、水流稳定系数以及水位变化波动系数联立生成预警评估系数；
悬移质含量浮动系数、水流稳定系数与预警评估系数成正相关关系，水位变化波动系与存储评估系数成负相关关系。
在一个优选地实施方式中，将预警评估系数与预警评估系数阈值进行比较，生成高风险信号、中等风险信号和低风险信号，包括：
将容易淤积区域生成的若干个预警评估系数建立数据分析集合，并将数据分析集合标记为：U，其中,U＝{pgm}，m＝1、2、3……M，M为正整数，m为容易淤积区域若干个预警评估系数的编号；
设置预警评估系数阈值，并将预警评估系数阈值标记为：pgyz，将数据分析集合中的预警评估系数与预警评估系数阈值比较，将大于预警评估系数阈值的预警评估系数标记为：pgk，其中，k＝1、2、3……K，K为正整数，k为数据分析集合中大于预警评估系数阈值的预警评估系数的编号；
计算容易淤积区域的风险评估系数，风险评估系数的计算公式为：
在一个优选地实施方式中，根据容易淤积区域的风险评估系数，生成高风险信号、中等风险信号和低风险信号，包括：
将数据分析集合中生成的风险评估系数与设置的风险评估系数阈值和风险评估系数阈值/>对比，其中，/>小于/>
若FX大于则生成高风险信号；
若FX大于并且FX小于/>则生成中风险信号；
若FX小于则生成低风险信号。
在一个优选地实施方式中，获得容易发生泥沙淤积的区域中单日悬移质积累量信息和单日悬移质异常时长信息，包括：
计算单个容易淤积区域的单日悬移质积累量离群值，计算公式为： 其中，/>为整体容易淤积区域单日悬移质积累量的平均值，Bjl为整体容易淤积区域单日悬移质积累量的标准差；
计算单个容易淤积区域的单日悬移质异常时长离群值，计算公式为： 其中，/>为整体容易淤积区域单日悬移质异常时长的平均值，Byc为整体容易淤积区域单日悬移质异常时长的标准差。
在一个优选地实施方式中，根据容易发生泥沙淤积的区域中单日悬移质积累量信息和单日悬移质异常时长信息，对多个容易淤积区域进行综合性评估，包括：
根据容易发生泥沙淤积的区域中单日悬移质积累量信息和单日悬移质异常时长信息，获得单日悬移质积累量离群值和单日悬移质异常时长离群值；
将单日悬移质积累量离群值和单日悬移质异常时长离群值联立生成离群值评估系数；
单日悬移质积累量离群值和单日悬移质异常时长离群值与离群值评估系数成正相关关系。
在一个优选地实施方式中，根据多个容易淤积区域的离群值评估系数与离群值评估系数对比，调整处理容易淤积区域泥沙淤积的策略，包括：
将离群值评估系数与离群值评估系数阈值对比；
若离群值评估系数大于离群值评估系数阈值，则专业工作人员应优先对当前评估的容易淤积区域进行维护管理工作；
若离群值评估系数小于离群值评估系数阈值，则专业工作人员应优先处理其他容易淤积区域的泥沙淤积，再对当前评估的容易淤积区域进行维护管理工作。
本发明的技术效果和优点：
1、本发明通过容易淤积区域处的悬移质含量信息、水流信息以及水位信息的综合性分析，获得容易淤积区域不同等级的预警信号，有助于更精准的向专业工作人员对容易淤积泥沙区域出现泥沙淤积的预警，专业工作人员根据预警信号调整对容易淤积区域的维护管理工作；
2、本发明对多个容易发生泥沙淤积的区域通过整体分析和单独分析的结合，将容易发生泥沙淤积的区域中单日悬移质积累量信息和单日悬移质异常时长信息综合性分析，确定对多个容易发生泥沙淤积区域中维护管理工作的优先级，有助于优化专业工作人员对容易发生泥沙淤积区域的维护管理策略。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明；
图1为本发明河道水文测绘监测方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
图1给出了本发明河道水文测绘监测方法的流程图，其中包括以下步骤：
S1：根据历史数据，确定以前发生过泥沙淤积的区域，并将过去经常发生泥沙淤积的区域标记为容易淤积区域，在容易淤积区域布置水文监测设备，采集容易淤积区域的水文信息；
S2：获取容易淤积区域的悬移质含量信息、水流信息以及水位信息，建立预警评估系数，并将预警评估系数与预警评估系数阈值进行比较，生成高风险信号、中等风险信号和低风险信号；
S3:若多个容易淤积区域出现高风险信号，则获得容易淤积区域中单日悬移质积累量信息和单日悬移质异常时长信息，对多个容易淤积区域进行综合性评估；
S4：根据多个容易淤积区域悬移质累计量离群值和悬移质异常异常时长离群值的综合性评估结果，获得离群值评估系数，并根据多个容易淤积区域的离群值评估系数与离群值评估系数对比，调整处理容易淤积区域泥沙淤积的策略。
