CN115600747A - 一种基于物联网的隧道状态监测管理方法及*** - Google Patents
一种基于物联网的隧道状态监测管理方法及*** Download PDFInfo
- Publication number
- CN115600747A CN115600747A CN202211303061.6A CN202211303061A CN115600747A CN 115600747 A CN115600747 A CN 115600747A CN 202211303061 A CN202211303061 A CN 202211303061A CN 115600747 A CN115600747 A CN 115600747A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- state prediction
- tunnel state
- target
- adjacent
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 78
- 238000007726 management method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000012795 verification Methods 0.000 claims description 19
- 238000010276 construction Methods 0.000 claims description 17
- 238000006073 displacement reaction Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/80—Homes; Buildings
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Computing Systems (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Accounting & Taxation (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明提供了一种基于物联网的隧道状态监测管理方法及***,应用于数据监测管理技术领域,该方法包括:通过对待监测隧道进行划分,获得多个隧道区段,获得多个传感器集合。分别构建获得用于预测多个隧道区段隧道状态的多个隧道状态预测模型。采集待监测隧道的指标参数,获得目标指标参数集合,获得多个邻近指标参数集合。构建邻近隧道状态预测模型。将指标参数集合输入目标隧道状态预测模型,获得第一隧道状态预测结果,将邻近指标参数集合输入若干个邻近隧道状态预测模型内,获得多个邻近隧道状态预测结果,结合第一隧道状态预测结果,获得最终隧道状态预测结果。解决了现有技术中隧道状态监测方法存在滞后性高,监测准确性低的技术问题。
Description
技术领域
本发明涉及数据监测管理技术领域,具体涉及一种基于物联网的隧道状态监测管理方法及***。
背景技术
物联网是通过各类传感器,实时采集传感器数据,进而实现被采集物体智能化感知的过程,物联网常被应用于各类监测***中,实现人和物的互联互通。在现有技术中,对于隧道内的状态检测,多通过人工值守的方式进行隧道状态评估,该方法存在一定的滞后性,且对于隧道状态监测的准确性较低。
因此,在现有技术中隧道状态监测方法存在滞后性高,监测准确性低的技术问题。
发明内容
本申请提供一种基于物联网的隧道状态监测管理方法及***,用于针对解决现有技术中隧道状态监测方法存在滞后性高,监测准确性低的技术问题。
鉴于上述问题,本申请提供了一种基于物联网的隧道状态监测管理方法及***。
本申请的第一个方面,提供了一种基于物联网的隧道状态监测管理方法,所述方法包括:对待监测隧道进行划分,获得多个隧道区段;基于物联网和多个隧道参数指标,在所述多个隧道区段内分别设置多个种类的传感器,获得多个传感器集合;根据所述多个隧道区段,分别构建获得用于预测所述多个隧道区段隧道状态的多个隧道状态预测模型;基于所述多个传感器集合,采集待监测隧道区段当前所述多个隧道参数指标的指标参数,获得目标指标参数集合,以及采集所述待监测隧道区段附近若干个隧道区段当前所述多个隧道参数指标的指标参数,获得多个邻近指标参数集合;根据所述待监测隧道区段和附近若干个隧道区段,构建邻近隧道状态预测模型;根据所述多个传感器集合传输数据的准确性,对所述目标指标参数集合和多个邻近指标参数集合进行校正,获得校正目标指标参数集合和多个校正邻近指标参数集合;将所述校正目标指标参数集合输入所述待监测隧道区段对应的目标隧道状态预测模型,获得第一隧道状态预测结果,将所述多个校正邻近指标参数集合输入所述若干个隧道区段对应的若干个邻近隧道状态预测模型内,获得多个邻近隧道状态预测结果;根据所述多个邻近隧道状态预测结果,获得第二隧道状态预测结果,结合所述第一隧道状态预测结果,获得最终隧道状态预测结果。
