WO2023061039A1 - 基于物联网的尾矿库风险监测预警系统 - Google Patents

基于物联网的尾矿库风险监测预警系统 Download PDF

Info

Publication number
WO2023061039A1
WO2023061039A1 PCT/CN2022/113452 CN2022113452W WO2023061039A1 WO 2023061039 A1 WO2023061039 A1 WO 2023061039A1 CN 2022113452 W CN2022113452 W CN 2022113452W WO 2023061039 A1 WO2023061039 A1 WO 2023061039A1
Authority
WO
WIPO (PCT)
Prior art keywords
risk
data
monitoring
tailings
tailings pond
Prior art date
Application number
PCT/CN2022/113452
Other languages
English (en)
French (fr)
Inventor
常永辉
张正全
黄昌坤
Original Assignee
中通服和信科技有限公司
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 中通服和信科技有限公司 filed Critical 中通服和信科技有限公司
Publication of WO2023061039A1 publication Critical patent/WO2023061039A1/zh

Links

Images

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold

Definitions

  • the invention belongs to the technical field of tailings pond safety monitoring, in particular to a tailings pond risk monitoring and early warning system based on the Internet of Things.
  • Tailings pond is one of the three major production facilities of metal and non-metal mines. Tailings dam accident hazards are more serious than aviation accidents and fires; tailings stockpiles are at risk of flooding, dam failure and other accidents, which is a non-coal mine safety production field key regulatory targets. Many accidents have shown that it is necessary to carry out systematic and real-time monitoring of key indicators of tailings ponds and safety production risk analysis, and to take timely and effective risk prevention and control and supervision and supervision measures based on early warning information.
  • manual monitoring is still used for most of the fifth-class tailings ponds.
  • Manual monitoring is carried out on-site by manual and traditional instruments at the tailings ponds. With the increase in the number of mines and changes in various factors, this traditional measurement method has been difficult to ensure the safety of tailings ponds.
  • manual monitoring methods for safety monitoring it is easily affected by many factors such as weather, labor, and site conditions, and there are certain system errors and manual errors.
  • the present invention provides a tailings pool risk monitoring and early warning system based on the Internet of Things.
  • the tailings pond risk monitoring and early warning system based on the Internet of Things includes a risk comprehensive monitoring module, a risk intelligent assessment module, a risk precise early warning module, a risk trend prediction module, a disaster simulation module and a server;
  • the risk comprehensive monitoring module is used to realize the dynamic and comprehensive display of tailings pool data.
  • the specific methods include:
  • the monitoring data include rainfall, reservoir water level, dry beach length, infiltration line, dam surface displacement, dam internal displacement, reservoir area geological landslide surface displacement, etc.; monitoring video
  • the data include monitoring data of overflow wells, ore-drawing places on top of beaches, tailing pipes, downstream slopes of dam bodies, flood discharge facilities, inlets and outlets of flood discharge facilities, reservoir water level gauges, dry beach benchmarks and other parts; the establishment of a GIS map of tailings ponds will obtain
  • the monitoring data and monitoring video data are input into the GIS map for fusion application, so that it is convenient to control the point situation of the IoT perception of each tailings pond in an all-round way through the GIS map;
  • Data preprocessing includes orthorectification, image fusion and other processing methods, using a fully convolutional neural network
  • the model evaluates the processed satellite images, and obtains the change percentage N of the surface object type in the tailings pond.
  • N>X1 where X1 is the threshold value, which can be 20%
  • the corresponding satellite images are sent to the staff for manual inspection.
  • the method of manual checking is to use the toolkit in the GIS platform to check; the toolkit includes tools such as magnifying glass, stereoscopic mirror, projection observer, historical data traceability, and dynamic playback;
  • the system will trigger an early warning and dispatch personnel to conduct on-site inspections;
  • Meteorological data include: real weather data, weather forecast and forecast data, weather statistical data and weather early warning data.
  • Meteorological live data includes monitoring station data, precipitation observations, wind observations, temperature observations, radar data, satellites Cloud images, strong convective data and other data; meteorological forecast data include precipitation data for the next 24 hours, precipitation data for the next 48 hours, precipitation data for the next 72 hours, strong wind data for the next 24 hours, strong wind data for the next 48 hours, strong wind data for the next 72 hours, future 7-day forecast data, typhoon-related report information, typhoon track live data, typhoon forecast data; meteorological statistical data includes information such as historical typhoon data shared by the meteorological area under the jurisdiction; meteorological early warning data includes data information such as meteorological disaster early warning signals shared by the meteorological area under the jurisdiction ; Display the acquired meteorological data in real time; realize the visual presentation of geological risk and geological early warning information in the jurisdiction, and facilitate the supervision and monitoring of geological disasters
  • the risk intelligent assessment module is used to assess the safety production risk of the tailings pond, and the specific methods include;
  • the evaluation indicators include inherent risk indicators, equipment operation risk indicators, online monitoring risk indicators, safety management risk indicators, surrounding environmental risk indicators and meteorological factors; determine the relative weight of the evaluation indicators, and the relative weights are determined by experts.
  • the group discusses the setting, obtains the relevant collection data of the evaluation index, and obtains the risk warning index score of the tailings pond according to the relevant collection data of the evaluation index, evaluation index, corresponding evaluation standard and relative weight of the evaluation index;
  • the risk assessment level includes Level 1, Level 2, Level 3, Level 4 and Level 5.
  • the corresponding risk warning indicators are 0-40, 41-60, 61-70, 71-80, greater than or equal to 81; Obtain the risk warning level of the tailings pond.
  • the precise risk early warning module is used to carry out risk early warning for the safe production of tailings ponds within the jurisdiction; the specific methods include:
  • the threshold set by the Internet of Things access host includes the first level Threshold, second-level threshold and third-level threshold, generate different alarm signals according to the comparison results, alarm signals include no alarm, first-level alarm, second-level alarm and third-level alarm, notify the corresponding management personnel according to the alarm signal, and generate Risk early warning information sheet; the risk early warning information sheet is generated according to the risk type, risk level, and responsible subject of the tailings pond, supports the download and printing of the early warning information sheet, and supports docking with the portal website to realize risk early warning information One-click push to ensure the rapid and unified release of risk warning information, and urge tailings pond enterprises to better implement the main responsibility of the enterprise.
  • the risk trend prediction module is used to analyze the risk trend of the tailings pool, and the specific methods include:
  • Establish a safety production risk trend analysis model obtain risk monitoring data, evaluation data, and shared data in real time, integrate and mark as input data, input the input data into the safety production risk trend analysis model, and obtain analysis results.
  • the disaster simulation module is used to simulate the scene of a dam failure accident in the tailings pond within the jurisdiction, and visualize and dynamically display the simulation results; the specific methods include:
  • Obtain on-site survey equipment for tailings ponds including tailings stockpiling systems, drainage systems, drainage facilities, safety observation facilities, ancillary facilities, etc., and use scanning and detection equipment to collect data from on-site survey equipment.
  • Scanning and detection equipment includes remote sensing Detection and screening, drone lidar and close-range scanning detection equipment; diagnosis of flood drainage system capabilities based on collected data;
  • the tailings dam failure analysis method and numerical simulation calculation and analysis method are used to simulate the tailings dam failure.
  • the use of the tailings dam failure analysis method and numerical simulation calculation and analysis method is an existing technology in the field, so the specific simulation The steps are not described; get the dam-break accident scenario, which is the scene of the tailings dam-break accident.
  • design the overall process of the drill and according to the scenario events and participating roles in different stages of the drill
  • the scenario events and participating roles in different stages of the drill Write tabletop drill scripts and rehearsal key points, the situational events, participating roles and rehearsal key points are all confirmed by the management personnel, and the rehearsal scripts at different stages are spliced together;
  • Fig. 1 is a schematic block diagram of the present invention.
  • the tailings pond risk monitoring and early warning system based on the Internet of Things includes:
  • Comprehensive risk monitoring module comprehensively gathers the basic data of tailings ponds, perception data and related shared data, etc., based on technologies such as the Internet of Things, big data, knowledge graphs, and machine learning, to carry out visual comprehensive monitoring and special display of tailings pond risks; real-time acquisition And monitor the operating status of tailings pond enterprise monitoring perception equipment and online monitoring and monitoring system, and monitor and remind abnormal conditions and illegal behaviors of enterprise personnel;
  • Data aggregation and visualization make full use of the air, space, and ground sensing network systems, and comprehensively collect data on safety production risk factors and related shared data of tailings ponds in accordance with the requirements of the "Tailings Pond Sensing Data Access Specification (Trial)", and access them Input satellite remote sensing Beidou, meteorological and other related data to realize dynamic and comprehensive display of tailings pond data, level-by-level drilling and online inspection;
  • IoT sensing data For the monitoring data collected and connected to tailings reservoir sensors in the whole region (rainfall, reservoir water level, dry beach length, infiltration line, dam surface displacement, dam internal displacement, reservoir area geological landslide Surface displacement, etc.) and monitoring video data (overflow well, ore drawing place on the top of the beach, tailpipe, downstream slope of the dam body, entrance and exit of flood drainage facilities, reservoir water level gauge, dry beach benchmark, etc.) are correlated through GIS maps Statistical analysis of data, combined with GIS map for fusion application, facilitates comprehensive control of the IoT sensing point situation of each tailings pond through GIS map;
  • Satellite data aggregation and visualization purchase satellite remote sensing data of tailings ponds in the jurisdiction with the National Satellite Remote Sensing Center, process and visualize the data, view satellite images of specific tailings ponds scanned by satellites in different periods, and analyze tailings by comparison Whether there is a risk in the tailings pond, and provide data support for risk warning; through the spectral information and spatial information of various ground objects such as water level lines, dry beaches, overflow towers, initial dams, downstream buildings, and surrounding projects in remote sensing images of tailings ponds Analyze, select the target image features, divide it into non-overlapping subspaces, and establish a computer automatic judgment and manual verification process for identifying potential safety hazards in satellite images; use high-resolution remote sensing images to perform orthorectification and image correction in GIS software Fusion and other data preprocessing, based on the spectrum, texture and other characteristics of the tailings pond, establish the remote sensing identification and interpretation signs of the tailings pond, and perform remote sensing interpretation of the tailing
  • the spatial dynamic data such as the natural environment and topography of the tailings pond are extracted by remote sensing interpretation, and the basic type, stockpiling quantity, and geographical location of the satellite tailings pond are automatically extracted etc.; since the accuracy rate of artificial intelligence recognition still cannot fully meet the needs of law enforcement, when the automatically recognized feature type has a geometric change of more than 20%, the system will push manual verification; manual visual interpretation requires the help of the GIS platform.
  • Toolkits such as magnifying glass, stereoscopic mirror, projection observer, historical data traceability, and dynamic playback are used to analyze the image graphics of key locations; if the satellite image of the tailings pond has undergone major changes after manual verification, the system will trigger an early warning. Timely inspection on site;
  • Meteorological data aggregation and visualization According to the construction location and business scope of the tailings pond, it is determined that the tailings pond is a man-made debris flow hazard source with high potential energy, which is greatly affected by meteorological factors, especially precipitation factors, and is likely to cause dam failure and debris flow , flooding and other disasters; this system provides information support for tailings pond safety risk prediction and early warning by connecting with the shared data of the Meteorological Bureau for visual display, which specifically includes the following content: real weather data, including real weather data within the jurisdiction Such as monitoring station data, precipitation observations, wind observations, temperature observations, radar data, satellite cloud images, strong convection data, etc.; meteorological forecast data, including precipitation data for the next 24 hours, precipitation data for the next 48 hours, and precipitation data for the next 72 hours Precipitation data, strong wind data for the next 24 hours, strong wind data for the next 48 hours, strong wind data for the next 72 hours, forecast data for the next 7 days, typhoon-related report information,