通常河道下游处经常发生泥沙淤积的情况，通过获取河道的历史数据，确定河道下游处发生过泥沙淤积的区域，并将过去经常发生泥沙淤积的区域标记为容易淤积区域；
需要说明的是，在不出现特殊情况下，通常泥沙淤积是一个相对缓慢的过程，发生泥沙淤积可能需要一段时间，然而过去发生过泥沙淤积的区域可能更容易在将来再次发生淤积，是因为一些地区可能具有相对稳定的沉积条件，导致泥沙在这些地方更容易沉积和堆积，因此，对容易发生泥沙淤积的区域进行监测，有助于提高监测效率和成本效益。
通过在容易淤积区域中的水文监测设备，获得悬移质含量信息、水流信息以及水位信息，其中，若悬移质含量高于悬移质含量预警阈值的时间较长，可能会增加泥沙淤积的可能性，若悬移质含量低于悬移质含量预警阈值的时间较长，可能会减缓出现泥沙淤积的时间，但是泥沙会随着时间的变化逐渐淤积，因此不一定能够直接减少淤积的可能性；
悬移质含量表示水质的清澈程度，即水流的含沙量，在泥沙容易淤积的地方，泥沙会随着时间的变化逐渐淤积，当达到一定程度时，会引起一系列的问题，例如：增加洪水的风险、影响当地生态系统等；
因此，当悬移质含量低于悬移质含量预警阈值，表示水流的含沙量属于正常水平，定期对容易淤积区域进行处理，当悬移质含量高于悬移质含量预警阈值，表示水流的含沙量高于正常水平，容易淤积区域淤积泥沙的速度增加，专业人员应及时监测容易淤积区域的河床变化，提前对容易淤积区域进行清理。
悬移质含量浮动系数的获取逻辑为：设置悬移质含量预警阈值，根据悬移质含量监测设备，获得单位时间T内悬移质含量的实时变化量，并将悬移质含量的实时变化量标记为：C(t)；
需要说明的是，悬移质含量可通过悬浮颗粒计数仪、浊度传感器等监测设备放置在经常发生泥沙淤积的位置处，实时获得放置位置处的悬移质含量。
计算悬移质含量变化系数，计算公式为：其中，NDbh为单位时间T内悬移质含量变化系数，[q，Q]为悬移质含量高于悬移质含量预警阈值的时间段；
由公式可知，经常发生泥沙淤积的位置处在单位时间T内悬移质含量变化系数越大，说明经常发生泥沙淤积的位置处出现泥沙淤积的隐患越高，反之则说明经常发生泥沙淤积的位置处出现泥沙淤积的隐患越低。
水流的不稳定性可能对泥沙淤积产生影响，不稳定的水流可能导致流速和流向的快速变化，降低水体对悬移质的携带能力，在流速剧烈变化的情况下，水体可能无法持续携带和输送泥沙，导致泥沙在水体中沉积，不稳定的水流可能导致河道底部的剧烈变化，包括河床的侵蚀和沉积，这些变化可能影响水体的携带能力，进而影响泥沙的淤积情况。
水流稳定系数的获取逻辑为：获得单位时间T内在某个方向上水流的速度，并将单位时间T内在某个方向上水流的速度记作：SDn，其中，n＝1、2、3……N，N为正整数，n为水文监测设备每次对水流速度监测结果的编号；
计算水流时间T内在某个方向上水流速度的平均值和标准差，并将水流时间T内在某个方向上水流速度的平均值和标准差标记为SDpj和SDbz，其中，
由标准差可知，容易淤积区域在单位时间T内某个方向上水流速度的标准差越大，则说明容易淤积区域在单位时间T内水流的稳定性越差，反之说明容易淤积区域在单位时间T内水流的稳定性越好；
计算水流稳定系数，计算公式为：其中，SLwd为单位时间T内的水流稳定系数；
由公式可知，经常发生泥沙淤积的位置处在单位时间T内水流稳定系数越大，说明经常发生泥沙淤积的位置处出现泥沙淤积的隐患越高，反之则说明经常发生泥沙淤积的位置处出现泥沙淤积的隐患越低。
水位的变化是具有一定的频率特性，尤其是靠近海洋或潮汐区域的河道中，潮汐是导致水位周期性变化的主要因素，水位的周期性变化可能与人为因素、气象因素、河道地形因素有关，并且河道水位的变化可能根据太阳的日照强度、太阳的位置发生改变，通常被称为日变化或日周期性变化；
当水位较高时，导致泥沙更容易悬浮，而不容易淤积，并且水位的上升可以增加水体的流动能力，使得悬浮在水中的颗粒更容易被携带，当水位较低时，水体的流动能力下降，更容易导致在容易淤积区域中泥沙的淤积。
水位变化波动系数的获取逻辑为：通过水文监测设备实时采集水位数据，对采集到的水位数据进行预处理，包括去除可能的噪音、异常值，平滑数据等，使用傅里叶变换将水位时序数据转换到频域；
计算水位变化波动系数，计算公式为： 其中，SWbh为单位时间T内的水位变化波动系数，A为振幅，表示在容易淤积区域水位周期内的最大水位变化，f为水位的频率，t为监测的时间点，θ为相位角，t1到t2表示单位时间T的初始时间和截止时间，SWavg为在单位时间T内的平均水位大小；
需要说明的是，相位角的变化可以影响波浪的形状和在时间轴上的位置，进而影响水位的变化情况，不同的相位角可能导致水流方向和泥沙运动方向的变化，相位角决定了正弦波在时间轴上的起始时刻，不同的相位角对应着不同的波浪起始位置，因此相位角的变化会影响水位的变化时刻。
