CN118036805B - 污水管网的健康状态的预测方法、装置、设备及存储介质 - Google Patents
污水管网的健康状态的预测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN118036805B CN118036805B CN202410160926.0A CN202410160926A CN118036805B CN 118036805 B CN118036805 B CN 118036805B CN 202410160926 A CN202410160926 A CN 202410160926A CN 118036805 B CN118036805 B CN 118036805B
- Authority
- CN
- China
- Prior art keywords
- data
- rainfall
- flow
- pipe network
- state
- 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
- 239000010865 sewage Substances 0.000 title claims abstract description 239
- 238000000034 method Methods 0.000 title claims abstract description 139
- 230000036541 health Effects 0.000 title claims abstract description 78
- 230000008595 infiltration Effects 0.000 claims abstract description 180
- 238000001764 infiltration Methods 0.000 claims abstract description 180
- 239000003673 groundwater Substances 0.000 claims abstract description 140
- 230000008569 process Effects 0.000 claims abstract description 93
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 45
- 230000003862 health status Effects 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 27
- 238000010586 diagram Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000003012 network analysis Methods 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 239000002351 wastewater Substances 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000001595 flow curve Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 101000771663 Mus musculus WD repeat and FYVE domain-containing protein 3 Proteins 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 101100063431 Arabidopsis thaliana DIM gene Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Sewage (AREA)
Abstract
本发明涉及污水管网分析技术领域，公开了污水管网的健康状态的预测方法、装置、设备及存储介质，污水管网的健康状态的预测方法包括：获取目标区域的基础数据；根据降雨数据，将目标区域的降雨状态划分为雨天状态和旱天状态；根据污水管网流量数据，确定小时污水管网流量数据；根据地下水位数据，确定目标区域的旱天状态的地下水小时入渗量；根据小时污水管网流量数据和地下水小时入渗量，计算污水流量过程数据；根据获取的雨天状态的流量过程线、地下水小时入渗量以及污水流量过程数据，计算入渗入流量；根据入渗入流量，预测污水管网的健康状态。本发明实现污水管网状态的准确预测，便于后续根据污水管网的健康状态对污水管网进行维护。
Description
技术领域
本发明涉及污水管网分析技术领域，具体涉及污水管网的健康状态的预测方法、装置、设备及存储介质。
背景技术
随着城市化的不断推进，城市污水管网系统面临着日益严重的雨水入渗入流问题。这一问题主要源于污水管道破损、混接等原因，导致地下水和雨水大量进入管网系统，使得管网输送水量超过实际污水水量，增加了污水管网和污水处理厂的负担。这种过剩水量不仅会导致管道过载，还可能引起污水厂的过载和溢流，对城市环境和居民生活造成不良影响。
目前，针对城市污水管网雨水入渗入流问题的研究主要集中在两个方面：一是传统的工程手段，如加强管道密封和提高管道抗渗性能等，但这些方法成本较高，且难以全面解决问题；二是模型分析方法，通过建立数学模型对管网水量进行分解，以了解不同组分对整体水量的贡献。然而，相关的模型在对雨水入渗入流进行分析时存在一些不足，如对降雨事件中管网全过程的入渗入流曲线不够准确的模拟，以及对地下水水位、降雨量等因素的综合考虑不足，导致对入渗入流量的计算不够准确，从而导致对污水管网的状态判断不准确。
