EP4631031A1 - Ereigniserkennungsverfahren - Google Patents

Ereigniserkennungsverfahren

Info

Publication number
EP4631031A1
EP4631031A1 EP23809473.4A EP23809473A EP4631031A1 EP 4631031 A1 EP4631031 A1 EP 4631031A1 EP 23809473 A EP23809473 A EP 23809473A EP 4631031 A1 EP4631031 A1 EP 4631031A1
Authority
EP
European Patent Office
Prior art keywords
variables
data
model
processing unit
data processing
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
Application number
EP23809473.4A
Other languages
English (en)
French (fr)
Inventor
Simon ZÜHLKE
Pavo Vrdoljak
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Endress and Hauser SE and Co KG
Original Assignee
Endress and Hauser SE and Co KG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Endress and Hauser SE and Co KG filed Critical Endress and Hauser SE and Co KG
Publication of EP4631031A1 publication Critical patent/EP4631031A1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes

Definitions

  • the invention relates to a method for detecting an environmental event according to the preamble of claim 1 and a system for carrying out the method.
  • Early warning systems often include sensors, event detection and decision subsystems to identify hazards early. Historical data and predictive models are often used to detect such an event. For example, to predict a flood event, rainfall data is continuously fed into a model. The simulation results are then displayed as discharge and water level forecasts at predefined desired locations.
  • these event detection methods are based on a single measured variable. Although some methods are based on more than one variable, they often do not provide the relationship between the variables. Therefore, the capabilities in terms of warning and prediction/forecasting are limited.
  • the object of the present invention is to provide a more detailed and precise prediction method for environmental events.
  • the task is solved with the following steps: a) measuring at least two variables that are detected by at least one detection system arranged at a decentralized measuring point; b) transmitting the measured values of the at least two variables from the detection system to a data processing unit which is designed to execute a model for evaluating the current environmental state and/or for predicting the possibility of an environmental event occurring.
  • the method is characterized in that the correlation of the at least two variables is measured, which is based on cross-correlation.
  • Cross-correlation is a measure of the similarity of two data series depending on the shift relative to each other, which is often used in signal processing.
  • the at least two variables are measured continuously in a predefined measurement interval.
  • the detection system comprises at least one of: a sensor, a measuring device, a geographic information system (GIS) model, a web service, and/or a database.
  • GIS geographic information system
  • the data processing unit is part of the recognition system.
  • the data processing unit is located in a central station for remote monitoring to be protected from damage during the environmental event.
  • the model comprises a simulation based on artificial intelligence techniques.
  • the at least two variables comprise at least two of a soil moisture, a water level, a pressure head/groundwater pressure head (or pressure), a water temperature, a pH, a conductivity, a turbidity, a flow, an oxygen content, a nitrite content, a soil bearing capacity and/or other ion concentration data, geological data, geographical data, climate data, weather data, weather forecast data.
  • the environmental event includes at least one of a flood, a landslide, an unauthorized discharge/withdrawal of water, and/or an upstream chemical spill.
  • a system comprising at least one detection system arranged at a decentralized measuring point; and a data processing unit designed to execute a model for evaluating the current environmental state and/or for predicting the possibility of an environmental event occurring in order to carry out the method described above.
  • FIG 1 shows an embodiment of the claimed measuring system.
  • identical features are marked with the same reference numerals.
  • a detection system 1 e.g. a field device
  • a detection system 1 comprises at least one sensor arranged at a measuring point near a river 2 (could also be other water bodies, such as a lake, a reservoir) or on a slope 3 (e.g. for detecting a landslide event), wherein the detection system 1 measures two variables (m, n): soil moisture and water level.
  • the variables could also be at least one of a pressure head/groundwater head (or pressure), a water temperature, a flow, a soil bearing capacity and/or other geological data, geographical data, climate data, weather data, weather forecast data (differentiation of rain/snow).
  • the two variables (m, n) are then continuously measured in a predefined measuring interval.
  • the measured values (mt, nt) of the two variables are then transmitted to a data processing unit 4 which is designed to execute a model for evaluating the current risk of flooding and/or for predicting the possibility of a flooding event occurring.
  • the data processing unit 4 is located in a central station for remote monitoring, which is connected to the detection system 1 by wire or wirelessly.
  • the model includes AI (artificial intelligence) based methods (e.g. anomaly detection) which are trained based on the historical measurements for the two variables (m, n).
  • AI artificial intelligence
  • the model is improved using cross-correlation. Specifically, it is used to test whether the two variables (m, n) are correlated and, if so, to test the time lag between the two sets of variables (m, n). High soil moisture can indicate a high probability of flood or landslide events. When abnormal water levels are detected, it is often a sign of a flood or landslide.
  • the correlation and time lag between the two sets of variables (m, n) could improve the detection method by providing a more detailed and accurate prediction.
  • a further implementation of the invention is a method for detecting an unauthorized discharge/withdrawal of water and/or predicting what has happened upstream.
  • a detection system 1 comprises two sensors arranged at a measuring point in a river that measures two variables (m, n): water level and water temperature.
  • variables m, n
  • other variables could also be used for the method, such as soil moisture, head/groundwater head (or pressure), flow, water temperature, pH, conductivity, turbidity, oxygen content, nitrite content and/or other ion concentration data, climate data, weather data, weather forecast data (differentiation of rain/snow).
  • the two variables (m, n) are then continuously measured at a predefined measuring interval.
  • the measured values (mt, nt) of the two variables are then transmitted to a data processing unit 4 which is designed to execute a model for evaluating the current water condition, for detecting an unauthorized discharge/withdrawal of water and/or for predicting the possibility of an upstream chemical accident.
  • the data processing unit 4 could be a computer in a central station for remote monitoring.
  • the model includes AI (artificial intelligence) based procedures (e.g. anomaly detection) that are trained based on the historical measurements of the two variables (m, n). An abnormal water level or temperature may indicate an unauthorized discharge/withdrawal of water.
  • the model is then trained using of cross-correlation. In particular, it is used to test whether the two variables (m, n) are correlated and, if so, to test the time lag between the two sets of variables (m, n).

