CN209785224U - 一种园林内部水位预警系统 - Google Patents
一种园林内部水位预警系统 Download PDFInfo
- Publication number
- CN209785224U CN209785224U CN201920397909.3U CN201920397909U CN209785224U CN 209785224 U CN209785224 U CN 209785224U CN 201920397909 U CN201920397909 U CN 201920397909U CN 209785224 U CN209785224 U CN 209785224U
- Authority
- CN
- China
- Prior art keywords
- water level
- communication module
- information
- flow rate
- 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.)
- Expired - Fee Related
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 139
- 238000004891 communication Methods 0.000 claims abstract description 47
- 239000002689 soil Substances 0.000 claims abstract description 9
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000007635 classification algorithm Methods 0.000 description 10
- 238000000034 method Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Landscapes
- Sewage (AREA)
Abstract
本实用新型公开了一种园林内部水位预警系统，该系统包括：若干含水量传感器，所述含水量传感器均匀布置在园林所在区域的陆域中，所述含水量传感器与第一通讯模块连接，所述含水量传感器测得土壤的含水量信息，所述第一通讯模块将所述含水量信息向外部传递；若干水位传感器，所述水位传感器均匀布置在园林所在区域的水域中，所述水位传感器与第二通讯模块连接，所述水位传感器监测水位产生水位信息，所述第二通讯模块将所述水位信息向外部传递；排水流速模块；以及计算机。本实用新型的有益效果为能够动化运行，提前报警，园林环境下报警判断准确率高。
Description
技术领域
本实用新型属于圆林设计领域，具体涉及一种园林内部水位预警系统。
背景技术
目前大范围内的江河水位报警系统和预警系统，水位影响因素多，因素作用机理复杂，难有针对性解决办法。针对小范围水域，进行水位预警和预测相对容易。
小范围的水位报警依赖于水位检测仪器的阀值判断，过了警戒阀进行预警和预告，随着环境的变化，不能反应未来精度达到分钟级别的水位情况。
发明内容
针对现有技术中存在的问题，本实用新型提供一种园林内部水位预警系统，本实用新型能够能够动化运行，提前报警，园林环境下报警判断准确率高。
为实现上述目的，本实用新型采用以下技术方案：
一种园林内部水位预警系统，该系统包括：若干含水量传感器，所述含水量传感器均匀布置在园林所在区域的陆域中，所述含水量传感器与第一通讯模块连接，所述含水量传感器测得土壤的含水量信息，所述第一通讯模块将所述含水量信息向外部传递；若干水位传感器，所述水位传感器均匀布置在园林所在区域的水域中，所述水位传感器与第二通讯模块连接，所述水位传感器监测水位产生水位信息，所述第二通讯模块将所述水位信息向外部传递；排水流速模块，所述排水流速模块包括设置在所述水域的入口处的第一流速传感器、设置在所述水域的出口处的第二流速传感器、和所述第一流速传感器、第二流速传感器连接的第三通讯模块，所述第一流速传感器测得入口流速信息，所述第二流速传感器测得出口流速信息，所述第三通讯模块将所述入口流速信息和出口流速信息向外部传递；以及
计算机，所述计算机设置有第四通讯模块、与所述第四通讯模块连接的预测模块，所述第四通讯模块与所述第一通讯模块、第二通讯模块、第三通讯模块、包含有天气预报降雨量信息的服务器连接，所述第四通讯模块将所述含水量信息、水位信息、入口流速信息、出口流速信息、天气预报降雨量信息接收后传递给所述预测模块。
优选地，所述计算机为云平台服务器。
优选地，所述含水量信息为所有所述含水量传感器所测得的数值的均值。
优选地，所述水位信息为所有所述水位传感器测得的数值的均值。
优选地，所述系统还包括若干移动终端，所述移动终端与所述计算机无线连接。
优选地，所述移动终端为手机。
优选地，所述系统还包括用来展示水位状态和发出预警信息的显示模块，所述显示模块与所述计算机连接。
与现有技术相比，本实用新型的有益效果为：
1、现有园林水系报警系统基本没有预警能力，应用本系统后，实现自动化运行，提前报警，园林环境下报警判断准确率高；