发明内容
有鉴于此，本发明提供了一种污水管网的健康状态的预测方法、装置、设备及存储介质，以解决对污水管网的状态判断不准确的问题。
第一方面，本发明提供了一种对污水管网的状态判断不准确，包括：获取目标区域的基础数据，其中，基础数据包括降雨数据、污水管网流量数据以及地下水位数据；根据基础数据中的降雨数据，将目标区域的降雨状态划分为雨天状态和旱天状态；根据基础数据中的污水管网流量数据，确定目标区域的工作日的旱天状态的小时污水管网流量数据；根据基础数据中的地下水位数据，确定目标区域的旱天状态的地下水小时入渗量；根据小时污水管网流量数据和地下水小时入渗量，计算污水流量过程数据；根据获取的雨天状态的流量过程线、地下水小时入渗量以及污水流量过程数据，计算雨天状态的入渗入流量；根据入渗入流量，预测污水管网的健康状态。
本发明获取目标数据的降雨数据、污水管网流量数据以及地下水位数据，根据降雨数据将目标区域的降雨状态划分为雨天状态和旱天状态，雨天状态和旱天状态对入渗入流量的影响很大，因此对目标区域的降雨状态进行划分。本发明根据污水管网流量数据，确定目标区域的工作日的旱天状态的小时污水管网流量数据，根据地下水位数据，确定目标区域的旱天状态的地下水小时入渗量，根据小时污水管网流量数据和地下水小时入渗量，计算污水流量过程数据，由于旱天状态下没有降雨量对污水管网的影响，因此，计算得到的污水流量过程数据更加贴合日常生活中实际情况下的污水管网的流量过程。本发明根据获取的雨天状态的流量过程线、地下水小时入渗量以及污水流量过程数据，计算雨天状态的入渗入流量，根据雨天状态的流量过程线、地下水入渗量以及旱天状态下的污水流量过程数据，得到雨天状态的入渗入流量，用雨天状态的流量过程线减去旱天状态下的污水流量过程数据，再减去地下水入渗量，得到的入渗入流量为雨天状态下降雨对污水管网的较为准确的入渗入流量。根据入渗入流量，预测污水管网的健康状态，得到的污水管网的健康状态更加准确，更加符合实际情况，便于后续根据污水管网的健康状态对污水管网进行维护。
在一种可选的实施方式中，污水管网的健康状态的预测方法还包括：根据基础数据中的地下水位数据，获取地下水水位；绘制地下水小时入渗量和地下水水位之间的第一散点图，得到第一关联系数；根据基础数据中的降雨数据，获取小时降雨量和日降雨量；绘制入渗入流量与小时降雨量的第二散点图，得到第二关联系数；绘制入渗入流量与日降雨量的第三散点图，得到第三关联系数。
本发明中地下水位也会造成污水管网的入渗问题，因此获取地下水水位，分析地下水小时入渗量和地下水水位之间的关系，得到第一关联系数；小时降雨量和日降雨量对污水管网的入渗问题有较大的影响，因此分析入渗入流量与小时降雨量的第二关联系数和入渗入流量与小时降雨量的第三关联系数。
在一种可选的实施方式中，污水管网的健康状态的预测方法还包括：根据基础数据中的降雨数据，确定降雨起始点和降雨事件；其中，降雨起始点表示降雨前第一预设时间段内无降雨的时间点；降雨事件表示降雨前后第二预设时间段内均无降雨的事件；根据分钟流量过程线、分钟地下水小时入渗量以及分钟污水流量过程数据，计算降雨入流量；根据基础数据中的降雨数据，获取分钟降雨量；绘制降雨入流量与分钟降雨量的第四散点图，得到第四关联系数；实时监测并获取所述供水管网的压力数据；根据第一关联系数、第二关联系数、第三关联系数、第四关联系数、供水管网的压力数据以及入渗入流量，预测污水管网的健康状态。
本发明根据分钟流量过程线、分钟地下水小时入渗量以及分钟污水流量过程数据，计算降雨入流量，也就是计算在降雨影响下的污水管网的入流量，分析降雨入流量与分钟降雨量之间的第四关联关系，实时监测并获取供水管网的压力数据，供水管网的压力数据对污水管网的健康状态也存在较大的直接影响，根据与污水管网入渗入流相关的关联系数、供水管网的压力数据以及入渗入流量，预测污水管网的健康状态，得到更加准确的污水管网的健康状态。
在一种可选的实施方式中，根据入渗入流量，预测污水管网的健康状态，包括：将入渗入流量与预设对应关系表进行匹配，得到污水管网的健康状态；其中，预设对应关系表包括预设完成的预设入渗入流量与污水管网的预设健康状态之间的对应关系表。
本发明将入渗入流量与设置完成的预设对应关系表进行匹配，确定污水管网的健康状态，准确预测污水管网的健康状态。
在一种可选的实施方式中，根据基础数据中的降雨数据，将目标区域的降雨状态划分为雨天状态和旱天状态，包括：根据基础数据中的降雨数据，将日降雨量大于第一预设值的降雨状态确定为雨天状态；将至少第三预设时间段内无降雨的降雨状态确定为旱天状态。
本发明将目标区域的降雨状态根据降雨情况进行划分，若日降雨量大于第一预设值，说明降雨量较大，将降雨状态确定为雨天状态，若在至少第三预设时间段内无降雨，说明长时间未出现降雨，因此将降雨状态确定为旱天状态。
在一种可选的实施方式中，根据基础数据中的地下水位数据，确定目标区域的旱天状态的地下水小时入渗量，包括：根据基础数据中的地下水位数据，分析旱天状态的第四预设时间段的地下水流量，将地下水流量作为地下水小时入渗量。
本发明将旱天状态下在第四预设时间段内的地下水流量，旱天状态说明无降雨影响，第四预设时间段为夜间，居民用水量较低，因此将地下水流量作为地下水小时入渗量。
在一种可选的实施方式中，根据小时污水管网流量数据和地下水小时入渗量，计算污水流量过程数据，包括：将小时污水管网流量数据和地下水小时入渗量的差，作为污水流量过程数据。