由公式可知，经常发生泥沙淤积的位置处在单位时间T内水位变化波动系数越大，说明经常发生泥沙淤积的位置处出现泥沙淤积的隐患越低，反之则说明经常发生泥沙淤积的位置处出现泥沙淤积的隐患越高。
根据容易淤积区域的悬移质含量信息、水流信息以及水位信息，将悬移质含量浮动系数、水流稳定系数以及水位变化波动系数建立数据分析模型，生成预警评估系数，预警评估系数的计算公式为： 其中，pg为容易淤积区域在单位时间T内的预警评估系数，α1、α2、α3为悬移质含量浮动系数、水流稳定系数、水位变化波动系数的比例系数，α1、α2、α3大于0；
由公式可知，悬移质含量浮动系数和水流稳定系数越大以及水位变化波动系数越小，则预警评估系数越大，表示在单位时间T内容易淤积区域更容易出现泥沙的淤积，可能出现异常的泥沙淤积，悬移质含量浮动系数和水流稳定系数越小以及水位变化波动系数越大，则预警评估系数越小，表示在单位时间T内容易淤积区域不容易出现泥沙的淤积，属于正常泥沙淤积的水平。
将容易淤积区域生成的若干个预警评估系数建立数据分析集合，并将数据分析集合标记为：U，其中,U＝{pgm}，m＝1、2、3……M，M为正整数，m为容易淤积区域若干个预警评估系数的编号；
设置预警评估系数阈值，并将预警评估系数阈值标记为：pgyz，将数据分析集合中的预警评估系数与预警评估系数阈值比较，将大于预警评估系数阈值的预警评估系数标记为：pgk，其中，k＝1、2、3……K，K为正整数，k为数据分析集合中大于预警评估系数阈值的预警评估系数的编号；
计算容易淤积区域的风险评估系数，风险评估系数的计算公式为： 其中，FX为容易淤积区域的风险评估系数；
由公式可知，数据分析集合内生成的风险评估系数越大，则表示容易淤积区域出现泥沙淤积的隐患越高，反之表示容易淤积区域出现泥沙淤积的隐患越低；
将数据分析集合中生成的风险评估系数与设置的风险评估系数阈值和风险评估系数阈值/>对比，其中，/>小于/>生成以下情况：
若FX大于则生成高风险信号；
若FX大于并且FX小于/>则生成中风险信号；
若FX小于则生成低风险信号。
本实施例通过容易淤积区域处的悬移质含量信息、水流信息以及水位信息的综合性分析，获得容易淤积区域不同等级的预警信号，有助于更精准的向专业工作人员对容易淤积泥沙区域出现泥沙淤积的预警，专业工作人员根据预警信号调整对容易淤积区域的维护管理工作。
实施例2
上述实施例根据容易淤积区域处的悬移质含量信息、水流信息以及水位信息，通过不同等级的预警信号确定可能出现泥沙淤积异常的区域，当出现多个容易淤积区域同时出现高风险信号时，根据每个容易淤积区域中悬移质的离群值信息，确定容易淤积区域的优先级。
需要说明的是，河道底部的地形变化，如沙洲的形成或水道的变窄，可能使多个区域容易发生泥沙淤积，并且不同流域的特性不同，可能在流域内的多个位置同时发生泥沙淤积。
通过水文监测设备获得单个容易淤积区域中单日悬移质积累量和单日悬移质异常时长，并获得整体单日悬移质积累量和单日悬移质异常时长，将单日悬移质积累量标记为Y，将单日悬移质异常时长标记为F；
需要说明的是，单日悬移质积累量是通过水文监测设备在单个容易淤积区域悬移质积累的总量，单日悬移质异常时长表示容易淤积区域悬移质含量超过悬移质含量预警阈值的时间段长度；
计算单个容易淤积区域的单日悬移质积累量离群值，计算公式为： 其中，JLi为单个容易淤积区域单日悬移质积累量离群值，i＝1、2、3……I，I为正整数，i为容易淤积区域的编号，/>为整体容易淤积区域单日悬移质积累量的平均值，计算公式为：Bjl为整体容易淤积区域单日悬移质积累量的标准差，计算公式为：
计算单个容易淤积区域的单日悬移质异常时长离群值，计算公式为：其中，YCi为单个容易淤积区域单日悬移质异常时长离群值，/>为整体容易淤积区域单日悬移质异常时长的平均值，计算公式为：/>Byc为整体容易淤积区域单日悬移质异常时长的标准差，计算公式为：/>
获得每个容易淤积区域的单日悬移质积累量离群值和单日悬移质异常时长离群值，将单日悬移质积累量离群值和单日悬移质异常时长离群值通过归一化处理，建立数据分析模型，生成离群值评估系数，计算公式为： 其中，LQi为每个容易淤积区域的离群值评估系数，β1、β2为单日悬移质积累量离群值和单日悬移质异常时长离群值的比例系数，β1、β2大于0；
由公式可知，若单日悬移质积累量离群值和单日悬移质异常时长离群值越大，则容易淤积区域的离群值评估系数越大，表示该容易淤积区域相对于整体其他的容易淤积区域出现泥沙淤积的可能性更高，若单日悬移质积累量离群值和单日悬移质异常时长离群值越小，则容易淤积区域的离群值评估系数越小，表示该容易淤积区域相对于整体其他的容易淤积区域出现泥沙淤积的可能性更低。