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)

Abstract

Die Erfindung offenbart ein Erkennungsverfahren und ein System zum Durchführen des Verfahrens. Das Verfahren umfasst die folgenden Schritte: a) Messen mindestens zweier Variablen, die durch mindestens ein Erkennungssystem erkannt werden, das an einem dezentralen Messpunkt angeordnet ist; b) Übertragen der Messwerte der mindestens zwei Variablen von dem Erkennungssystem an eine Datenverarbeitungseinheit, die dazu ausgebildet ist, ein Modell zum Auswerten des aktuellen Umweltzustands und/oder zum Vorhersagen der Möglichkeit des Eintretens eines Umweltereignisses auszuführen. Das Verfahren ist dadurch gekennzeichnet, dass die Korrelation der mindestens zwei Variablen gemessen wird, die auf Kreuzkorrelation basiert.

Description

Ereigniserkennungsverfahren
Die Erfindung betrifft ein Verfahren zum Erkennen eines Umweltereignisses gemäß dem Oberbegriff nach Anspruch 1 und ein System zum Durchführen des Verfahrens.
Frühwarnsysteme stellen Informationen über Bereiche bereit, die anfällig für spezifische Umweltereignisse wie etwa Naturkatastrophen sind, beispielsweise ein Erdrutsch, eine Überflutung und ein Erdbeben, eine nicht autorisierte Einleitung ungeklärter oder unzureichend behandelter Abwässer in einer Zone, in der keine Einleitung erlaubt ist, und eine illegale Entnahme von Wasser. Diese Umweltereignisse können lebensbedrohlich oder umweltschädlich sein, sodass eine genaue Vorhersage/Prognose und Warnung wichtig sind.
Frühwarnsysteme umfassen häufig Messaufnehmer, Ereigniserkennungs- und Entscheidungssubsysteme zum frühzeitigen Identifizieren von Gefahren. Historische Daten und Vorhersagemodelle werden häufig verwendet, um ein solches Ereignis zu erkennen. Zum Beispiel werden zum Vorhersagen eines Überflutungsereignisses Niederschlagsdaten kontinuierlich in ein Modell eingespeist. Die Simulationsergebnisse werden dann als Abfluss- und Wasserstandsvorhersagen an vordefinierten gewünschten Orten angezeigt.
Üblicherweise basieren diese Ereigniserkennungsverfahren auf einer einzigen gemessenen GrößeA/ariablen. Obwohl einige Verfahren auf mehr als einer Variablen basieren, stellen sie oft nicht die Beziehung zwischen den Variablen bereit. Daher sind die Fähigkeiten in Bezug auf die Warnung und die Vorhersage/Prognose beschränkt.
Die Aufgabe der vorliegenden Erfindung besteht darin, ein detaillierteres und präziseres Vorhersage-ZPrognoseverfahren für Umweltereignisse bereitzustellen.
Die Aufgabe wird durch das in dem unabhängigen Anspruch 1 angegebene Verfahren und das in Anspruch 10 beschriebene System zum Durchführen des Verfahrens erfüllt.
Hinsichtlich des Verfahrens wird die Aufgabe mit den folgenden Schritten gelöst: a) Messen mindestens zweier Variablen, die durch mindestens ein Erkennungssystem erkannt werden, das an einem dezentralen Messpunkt angeordnet ist; b) Übertragen der Messwerte der mindestens zwei Variablen von dem Erkennungssystem an eine Datenverarbeitungseinheit, die dazu ausgebildet ist, ein Modell zum Auswerten des aktuellen Umweltzustands und/oder zum Vorhersagen der Möglichkeit des Eintretens eines Umweltereignisses auszuführen. Das Verfahren ist dadurch gekennzeichnet, dass die Korrelation der mindestens zwei Variablen gemessen wird, die auf Kreuzkorrelation basiert. Kreuzkorrelation ist ein Maß für die Ähnlichkeit von zwei Datenreihen in Abhängigkeit von der Verschiebung relativ zueinander, das in der Signalverarbeitung häufig verwendet wird.