本发明根据小时污水管网流量数据和地下水小时入渗量的差，计算污水流量过程数据，由于旱天状态下没有降雨量对污水管网的影响，因此，计算得到的污水流量过程数据更加贴合日常生活中实际情况下的污水管网的流量过程。
第二方面，本发明提供了一种污水管网的健康状态的预测装置，包括：基础数据获取模块，用于获取目标区域的基础数据，其中，基础数据包括降雨数据、污水管网流量数据以及地下水位数据；降雨状态划分模块，用于根据基础数据中的降雨数据，将目标区域的降雨状态划分为雨天状态和旱天状态；小时污水管网流量数据确定模块，用于根据基础数据中的污水管网流量数据，确定目标区域的工作日的旱天状态的小时污水管网流量数据；地下水小时入渗量确定模块，用于根据基础数据中的地下水位数据，确定目标区域的旱天状态的地下水小时入渗量；污水流量过程数据计算模块，用于根据小时污水管网流量数据和地下水小时入渗量，计算污水流量过程数据；入渗入流量计算模块，用于根据获取的雨天状态的流量过程线、地下水小时入渗量以及污水流量过程数据，计算雨天状态的入渗入流量；健康状态确定模块，用于根据入渗入流量，预测污水管网的健康状态。
第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的污水管网的健康状态的预测方法。
第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的污水管网的健康状态的预测方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体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的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的污水管网的健康状态的预测方法的流程示意图；
图2是根据本发明实施例的另一污水管网的健康状态的预测方法的流程示意图；
图3是根据本发明实施例的小时降雨量与入渗入流量之间的第二散点图示意图；
图4是根据本发明实施例的入渗入流量与日降雨量之间的第三散点图示意图；
图5是根据本发明实施例的又一污水管网的健康状态的预测方法的流程示意图；
图6是根据本发明实施例的污水管网的健康状态的预测装置的结构框图；
图7是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
本发明实施例提供了一种污水管网的健康状态的预测方法，通过计算入渗入流量以达到准确预测污水管网健康状态的效果。
根据本发明实施例，提供了一种污水管网的健康状态的预测方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种污水管网的健康状态的预测方法，可用于计算机设备，图1是根据本发明实施例的污水管网的健康状态的预测方法的流程图，如图1所示，该流程包括如下步骤：
步骤S101，获取目标区域的基础数据，其中，基础数据包括降雨数据、污水管网流量数据以及地下水位数据。
其中，目标区域表示待预测的污水管网所在的区域；降雨数据表示从气象站或气象预报系统获取城市区域的降雨数据，为确保降雨数据的时空分辨率，降雨数据一般包括分钟降雨数据、小时降雨数据以及日降雨数据；污水管网流量数据表示从污水处理厂或监测站获取的实时或历史的管道流量数据，为确保流量数据的时间分辨率，通常以分钟或小时为单位；地下水位数据表示从地下水位监测站获取地下水位的实时或历史数据，对地下水位数据进行数据质量检查和处理，确保地下水位数据的可靠性。
在一些可选的实施方式中，基础数据还包括：管网属性信息和河道水位信息；其中，管网属性信息包括城市污水管网的结构图、拓扑关系、管径以及长度等基本结构参数，管道材质、年限以及维护记录等运行状态信息，管道的位置、高程以及流向等管道的地理信息；河道水位信息表示从河道水位监测站获取实时或历史的河道水位数据。
在一些可选的实施方式中，对目标区域的基础数据进行预处理，具体包括统一各类数据的时间戳，确保数据能够在相同的时间轴上对齐，进行数据清洗，处理潜在的异常值、缺失值等问题，进行数据归一化或标准化，确保不同数据的量纲一致性。
在一些可选的实施方式中，污水管网的健康状态的预测方法还包括：将基础数据存储于数据仓库中，方便后续的访问和管理。
步骤S102，根据基础数据中的降雨数据，将目标区域的降雨状态划分为雨天状态和旱天状态。
在一些可选的实施方式中，根据基础数据中的降雨数据，将日降雨量大于第一预设值的降雨状态确定为雨天状态；将至少第三预设时间段内无降雨的降雨状态确定为旱天状态。
其中，第一预设值可根据需求进行自定义，示例性，第一预设值可以为0.5mm或1mm；第三预设时间段可根据实际情况自定义，示例性地，第三预设时间段可以为48小时或72小时。
步骤S103，根据基础数据中的污水管网流量数据，确定目标区域的工作日的旱天状态的小时污水管网流量数据。
其中，在污水管网流量数据中选取并显示工作日的旱天状态的每小时的流量曲线，在流量曲线中，提取目标区域的工作日的旱天状态的小时污水管网流量数据。
步骤S104，根据基础数据中的地下水位数据，确定目标区域的旱天状态的地下水小时入渗量。
在一些可选的实施方式中，根据基础数据中的地下水位数据，分析旱天状态的第四预设时间段的地下水流量，将地下水流量作为地下水小时入渗量。
其中，第四时间段表示夜间时间段，根据实际情况自定义，示例性地，第四时间段可以为晚上12点至凌晨6点。
步骤S105，根据小时污水管网流量数据和地下水小时入渗量，计算污水流量过程数据。
在一些可选的实施方式中，将小时污水管网流量数据和地下水小时入渗量的差，作为污水流量过程数据。