  • Geological disaster data aggregation and visualization By accessing the geological disaster-related data shared by the natural resources department/bureau in the jurisdiction, the visualization of geological risk and geological early warning information in the jurisdiction can be realized, which is convenient for the supervision and monitoring of geological disasters.
  • the specific contents include the following : Geological disaster-prone risk type data, access to earthquake, landslide, collapse, debris flow and other geological disaster risk data information, to ensure risk investigation and population transfer of geological disaster risk points during the disaster risk period; geological disaster monitoring and early warning data, access to landslides Monitoring and early warning data of geological disasters, landslides, debris flows, ground subsidence, etc., such as early warning time, early warning range, early warning level, etc., to realize the monitoring and early warning supervision of geological secondary disasters in the jurisdiction; geological disaster early warning feedback data (monthly report data), access Geological disaster early warning feedback data (monthly report data), such as geographical location, longitude, latitude, time of occurrence, reporting person, number of victims, disaster level, etc., to achieve statistical analysis of geological secondary disaster monitoring and early warning within the jurisdiction;
  • Real-time monitoring of enterprise safety Obtain the operating status data of tailings pond enterprise monitoring and sensing equipment and online monitoring and monitoring system through the sensing network, and build an analysis model of the operating status of monitoring and sensing equipment and online monitoring and monitoring system;
  • Online networking status analysis Through online networking status analysis, the networking status of the tailings pool, the access status of the tailings pool, the online status of the tailings pool, the online status of monitoring equipment and terminals, etc. are realized, and at the same time based on a map A comprehensive display of the network status of the monitoring system.
  • Risk intelligent assessment module Based on the risk elements of tailings ponds and comprehensive monitoring data, quantify monitoring indicators and their changes, and draw a four-color level safety risk spatial distribution map of "red, orange, yellow, and blue" to realize tailings pond enterprises, regions Comprehensive assessment of safety production risk, etc., providing two major functions including comprehensive assessment of tailings pond safety production risk and comprehensive assessment of regional safety production risk; see the following table for details:
  • the geological conditions in the inherent risk indicators are 0 points for complexity; 50 points for medium; is also 100 points; others are the same at the same time;
  • Automatic generation of risk warning information establish a risk warning model for the inherent danger of tailings ponds in the jurisdiction, online dynamic monitoring and monitoring data, weather, surrounding environment and other factors, realize the dynamic early warning function of tailings pond safety production risks, and detect abnormalities in monitoring data It can automatically generate risk warning information in time;
  • the risk warning model is a neural network model, which is established through training based on the inherent risks of tailings ponds in the jurisdiction, online dynamic monitoring and monitoring data, weather, surrounding environment and other factors, and the corresponding setting risk assessment results;
  • Dynamic processing of risk early warning information Based on the dynamic real-time monitoring data collected by tailings pond enterprises in the jurisdiction, real-time comparison with the threshold set by the Internet of Things access host, once an over-limit alarm occurs, the system can provide hierarchical early warning functions, according to different Early warning level, automatically push the early warning information to the person in charge of the company's dam inspection, the person in charge of the company's technology, the main person in charge of the company, and the emergency management departments at all levels by means of SMS, mobile APP, etc., to urge the company to find out the cause and troubleshoot hidden dangers , and give timely feedback on the reason and disposal time of the warning through the system, so as to realize the closed-loop management of safety risks; the specific push rules of the warning information are as follows:
  • Risk early warning intelligent push release According to the risk type, risk level, and responsible subject of the tailings pond, intelligently generate risk early warning information sheets, support the download and printing of early warning information sheets, and support docking with portal websites to realize risk early warning information One-click push to ensure the rapid and unified release of risk warning information, and urge tailings pond enterprises to better implement the main responsibility of the enterprise;
  • Intelligent analysis of risk early warning information According to the dynamic data processing rules, intelligently analyze the safety status of tailings ponds, realize the map distribution of alarm information, statistical analysis of alarm information, system stability analysis and alarm information trend analysis, etc., to facilitate emergency response at all levels in the whole region
  • the management department can intuitively understand the safety risk status results of tailings ponds in the jurisdiction;
  • Regional macro-safety risk analysis Combined with meteorological, satellite, geological and other data, gather tailings pond safety production risk monitoring and early warning information, and analyze the current tailings pond macro risk early warning and future tailings pond macro risk early warning.
  • Risk trend analysis of tailings ponds establish safety production risk trend analysis models for tailings ponds of different types, grades, and dam-building techniques, combined with risk monitoring of key units such as tailings pond enterprises, dam bodies, drainage, infiltration lines, and surrounding environments Data, evaluation data, etc., intelligently predict the development trend of safety production risks of tailings pond enterprises;
  • Regional risk trend deduction According to the characteristics of regional tailings pond geology, hydrology and natural environment, establish a regional safety production risk trend deduction model, combined with regional tailings pond enterprise risk monitoring data, evaluation data, meteorological data, geological disasters and other monitoring and early warning data , intelligently deduce the development trend of regional tailings pond safety production risk;
  • Safety production risk trend analysis model training and establishment through the neural network model, obtaining risk monitoring data, evaluation data, and shared data, setting corresponding prediction results for the obtained risk monitoring data, evaluation data, and shared data, and combining risk monitoring data, evaluation data
  • the data, shared data and corresponding prediction results are used as the training set to train the neural network model, and the trained neural network model is marked as a safety production risk trend analysis model;
  • the working method is to obtain risk monitoring data, evaluation data, and shared data in real time , input the obtained risk monitoring data, evaluation data, and shared data into the safety production risk trend analysis model to obtain trend prediction results;
  • Regional safety production risk trend deduction model through neural network model training and establishment, regional tailings pond enterprise risk monitoring data, evaluation data, meteorological data, geological disasters and other monitoring and early warning data are obtained, and the obtained regional tailings pond enterprise risk monitoring data Set corresponding prediction and deduction results for monitoring and early warning data such as evaluation data, meteorological data, and geological disasters, and use regional tailings pond enterprise risk monitoring data, evaluation data, meteorological data, geological disasters and other monitoring and early warning data and corresponding prediction and deduction results as training Set the neural network model for training, and mark the trained neural network model as a regional safety production risk trend deduction model; the working method is to obtain real-time monitoring data, evaluation data, meteorological data, geological disasters, etc. of regional tailings pond enterprises Early warning data, input the obtained regional tailings pond enterprise risk monitoring data, assessment data, meteorological data, geological disasters and other monitoring and early warning data into the regional safety production risk trend deduction model to obtain the trend deduction results.
  • the tailings pond disaster simulation subsystem uses scientific calculation methods and calculation models to simulate the scene of dam failures in the "overhead pond” and third-class and above tailings ponds within the jurisdiction, and visualizes and dynamically displays the simulation results , to provide technical support for users to efficiently and intuitively grasp the consequences of disasters and accidents in tailings ponds; the system also supports scientific assessment of the stability of tailings ponds, and establishes a special library to provide intelligent support for emergency management decision-making;
  • Numerical simulation calculation and analysis comprehensively use tailings dam failure analysis methods, use numerical simulation calculation and analysis, the system provides functions such as simulation of tailings dam failure, flood drainage system capacity diagnosis, emergency drill simulation analysis and visual display;
  • Dam break simulation of tailings pond has strong flexibility and arbitrariness, it is not limited by time, space and conditions, and can quickly obtain results, with high repeatability and wide adaptability, and can impose various directions arbitrarily It can simulate various extreme weather or conditions that cannot be achieved by other experimental methods, and can perform stress analysis and displacement analysis on each area and each measuring point, supplementing experimental research, and has important value in risk monitoring, effect prediction, etc. ;
  • Flood drainage system capacity diagnosis The situation and environment of the tailings pond are complex and diverse, and there are many factors and indicators involved in the dam failure; the information of the on-site investigation mainly includes the tailings stockpiling system, drainage system, seepage drainage facilities, safety observation facilities, Ancillary facilities, etc.; use remote sensing detection and screening, UAV lidar and close-range scanning detection equipment to collect and process data on key equipment and facilities such as tailings stockpiling systems, drainage systems, seepage drainage facilities, safety observation facilities, and ancillary facilities ;
  • Simulation and analysis of emergency drills based on the constructed dam failure scenarios, design the overall process of the tabletop drills, analyze the situational events at different stages, participating roles, and the focus of the drills, and write the desktop drill scripts; comprehensively compare the scenario simulation fragments, drill process and content with them Docking, forming a streamlined emergency drill project, carrying out real-time interactive multi-role collaborative tabletop drills, achieving the goals of adapting the emergency mechanism and improving emergency preparedness;
  • Stability assessment of tailings ponds According to the specific conditions of tailings ponds in the jurisdiction, build a special library for the analysis results of data models such as numerical simulation and risk assessment of the stability of high-risk tailings ponds, simulation of the whole process of tailings pond instability and disaster formation; establish a Based on the collection of the basic data of the tailings pond, the stability calculation of the tailings pond dam is realized; the dynamic safety factor calculation of the dam is realized based on the dynamic online monitoring system data of the tailings pond; The monitoring and early warning system inputs the basic parameters of the tailings dam, reads the online monitoring data of the tailings pond, uses an external program to calculate, and finally returns the calculation results to the tailings pond risk monitoring and early warning system to realize dynamic calculation and result display and storage.
  • features include:
  • the tailings pond According to the changes of the tailings pond itself and its surrounding environment, adjust and optimize the stability numerical simulation and risk assessment modeling data for evaluation and analysis; build a special database for the evaluation results; mainly include the name of the mathematical model, the name of the tailings pond, the tailings The basic situation of the library, input parameters, output results, etc.;
  • tailings pond According to the changes in the tailings pond itself and its surrounding environment, adjust and optimize the modeling data of the simulation model for the whole process of tailings pond instability and disaster, and conduct evaluation and analysis; build a special database for the evaluation results; mainly including the mathematical model name, tailings pond Name, basic situation of tailings pond, input parameters, output results, etc.;
  • the tailings pond According to the changes of the tailings pond itself and its surrounding environment, adjust and optimize the numerical calculation model data and integrate the model modeling data for evaluation and analysis; build a special database for the evaluation results; mainly include the name of the mathematical model, the name of the tailings pond, and the tailings pond Basic conditions, input parameters, output results, etc.;
  • the system also includes a server.
  • the disclosed devices, devices and methods may be implemented in other ways.
  • the device embodiments described above are only illustrative.
  • the division of the modules is only a logical function division, and there may be other division methods during actual implementation;
  • the modules described as separate components can be It may or may not be physically separated, and components shown as modules may or may not be physical units, that is, they may be located in one place, or may be distributed to multiple network units. Part or all of the modules can be selected according to actual needs to achieve the purpose of the method in this embodiment.