设置离群值评估系数阈值，将离群值评估系数与离群值评估系数阈值对比，若离群值评估系数大于离群值评估系数阈值，则表示当前评估的容易淤积区域更容易出现泥沙的淤积，对当前评估的容易淤积区域维修管理工作的紧急程度较高，专业工作人员应优先对当前评估的容易淤积区域进行维护管理工作，若离群值评估系数小于离群值评估系数阈值，则表示相对于其他容易淤积区域泥沙淤积的程度较低，专业工作人员应优先处理其他容易淤积区域的泥沙淤积，再对当前评估的容易淤积区域进行维护管理工作。
本实施例对多个容易发生泥沙淤积的区域通过整体分析和单独分析的结合，将容易发生泥沙淤积的区域中单日悬移质积累量信息和单日悬移质异常时长信息综合性分析，确定对多个容易发生泥沙淤积区域中维护管理工作的优先级，有助于优化专业工作人员对容易发生泥沙淤积区域的维护管理策略。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、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、服务器或数据中心通过有线或无线(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用介质集合的服务器、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。半导体介质可以是固态硬盘。
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。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述功能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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
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.河道水文测绘监测方法，其特征在于，包括以下步骤：
S1：根据历史数据，确定以前发生过泥沙淤积的区域，并将过去经常发生泥沙淤积的区域标记为容易淤积区域，在容易淤积区域布置水文监测设备，采集容易淤积区域的水文信息；
S2：获取容易淤积区域的悬移质含量信息、水流信息以及水位信息，建立预警评估系数，并将预警评估系数与预警评估系数阈值进行比较，生成高风险信号、中等风险信号和低风险信号；
S3:若多个容易淤积区域出现高风险信号，则获得容易淤积区域中单日悬移质积累量信息和单日悬移质异常时长信息，对多个容易淤积区域进行综合性评估；
S4：根据多个容易淤积区域悬移质累计量离群值和悬移质异常异常时长离群值的综合性评估结果，获得离群值评估系数，并根据多个容易淤积区域的离群值评估系数与离群值评估系数对比，调整处理容易淤积区域泥沙淤积的策略。
2.根据权利要求1所述的河道水文测绘监测方法，其特征在于，获取容易淤积区域处的悬移质含量信息、水流信息以及水位信息，包括：
根据容易淤积区域处的悬移质含量信息，悬移质含量浮动系数的获取逻辑为：
设置悬移质含量预警阈值，根据悬移质含量监测设备，获得单位时间T内悬移质含量的实时变化量，并将悬移质含量的实时变化量标记为：C(t)；
计算悬移质含量变化系数，计算公式为：其中，NDbh为单位时间T内悬移质含量变化系数，[q，Q]为悬移质含量高于悬移质含量预警阈值的时间段。
3.根据权利要求2所述的河道水文测绘监测方法，其特征在于，根据容易淤积区域处的水流信息，水流稳定系数的获取逻辑为：
获得单位时间T内在某个方向上水流的速度，并将单位时间T内在某个方向上水流的速度记作：SDn，其中，n＝1、2、3……N，N为正整数，n为水文监测设备每次对水流速度监测结果的编号；
计算水流时间T内在某个方向上水流速度的平均值和标准差，并将水流时间T内在某个方向上水流速度的平均值和标准差标记为SDpj和SDbz，其中，
计算水流稳定系数，计算公式为：
4.根据权利要求3所述的河道水文测绘监测方法，其特征在于，根据容易淤积区域处的水位信息，水位变化波动系数的获取逻辑为：
通过水文监测设备实时采集水位数据，对采集到的水位数据进行预处理，包括去除可能的噪音、异常值，平滑数据等，使用傅里叶变换将水位时序数据转换到频域；
计算水位变化波动系数，计算公式为： 其中，SWbh为单位时间T内的水位变化波动系数，A为振幅，表示在容易淤积区域水位周期内的最大水位变化，f为水位的频率，t为监测的时间点，θ为相位角，t1到t2表示单位时间T的初始时间和截止时间，SWavg为在单位时间T内的平均水位大小。