2、每十五分钟更新一次，使得预警效果更好；
3、采用机器学习算法确立预测模型，使得预测准确度进一步提高。
附图说明
为了更清楚地说明本实用新型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，显而易见地，下面描述中的附图仅仅是本实用新型的一些实施例，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为本实用新型的整体结构示意图。
具体实施方式
下面将结合本实用新型实施例中的附图，对本实用新型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实用新型一部分实施例，而不是全部的实施例。基于本实用新型中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本实用新型保护的范围。
在本实用新型的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本实用新型和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本实用新型的限制。
如图1所示，本实施例提供一种园林内部水位预警系统，该系统包括：若干含水量传感器1，含水量传感器1均匀布置在园林所在区域的陆域5中，含水量传感器1与第一通讯模块连接，含水量传感器1测得土壤的含水量信息，第一通讯模块将含水量信息向外部传递；若干水位传感器2，水位传感器2均匀布置在园林所在区域的水域6中，水位传感器2与第二通讯模块连接，水位传感器2监测水位产生水位信息，第二通讯模块将水位信息向外部传递；排水流速模块，排水流速模块包括设置在水域6的入口处的第一流速传感器31、设置在水域6的出口处的第二流速传感器32、和第一流速传感器31、第二流速传感器32连接的第三通讯模块，第一流速传感器31测得入口流速信息，第二流速传感器32测得出口流速信息，第三通讯模块将入口流速信息和出口流速信息向外部传递；以及
计算机4，计算机4设置有第四通讯模块、与第四通讯模块连接的预测模块，第四通讯模块与第一通讯模块、第二通讯模块、第三通讯模块、包含有天气预报降雨量信息的服务器7连接，第四通讯模块将含水量信息、水位信息、入口流速信息、出口流速信息、天气预报降雨量信息接收后传递给预测模块。
计算机4为云平台服务器。
含水量信息为所有含水量传感器1所测得的数值的均值。
水位信息为所有水位传感器2测得的数值的均值。
系统还包括若干移动终端，移动终端与计算机4无线连接。
移动终端为手机。
系统还包括用来展示水位状态和发出预警信息的显示模块，显示模块与计算机4连接。
所述预测模块具体的预警方法，预警方法如下步骤：确立若干园林水系水位的影响因素；收集影响因素的历史信息；基于收集到的历史信息，建立水位预测模型；基于当前时刻的影响因素和水位预测模型，对预定时间后的水位进行预测；判断预定时间后的水位是否需要预警。
影响因素包括一天内园林范围的天气预报降雨量、园林土壤含水量、园林水系水位、园林水系的排水流速、园林水系的输入流速。天气预报降雨量即天气预报降雨量信息，园林土壤含水量即含水量信息，排水流速即出口处流速信息减去入口处流速信息后的差值，输入流速即入口处流速信息。
影响因素中一天内园林范围的天气预报降雨量、园林土壤含水量、园林水系水位作为线性影响因素，影响因素中园林水系的排水流速、园林水系的输入流速作为非线性影响因素。
建立水位预测模型包括：对影响因素进行归一化处理，形成一天内园林范围的天气预报降雨量、园林土壤含水量、园林水系水位、园林水系的排水流速、园林水系的输入流速；设一天后的园林水系水位为，则满足如下计算式组：
；
其中，、c、h基于收集到的历史信息通过机器学习算法求得。
归一化处理是指，对某组待归一化的数据，做如下处理：
每个数据归一化后的数值=（该数据的当前值-整组数据中最小值）/（整组数据中的最大值-整组数据中的最小值）。每种数据单独进行归一化，例如x1只通过所有x1的历史测量值进行。
归一化是一种无量纲处理手段，使物理系统数值的绝对值变成某种相对值关系。简化计算，缩小量值的有效办法。例如，滤波器中各个频率值以截止频率作归一化后，频率都是截止频率的相对值，没有了量纲。阻抗以电源内阻作归一化后，各个阻抗都成了一种相对阻抗值，“欧姆”这个量纲也没有了。等各种运算都结束后，反归一化一切都复原了。信号处理工具箱中经常使用的是nyquist频率，它被定义为采样频率的二分之一，在滤波器的阶数选择和设计中的截止频率均使用nyquist频率进行归一化处理。例如对于一个采样频率为500hz的系统，400hz的归一化频率就为400/500=0.8，归一化频率范围在[0，1]之间。如果将归一化频率转换为角频率，则将归一化频率乘以2*pi，如果将归一化频率转换为hz，则将归一化频率乘以采样频率的一半。