Abstract

本发明公开了基于物联网的尾矿库风险监测预警系统，属于尾矿库安全监测技术领域，包括风险综合监测模块、风险智能评估模块、风险精准预警模块、风险趋势预测模块和灾害模拟仿真模块；风险综合监测模块用于实现尾矿库数据的动态综合展示，获取尾矿库传感器的监测数据和监控视频数据，监测数据包括降雨量、库水位、干滩长度、浸润线、坝体表面位移、坝体内部位移、库区地质滑坡体表面位移等；监控视频数据包括溢流井、滩顶放矿处、排尾管道、坝体下游坡、库水位尺、干滩标杆等部位的监控数据；建立尾矿库的GIS地图，将获取的监测数据和监控视频数据输入到GIS地图中，便于通过GIS地图全方位的掌控各尾矿库的物联感知的点位情况。

Description

基于物联网的尾矿库风险监测预警系统 技术领域
本发明属于尾矿库安全监测技术领域，具体是基于物联网的尾矿库风险监测预警系统。
背景技术
尾矿库是金属非金属矿山三大生产设施之一，尾矿坝事故危害比航空失事、火灾还严重；尾矿库存在洪水漫顶、溃坝等多种事故风险，是非煤矿山安全生产领域的重点监管对象。许多事故表明，对尾矿库关键指标进行系统的、实时的监测和安全生产风险分析，并基于预警信息采取及时有效的风险防控和监管监察措施十分必要。
目前，对于大多数五等尾矿库仍然采用人工监测，人工监测是通过人工定期用传统仪器在尾矿库现场进行测量，这种监测手段虽然在早期取得了一定的成效，但随着尾矿数量的增加以及各种因素的变化，这种传统的测量方法已经很难确保尾矿库的安全。另外，在利用人工监测手段进行安全监测时，容易受天气、人工、现场条件等许多因素的影响，存在一定的系统误差和人工误差。在监测过程中一旦监测的各项技术参数出现误差，势必会影响到尾矿库的安全生产和安全管理水平；只有将有效的预警系统与在线监测相结合，才能及时准确了解尾矿库的运行状况，实现尾矿库全面监测和智能预警。
发明内容
为了解决上述方案存在的问题，本发明提供了基于物联网的尾矿库风险监测预警系统。
本发明的目的可以通过以下技术方案实现：
基于物联网的尾矿库风险监测预警系统，包括风险综合监测模块、风 险智能评估模块、风险精准预警模块、风险趋势预测模块、灾害模拟仿真模块和服务器；
风险综合监测模块用于实现尾矿库数据的动态综合展示，具体方法包括：
获取尾矿库传感器的监测数据和监控视频数据，监测数据包括降雨量、库水位、干滩长度、浸润线、坝体表面位移、坝体内部位移、库区地质滑坡体表面位移等；监控视频数据包括溢流井、滩顶放矿处、排尾管道、坝体下游坡、排洪设施进出口、库水位尺、干滩标杆等部位的监控数据；建立尾矿库的GIS地图，将获取的监测数据和监控视频数据输入到GIS地图中，进行融合应用，便于通过GIS地图全方位的掌控各尾矿库的物联感知的点位情况；
获取辖区内尾矿库的卫星遥感数据，将卫星遥感数据内的高分遥感影像在GIS软件中进行数据预处理，数据预处理包括正射纠正、图像融合等处理方法，采用完全卷积的神经网络模型对处理后的卫星图像进行评估，获得尾矿库内地物类型的变化百分比N，当N>X1时，其中X1为阈值，可取20％，将对应的卫星图像发送给工作人员，进行人工检核；人工检核的方式为借助GIS平台中的工具包进行校核；工具包包括放大镜、立体镜、投影观测器、历史数据追溯、动态回放等工具；
当人工校核确认尾矿库卫星影像发生的变化超过阈值时，触发系统预警，派遣人员进行现场巡检；
获取气象数据，气象数据包括：气象实况数据、气象预测预报数据、气象统计数据和气象预警数据，气象实况数据包含监测站数据、降水量观测值、大风观测值、温度观测值、雷达数据、卫星云图、强对流数据等数据；气象预测预报数据包含未来24小时降水数据、未来48小时降水数据、未来72小时降水数据、未来24小时大风数据、未来48小时大风数据、 未来72小时大风数据、未来7天预报数据、台风相关报道信息、台风路径实况数据、台风预报数据；气象统计数据包含辖区内气象共享的历史台风数据等信息；气象预警数据包含辖区内气象共享的气象灾害预警信号等数据信息；将获取的气象数据进行实时显示；实现对辖区内地质风险和地质预警信息的可视化呈现，便于对地质灾害的监管监控；
通过感知网络获取尾矿库企业监测感知设备和在线监测监控系统的运行状态数据，获取未及时处理报警信息的企业，发送督促处理信息；设置日常执法检查制度，对尾矿库企业在线监测系统中设置的监测数据预警阈值进行检查，对尾矿库企业监控系统运行过程的稳定性、可靠性、有效性等进行研判，督促强化企业主体责任落实。
所述风险智能评估模块用于对尾矿库安全生产风险进行评估，具体方法包括；
设置评估指标和对应的评估标准，评估指标包括固有风险指标、设备运行风险指标、在线监测风险指标、安全管理风险指标、周边环境风险指标和气象因素；确定评估指标的相对权重，相对权重由专家组进行讨论设置，获取评估指标的相关采集数据，根据评估指标的相关采集数据、评估指标、对应的评估标准和评估指标的相对权重获得尾矿库风险预警指标评分；
设置风险评估等级，风险评估等级包括一级、二级、三级、四级和五级，分别对应的风险预警指标评分为0-40、41-60、61-70、71-80、大于等于81；获得尾矿库风险预警等级。
所述风险精准预警模块用于对辖区内尾矿库的安全生产进行风险预警；具体方法包括：
获取辖区内尾矿库企业所采集的动态实时监测数据，将获取的动态实时监测数据与物联网接入主机设定的阈值进行实时比对，其中物联网接入 主机设定的阈值包括第一级阈值、第二级阈值和第三级阈值，根据对比结果生成不同的报警信号，报警信号包括无报警、一级报警、二级报警和三级报警，根据报警信号通知对应的管理人员，并生成风险预警信息单；风险预警信息单是按照尾矿库的风险类型、风险等级、责任主体等维度进行生成的，支持预警信息单的下载与打印，并支持与门户网站进行对接，实现风险预警信息一键式推送，保障风险预警信息快速、统一发布，督促尾矿库企业更好的落实企业主体责任。
所述风险趋势预测模块用于对尾矿库的风险趋势进行分析，具体方法包括：
建立安全生产风险趋势分析模型，实时获取风险监测数据、评估数据、共享数据，整合标记为输入数据，将输入数据输入到安全生产风险趋势分析模型中，获得分析结果。
所述灾害模拟仿真模块用于模拟辖区内尾矿库发生溃坝事故的场景，并将模拟结果进行可视化的动态展示；具体方法包括：
获取尾矿库现场勘察设备，现场勘察设备包括尾矿堆存系统、排水系统、排渗设施、安全观测设施、附属设施等，使用扫描探测装备对现场勘察设备进行数据采集，扫描探测装备包括遥感侦测筛选、无人机激光雷达及近景扫描探测装备；根据采集的数据对排洪系统能力进行诊断；
通过尾矿库溃坝分析方法和数值仿真计算与分析方法对尾矿库溃坝进行模拟，运用尾矿库溃坝分析方法和数值仿真计算与分析方法为本领域现有技术，因此具体的模拟步骤不进行叙述；获取溃坝事故情景，溃坝事故情景即为尾矿库发生溃坝事故的场景，基于获取的溃坝事故情景，设计演练总体流程，根据不同演练阶段的情景事件、参与角色及演练重点编写桌面演练脚本，情景事件、参与角色及演练重点均由管理人员进行确认，将不同阶段的演练脚本进行拼接；
获取尾矿库的当前测绘数据、三维实景模型和尾矿库失稳成灾全过程模拟数据，将获取的尾矿库的当前测绘数据、三维实景模型和尾矿库失稳成灾全过程模拟数据输入到GIS平台进行展示。
附图说明
为了更清楚地说明本发明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的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明原理框图。
具体实施方式
下面将结合实施例对本发明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。
如图1所示，基于物联网的尾矿库风险监测预警系统，包括：
风险综合监测模块：全面汇聚尾矿库基础数据、感知数据和相关共享数据等，基于物联网、大数据、知识图谱、机器学习等技术，进行尾矿库风险可视化综合监测、专题展示；实时获取和监测尾矿库企业监测感知设备和在线监测监控系统运行状态，对异常状况和企业人员违法违章行为等进行监测提醒；
数据汇聚与可视化：充分利用空、天、地感知网络系统，按照《尾矿库感知数据接入规范(试行)》的要求全面采集汇聚尾矿库安全生产风险要素数据和相关共享数据，并接入卫星遥感北斗、气象等相关数据，实现尾矿库数据动态综合展示、逐级钻取和线上巡查；
物联感知数据汇聚与可视化：对于采集接入的全地区尾矿库传感器监测数据(降雨量、库水位、干滩长度、浸润线、坝体表面位移、坝体内部位移、库区地质滑坡体表面位移等)和监控视频数据(溢流井、滩顶放矿处、排尾管道、坝体下游坡、排洪设施进出口、库水位尺、干滩标杆等部位)，通过GIS地图进行相关数据的统计分析，并结合GIS地图进行融合应用，便于通过GIS地图全方位的掌控各尾矿库的物联感知的点位情况；
卫星数据汇聚与可视化：通过与国家卫星遥感中心购买辖区内尾矿库的卫星遥感数据，对数据进行处理与可视化展示，可查看特定尾矿库不同时期卫星扫描的卫星影像图，通过对比分析尾矿库是否存在风险，为风险预警提供数据支撑；通过对尾矿库遥感影像中水位线、干滩、溢水塔、初期坝、下游建筑物、周边工程等各类地物的光谱信息和空间信息进行分析，选择目标图像特征，划分为互不重叠的子空间，建立识别卫片中潜在安全生产隐患的计算机自动判定和人工校核流程；利用高分遥感影像在GIS软件中进行正射纠正、图像融合等数据预处理，基于尾矿库的光谱、纹理等特征，建立尾矿库的遥感识别和解译标志，对尾矿库进行遥感解译；采用完全卷积的神经网络模型(YOLT)，以每秒大于0.5m 2的速度对卫星图像进行评估扫描，可以快速地在不同范围内对目标物体进行自动检测；
同时结合尾矿库基础信息和GIS底图地形，利用遥感解译提取尾矿库所处的自然环境、地形地貌等空间动态数据，自动提取卫星尾矿库的基本类型、堆存数量、地理位置等；由于目前人工智能识别的准确率仍不能完全满足执法需求，当自动识别的地物类型发生20％以上几何变化时，系统会推送人工校核；人工目视解译时需借助GIS平台中放大镜、立体镜、投影观测器、历史数据追溯、动态回放等工具包，对重点位置的影像图形进行分析；经人工校核确认尾矿库卫星影像发生了较大变化的，触发系统预 警，需及时到现场巡检；
气象数据汇聚与可视化：根据尾矿库的建设位置和业务范围，决定了尾矿库是一个具有高势能的人造泥石流危险源，受气象因素特别是降水要素影响比较大，容易造成溃坝、泥石流、洪水漫顶等灾害的发生；本系统通过对接气象局的共享数据进行可视化展示，从而为尾矿库安全风险预测预警提供信息支撑，具体包含以下内容：气象实况数据，包含辖区内气象实况数据如监测站数据、降水量观测值、大风观测值、温度观测值、雷达数据、卫星云图、强对流数据等；气象预测预报数据，包含未来24小时降水数据、未来48小时降水数据、未来72小时降水数据、未来24小时大风数据、未来48小时大风数据、未来72小时大风数据、未来7天预报数据、台风相关报道信息、台风路径实况数据、台风预报数据；气象统计数据，包含辖区内气象共享的历史台风数据等信息；气象预警数据，包含辖区内气象共享的气象灾害预警信号等数据信息；