Vorteilhafterweise werden die mindestens zwei Variablen in einem vordefinierten Messintervall kontinuierlich gemessen.
In einer Ausführungsform umfasst das Erkennungssystem mindestens eines von: einem Messaufnehmer, einer Messvorrichtung, einem Modell eines geografischen Informationssystems (GIS-Modell), einem Webdienst und/oder einer Datenbank.
In einer Ausführungsform ist die Datenverarbeitungseinheit Teil des Erkennungssystems.
In einer Ausführungsform befindet sich die Datenverarbeitungseinheit in einer zentralen Station für Fernüberwachung, um vor Beschädigung bei dem Umweltereignis geschützt zu sein.
In einer Ausführungsform umfasst das Modell eine Simulation basierend auf Verfahren mit künstlicher Intelligenz.
In einer Ausführungsform wird das Modell basierend auf historischen Messwerten der mindestens zwei Variablen trainiert.
In einer Ausführungsform umfassen die mindestens zwei Variablen mindestens zwei von einer Bodenfeuchtigkeit, einem Wasserstand, einer Druckhöhe/Grundwasserdruckhöhe (oder einem Druck), einer Wassertemperatur, einem pH-Wert, einer Leitfähigkeit, einer Trübung, einem Durchfluss, einem Sauerstoffgehalt, einem Nitritgehalt, einer Bodentragfähigkeit und/oder sonstigen lonenkonzentrationsdaten, geologischen Daten, geografischen Daten, Klimadaten, Wetterdaten, Wetterprognosedaten. In einer Ausführungsform umfasst das Umweltereignis mindestens eines von einer Überflutung, einem Erdrutsch, einer nicht autorisierten Einleitung/Entnahme von Wasser und/oder einem ström aufwärtigen Chemieunfall.
Diese Aufgabe wird ferner durch ein System erzielt, umfassend mindestens ein Erkennungssystem, das an einem dezentralen Messpunkt angeordnet ist; und eine Datenverarbeitungseinheit, die dazu ausgebildet ist, ein Modell zum Auswerten des aktuellen Umweltzustands und/oder zum Vorhersagen der Möglichkeit des Eintretens eines Umweltereignisses auszuführen, um das vorstehend beschriebene Verfahren durchzuführen.
Dies wird unter Bezugnahme auf die folgende Figur näher erläutert.
Die Figur 1 zeigt eine Ausführungsform des beanspruchten Messsystems. In der Figur 1 sind gleiche Merkmale mit denselben Bezugszeichen markiert.
Unter Bezugnahme auf die Figur 1 wird das Verfahren zum Erkennen/Vorhersagen eines Überflutungsereignisses, eines Erdrutschereignisses oder anderer Naturkatastrophen verwendet. Ein Erkennungssystem 1 (z. B. ein Feldgerät) umfasst mindestens einen Messaufnehmer, der an einem Messpunkt nahe einem Fluss 2 (könnten auch andere Wasserkörper sein, wie ein See, ein Stausee) oder an einem Hang 3 (z. B. zum Erkennen eines Erdrutschereignisses) angeordnet ist, wobei das Erkennungssystem 1 zwei Variablen (m, n) misst: Bodenfeuchtigkeit und Wasserstand. Die Variablen könnten jedoch auch mindestens eines von einer Druckhöhe/Grundwasserdruckhöhe (oder einem Druck), einer Wassertemperatur, einem Durchfluss, einer Bodentragfähigkeit und/oder sonstigen geologischen Daten, geografischen Daten, Klimadaten, Wetterdaten, Wetterprognosedaten (Unterscheidung von Regen/Schnee) sein. Die zwei Variablen (m, n) werden dann in einem vordefinierten Messintervall kontinuierlich gemessen. Die Messwerte (mt, nt) der zwei Variablen werden dann an eine Datenverarbeitungseinheit 4 übertragen, die dazu ausgebildet ist, ein Modell zum Auswerten des aktuellen Risikos von Überflutung und/oder zum Vorhersagen der Möglichkeit des Eintretens eines Überflutungsereignisses auszuführen.