5.根据权利要求4所述的河道水文测绘监测方法，其特征在于，根据容易淤积区域处的悬移质含量信息、水流信息以及水位信息，建立预警评估系数，包括：
根据容易淤积区域处的悬移质含量信息、水流信息以及水位信息，获得悬移质含量浮动系数、水流稳定系数以及水位变化波动系数；
将悬移质含量浮动系数、水流稳定系数以及水位变化波动系数联立生成预警评估系数；
悬移质含量浮动系数、水流稳定系数与预警评估系数成正相关关系，水位变化波动系与存储评估系数成负相关关系。
6.根据权利要求5所述的河道水文测绘监测方法，其特征在于，将预警评估系数与预警评估系数阈值进行比较，生成高风险信号、中等风险信号和低风险信号，包括：
将容易淤积区域生成的若干个预警评估系数建立数据分析集合，并将数据分析集合标记为：U，其中,U＝{pgm}，m＝1、2、3……M，M为正整数，m为容易淤积区域若干个预警评估系数的编号；
设置预警评估系数阈值，并将预警评估系数阈值标记为：pgyz，将数据分析集合中的预警评估系数与预警评估系数阈值比较，将大于预警评估系数阈值的预警评估系数标记为：pgk，其中，k＝1、2、3……K，K为正整数，k为数据分析集合中大于预警评估系数阈值的预警评估系数的编号；
计算容易淤积区域的风险评估系数，风险评估系数的计算公式为：
7.根据权利要求6所述的河道水文测绘监测方法，其特征在于，根据容易淤积区域的风险评估系数，生成高风险信号、中等风险信号和低风险信号，包括：
将数据分析集合中生成的风险评估系数与设置的风险评估系数阈值和风险评估系数阈值/>对比，其中，/>小于/>
若FX大于则生成高风险信号；
若FX大于并且FX小于/>则生成中风险信号；
若FX小于则生成低风险信号。
8.根据权利要求1所述的河道水文测绘监测方法，其特征在于，获得容易发生泥沙淤积的区域中单日悬移质积累量信息和单日悬移质异常时长信息，包括：
计算单个容易淤积区域的单日悬移质积累量离群值，计算公式为： 其中，/>为整体容易淤积区域单日悬移质积累量的平均值，Bjl为整体容易淤积区域单日悬移质积累量的标准差；
计算单个容易淤积区域的单日悬移质异常时长离群值，计算公式为：其中，为整体容易淤积区域单日悬移质异常时长的平均值，Byc为整体容易淤积区域单日悬移质异常时长的标准差。
9.根据权利要求8所述的河道水文测绘监测方法，其特征在于，根据容易发生泥沙淤积的区域中单日悬移质积累量信息和单日悬移质异常时长信息，对多个容易淤积区域进行综合性评估，包括：
根据容易发生泥沙淤积的区域中单日悬移质积累量信息和单日悬移质异常时长信息，获得单日悬移质积累量离群值和单日悬移质异常时长离群值；
将单日悬移质积累量离群值和单日悬移质异常时长离群值联立生成离群值评估系数；
单日悬移质积累量离群值和单日悬移质异常时长离群值与离群值评估系数成正相关关系。
10.根据权利要求9所述的河道水文测绘监测方法，其特征在于，根据多个容易淤积区域的离群值评估系数与离群值评估系数对比，调整处理容易淤积区域泥沙淤积的策略，包括：
将离群值评估系数与离群值评估系数阈值对比；
若离群值评估系数大于离群值评估系数阈值，则专业工作人员应优先对当前评估的容易淤积区域进行维护管理工作；
若离群值评估系数小于离群值评估系数阈值，则专业工作人员应优先处理其他容易淤积区域的泥沙淤积，再对当前评估的容易淤积区域进行维护管理工作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410193439.4A CN117968646A (zh) | 2024-02-21 | 2024-02-21 | 河道水文测绘监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410193439.4A CN117968646A (zh) | 2024-02-21 | 2024-02-21 | 河道水文测绘监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117968646A true CN117968646A (zh) | 2024-05-03 |
Family
ID=90853082
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410193439.4A Pending CN117968646A (zh) | 2024-02-21 | 2024-02-21 | 河道水文测绘监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117968646A (zh) |