地质灾害数据汇聚与可视化：通过接入辖区内自然资源厅/局共享的地质灾害相关数据，实现对辖区内地质风险和地质预警信息的可视化呈现，便于对地质灾害的监管监控，具体包含以下内容：地质灾害易发风险类型数据，接入地震、滑坡、崩塌、泥石流等地质灾害风险数据信息，保障灾害风险期间对地质灾害风险点进行风险排查以及人口转移；地质灾害监测预警数据，接入滑坡、崩塌、泥石流、地面塌陷等地质灾害监测预警数据，如预警时间、预警范围、预警等级等，实现对辖区内地质次生灾害监测预警监管；地质灾害预警反馈数据(月报数据)，接入地质灾害预警反馈数据(月报数据)，如地理位置、经度、纬度、发生时间、上报人、受灾人数、灾情等级等，实现对辖区内地质次生灾害监测预警的统计分析；
企业安全实时监测：通过感知网络获取尾矿库企业监测感知设备和在线监测监控系统的运行状态数据，构建监测感知设备和在线监测监控系统 运行状态分析模型；
对未及时处理报警信息的企业进行监督提醒，并在日常执法检查中重点检查尾矿库企业在线监测系统中各种监测数据的预警阈值是否合理，对尾矿库企业监控系统运行过程的稳定性、可靠性、有效性等进行研判，督促强化企业主体责任落实；
在线联网状态分析：通过在线联网状态分析，实现对尾矿库联网状态、尾矿库接入情况、尾矿库在线情况、监测设备与终端的在线情况等进行联网分析，同时基于一张图进行监测系统联网状态的综合展示。
风险智能评估模块：基于尾矿库风险要素和综合监测数据，量化监测指标及其变化情况，绘制“红、橙、黄、蓝”四色等级安全风险空间分布图，实现尾矿库企业、区域安全生产风险综合评估等，提供包含尾矿库安全生产风险综合评估、区域安全生产风险综合评估两大部分功能；具体情况见下表：
Figure PCTCN2022113452-appb-000001
Figure PCTCN2022113452-appb-000002
Figure PCTCN2022113452-appb-000003
Figure PCTCN2022113452-appb-000004
Figure PCTCN2022113452-appb-000005
其中固有风险指标中的地质条件，复杂得0分；中等得50分；简单得100分；没有值得100分；代表的意思是没有值就认为他是简单的，简单的就是100分，没有值的也是100分；其他的同时同理的；
风险精准预警模块：
覆盖辖区内尾矿库安全生产风险预警情况，全面掌握所有尾矿库的风险动态监测预警情况；建立风险预警模型，实现所有尾矿库的动态风险预警功能，自动生成风险预警信息和推送方案，并实现风险预警信息一键推送，使企业巡坝负责人、企业技术负责人和企业主要负责人及时掌握和处置当前风险状况；
风险预警信息自动生成：对辖区内尾矿库固有危险性、在线动态监测监控数据情况以及气象、周边环境等因素建立风险预警模型，实现尾矿库安全生产风险的动态预警功能，对出现监测数据异常能够及时自动生成风险预警信息；风险预警模型即为神经网络模型，通过辖区内尾矿库固有危险性、在线动态监测监控数据情况以及气象、周边环境等因素和对应设置风险评估结果进行训练建立的；
风险预警信息动态处理：基于辖区内尾矿库企业所采集的动态实时监测数据，与物联网接入主机设定的阈值进行实时比对，一旦发生超限报警，系统可提供分级预警功能，根据不同预警级别，自动以短信、手机APP等方式，将预警信息分别推送至企业巡坝负责人、企业技术负责人、企业主要负责人以及各级应急管理部门，督促企业尽快查明原因、排查风险隐患，并及时通过系统对预警的原因、处置时间进行反馈，实现安全风险的闭环管理；具体预警信息推送规则如下：
Figure PCTCN2022113452-appb-000006
Figure PCTCN2022113452-appb-000007
风险预警智能推送发布：按照尾矿库的风险类型、风险等级、责任主体等维度，智能生成风险预警信息单，支持预警信息单的下载与打印，并支持与门户网站进行对接，实现风险预警信息一键式推送，保障风险预警信息快速、统一发布，督促尾矿库企业更好的落实企业主体责任；
风险预警信息智能分析：根据数据动态处理规则，对尾矿库安全状态进行智能分析，实现报警信息地图分布、报警信息统计分析、系统稳定性分析和报警信息趋势分析等，便于全地区各级应急管理部门可直观的了解辖区尾矿库的安全风险状态结果；
区域宏观安全风险分析：结合气象、卫星、地质等数据，汇聚尾矿库安全生产风险监测预警信息，对当前尾矿库宏观风险预警和未来尾矿库宏观风险预警进行分析。
风险趋势预测模块：
基于尾矿库洪水漫顶、排洪系统构筑物破坏、坝坡失稳、渗流破坏等事故风险要素和灾害要素监测历史数据和尾矿库风险评估历史结果，综合气象、在线监测数据等相关信息，构建安全生产风险趋势分析模型，对暴雨、台风、地质灾害等多发时段尾矿库安全状态进行感知，实现对尾矿库和区域的安全生产风险趋势完整、立体、多维度的风险趋势分析和推演，智能生成分析报告，对风险未来趋势进行预测提出合理化建议；
尾矿库风险趋势分析：建立尾矿库不同类型、等级和筑坝工艺等的安全生产风险趋势分析模型，结合尾矿库企业、坝体、排水、浸润线和周边环境等重点单元的风险监测数据、评估数据等，智能预测尾矿库企业安全生产风险发展趋势；
区域风险趋势推演：按照区域尾矿库地质、水文及自然环境等特点，建立区域安全生产风险趋势推演模型，结合区域尾矿库企业风险监测数据、评估数据、气象数据、地质灾害等监测预警数据，智能推演区域尾矿库安全生产风险发展趋势；
安全生产风险趋势分析模型：通过神经网络模型进行训练建立，获取风险监测数据、评估数据、共享数据，为获取的风险监测数据、评估数据、共享数据设置对应的预测结果，将风险监测数据、评估数据、共享数据和对应的预测结果作为训练集对神经网络模型进行训练，将训练后的神经网络模型标记为安全生产风险趋势分析模型；工作方法就是，实时获取风险监测数据、评估数据、共享数据，将获取的风险监测数据、评估数据、共享数据输入到安全生产风险趋势分析模型中，获得趋势预测结果；
区域安全生产风险趋势推演模型：通过神经网络模型进行训练建立，获取区域尾矿库企业风险监测数据、评估数据、气象数据、地质灾害等监测预警数据，为获取的区域尾矿库企业风险监测数据、评估数据、气象数据、地质灾害等监测预警数据设置对应的预测推演结果，将区域尾矿库企 业风险监测数据、评估数据、气象数据、地质灾害等监测预警数据和对应的预测推演结果作为训练集对神经网络模型进行训练，将训练后的神经网络模型标记为区域安全生产风险趋势推演模型；工作方法就是，实时获取区域尾矿库企业风险监测数据、评估数据、气象数据、地质灾害等监测预警数据，将获取的区域尾矿库企业风险监测数据、评估数据、气象数据、地质灾害等监测预警数据输入到区域安全生产风险趋势推演模型中，获得趋势推演结果。
灾害模拟仿真模块：
尾矿库灾害模拟仿真子系统，利用科学的计算方法、计算模型，模拟辖区内的“头顶库”和三等及以上尾矿库发生溃坝事故的场景，并将模拟结果进行可视化的动态展示，为用户高效、直观地掌握尾矿库发生灾害事故的后果提供技术支撑；系统还支持对尾矿库的稳定性进行科学评估，并建立专题库，为应急管理工作决策提供智慧支撑；
数值仿真计算与分析：综合运用尾矿库溃坝分析方法，使用数值仿真计算与分析，系统提供对尾矿库溃坝进行模拟、排洪系统能力诊断、应急演练模拟分析和可视化展示等功能；
尾矿库溃坝模拟：溃坝模拟具有较强的灵活性和任意性，其不受时间、空间、条件的限制，可快速得到结果，重复性高，适应性广，可以任意施加各种方向的载荷，模拟各种极端天气或其他实验方法达不到的条件，可对各个区域、各个测点进行应力分析和位移分析，对实验研究进行补充，在风险监测、效果预测等方面具有重要价值；
排洪系统能力诊断：尾矿库现场情况及环境复杂多样，溃坝因素涉及到的因素和指标多；现场勘查的信息主要包括尾矿堆存系统、排水系统、排渗设施、安全观测设施、附属设施等；采用遥感侦测筛选、无人机激光雷达及近景扫描探测装备，对尾矿堆存系统、排水系统、排渗设施、安全 观测设施、附属设施等关键设备设施进行数据采集与处理；
应急演练模拟分析：基于构建的溃坝事故情景，设计桌面演练的总体流程，分析不同阶段的情景事件、参与角色及演练重点，编写桌面演练脚本；将情景仿真片段、演练流程及内容与其进行全面对接，形成流程化的应急演练项目，开展实时交互的多角色协同桌面演练，实现磨合应急机制、完善应急准备等目标；
可视化展示：为了使数值仿真的计算结果能更加直观地进行展示，也为了使数值仿真和风险评估结论具有GIS一样的数据呈现及管理功能，形成基于GIS的尾矿库失稳成灾全过程模拟及展示平台，结合尾矿库的现状测绘数据和三维实景模型，可将溃坝过程和下泄过程在GIS平台上进行直观展现，这对于提高尾矿库监管水平和效率十分必要；
尾矿库稳定性评估：根据辖区内尾矿库具体情况，对高风险尾矿库稳定性数值仿真与风险评估、尾矿库失稳成灾全过程模拟等数据模型分析结果建设专题库；建立一套流程，在采集尾矿库基本数据的基础上，实现尾矿库坝体稳定性计算；基于动态的尾矿库在线监测系统数据，实现坝体的动态安全系数计算；最终通过尾矿库风险监测预警系统，输入尾矿坝的基础参数，读取尾矿库在线监测数据，利用外部程序进行计算，最后把计算结果返回给尾矿库风险监测预警系统，实现动态计算和结果显示、存储的功能；功能包括：
稳定性数值仿真与风险评估模型分析结果；
根据尾矿库自身及其周边环境的变化，调整优化稳定性数值仿真与风险评估建模数据，进行评估分析；对评估结果进行专题库建设；主要包括数学模型名称、尾矿库名称、尾矿库基本情况、输入参数、输出结果等等；
尾矿库失稳成灾全过程模拟模型优化与评估；
根据尾矿库自身及其周边环境的变化，调整优化尾矿库失稳成灾全过 程模拟模型建模数据，进行评估分析；对评估结果进行专题库建设；主要包括数学模型名称、尾矿库名称、尾矿库基本情况、输入参数、输出结果等等；
数值计算模型数据融合模型优化与评估；
根据尾矿库自身及其周边环境的变化，调整优化数值计算模型数据融合模型建模数据，进行评估分析；对评估结果进行专题库建设；主要包括数学模型名称、尾矿库名称、尾矿库基本情况、输入参数、输出结果等等；
尾矿库安全评估与诊断分析模型优化与评估；
根据尾矿库自身及其周边环境的变化，调整优化尾矿库安全评估与诊断分析模型建模数据，进行评估分析；对评估结果进行专题库建设；主要包括数学模型名称、尾矿库名称、尾矿库基本情况、输入参数、输出结果等等。本系统还包括服务器。
在本发明所提供的实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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；所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方法的目的。
另对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。 不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (8)