Die Datenverarbeitungseinheit 4 befindet sich in einer zentralen Station für Fernüberwachung, die mit dem Erkennungssystem 1 mit Draht oder drahtlos verbunden ist. Das Modell umfasst auf Kl (künstlicher Intelligenz) basierende Verfahren (z. B. Anomalieerfassung), die basierend auf den historischen Messwerten für die zwei Variablen (m, n) trainiert werden. Das Modell wird unter Verwendung von Kreuzkorrelation verbessert. Insbesondere wird es verwendet, um zu testen, ob die zwei Variablen (m, n) korrelieren und, falls ja, die Zeitverzögerung zwischen den zwei Reihen der Variablen (m, n) zu testen. Hohe Bodenfeuchtigkeit kann auf eine hohe Wahrscheinlichkeit von Überflutungs- oder Erdrutschereignissen hinweisen. Wenn abnormale Wasserstände erkannt werden, ist dies oft ein Anzeichen für eine Überflutung oder einen Erdrutsch. Die Korrelation und die Zeitverzögerung zwischen den zwei Reihen der Variablen (m, n) könnten das Erkennungsverfahren durch eine detailliertere und genauere Vorhersage verbessern.
Eine weitere Implementierung der Erfindung ist ein Verfahren zum Erkennen einer nicht autorisierten Einleitung/Entnahme von Wasser und/oder zum Vorhersagen dessen, was stromaufwärts geschehen ist. Ein Erkennungssystem 1 umfasst zwei Messaufnehmer, die an einem Messpunkt in einem Fluss angeordnet sind, der zwei Variablen (m, n) misst: Wasserstand und Wassertemperatur. Für das Verfahren könnten jedoch auch andere Variablen verwendet werden, wie eine Bodenfeuchtigkeit, eine Druckhöhe/Grundwasserdruckhöhe (oder ein Druck), ein Durchfluss, eine Wassertemperatur, ein pH-Wert, eine Leitfähigkeit, eine Trübung, ein Sauerstoffgehalt, ein Nitritgehalt und/oder sonstige lonenkonzentrationsdaten, Klimadaten, Wetterdaten, Wetterprognosedaten (Unterscheidung von Regen/Schnee). Die zwei Variablen (m, n) werden dann n einem vordefinierten Messintervall kontinuierlich gemessen. Die Messwerte (mt, nt) der zwei Variablen werden dann an eine Datenverarbeitungseinheit 4 übertragen, die dazu ausgebildet ist, ein Modell zum Auswerten des aktuellen Wasserzustands, zum Erkennen einer nicht autorisierten Einleitung/Entnahme von Wasser und/oder zum Vorhersagen der Möglichkeit eines ström aufwärtigen Chemieunfalls auszuführen.
Die Datenverarbeitungseinheit 4 könnte ein Computer in einer zentralen Station für Fernüberwachung sein. Das Modell umfasst auf Kl (künstlicher Intelligenz) basierende Verfahren (z. B. Anomalieerfassung), die basierend auf den historischen Messwerten der zwei Variablen (m, n) trainiert werden. Ein abnormaler Wasserstand oder eine abnormale Wassertemperatur können auf eine nicht autorisierte Einleitung/Entnahme von Wasser hinweisen. Das Modell wird dann unter Verwendung von Kreuzkorrelation verbessert. Insbesondere wird es verwendet, um zu testen, ob die zwei Variablen (m, n) korrelieren und, falls ja, die Zeitverzögerung zwischen den zwei Reihen von Variablen (m, n) zu testen.
Bezugszeichenliste Erkennungssystem Fluss Hang Datenverarbeitungseinheit