在一些可选的实施方式中，根据如下公式计算污水流量过程数据：
QBWF1,h＝QDWF1,h-QGWI,h；
其中，QBWF1,h表示旱天状态的污水流量过程数据；QDWF1,h表示旱天状态的小时污水管网流量数据；QGWI,h表示旱天状态的地下水小时入渗量。
在一些可选的实施方式中，除了污水流量过程数据外，平均污水流量过程、晴天入渗比以及每五分钟的污水流量过程也可作为污水管网的健康状态的辅助参考。
其中，平均污水流量过程的计算公式为：
其中，表示平均旱天状态的污水流量过程数据；表示平均旱天状态的小时污水管网流量数据；QGWI,h表示旱天状态的地下水小时入渗量。
其中，晴天入渗比的计算公式为：
其中，QINF表示晴天入渗比；QGWI,h表示旱天状态的地下水小时入渗量；表示平均旱天状态的小时污水管网流量数据。
其中，每五分钟的污水流量过程的计算公式为：
QBWF1,5min＝QDWF1,5min-QGWI,h/12；
其中，QBWF1,5min表示旱天状态的5分钟的污水流量过程数据；QDWF1,5min表示旱天状态的5分钟的污水管网流量数据；QGWI,h表示旱天状态的地下水小时入渗量。
步骤S106，根据获取的雨天状态的流量过程线、地下水小时入渗量以及污水流量过程数据，计算雨天状态的入渗入流量。
在一些可选的实施方式中，将雨天状态的流量过程线、污水流量过程数据以及地下水小时入渗量的差，作为雨天状态的入渗入流量。
其中，计算雨天状态的入渗入流量的公式为：
QRDH,h＝QRWF,h-QBWF1,h-QGWI,h；
其中，QRDH,h表示雨天状态的入渗入流量；QRWF,h表示雨天状态的流量过程线；QBWF1,h表示旱天状态的污水流量过程数据；QGWI,h表示旱天状态的地下水小时入渗量。
步骤S107，根据入渗入流量，预测污水管网的健康状态。
在一些可选的实施方式中，将入渗入流量与预设对应关系表进行匹配，得到污水管网的健康状态。
其中，预设对应关系表为预设完成的入渗入流量与健康状态的对应关系表。预设对应关系表中包括不同入渗入流量对应的不同的污水管网的健康状态，示例性地，共分为五个等级，第一入渗入流量对应第一健康状态，第二入渗入流量对应第二健康状态，第三入渗入流量对应第三健康状态，第四入渗入流量对应第四健康状态，第五入渗入流量对应第五健康状态，五个等级的入渗入流量可根据实际情况进行划分，第一健康状态可以为严重，第二健康状态可以为较差，第三健康状态可以为正常，第四健康状态可以良好，第五健康状态可以为健康。本实施例提供的污水管网的健康状态的预测方法，获取目标数据的降雨数据、污水管网流量数据以及地下水位数据，根据降雨数据将目标区域的降雨状态划分为雨天状态和旱天状态，雨天状态和旱天状态对入渗入流量的影响很大，因此对目标区域的降雨状态进行划分。本发明实施例根据污水管网流量数据，确定目标区域的工作日的旱天状态的小时污水管网流量数据，根据地下水位数据，确定目标区域的旱天状态的地下水小时入渗量，根据小时污水管网流量数据和地下水小时入渗量，计算污水流量过程数据，由于旱天状态下没有降雨量对污水管网的影响，因此，计算得到的污水流量过程数据更加贴合日常生活中实际情况下的污水管网的流量过程。本发明实施例根据获取的雨天状态的流量过程线、地下水小时入渗量以及污水流量过程数据，计算雨天状态的入渗入流量，根据雨天状态的流量过程线、地下水入渗量以及旱天状态下的污水流量过程数据，得到雨天状态的入渗入流量，用雨天状态的流量过程线减去旱天状态下的污水流量过程数据，再减去地下水入渗量，得到的入渗入流量为雨天状态下降雨对污水管网的较为准确的入渗入流量。根据入渗入流量，预测污水管网的健康状态，得到的污水管网的健康状态更加准确，更加符合实际情况，便于后续根据污水管网的健康状态对污水管网进行维护。
在本实施例中提供了一种污水管网的健康状态的预测方法，可用于上述的计算机设备，图2是根据本发明实施例的另一污水管网的健康状态的预测方法的流程图，如图2所示，该流程包括如下步骤：
步骤S201，获取目标区域的基础数据，其中，基础数据包括降雨数据、污水管网流量数据以及地下水位数据。详细请参见图1所示实施例的步骤S101，在此不再赘述。
步骤S202，根据基础数据中的降雨数据，将目标区域的降雨状态划分为雨天状态和旱天状态。
具体地，上述步骤S202包括：
步骤S2021，根据基础数据中的降雨数据，将日降雨量大于第一预设值的降雨状态确定为雨天状态。
步骤S2022，将至少第三预设时间段内无降雨的降雨状态确定为旱天状态。
本发明实施例将目标区域的降雨状态根据降雨情况进行划分，若日降雨量大于第一预设值，说明降雨量较大，将降雨状态确定为雨天状态，若在至少第三预设时间段内无降雨，说明长时间未出现降雨，因此将降雨状态确定为旱天状态。
步骤S203，根据基础数据中的污水管网流量数据，确定目标区域的工作日的旱天状态的小时污水管网流量数据。详细请参见图1所示实施例的步骤S103，在此不再赘述。
步骤S204，根据基础数据中的地下水位数据，确定目标区域的旱天状态的地下水小时入渗量。
具体地，上述步骤S204包括：
步骤S2041，根据基础数据中的地下水位数据，分析旱天状态的第四预设时间段的地下水流量，将地下水流量作为地下水小时入渗量。
本发明实施例将旱天状态下在第四预设时间段内的地下水流量，旱天状态说明无降雨影响，第四预设时间段为夜间，居民用水量较低，因此将地下水流量作为地下水小时入渗量。
步骤S205，根据小时污水管网流量数据和地下水小时入渗量，计算污水流量过程数据。
具体地，上述步骤S205包括：
步骤S2051，将小时污水管网流量数据和地下水小时入渗量的差，作为污水流量过程数据。