  1. 基于物联网的尾矿库风险监测预警系统，其特征在于，包括：
    风险综合监测模块，用于实现尾矿库数据的动态综合展示，具体方法包括：
    获取尾矿库传感器的监测数据和监控视频数据，建立尾矿库的GIS地图，将获取的监测数据和监控视频数据输入到GIS地图中；获取辖区内尾矿库的卫星遥感数据，将卫星遥感数据内的高分遥感影像在GIS软件中进行数据预处理，采用完全卷积的神经网络模型对处理后的卫星图像进行评估，获得尾矿库内地物类型的变化百分比N，当N>X1时，X1为阈值，将对应的卫星图像发送给工作人员，进行人工检核；
    当人工校核确认尾矿库卫星影像发生的变化超过阈值时，触发系统预警，派遣人员进行现场巡检；
    风险智能评估模块，用于对尾矿库安全生产风险进行评估；
    风险精准预警模块，用于对辖区内尾矿库的安全生产进行风险预警；
    风险趋势预测模块，用于对尾矿库的风险趋势进行分析；
    灾害模拟仿真模块，用于模拟辖区内尾矿库发生溃坝事故的场景。
  2. 根据权利要求1所述的基于物联网的尾矿库风险监测预警系统，其特征在于，人工检核的方式为借助GIS平台中的工具包进行校核。
  3. 根据权利要求1所述的基于物联网的尾矿库风险监测预警系统，其特征在于，风险综合监测模块的工作方法中还包括：
    通过感知网络获取尾矿库企业监测感知设备和在线监测监控系统的运行状态数据，获取未及时处理报警信息的企业，发送督促处理信息；设置日常执法检查制度，对尾矿库企业在线监测系统中设置的监测数据预警阈值进行检查。
  4. 根据权利要求1所述的基于物联网的尾矿库风险监测预警系统，其特征在于，风险智能评估模块的工作方法包括；
    设置评估指标和对应的评估标准，确定评估指标的相对权重，获取评估指标的相关采集数据，根据评估指标的相关采集数据、评估指标、对应的评估标准和评估指标的相对权重获得尾矿库风险预警指标评分；
    设置风险评估等级，将尾矿库风险预警指标评分与风险评估等级进行匹配，获得尾矿库风险预警等级。
  5. 根据权利要求4所述的基于物联网的尾矿库风险监测预警系统，其特征在于，风险评估等级包括一级、二级、三级、四级和五级，分别对应的风险预警指标评分为0-40、41-60、61-70、71-80、大于等于81。
  6. 根据权利要求1所述的基于物联网的尾矿库风险监测预警系统，其特征在于，风险精准预警模块的工作方法包括：
    获取辖区内尾矿库企业所采集的动态实时监测数据，将获取的动态实时监测数据与物联网接入主机设定的阈值进行实时比对，物联网接入主机设定的阈值包括第一级阈值、第二级阈值和第三级阈值，根据对比结果生成不同的报警信号，报警信号包括无报警、一级报警、二级报警和三级报警，根据报警信号通知对应的管理人员，并生成风险预警信息单。
  7. 根据权利要求1所述的基于物联网的尾矿库风险监测预警系统，其特征在于，灾害模拟仿真模块的工作方法包括：
    获取尾矿库现场勘察设备，使用扫描探测装备对现场勘察设备进行数据采集，根据采集的数据对排洪系统能力进行诊断；
    通过尾矿库溃坝分析方法和数值仿真计算与分析方法对尾矿库溃坝进行模拟，获取溃坝事故情景，基于获取的溃坝事故情景，设计桌面演练总体流程，根据不同演练阶段的情景事件、参与角色及演练重点编写桌面演练脚本，将不同阶段的演练脚本进行拼接；
    获取尾矿库的当前测绘数据、三维实景模型和尾矿库失稳成灾全过程模拟数据，将获取的尾矿库的当前测绘数据、三维实景模型和尾矿库失稳 成灾全过程模拟数据输入到GIS平台进行展示。
  8. 根据权利要求1所述的基于物联网的尾矿库风险监测预警系统，其特征在于，风险趋势预测模块的工作方法包括：
    建立安全生产风险趋势分析模型，实时获取风险监测数据、评估数据、共享数据，整合并标记为输入数据，将输入数据输入到安全生产风险趋势分析模型中，获得分析结果。
PCT/CN2022/113452 2021-10-13 2022-08-19 基于物联网的尾矿库风险监测预警系统 WO2023061039A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202111192961.3 2021-10-13
CN202111192961.3A CN114118677A (zh) 2021-10-13 2021-10-13 基于物联网的尾矿库风险监测预警系统