Claims

Patentansprüche
1 . Verfahren zum Erkennen eines Umweltereignisses, umfassend die Schritte: a) Messen mindestens zweier Variablen (m, n), die durch mindestens ein Erkennungssystem (1 ) erkannt werden, das an einem dezentralen Messpunkt angeordnet ist; b) Übertragen der Messwerte (mt, nt) der mindestens zwei Variablen (m, n) von dem Erkennungssystem (1 ) an eine Datenverarbeitungseinheit (4), die ausgebildet ist, um ein Modell auszuführen, um den aktuellen Umweltzustand auszuwerten und/oder um die Möglichkeit des Eintretens eines Umweltereignisses vorherzusagen; dadurch gekennzeichnet, dass die Korrelation der mindestens zwei Variablen (m, n) gemessen wird, die auf Kreuzkorrelation basiert.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass die mindestens zwei Variablen (m, n) in einem vordefinierten Messintervall kontinuierlich gemessen werden.
3. Verfahren nach mindestens einem der Ansprüche 1 bis 2, dadurch gekennzeichnet, dass das Erkennungssystem (1 ) mindestens eines umfasst von: einem Messaufnehmer, einer Messvorrichtung, einem Modell eines geografischen Informationssystems (GIS-Modell), einem Webdienst und/oder einer Datenbank.
4. Verfahren nach mindestens einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass die Datenverarbeitungseinheit (4) Teil des Erkennungssystems (1) ist.
5. Verfahren nach mindestens einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass sich die Datenverarbeitungseinheit (4) in einer zentralen Station für Fernüberwachung befindet.
6. Verfahren nach mindestens einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass das Modell eine Simulation basierend auf Verfahren mit künstlicher Intelligenz umfasst.
7. Verfahren nach mindestens einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass das Modell basierend auf historischen Messwerten der mindestens zwei Variablen (m, n) trainiert wird.
8. Verfahren nach mindestens einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, dass die mindestens zwei Variablen (m, n) mindestens zwei von einer Bodenfeuchtigkeit, einem Wasserstand, einer Druckhöhe/Grundwasserdruckhöhe (oder einem Druck), einer Wassertemperatur, einem pH-Wert, einer Leitfähigkeit, einer Trübung, einem Durchfluss, einem Sauerstoffgehalt, einem Nitritgehalt, einer Bodentragfähigkeit und/oder sonstigen lonenkonzentrationsdaten, geologischen Daten, geografischen Daten, Klimadaten, Wetterdaten, Wetterprognosedaten umfassen.
9. Verfahren nach mindestens einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass das Umweltereignis mindestens eines von einer Überflutung, einem Erdrutsch, einer nicht autorisierten Einleitung/Entnahme von Wasser und/oder einem ström aufwärtigen Chemieunfall umfasst.
10. System zum Implementieren des Verfahrens nach mindestens einem der Ansprüche 1 bis 9, umfassend mindestens ein Erkennungssystem (1 ), das an einem dezentralen Messpunkt angeordnet ist; und eine Datenverarbeitungseinheit (4), die ausgebildet ist, um ein Modell auszuführen, um den aktuellen Umweltzustand auszuwerten und/oder die Möglichkeit des Eintretens eines Umweltereignisses vorherzusagen.
EP23809473.4A 2022-12-06 2023-11-14 Ereigniserkennungsverfahren Pending EP4631031A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102022132383.8A DE102022132383A1 (de) 2022-12-06 2022-12-06 Ereigniserkennungsverfahren
PCT/EP2023/081675 WO2024120761A1 (de) 2022-12-06 2023-11-14 Ereigniserkennungsverfahren

Publications (1)

Publication Number Publication Date
EP4631031A1 true EP4631031A1 (de) 2025-10-15

Family

ID=88874591

Family Applications (1)

Application Number Title Priority Date Filing Date
EP23809473.4A Pending EP4631031A1 (de) 2022-12-06 2023-11-14 Ereigniserkennungsverfahren

Country Status (4)