具体的，影响因素是一组具有时间维度的数值，如2015年1月1日12点整，是指从该时间点起至2015年1月2日12点整的预报累计降雨量累加值，通过网络获得项目实际地域对应的降雨量数据；是指该时间点通过土壤含水量检测仪器获得数值；是指该时间点下通过水位仪测得的园林水位数值；是指园林水系溢流口的仪器测得排出流速；是指园林水系外部向圆林内部水系流入的速度，通过人工获取或自动仪器获取，如果不能精确到每15分钟一个输入量，用当前时间段的流速信息代替，如输入是每个小时的外部流速，则该小时内4个预测时刻均用该小时的流速信息。参数x1~x5 和对应的24小时后的水位y值，共6个参数作为一组，在历史信息中选择典型的数据对（已经发生的y和其对应的x），根据已知数据，求解未知参数的方法为纯数学求解过程，可以通过程序调用对应的库函数完成，不限于Boosting方法。
机器学习算法为Boosting算法。
Boosting方法是一种用来提高弱分类算法准确度的方法，这种方法通过构造一个预测函数系列，然后以一定的方式将他们组合成一个预测函数。他是一种框架算法，主要是通过对样本集的操作获得样本子集，然后用弱分类算法在样本子集上训练生成一系列的基分类器。他可以用来提高其他弱分类算法的识别率，也就是将其他的弱分类算法作为基分类算法放于Boosting 框架中，通过Boosting框架对训练样本集的操作，得到不同的训练样本子集，用该样本子集去训练生成基分类器;每得到一个样本集就用该基分类算法在该样本集上产生一个基分类器，这样在给定训练轮数 n 后，就可产生 n 个基分类器，然后Boosting框架算法将这 n个基分类器进行加权融合，产生一个最后的结果分类器，在这 n个基分类器中，每个单个的分类器的识别率不一定很高，但他们联合后的结果有很高的识别率，这样便提高了该弱分类算法的识别率。在产生单个的基分类器时可用相同的分类算法，也可用不同的分类算法，这些算法一般是不稳定的弱分类算法，如神经网络(BP)，决策树(C4.5)等。
基于当前时刻的影响因素和水位预测模型，对预定时间后的水位进行预测包括：每十五分钟进行一次预测。
判断预定时间后的水位是否需要预警包括：将预测获得的园林水系水位与设定报警值比较大小，若大于设定报警值则报警。
本实施例还提供一种园林水系水位预警系统，基于前述的预警方法，预警系统包括：收集单元，收集单元收集园林水系水位的影响因素的历史信息；预测单元，预测单元与收集单元连接，预测单元内置基于影响因素的预测算式，预测单元接收历史信息，根据历史信息确立预测算式中的常量；报警单元，报警单元与预测单元连接，报警单元判断预定时间后的水位是否需要预警。常量即前述、c、h。
尽管上述实施例已对本实用新型作出具体描述，但是对于本领域的普通技术人员来说，应该理解为可以在不脱离本实用新型的精神以及范围之内基于本实用新型公开的内容进行修改或改进，这些修改和改进都在本实用新型的精神以及范围之内。
Claims (7)
1.一种园林内部水位预警系统，其特征在于，该系统包括：
若干含水量传感器（1），所述含水量传感器（1）均匀布置在园林所在区域的陆域（5）中，所述含水量传感器（1）与第一通讯模块连接，所述含水量传感器（1）测得土壤的含水量信息，所述第一通讯模块将所述含水量信息向外部传递；
若干水位传感器（2），所述水位传感器（2）均匀布置在园林所在区域的水域（6）中，所述水位传感器（2）与第二通讯模块连接，所述水位传感器（2）监测水位产生水位信息，所述第二通讯模块将所述水位信息向外部传递；
排水流速模块，所述排水流速模块包括设置在所述水域（6）的入口处的第一流速传感器（31）、设置在所述水域（6）的出口处的第二流速传感器（32）、和所述第一流速传感器（31）、第二流速传感器（32）连接的第三通讯模块，所述第一流速传感器（31）测得入口流速信息，所述第二流速传感器（32）测得出口流速信息，所述第三通讯模块将所述入口流速信息和出口流速信息向外部传递；以及
计算机（4），所述计算机（4）设置有第四通讯模块、与所述第四通讯模块连接的预测模块，所述第四通讯模块与所述第一通讯模块、第二通讯模块、第三通讯模块、包含有天气预报降雨量信息的服务器（7）连接，所述第四通讯模块将所述含水量信息、水位信息、入口流速信息、出口流速信息、天气预报降雨量信息接收后传递给所述预测模块。
2.根据权利要求1所述的园林内部水位预警系统，其特征在于，所述计算机（4）为云平台服务器。
3.根据权利要求1所述的园林内部水位预警系统，其特征在于，所述含水量信息为所有所述含水量传感器（1）所测得的数值的均值。
4.根据权利要求1所述的园林内部水位预警系统，其特征在于，所述水位信息为所有所述水位传感器（2）测得的数值的均值。
5.根据权利要求1所述的园林内部水位预警系统，其特征在于，所述系统还包括若干移动终端，所述移动终端与所述计算机（4）无线连接。
6.根据权利要求5所述的园林内部水位预警系统，其特征在于，所述移动终端为手机。