本发明实施例根据小时污水管网流量数据和地下水小时入渗量的差，计算污水流量过程数据，由于旱天状态下没有降雨量对污水管网的影响，因此，计算得到的污水流量过程数据更加贴合日常生活中实际情况下的污水管网的流量过程。
步骤S206，根据获取的雨天状态的流量过程线、地下水小时入渗量以及污水流量过程数据，计算雨天状态的入渗入流量。详细请参见图1所示实施例的步骤S106，在此不再赘述。
步骤S207，根据入渗入流量，预测污水管网的健康状态。
具体地上述步骤S207包括：
步骤S2071，将入渗入流量与预设对应关系表进行匹配，得到污水管网的健康状态。
其中，预设对应关系表包括预设完成的预设入渗入流量与污水管网的预设健康状态之间的对应关系表。
本发明将入渗入流量与设置完成的预设对应关系表进行匹配，确定污水管网的健康状态，准确预测污水管网的健康状态。
在一些可选的实施方式中，污水管网的健康状态的预测方法还包括：根据基础数据中的地下水位数据，获取地下水水位；绘制地下水小时入渗量和地下水水位之间的第一散点图，得到第一关联系数；根据基础数据中的降雨数据，获取小时降雨量和日降雨量；绘制入渗入流量与小时降雨量的第二散点图，得到第二关联系数；绘制入渗入流量与日降雨量的第三散点图，得到第三关联系数。
其中，第一关联系数表示地下水小时入渗量和地下水水位之间的关联系数；第二关联系数表示入渗入流量与小时降雨量之间的关联系数，第三关联系数表示入渗入流量与日降雨量之间的关联系数。
示例性地，如图3所示为小时降雨量与入渗入流量之间的第二散点图，其中，138.8为第二关联系数；如图4所示为入渗入流量与日降雨量之间的第三散点图，209.34为第三关联系数。
在一些可选的实施方式中，污水管网的健康状态的预测方法还包括：根据基础数据中的降雨数据，确定降雨起始点和降雨事件；其中，降雨起始点表示降雨前第一预设时间段内无降雨的时间点；降雨事件表示降雨前后第二预设时间段内均无降雨的事件；根据分钟流量过程线、分钟地下水小时入渗量以及分钟污水流量过程数据，计算降雨入流量；根据基础数据中的降雨数据，获取分钟降雨量；绘制降雨入流量与分钟降雨量的第四散点图，得到第四关联系数；实时监测并获取供水管网的压力数据；根据第一关联系数、第二关联系数、第三关联系数、第四关联系数、供水管网的压力数据以及入渗入流量，预测污水管网的健康状态。
其中，第四关联系数表示降雨入流量与分钟降雨量之间的关联系数。
在一些可选的实施方式中，确定降雨起始点和降雨事件的方法为：将降雨前第一预设时间段内无降雨的时间点确定为降雨起点，将降雨前后第二预设时间段内均无降雨的事件确定为降雨事件。
其中，第一预设时间段可根据需求自定义，示例性地，第一预设时间段可以为48小时或72小时，第二预设时间段可以根据需求自定义，示例性地，第二预设时间段可以为30分钟或120分钟。
在一些可选的实施方式中，根据分钟流量过程线、分钟地下水小时入渗量以及分钟污水流量过程数据，计算降雨入流量的方法为：将分钟流量过程线减去分钟地下水小时入渗量得到差值，将差值减去分钟污水流量过程数据，得到降雨入流量。
在一些可选的实施方式中，根据供水检测系统或外接压力传感器实时监测并获取供水管网的压力数据，根据模式识别和异常检测算法，识别压力数据中的异常数据，异常数据可能是导致供水管网出现泄露的潜在原因，因此对供水管网的压力数据进行检测和获取。
在一些可选的实施方式中，将第一关联系数、第二关联系数、第三关联系数、第四关联系数、供水管网的压力数据以及入渗入流量输入至健康状态预测算法，得到污水管网的健康状态。
本实施例提供的污水管网的健康状态的预测方法，地下水位也会造成污水管网的入渗问题，因此获取地下水水位，分析地下水小时入渗量和地下水水位之间的关系，得到第一关联系数；小时降雨量和日降雨量对污水管网的入渗问题有较大的影响，因此分析入渗入流量与小时降雨量的第二关联系数和入渗入流量与小时降雨量的第三关联系数。根据分钟流量过程线、分钟地下水小时入渗量以及分钟污水流量过程数据，计算降雨入流量，也就是计算在降雨影响下的污水管网的入流量，分析降雨入流量与分钟降雨量之间的第四关联关系，实时监测并获取供水管网的压力数据，供水管网的压力数据对污水管网的健康状态也存在较大的直接影响，根据与污水管网入渗入流相关的关联系数、供水管网的压力数据以及入渗入流量，预测污水管网的健康状态，得到更加准确的污水管网的健康状态。
在本实施例中提供了一种污水管网的健康状态的预测方法，可用于上述的计算机设备，图5是根据本发明实施例的又一污水管网的健康状态的预测方法的流程图，如图5所示，该流程包括：
数据源，数据处理，综合模型算法以及决策支持；具体地，数据源包括获取官网资料、流量数据、地下水数据、降雨序列数据、供水管网的压力数据以及泵站数据。数据处理表示根据数据源对数据进行处理和分析，具体包括雨天的识别和确定、旱天的识别和确定、工作日周末筛选、流量特征分析、夜间流量分析、最小流量分析、降雨初期分析以及雨天流量与降雨量关系分析。综合模型算法表示将上述进行处理过的数据输入至综合模型算法，得到污水管网的健康状态，将健康状态发送至决策支持模块，以使决策支持模块根据健康状态进行管网/泵站运行调度以及剔除检测修复建议。在本实施例中还提供了一种污水管网的健康状态的预测装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种污水管网的健康状态的预测装置，如图6所示，包括：
基础数据获取模块601，用于获取目标区域的基础数据，其中，基础数据包括降雨数据、污水管网流量数据以及地下水位数据；
降雨状态划分模块602，用于根据基础数据中的降雨数据，将目标区域的降雨状态划分为雨天状态和旱天状态；