-
2024
- 2024-02-21 CN CN202410193439.4A patent/CN117968646A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111898691B (zh) | 一种河流突发水污染预警溯源方法、系统、终端及介质 | |
| CN117807382B (zh) | 基于智慧物联的排水管网污染监测数据智能处理方法 | |
| CN109783903A (zh) | 一种基于时间序列的工业用水管道故障诊断方法及系统 | |
| Christodoulou et al. | Waterloss detection in water distribution networks using wavelet change-point detection | |
| CN110175353B (zh) | 电梯运行指标趋势分析方法 | |
| CN107292501A (zh) | 一种评估废水监测数据质量的方法及设备 | |
| WO2021061956A1 (en) | Blockage detection using machine learning | |
| CN114519540B (zh) | 用于砂石污水处理运维项目的管理系统 | |
| CN115495475B (zh) | 一种湖泊水污染治理方法及系统 | |
| Alferes et al. | Efficient automated quality assessment: Dealing with faulty on-line water quality sensors | |
| Yang et al. | Application of the ARIMAX model on forecasting freeway traffic flow | |
| Mounce et al. | Automated data-driven approaches to evaluating and interpreting water quality time series data from water distribution systems | |
| CN114692723A (zh) | 一种反渗透膜污堵预警方法及系统 | |
| CN114817228A (zh) | 一种湖泊水位长时间序列监测数据的异常值剔除方法 | |
| CN114968999A (zh) | 一种基于时序匹配和双向四分位算法的异常数据清洗方法 | |
| CN117968646A (zh) | 河道水文测绘监测方法 | |
| Leihs et al. | Situational analysis in real-time traffic systems | |
| US20140109654A1 (en) | Method and Apparatus for Assessing the Consumption of a Medium in a Supply System | |
| US10641133B2 (en) | Managing water-supply pumping for an electricity production plant circuit | |
| CN115619045A (zh) | 一种河口潮差预报方法和系统 | |
| Sumer et al. | Real-time detection of sanitary sewer overflows using neural networks and time series analysis | |
| CN115186702A (zh) | 一种基于振动信号的离心泵空化状态识别方法 | |
| JP5283550B2 (ja) | ろ過池通過後のろ過水の濁度又は微粒子数の測定値から逆洗を判定する方法、ろ過池通過後のろ過水の濁度又は微粒子数の測定値から逆洗を判定する装置、ろ過池通過後のろ過水の濁度又は微粒子数の測定値から逆洗を判定する方法をコンピュータに実行させるためのプログラム、及び記録媒体 | |
| CN113781276B (zh) | 一种污水管网流量不确定性分析方法 | |
| CN113944886B (zh) | 一种管道锈瘤检测方法 |
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 |