7.根据权利要求1所述的园林内部水位预警系统，其特征在于，所述系统还包括用来展示水位状态和发出预警信息的显示模块，所述显示模块与所述计算机（4）连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201920397909.3U CN209785224U (zh) | 2019-03-27 | 2019-03-27 | 一种园林内部水位预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201920397909.3U CN209785224U (zh) | 2019-03-27 | 2019-03-27 | 一种园林内部水位预警系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN209785224U true CN209785224U (zh) | 2019-12-13 |
Family
ID=68799873
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201920397909.3U Expired - Fee Related CN209785224U (zh) | 2019-03-27 | 2019-03-27 | 一种园林内部水位预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN209785224U (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112529252A (zh) * | 2020-11-18 | 2021-03-19 | 贵州电网有限责任公司 | 一种小水电前池水位预测方法及预测系统 |
-
2019
- 2019-03-27 CN CN201920397909.3U patent/CN209785224U/zh not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112529252A (zh) * | 2020-11-18 | 2021-03-19 | 贵州电网有限责任公司 | 一种小水电前池水位预测方法及预测系统 |
| CN112529252B (zh) * | 2020-11-18 | 2022-05-03 | 贵州电网有限责任公司 | 一种小水电前池水位预测方法及预测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2021100365A4 (en) | A multi-sensor-based intelligent monitoring and early warning system and method for dam safety | |
| CN107742127A (zh) | 一种改进的防窃电智能预警系统及方法 | |
| CN105376255A (zh) | 一种基于K-means聚类的Android平台入侵检测方法 | |
| CN105791022B (zh) | 一种拥挤度检测预警系统 | |
| CN106067244B (zh) | 一种用于周界探测系统的传感器阈值自适应调节方法及系统 | |
| CN109165779B (zh) | 一种基于多源大数据与长短期记忆神经网络模型的人口数量预测方法 | |
| CN108154651A (zh) | 一种用于滑坡灾害实时监测预警的装置和方法 | |
| CN113793234B (zh) | 基于数字孪生技术的智慧园区平台 | |
| CN111080982A (zh) | 一种基于多传感器的大坝安全智能监测与预警系统及方法 | |
| CN110298480B (zh) | 一种山洪灾害临界雨量指标计算方法及系统 | |
| CN106936517A (zh) | 一种异常无线电信号的自动识别系统及其方法 | |
| CN111179109A (zh) | 用于独居老人检测的用电数据处理方法 | |
| CN114518143A (zh) | 一种智能环境感知系统 | |
| CN110930048A (zh) | 一种基于成灾机理过程的农作物干旱风险评估系统及方法 | |
| CN105003828A (zh) | 一种基于移动平台的排水在线监测预警方法及系统 | |
| CN115014299B (zh) | 基于物联网和大数据的洪峰预警方法 | |
| CN116539829A (zh) | 一种水质监测感知分析方法 | |
| CN112185086B (zh) | 基于偏差分析的粮库安全预警系统 | |
| CN113053063A (zh) | 基于移动端的灾害在线处置流程实现方法 | |
| CN209785224U (zh) | 一种园林内部水位预警系统 | |
| CN115759729A (zh) | 一种基于算法的灾害风险预警管理系统以及预测方法 | |
| CN109978263B (zh) | 一种园林水系水位预警方法 | |
| CN117371337B (zh) | 一种基于数字孪生的水利模型构建方法及系统 | |
| CN116990847B (zh) | 基于边缘计算的北斗gnss接收机解算方法和系统 | |
| CN112561260B (zh) | 城区安全隐患的智慧管理方法、系统、终端及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191213 |