小时污水管网流量数据确定模块603，用于根据基础数据中的污水管网流量数据，确定目标区域的工作日的旱天状态的小时污水管网流量数据；
地下水小时入渗量确定模块604，用于根据基础数据中的地下水位数据，确定目标区域的旱天状态的地下水小时入渗量；
污水流量过程数据计算模块605，用于根据小时污水管网流量数据和地下水小时入渗量，计算污水流量过程数据；
入渗入流量计算模块606，用于根据获取的雨天状态的流量过程线、地下水小时入渗量以及污水流量过程数据，计算雨天状态的入渗入流量；
健康状态确定模块607，用于根据入渗入流量，预测污水管网的健康状态。
在一些可选的实施方式中，降雨状态划分模块602包括：
雨天状态确定单元，用于根据基础数据中的降雨数据，将日降雨量大于第一预设值的降雨状态确定为雨天状态。
旱天状态确定单元，用于将至少第三预设时间段内无降雨的降雨状态确定为旱天状态。
在一些可选的实施方式中，地下水小时入渗量确定模块604包括：
地下水小时入渗量确定单元，用于根据基础数据中的地下水位数据，分析旱天状态的第四预设时间段的地下水流量，将地下水流量作为地下水小时入渗量。
在一些可选的实施方式中，污水流量过程数据计算模块605包括：
污水流量过程数据计算单元，用于将小时污水管网流量数据和地下水小时入渗量的差，作为污水流量过程数据。
在一些可选的实施方式中，健康状态确定模块607包括：
入渗入流量匹配单元，用于将入渗入流量与预设对应关系表进行匹配，得到污水管网的健康状态。
在一些可选的实施方式中，污水管网的健康状态的预测装置包括：
地下水水位获取模块，用于根据基础数据中的地下水位数据，获取地下水水位。
第一关联系数确定模块，用于绘制地下水小时入渗量和地下水水位之间的第一散点图，得到第一关联系数。
降雨量获取模块，用于根据基础数据中的降雨数据，获取小时降雨量和日降雨量。
第二关联系数确定模块，用于绘制入渗入流量与小时降雨量的第二散点图，得到第二关联系数。
第三关联系数确定模块，用于绘制入渗入流量与日降雨量的第三散点图，得到第三关联系数。
降雨起始点和降雨事件确定模块，用于根据基础数据中的降雨数据，确定降雨起始点和降雨事件；其中，降雨起始点表示降雨前第一预设时间段内无降雨的时间点；降雨事件表示降雨前后第二预设时间段内均无降雨的事件。
降雨入流量计算模块，用于根据分钟流量过程线、分钟地下水小时入渗量以及分钟污水流量过程数据，计算降雨入流量。
降雨量确定模块，用于根据基础数据中的降雨数据，获取分钟降雨量。
第四关联系数确定模块，用于绘制降雨入流量与分钟降雨量的第四散点图，得到第四关联系数。
压力数据监测模块，用于实时监测并获取供水管网的压力数据。
健康状态确定模块，用于根据第一关联系数、第二关联系数、第三关联系数、第四关联系数、供水管网的压力数据以及入渗入流量，预测污水管网的健康状态。
具体地，健康状态确定模块包括：
算法单元，用于将第一关联系数、第二关联系数、第三关联系数、第四关联系数、供水管网的压力数据以及入渗入流量输入至健康状态预测算法，预测污水管网的健康状态。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
本实施例中的污水管网的健康状态的预测装置是以功能单元的形式来呈现，这里的单元是指ASIC(Application Specific Integrated Circuit，专用集成电路)电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
本发明实施例还提供一种计算机设备，具有上述图6所示的污水管网的健康状态的预测装置。
请参阅图7，图7是本发明可选实施例提供的一种计算机设备的结构示意图，如图7所示，该计算机设备包括：一个或多个处理器10、存储器20，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个计算机设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器10为例。
处理器10可以是中央处理器，网络处理器或其组合。其中，处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。
其中，所述存储器20存储有可由至少一个处理器10执行的指令，以使所述至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器20可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器20可选包括相对于处理器10远程设置的存储器，这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30，用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质，上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (8)
1.一种污水管网的健康状态的预测方法，其特征在于，所述方法包括：
获取目标区域的基础数据，其中，基础数据包括降雨数据、污水管网流量数据以及地下水位数据；
根据所述基础数据中的降雨数据，将所述目标区域的降雨状态划分为雨天状态和旱天状态；
根据所述基础数据中的污水管网流量数据，确定所述目标区域的工作日的所述旱天状态的小时污水管网流量数据；
根据所述基础数据中的地下水位数据，确定所述目标区域的所述旱天状态的地下水小时入渗量；
根据所述小时污水管网流量数据和所述地下水小时入渗量，计算污水流量过程数据；
根据获取的所述雨天状态的流量过程线、所述地下水小时入渗量以及所述污水流量过程数据，计算所述雨天状态的入渗入流量；