Publications (1)

Publication Number Publication Date
WO2023061039A1 true WO2023061039A1 (zh) 2023-04-20

Family

ID=80375693

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2022/113452 WO2023061039A1 (zh) 2021-10-13 2022-08-19 基于物联网的尾矿库风险监测预警系统

Country Status (2)

Country Link
CN (1) CN114118677A (zh)
WO (1) WO2023061039A1 (zh)

Cited By (52)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113469509A (zh) * 2021-06-18 2021-10-01 北京科技大学 一种油气储运站场安全风险动态分析方法及四色图系统
CN116184926A (zh) * 2023-04-21 2023-05-30 山东力乐新材料有限公司 一种面向塑料中空板的全自动智能生产线流程检测系统
CN116305699A (zh) * 2023-05-11 2023-06-23 青岛研博数据信息技术有限公司 一种基于全方位感知的管道监督系统
CN116385690A (zh) * 2023-06-05 2023-07-04 四川云控交通科技有限责任公司 一种基于bim模型的三维运维管控平台及其管控方法
CN116400870A (zh) * 2023-06-08 2023-07-07 西安品盛互联网技术有限公司 一种基于物联网的现场施工在线管理系统
CN116562739A (zh) * 2023-07-12 2023-08-08 江苏泓鑫科技有限公司 液体化工码头作业流程规划与动态监控系统
CN116562656A (zh) * 2023-07-07 2023-08-08 中国铁道科学研究院集团有限公司铁道建筑研究所 隧道施工地质灾害预警与防控智能决策方法及辅助平台
CN116629580A (zh) * 2023-07-19 2023-08-22 成都秦川物联网科技股份有限公司 基于gis的智慧燃气安全隐患项管理方法和物联网系统
CN116642607A (zh) * 2023-05-31 2023-08-25 中电山河数字科技(南通)有限公司 一种可远程操控的物联网环境监测升降平台
CN116645008A (zh) * 2023-06-29 2023-08-25 广东大禹工程技术有限公司 一种远程消防安全智能监管方法、系统及装置
CN116643534A (zh) * 2023-06-02 2023-08-25 宣城市建林机械有限公司 一种基于孪生技术的数控机床动态监测系统
CN116681307A (zh) * 2023-06-15 2023-09-01 黑龙江省水利科学研究院 基于多端融合反馈的河道四乱监管追溯显示方法及系统
CN116681292A (zh) * 2023-08-04 2023-09-01 交通运输部水运科学研究所 基于深度学习的石化港区安全风险分析及责任划分方法
CN116708518A (zh) * 2023-08-08 2023-09-05 湖南壹加蓝信息技术有限公司 基于数据分析的车用尿素加注信息传输安全预警系统
CN116777714A (zh) * 2023-08-25 2023-09-19 苏州渤远弘电子有限公司 一种厂房静电接地监控系统
CN116805213A (zh) * 2023-08-24 2023-09-26 合肥帧讯软件有限公司 一种综合评估安全风险的预警方法及系统
CN116843086A (zh) * 2023-09-01 2023-10-03 安徽水安建设集团股份有限公司 基于数据分析的拦污进水闸砼结构施工监测系统
CN116884193A (zh) * 2023-08-03 2023-10-13 上海创芯致锐互联网络有限公司 一种基于多端感应融合的芯片工厂智慧生产监控警报系统
CN116878592A (zh) * 2023-09-08 2023-10-13 安徽水安建设集团股份有限公司 一种水利工程主坝迎水面护坡安全检测系统及检测方法
CN116880305A (zh) * 2023-07-31 2023-10-13 中泰亚信技术有限公司 一种机房环境预测式监测控制系统
CN116880249A (zh) * 2023-06-08 2023-10-13 淮北矿业(集团)有限责任公司物业分公司 安消一体化风险感知预警防控管理平台
CN116990847A (zh) * 2023-09-28 2023-11-03 湖南湘银河传感科技有限公司 基于边缘计算的北斗gnss接收机解算方法和系统
CN117036611A (zh) * 2023-08-15 2023-11-10 中国安全生产科学研究院 一种非矿山安全监测平台的三维场景构建方法及系统
CN117057606A (zh) * 2023-08-15 2023-11-14 广州地铁设计研究院股份有限公司 风险预测模型训练方法、风险预测方法及相关设备
CN117060594A (zh) * 2023-10-11 2023-11-14 宁波天仑电气股份有限公司 一种基于物联网的配电运行监测系统
CN117057601A (zh) * 2023-08-02 2023-11-14 中国安全生产科学研究院 基于物联网的非煤矿山安全监测预警系统
CN117078022A (zh) * 2023-10-16 2023-11-17 中钢集团武汉安全环保研究院有限公司 基于多源数据融合的钢铁厂区人员风险预警系统及方法
CN117092973A (zh) * 2023-09-05 2023-11-21 上电智联科技(江苏)有限公司 基于工业物联网的设备运行异常的监测维护方法及系统
CN117114206A (zh) * 2023-10-23 2023-11-24 北京联创高科信息技术有限公司 一种煤矿水害指标数据趋势的计算方法
CN117119175A (zh) * 2023-10-23 2023-11-24 常州海图信息科技股份有限公司 一种煤矿井下风门ai视频安全管理控制系统
CN117132087A (zh) * 2023-10-25 2023-11-28 成都大成均图科技有限公司 一种基于历史数据的资源调配方法及装置
CN117151309A (zh) * 2023-10-30 2023-12-01 矿冶科技集团有限公司 尾矿库调洪库容预测方法、装置、电子设备及介质
CN117172542A (zh) * 2023-09-05 2023-12-05 广州机施建设集团有限公司 一种基于大数据的施工现场巡查管理系统
CN117239938A (zh) * 2023-11-13 2023-12-15 国网浙江省电力有限公司杭州供电公司 一种配电站的巡检控制方法、装置、系统、设备及介质
CN117268455A (zh) * 2023-11-22 2023-12-22 河北建设集团股份有限公司 一种工程建筑施工质量检测设备的监测系统
CN117291316A (zh) * 2023-11-24 2023-12-26 山东朝辉自动化科技有限责任公司 基于激光扫描仪的卸船机用船舱定位系统
CN117314175A (zh) * 2023-11-28 2023-12-29 合肥优尔电子科技有限公司 一种基于恶劣天气下的电网系统地质风险监测评估方法
CN117340495A (zh) * 2023-12-05 2024-01-05 山东力乐包装股份有限公司 一种基于人工智能的设备质量控制系统
CN117395590A (zh) * 2023-12-11 2024-01-12 常州新思达智能科技有限公司 一种电机动铁芯自动化装配系统
CN117404072A (zh) * 2023-12-15 2024-01-16 山东新云鹏电气有限公司 一种基于人工智能的钻场管理系统
CN117411383A (zh) * 2023-12-15 2024-01-16 华夏天信智能物联股份有限公司 集成式矿用变频调速设备控制方法、装置及电子设备
CN117422581A (zh) * 2023-11-01 2024-01-19 中国地质科学院矿产资源研究所 一种矿产资源安全监测预警方法、系统、设备及介质
CN117455246A (zh) * 2023-12-25 2024-01-26 江苏濠汉信息技术有限公司 基于边缘计算的电气火灾风险动态预警方法及系统
CN117543838A (zh) * 2024-01-09 2024-02-09 北京航天常兴科技发展股份有限公司 一种基于煤矿供电的安全监控系统
CN117575875A (zh) * 2024-01-16 2024-02-20 南昌菱形信息技术有限公司 一种应急演练管理及评估分析系统
CN117592790A (zh) * 2024-01-19 2024-02-23 全民认证科技（杭州）有限公司 一种区域告警方法及系统
CN117689372A (zh) * 2024-01-31 2024-03-12 西电济南变压器股份有限公司 一种适用于变压器的运行状态分析系统及方法
CN117726475A (zh) * 2024-02-05 2024-03-19 煤炭科学研究总院有限公司 尾矿溃坝监控方法、装置、电子设备及存储介质
CN117737815A (zh) * 2024-02-21 2024-03-22 山东裕能电力器材有限公司 一种适用于电镀槽除杂装置的运行质量智能预警系统
CN117827597A (zh) * 2024-03-05 2024-04-05 天时地理(深圳)智能科技有限公司 一种基于人工智能的数字医疗设备运行监控系统
CN117827990A (zh) * 2024-03-04 2024-04-05 山东齐鸿工程建设有限公司 一种适用于水利工程的数据处理方法及系统
CN117543838B (zh) * 2024-01-09 2024-05-03 鄂尔多斯市昊华精煤有限责任公司 一种基于煤矿供电的安全监控系统