Country Link
EP (1) EP4631031A1 (de)
CN (1) CN120266176A (de)
DE (1) DE102022132383A1 (de)
WO (1) WO2024120761A1 (de)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009020709A1 (de) * 2009-05-11 2010-11-18 Basso, Gertrud Verfahren und Vorrichtung zur Überwachung und Detektion von Zuständen der Luft und Bewuchs in Waldgebieten mit selbstlernenden Analyseverfahren zur Generierung von Alarmwahrscheinlichkeiten
SG10201403287VA (en) * 2014-06-16 2016-01-28 Ats Group Ip Holdings Ltd Flash flooding detection system
DE102016219029A1 (de) * 2016-09-30 2018-04-05 Ford Global Technologies, Llc Verfahren und Vorrichtung zur Generierung von Informationen über den Salzzustand eines Fahrwegs und Verwendung der Informationen
DE102019203895A1 (de) * 2019-03-21 2020-09-24 Robert Bosch Gmbh Verfahren zum Auswerten mindestens eines Signals
CN111275931B (zh) * 2019-12-24 2022-03-18 湖北民族大学 一种危岩体断裂预警方法及系统
DE102020134382A1 (de) * 2020-12-21 2022-06-23 Endress+Hauser SE+Co. KG Vorrichtung zur Niederschlagsmessung
CN112699572A (zh) * 2021-01-18 2021-04-23 长安大学 一种基于时滞相关性分析预测滑坡变形的方法
DE202022100778U1 (de) * 2022-02-10 2022-03-01 Vinayak Ashok Bharadi IoT-basiertes automatisiertes System zur Vorhersage der Luftqualität mit einem unbemannten Luftfahrzeug (UAV)

Also Published As

Publication number Publication date
CN120266176A (zh) 2025-07-04
DE102022132383A1 (de) 2024-06-06
WO2024120761A1 (de) 2024-06-13

Similar Documents

Publication Publication Date Title
Najafi et al. Trends in total precipitation and magnitude-frequency of extreme precipitation in Iran, 1969-2009.
Madanat et al. Probabilistic infrastructure deterioration models with panel data
Mourad et al. A method for automatic validation of long time series of data in urban hydrology
CN102622670A (zh) 一种突发水环境污染事故涉嫌风险源的溯源方法
EP1913363B1 (de) Verfahren und vorrichtung zur überwachung und detektierung von beschichtungsdefekten einer erd- oder wasserverlegten rohrleitung
Tavazohi et al. Assessment of drought in the Zayandehroud basin during 2000-2015 using NDDI and SPI indices
Badyalina et al. Flood frequency analysis using L-moment for Segamat river
Alogdianakis et al. Macroscopic effect of distance from seacoast on bridge deterioration–statistical data assessment of structural condition recordings
Brauer et al. Temporal variability in water quality of agricultural tailwaters: Implications for water quality monitoring
Califano et al. Heavy rainfall temporal characterization in the peri-urban Solofrana river basin, Southern Italy
Bell et al. Evaluation of the 2012 drought with a newly established national soil monitoring network
Dos Reis et al. Local validation of structural health monitoring strain measurements
CN117759493A (zh) 一种风电场区域雷电防护方法和装置
CN121409920A (zh) 一种道路标线全生命周期性能检测系统
Eick et al. Miter gate gap detection using principal component analysis
EP4631031A1 (de) Ereigniserkennungsverfahren
McNeil et al. Defining the climatic signal in stream salinity trends using the Interdecadal Pacific Oscillation and its rate of change
ALI et al. Standardized precipitation index (SPI) in north Libya and connection with North Atlantic oscillation (NAO)
DE102010021992B4 (de) Verfahren zur Erkennung von Beschädigungen der Umhüllung von in Erde und/oder in Gewässern verlegten und durch kathodischen Korrosionsschutz geschützten Objekten
DE102023108449A1 (de) Vorrichtung und Verfahren zur Erkennung eines korrosiven Umgebungsklimas in einem Schutzgehäuse
Rahmat et al. Analysis of spatio-temporal trends using Standardised Precipitation Index (SPI)
DE10025914A1 (de) Verfahren und Vorrichtung zur permanenten Überwachung von elektrochemischen, physikalischen und chemischen Parametern an Bauwerken aus Stahlbeton
Abd Rahman et al. Frequency analysis of annual maximum daily rainfall in Wadi Alaqiq, Saudi Arabia
CN113919806A (zh) 一种防洪救灾管理系统
DE19942436C2 (de) Verfahren zur Abschätzung der Ausbreitung von Schadstoffen für den Grundwasserschutz

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20250527

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC ME MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)