根据所述入渗入流量，预测所述污水管网的健康状态；
根据所述基础数据中的所述地下水位数据，获取地下水水位；
绘制所述地下水小时入渗量和所述地下水水位之间的第一散点图，得到第一关联系数；
根据所述基础数据中的降雨数据，获取小时降雨量和日降雨量；
绘制所述入渗入流量与所述小时降雨量的第二散点图，得到第二关联系数；
绘制所述入渗入流量与所述日降雨量的第三散点图，得到第三关联系数；
根据所述基础数据中的降雨数据，确定降雨起始点和降雨事件；其中，所述降雨起始点表示降雨前第一预设时间段内无降雨的时间点；所述降雨事件表示降雨前后第二预设时间段内均无降雨的事件；
根据分钟流量过程线、分钟地下水小时入渗量以及分钟污水流量过程数据，计算降雨入流量；
根据所述基础数据中的降雨数据，获取分钟降雨量；
绘制所述降雨入流量与所述分钟降雨量的第四散点图，得到第四关联系数；
实时监测并获取供水管网的压力数据；
根据所述第一关联系数、所述第二关联系数、所述第三关联系数、所述第四关联系数、所述供水管网的压力数据以及所述入渗入流量，预测所述污水管网的健康状态。
2.根据权利要求1所述的方法，其特征在于，所述根据所述入渗入流量，预测所述污水管网的健康状态，包括：
将所述入渗入流量与预设对应关系表进行匹配，得到所述污水管网的健康状态；其中，所述预设对应关系表包括预设完成的预设入渗入流量与污水管网的预设健康状态之间的对应关系表。
3.根据权利要求1所述的方法，其特征在于，所述根据所述基础数据中的降雨数据，将所述目标区域的降雨状态划分为雨天状态和旱天状态，包括：
根据所述基础数据中的降雨数据，将日降雨量大于第一预设值的降雨状态确定为雨天状态；
将至少第三预设时间段内无降雨的降雨状态确定为旱天状态。
4.根据权利要求1所述的方法，其特征在于，所述根据所述基础数据中的地下水位数据，确定所述目标区域的所述旱天状态的地下水小时入渗量，包括：
根据所述基础数据中的地下水位数据，分析所述旱天状态的第四预设时间段的地下水流量，将所述地下水流量作为所述地下水小时入渗量。
5.根据权利要求1所述的方法，其特征在于，根所述小时污水管网流量数据和所述地下水小时入渗量，计算污水流量过程数据，包括：
将所述小时污水管网流量数据和所述地下水小时入渗量的差，作为所述污水流量过程数据。
6.一种污水管网的健康状态的预测装置，其特征在于，所述装置包括：
基础数据获取模块，用于获取目标区域的基础数据，其中，基础数据包括降雨数据、污水管网流量数据以及地下水位数据；
降雨状态划分模块，用于根据所述基础数据中的降雨数据，将所述目标区域的降雨状态划分为雨天状态和旱天状态；
小时污水管网流量数据确定模块，用于根据所述基础数据中的污水管网流量数据，确定所述目标区域的工作日的所述旱天状态的小时污水管网流量数据；
地下水小时入渗量确定模块，用于根据所述基础数据中的地下水位数据，确定所述目标区域的所述旱天状态的地下水小时入渗量；
污水流量过程数据计算模块，用于根据所述小时污水管网流量数据和所述地下水小时入渗量，计算污水流量过程数据；
入渗入流量计算模块，用于根据获取的所述雨天状态的流量过程线、所述地下水小时入渗量以及所述污水流量过程数据，计算所述雨天状态的入渗入流量；
健康状态确定模块，用于根据所述入渗入流量，预测所述污水管网的健康状态；
根据所述基础数据中的所述地下水位数据，获取地下水水位；
绘制所述地下水小时入渗量和所述地下水水位之间的第一散点图，得到第一关联系数；
根据所述基础数据中的降雨数据，获取小时降雨量和日降雨量；
绘制所述入渗入流量与所述小时降雨量的第二散点图，得到第二关联系数；
绘制所述入渗入流量与所述日降雨量的第三散点图，得到第三关联系数；
根据所述基础数据中的降雨数据，确定降雨起始点和降雨事件；其中，所述降雨起始点表示降雨前第一预设时间段内无降雨的时间点；所述降雨事件表示降雨前后第二预设时间段内均无降雨的事件；
根据分钟流量过程线、分钟地下水小时入渗量以及分钟污水流量过程数据，计算降雨入流量；
根据所述基础数据中的降雨数据，获取分钟降雨量；
绘制所述降雨入流量与所述分钟降雨量的第四散点图，得到第四关联系数；
实时监测并获取供水管网的压力数据；
根据所述第一关联系数、所述第二关联系数、所述第三关联系数、所述第四关联系数、所述供水管网的压力数据以及所述入渗入流量，预测所述污水管网的健康状态。
7.一种计算机设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至5中任一项所述的污水管网的健康状态的预测方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至5中任一项所述的污水管网的健康状态的预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410160926.0A CN118036805B (zh) | 2024-02-04 | 2024-02-04 | 污水管网的健康状态的预测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410160926.0A CN118036805B (zh) | 2024-02-04 | 2024-02-04 | 污水管网的健康状态的预测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118036805A CN118036805A (zh) | 2024-05-14 |
| CN118036805B true CN118036805B (zh) | 2024-07-23 |