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114118677A (zh) * 2021-10-13 2022-03-01 中通服和信科技有限公司 基于物联网的尾矿库风险监测预警系统
CN114781120B (zh) * 2022-03-17 2024-03-12 福建省冶金工业设计院有限公司 一种基于尾矿库在线监测数据的智能分析方法、系统以及存储介质
CN114626615B (zh) * 2022-03-21 2023-02-03 江苏仪化信息技术有限公司 一种生产过程监控管理方法及系统
CN115035256B (zh) * 2022-05-06 2023-01-06 中国安全生产科学研究院 一种尾矿库事故隐患及风险演化方法及系统
CN114966897A (zh) * 2022-05-30 2022-08-30 郑州丰嘉科技有限公司 一种文物安全分析预警系统
CN115099677B (zh) * 2022-07-14 2023-04-07 中国安全生产科学研究院 尾矿库安全生产风险分级预警方法
CN115115289B (zh) * 2022-08-29 2022-11-11 合肥市满好科技有限公司 一种基于xr技术的交互监控管理系统
CN115390498B (zh) * 2022-09-22 2024-01-02 淮北市众泰机电工程有限公司 一种尾矿排放量在线智能监控预警系统
CN116109137A (zh) * 2023-01-09 2023-05-12 浙江省测绘科学技术研究院 一种基于多种实时监测数据的尾矿库安全风险评估分析系统和方法
CN116579601B (zh) * 2023-03-27 2024-03-05 中国安全生产科学研究院 矿山安全生产风险监测预警系统及方法
CN116843177A (zh) * 2023-06-05 2023-10-03 山东弈铭信息科技有限公司 一种基于数据集的状态分析方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120150783A1 (en) * 2010-12-09 2012-06-14 Jung Sungeun Disaster Analysis and Decision System
CN102509433A (zh) * 2011-10-31 2012-06-20 中国瑞林工程技术有限公司 一种尾矿库数值仿真和在线监测集成应急预警系统
CN104281920A (zh) * 2014-09-29 2015-01-14 中南大学 尾矿库分层指标安全评估和预警方法与系统
CN104852992A (zh) * 2015-06-09 2015-08-19 湖北天盾电子技术有限公司 一种基于多通信网络与传感设备的安全应急在线智能系统
CN106990128A (zh) * 2017-04-05 2017-07-28 北京矿冶研究总院 区域尾矿库环境风险评估中斑块影像和污染特征耦合方法
CN112627899A (zh) * 2020-12-31 2021-04-09 兰州资源环境职业技术学院 一种矿山安全动态监测管理系统
CN114118677A (zh) * 2021-10-13 2022-03-01 中通服和信科技有限公司 基于物联网的尾矿库风险监测预警系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120150783A1 (en) * 2010-12-09 2012-06-14 Jung Sungeun Disaster Analysis and Decision System
CN102509433A (zh) * 2011-10-31 2012-06-20 中国瑞林工程技术有限公司 一种尾矿库数值仿真和在线监测集成应急预警系统
CN104281920A (zh) * 2014-09-29 2015-01-14 中南大学 尾矿库分层指标安全评估和预警方法与系统
CN104852992A (zh) * 2015-06-09 2015-08-19 湖北天盾电子技术有限公司 一种基于多通信网络与传感设备的安全应急在线智能系统
CN106990128A (zh) * 2017-04-05 2017-07-28 北京矿冶研究总院 区域尾矿库环境风险评估中斑块影像和污染特征耦合方法
CN112627899A (zh) * 2020-12-31 2021-04-09 兰州资源环境职业技术学院 一种矿山安全动态监测管理系统
CN114118677A (zh) * 2021-10-13 2022-03-01 中通服和信科技有限公司 基于物联网的尾矿库风险监测预警系统