Family
ID=90983561
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410160926.0A Active CN118036805B (zh) | 2024-02-04 | 2024-02-04 | 污水管网的健康状态的预测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118036805B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108376318A (zh) * | 2018-02-28 | 2018-08-07 | 清华大学 | 一种排水管网入流入渗评估方法及系统 |
| CN212659181U (zh) * | 2020-07-15 | 2021-03-05 | 广东科创工程技术有限公司 | 一种基于gis的管网入流入渗评估系统 |
-
2024
- 2024-02-04 CN CN202410160926.0A patent/CN118036805B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108376318A (zh) * | 2018-02-28 | 2018-08-07 | 清华大学 | 一种排水管网入流入渗评估方法及系统 |
| CN212659181U (zh) * | 2020-07-15 | 2021-03-05 | 广东科创工程技术有限公司 | 一种基于gis的管网入流入渗评估系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118036805A (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110646867A (zh) | 一种城市排水监测预警方法和系统 | |
| CN105678481A (zh) | 一种基于随机森林模型的管线健康状态评估方法 | |
| US20170206510A1 (en) | Spatially-keyed, consolidated-data-controlled apparatus and method | |
| CN110836683A (zh) | 河道管理方法、河道管理装置及终端 | |
| KR20040056718A (ko) | 웹기반 하수관거 통합 유지관리 시스템 및 그 제어방법 | |
| CN110597880A (zh) | 一种用水模式挖掘和匹配的方法，系统和设备 | |
| CN117010208A (zh) | 一种内涝防治方案的确定方法、装置、设备及存储介质 | |
| CN115035475A (zh) | 供水管线实时监控方法、装置、电子设备及介质 | |
| KR100583815B1 (ko) | 강우 예.관측과 gis(지리정보시스템)를 연계한 배수(빗물)펌프장 통합관리시스템 | |
| CN117408394B (zh) | 电力系统的碳排放因子预测方法、装置及电子设备 | |
| CN118036805B (zh) | 污水管网的健康状态的预测方法、装置、设备及存储介质 | |
| CN116823067B (zh) | 管网水质清污状态的确定方法、装置及电子设备 | |
| CN118280069A (zh) | 一种基于gis的电网灾害监测及预警系统 | |
| CN116977144A (zh) | 一种地表径流污染负荷计算方法、装置、设备及存储介质 | |
| Nasrin et al. | Modelling impact of extreme rainfall on sanitary sewer system by predicting rainfall derived infiltration/inflow | |
| CN115267950A (zh) | 一种初期雨水量化方法、装置、存储介质及电子设备 | |
| KR20040054906A (ko) | 하수관거 관리 시스템 및 그 방법 | |
| Mikalson | Development of analytical probabilistic models for the estimation of rainfall derived inflow/infiltration frequency | |
| CN118504282B (zh) | 基于隧道反坡排水的计量数据采集与处理方法 | |
| CN118351659B (zh) | 基于gps定位与无线传感器网络的管道堵塞预警方法及系统 | |
| CN118780422A (zh) | 一种对排水分区的混接排查方法及装置 | |
| CN116754025B (zh) | 一种基于图像识别技术辅助水平衡测试水量监测方法 | |
| Booras et al. | Incorporating streamflow forecasts with aggregate drought indices for the management of water supply | |
| CN117235519B (zh) | 能源数据处理方法、装置及存储介质 | |
| CN118035719A (zh) | 一种外来水量监测方法、装置、计算机设备及存储介质 |
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 |