Cited By (92)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113469509A (zh) * 2021-06-18 2021-10-01 北京科技大学 一种油气储运站场安全风险动态分析方法及四色图系统
CN116184926A (zh) * 2023-04-21 2023-05-30 山东力乐新材料有限公司 一种面向塑料中空板的全自动智能生产线流程检测系统
CN116305699A (zh) * 2023-05-11 2023-06-23 青岛研博数据信息技术有限公司 一种基于全方位感知的管道监督系统
CN116305699B (zh) * 2023-05-11 2023-08-18 青岛研博数据信息技术有限公司 一种基于全方位感知的管道监督系统
CN116642607A (zh) * 2023-05-31 2023-08-25 中电山河数字科技(南通)有限公司 一种可远程操控的物联网环境监测升降平台
CN116642607B (zh) * 2023-05-31 2023-10-27 中电山河数字科技(南通)有限公司 一种可远程操控的物联网环境监测升降平台
CN116643534B (zh) * 2023-06-02 2023-11-24 宣城市建林机械有限公司 一种基于孪生技术的数控机床动态监测系统
CN116643534A (zh) * 2023-06-02 2023-08-25 宣城市建林机械有限公司 一种基于孪生技术的数控机床动态监测系统
CN116385690A (zh) * 2023-06-05 2023-07-04 四川云控交通科技有限责任公司 一种基于bim模型的三维运维管控平台及其管控方法
CN116385690B (zh) * 2023-06-05 2023-09-26 四川云控交通科技有限责任公司 一种基于bim模型的三维运维管控平台及其管控方法
CN116400870A (zh) * 2023-06-08 2023-07-07 西安品盛互联网技术有限公司 一种基于物联网的现场施工在线管理系统
CN116880249B (zh) * 2023-06-08 2024-04-02 淮北矿业(集团)有限责任公司物业分公司 安消一体化风险感知预警防控管理平台
CN116400870B (zh) * 2023-06-08 2023-08-18 西安品盛互联网技术有限公司 一种基于物联网的现场施工在线管理系统
CN116880249A (zh) * 2023-06-08 2023-10-13 淮北矿业(集团)有限责任公司物业分公司 安消一体化风险感知预警防控管理平台
CN116681307A (zh) * 2023-06-15 2023-09-01 黑龙江省水利科学研究院 基于多端融合反馈的河道四乱监管追溯显示方法及系统
CN116681307B (zh) * 2023-06-15 2023-11-14 黑龙江省水利科学研究院 基于多端融合反馈的河道四乱监管追溯显示方法及系统
CN116645008A (zh) * 2023-06-29 2023-08-25 广东大禹工程技术有限公司 一种远程消防安全智能监管方法、系统及装置
CN116645008B (zh) * 2023-06-29 2023-12-01 广东大禹工程技术有限公司 一种远程消防安全智能监管方法、系统及装置
CN116562656B (zh) * 2023-07-07 2023-11-03 中国铁道科学研究院集团有限公司铁道建筑研究所 隧道施工地质灾害预警与防控智能决策方法及辅助平台
CN116562656A (zh) * 2023-07-07 2023-08-08 中国铁道科学研究院集团有限公司铁道建筑研究所 隧道施工地质灾害预警与防控智能决策方法及辅助平台
CN116562739B (zh) * 2023-07-12 2023-09-22 江苏泓鑫科技有限公司 液体化工码头作业流程规划与动态监控系统
CN116562739A (zh) * 2023-07-12 2023-08-08 江苏泓鑫科技有限公司 液体化工码头作业流程规划与动态监控系统
CN116629580A (zh) * 2023-07-19 2023-08-22 成都秦川物联网科技股份有限公司 基于gis的智慧燃气安全隐患项管理方法和物联网系统
CN116629580B (zh) * 2023-07-19 2023-10-13 成都秦川物联网科技股份有限公司 基于gis的智慧燃气安全隐患项管理方法和物联网系统
CN116880305B (zh) * 2023-07-31 2024-02-02 中泰亚信技术有限公司 一种机房环境预测式监测控制系统
CN116880305A (zh) * 2023-07-31 2023-10-13 中泰亚信技术有限公司 一种机房环境预测式监测控制系统
CN117057601A (zh) * 2023-08-02 2023-11-14 中国安全生产科学研究院 基于物联网的非煤矿山安全监测预警系统
CN117057601B (zh) * 2023-08-02 2024-01-30 中国安全生产科学研究院 基于物联网的非煤矿山安全监测预警系统
CN116884193B (zh) * 2023-08-03 2024-02-06 上海创芯致锐互联网络有限公司 一种基于多端感应融合的芯片工厂智慧生产监控警报系统
CN116884193A (zh) * 2023-08-03 2023-10-13 上海创芯致锐互联网络有限公司 一种基于多端感应融合的芯片工厂智慧生产监控警报系统
CN116681292B (zh) * 2023-08-04 2024-04-09 交通运输部水运科学研究所 基于深度学习的石化港区安全风险分析及责任划分方法
CN116681292A (zh) * 2023-08-04 2023-09-01 交通运输部水运科学研究所 基于深度学习的石化港区安全风险分析及责任划分方法
CN116708518B (zh) * 2023-08-08 2023-09-29 湖南壹加蓝信息技术有限公司 基于数据分析的车用尿素加注信息传输安全预警系统
CN116708518A (zh) * 2023-08-08 2023-09-05 湖南壹加蓝信息技术有限公司 基于数据分析的车用尿素加注信息传输安全预警系统
CN117036611B (zh) * 2023-08-15 2024-01-30 中国安全生产科学研究院 一种非矿山安全监测平台的三维场景构建方法及系统
CN117036611A (zh) * 2023-08-15 2023-11-10 中国安全生产科学研究院 一种非矿山安全监测平台的三维场景构建方法及系统
CN117057606A (zh) * 2023-08-15 2023-11-14 广州地铁设计研究院股份有限公司 风险预测模型训练方法、风险预测方法及相关设备
CN116805213A (zh) * 2023-08-24 2023-09-26 合肥帧讯软件有限公司 一种综合评估安全风险的预警方法及系统
CN116805213B (zh) * 2023-08-24 2023-12-26 合肥帧讯软件有限公司 一种综合评估安全风险的预警方法及系统
CN116777714B (zh) * 2023-08-25 2023-11-14 苏州渤远弘电子有限公司 一种厂房静电接地监控系统
CN116777714A (zh) * 2023-08-25 2023-09-19 苏州渤远弘电子有限公司 一种厂房静电接地监控系统
CN116843086A (zh) * 2023-09-01 2023-10-03 安徽水安建设集团股份有限公司 基于数据分析的拦污进水闸砼结构施工监测系统
CN116843086B (zh) * 2023-09-01 2024-01-30 安徽水安建设集团股份有限公司 基于数据分析的拦污进水闸砼结构施工监测系统
CN117172542A (zh) * 2023-09-05 2023-12-05 广州机施建设集团有限公司 一种基于大数据的施工现场巡查管理系统
CN117092973B (zh) * 2023-09-05 2024-03-29 上电智联科技(江苏)有限公司 基于工业物联网的设备运行异常的监测维护方法及系统
CN117092973A (zh) * 2023-09-05 2023-11-21 上电智联科技(江苏)有限公司 基于工业物联网的设备运行异常的监测维护方法及系统
CN117172542B (zh) * 2023-09-05 2024-02-20 广州机施建设集团有限公司 一种基于大数据的施工现场巡查管理系统
CN116878592A (zh) * 2023-09-08 2023-10-13 安徽水安建设集团股份有限公司 一种水利工程主坝迎水面护坡安全检测系统及检测方法
CN116878592B (zh) * 2023-09-08 2024-02-27 安徽水安建设集团股份有限公司 一种水利工程主坝迎水面护坡安全检测系统及检测方法
CN116990847B (zh) * 2023-09-28 2023-12-15 湖南湘银河传感科技有限公司 基于边缘计算的北斗gnss接收机解算方法和系统
CN116990847A (zh) * 2023-09-28 2023-11-03 湖南湘银河传感科技有限公司 基于边缘计算的北斗gnss接收机解算方法和系统
CN117060594A (zh) * 2023-10-11 2023-11-14 宁波天仑电气股份有限公司 一种基于物联网的配电运行监测系统
CN117060594B (zh) * 2023-10-11 2024-01-26 宁波天仑电气股份有限公司 一种基于物联网的配电运行监测系统
CN117078022B (zh) * 2023-10-16 2024-02-23 中钢集团武汉安全环保研究院有限公司 基于多源数据融合的钢铁厂区人员风险预警系统及方法
CN117078022A (zh) * 2023-10-16 2023-11-17 中钢集团武汉安全环保研究院有限公司 基于多源数据融合的钢铁厂区人员风险预警系统及方法
CN117119175A (zh) * 2023-10-23 2023-11-24 常州海图信息科技股份有限公司 一种煤矿井下风门ai视频安全管理控制系统
CN117114206A (zh) * 2023-10-23 2023-11-24 北京联创高科信息技术有限公司 一种煤矿水害指标数据趋势的计算方法
CN117119175B (zh) * 2023-10-23 2024-01-23 常州海图信息科技股份有限公司 一种煤矿井下风门ai视频安全管理控制系统
CN117114206B (zh) * 2023-10-23 2024-01-26 北京联创高科信息技术有限公司 一种煤矿水害指标数据趋势的计算方法
CN117132087B (zh) * 2023-10-25 2024-02-06 成都大成均图科技有限公司 一种基于历史数据的资源调配方法及装置
CN117132087A (zh) * 2023-10-25 2023-11-28 成都大成均图科技有限公司 一种基于历史数据的资源调配方法及装置
CN117151309B (zh) * 2023-10-30 2024-01-19 矿冶科技集团有限公司 尾矿库调洪库容预测方法、装置、电子设备及介质
CN117151309A (zh) * 2023-10-30 2023-12-01 矿冶科技集团有限公司 尾矿库调洪库容预测方法、装置、电子设备及介质
CN117422581A (zh) * 2023-11-01 2024-01-19 中国地质科学院矿产资源研究所 一种矿产资源安全监测预警方法、系统、设备及介质
CN117239938B (zh) * 2023-11-13 2024-02-23 国网浙江省电力有限公司杭州供电公司 一种配电站的巡检控制方法、装置、系统、设备及介质
CN117239938A (zh) * 2023-11-13 2023-12-15 国网浙江省电力有限公司杭州供电公司 一种配电站的巡检控制方法、装置、系统、设备及介质
CN117268455B (zh) * 2023-11-22 2024-01-26 河北建设集团股份有限公司 一种工程建筑施工质量检测设备的监测系统
CN117268455A (zh) * 2023-11-22 2023-12-22 河北建设集团股份有限公司 一种工程建筑施工质量检测设备的监测系统
CN117291316A (zh) * 2023-11-24 2023-12-26 山东朝辉自动化科技有限责任公司 基于激光扫描仪的卸船机用船舱定位系统
CN117291316B (zh) * 2023-11-24 2024-02-02 山东朝辉自动化科技有限责任公司 基于激光扫描仪的卸船机用船舱定位系统
CN117314175A (zh) * 2023-11-28 2023-12-29 合肥优尔电子科技有限公司 一种基于恶劣天气下的电网系统地质风险监测评估方法
CN117314175B (zh) * 2023-11-28 2024-02-23 合肥优尔电子科技有限公司 一种基于恶劣天气下的电网系统地质风险监测评估方法
CN117340495A (zh) * 2023-12-05 2024-01-05 山东力乐包装股份有限公司 一种基于人工智能的设备质量控制系统
CN117395590A (zh) * 2023-12-11 2024-01-12 常州新思达智能科技有限公司 一种电机动铁芯自动化装配系统
CN117395590B (zh) * 2023-12-11 2024-02-27 常州新思达智能科技有限公司 一种电机动铁芯自动化装配系统
CN117404072B (zh) * 2023-12-15 2024-02-23 山东新云鹏电气有限公司 一种基于人工智能的钻场管理系统
CN117411383A (zh) * 2023-12-15 2024-01-16 华夏天信智能物联股份有限公司 集成式矿用变频调速设备控制方法、装置及电子设备
CN117404072A (zh) * 2023-12-15 2024-01-16 山东新云鹏电气有限公司 一种基于人工智能的钻场管理系统
CN117411383B (zh) * 2023-12-15 2024-02-20 华夏天信智能物联股份有限公司 集成式矿用变频调速设备控制方法、装置及电子设备
CN117455246B (zh) * 2023-12-25 2024-04-12 江苏濠汉信息技术有限公司 基于边缘计算的电气火灾风险动态预警方法及系统
CN117455246A (zh) * 2023-12-25 2024-01-26 江苏濠汉信息技术有限公司 基于边缘计算的电气火灾风险动态预警方法及系统
CN117543838A (zh) * 2024-01-09 2024-02-09 北京航天常兴科技发展股份有限公司 一种基于煤矿供电的安全监控系统
CN117543838B (zh) * 2024-01-09 2024-05-03 鄂尔多斯市昊华精煤有限责任公司 一种基于煤矿供电的安全监控系统
CN117575875A (zh) * 2024-01-16 2024-02-20 南昌菱形信息技术有限公司 一种应急演练管理及评估分析系统
CN117575875B (zh) * 2024-01-16 2024-04-05 南昌菱形信息技术有限公司 一种应急演练管理及评估分析系统
CN117592790B (zh) * 2024-01-19 2024-04-09 全民认证科技（杭州）有限公司 一种区域告警方法及系统
CN117592790A (zh) * 2024-01-19 2024-02-23 全民认证科技（杭州）有限公司 一种区域告警方法及系统
CN117689372A (zh) * 2024-01-31 2024-03-12 西电济南变压器股份有限公司 一种适用于变压器的运行状态分析系统及方法
CN117726475A (zh) * 2024-02-05 2024-03-19 煤炭科学研究总院有限公司 尾矿溃坝监控方法、装置、电子设备及存储介质
CN117737815A (zh) * 2024-02-21 2024-03-22 山东裕能电力器材有限公司 一种适用于电镀槽除杂装置的运行质量智能预警系统
CN117827990A (zh) * 2024-03-04 2024-04-05 山东齐鸿工程建设有限公司 一种适用于水利工程的数据处理方法及系统
CN117827597A (zh) * 2024-03-05 2024-04-05 天时地理(深圳)智能科技有限公司 一种基于人工智能的数字医疗设备运行监控系统

Also Published As

Publication number Publication date
CN114118677A (zh) 2022-03-01

Similar Documents

Publication Publication Date Title
WO2023061039A1 (zh) 基于物联网的尾矿库风险监测预警系统
CN111694916B (zh) 浆砌石拱坝自动化监测系统
RU2680652C2 (ru) Способ комплексного мониторинга природной среды
Lirer et al. Hazard and risk assessment in a complex multi-source volcanic area: the example of the Campania Region, Italy
Del Negro et al. Living at the edge of an active volcano: Risk from lava flows on Mt. Etna
Liang et al. Early warning and real-time control of construction safety risk of underground engineering based on building information modeling and internet of things
CN113327022B (zh) 一种防雷安全风险管理系统及方法
US10915829B1 (en) Data model update for structural-damage predictor after an earthquake
WO2019235415A1 (ja) 災害状況判定システムおよび災害判定飛行システム
US11004001B1 (en) Analysis of structural-damage predictions caused by an earthquake to identify areas with high damage levels
Cao et al. BIM–GIS integrated utilization in urban disaster management: The contributions, challenges, and future directions
CN115965246B (zh) 一种岩溶塌陷灾害的预警分析方法
CN114048944A (zh) 一种暴雨诱发地质灾害下应撤离人口及损毁房屋的预估方法
CN115841014A (zh) 森林火灾现场处置危险性评估方法
CN107527162B (zh) 一种房屋安全鉴定系统及其使用方法
KR102350252B1 (ko) 맵 라이브러리 데이터셋 구축 및 활용방법
Crawford et al. Rapid disaster data dissemination and vulnerability assessment through synthesis of a web-based extreme event viewer and deep learning
CN117152919A (zh) 一种基于多源异构综合数据库的气象灾害预警系统
CN113128803A (zh) 油气管道风险确定方法、装置及计算机设备
Liu et al. A BIM-based safety management framework for operation and maintenance in water diversion projects
CN116050837A (zh) 一种面向尾矿库多元灾害的综合监测预警和安全评估方案
CN115641237A (zh) 一种区域消防风险评估方法
Wang et al. UAV application for typhoon damage assessment in construction sites
Yang et al. An integrated space-air-ground monitoring and early warning system of landslide disaster
Zhou et al. Developing a cloud evidence method for dynamic early warning of tunnel construction safety risk in undersea environment

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22879986

Country of ref document: EP

Kind code of ref document: A1