本申请的第二个方面,提供了一种基于物联网的隧道状态监测管理***,所述***包括:隧道区段获取模块,用于对待监测隧道进行划分,获得多个隧道区段;传感器集合获取模块,用于基于物联网和多个隧道参数指标,在所述多个隧道区段内分别设置多个种类的传感器,获得多个传感器集合;隧道状态预测模型获取模块,用于根据所述多个隧道区段,分别构建获得用于预测所述多个隧道区段隧道状态的多个隧道状态预测模型;邻近指标参数集合获取模块,用于基于所述多个传感器集合,采集待监测隧道区段当前所述多个隧道参数指标的指标参数,获得目标指标参数集合,以及采集所述待监测隧道区段附近若干个隧道区段当前所述多个隧道参数指标的指标参数,获得多个邻近指标参数集合;邻近隧道状态预测模型获取模块,用于根据所述待监测隧道区段和附近若干个隧道区段,构建邻近隧道状态预测模型;参数校正模块,用于根据所述多个传感器集合传输数据的准确性,对所述目标指标参数集合和多个邻近指标参数集合进行校正,获得校正目标指标参数集合和多个校正邻近指标参数集合;隧道区段预测结果获取模块,用于将所述校正目标指标参数集合输入所述待监测隧道区段对应的目标隧道状态预测模型,获得第一隧道状态预测结果,将所述多个校正邻近指标参数集合输入所述若干个隧道区段对应的若干个邻近隧道状态预测模型内,获得多个邻近隧道状态预测结果;最终预测结果获取模块,用于根据所述多个邻近隧道状态预测结果,获得第二隧道状态预测结果,结合所述第一隧道状态预测结果,获得最终隧道状态预测结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的方法通过对待监测隧道进行划分,获得多个隧道区段,获得多个传感器集合。分别构建获得用于预测多个隧道区段隧道状态的多个隧道状态预测模型。基于多个传感器集合,采集待监测隧道区段当前多个隧道参数指标的指标参数,获得目标指标参数集合,以及采集待监测隧道区段附近若干个隧道区段当前多个隧道参数指标的指标参数,获得多个邻近指标参数集合。根据待监测隧道区段和附近若干个隧道区段,构建邻近隧道状态预测模型。根据多个传感器集合传输数据的准确性,对目标指标参数集合和多个邻近指标参数集合进行校正,获得校正目标指标参数集合和多个校正邻近指标参数集合。将校正目标指标参数集合输入待监测隧道区段对应的目标隧道状态预测模型,获得第一隧道状态预测结果,将多个校正邻近指标参数集合输入若干个隧道区段对应的若干个邻近隧道状态预测模型内,获得多个邻近隧道状态预测结果。根据多个邻近隧道状态预测结果,获得第二隧道状态预测结果,结合第一隧道状态预测结果,获得最终隧道状态预测结果。通过实时对隧道预制管内传感器产生的信息进行获取并分析,及时对隧道状态进行评估,进而实现对隧道状态的精准预测。解决了现有技术中隧道状态监测方法存在滞后性高,监测准确性低的技术问题。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请提供的一种基于物联网的隧道状态监测管理方法流程示意图;
图2为本申请提供的一种基于物联网的隧道状态监测管理方法中获取多个隧道状态预测模型的流程示意图;
图3为本申请提供的一种基于物联网的隧道状态监测管理方法中获取邻近隧道状态预测模型的流程示意图;
图4为本申请提供了一种基于物联网的隧道状态监测管理***结构示意图。
附图标记说明:隧道区段获取模块11,传感器集合获取模块12,隧道状态预测模型获取模块13,邻近指标参数集合获取模块14,邻近隧道状态预测模型获取模块15,参数校正模块16,隧道区段预测结果获取模块17,最终预测结果获取模块18。
具体实施方式
本申请提供一种基于物联网的隧道状态监测管理方法及***,用于针对解决现有技术中隧道状态监测方法存在滞后性高,监测准确性低的技术问题。
下面将参考附图对本申请中的技术方案进行清楚、完整地描述。所描述的实施内容例仅为本申请所能实现的部分内容,而不是本申请的全部内容。
实施例一
如图1所示,本申请提供了一种基于物联网的隧道状态监测管理方法,所述方法包括:
步骤100:对待监测隧道进行划分,获得多个隧道区段;
步骤200:基于物联网和多个隧道参数指标,在所述多个隧道区段内分别设置多个种类的传感器,获得多个传感器集合;
步骤300:根据所述多个隧道区段,分别构建获得用于预测所述多个隧道区段隧道状态的多个隧道状态预测模型;
具体的,对待监测隧道进行划分,将待监测隧道划分为多个区段,得到多个隧道区段。随后,基于物联网和多个隧道参数指标,在多个隧道预制管区段内分别设置多个类别的传感器,获取多个传感器集合。其中传感器设置根据对应的隧道参数指标进行设置,如检测地面压力参数采用压力传感器等。隧道参数指标根据隧道日常维护需要进行监测的参数指标进行获取。进一步,根据多个隧道区段,分别构建用于预测多个隧道区段隧道状态的多个隧道状态预测模型,在多个隧道状态预测模型中每一个隧道状态预测模型对应一个隧道区段的状态预测。
本申请实施例提供的方法步骤200还包括:
步骤210:获得压力参数指标、位移参数指标和倾角参数指标;
步骤220:基于物联网,在所述多个隧道区段内分别设置压力参数监测传感器、位移参数监测传感器和倾角参数监测传感器,获得所述多个传感器集合。
具体的,获取压力参数指标、位移参数指标和倾角参数指标。基于物联网,在所述多个隧道区段内分别设置压力参数监测传感器、位移参数监测传感器和倾角参数监测传感器,其中压力参数监测传感器用于测量隧道上部、底部、左边缘、右边缘受到的压力、位移参数监测传感器用于测量隧道上端和左边缘、右边缘产生的位移信息、倾角参数隧道预制管水平方向上产生的倾角参数,获得所述多个传感器集合。
如图2所示,本申请实施例提供的方法步骤300还包括:
步骤310:获取所述待监测隧道区段内的多个样本目标指标参数集合;
步骤320:基于所述多个样本目标指标参数集合,进行隧道状态评估,获得多个样本隧道状态监测结果;
步骤330:基于所述多个样本目标指标参数集合和所述多个样本隧道状态监测结果,构建所述待监测隧道区段对应的目标隧道状态预测模型;
步骤340:继续构建其他多个隧道区段内的隧道状态预测模型,获得所述多个隧道状态预测模型。
具体的,获取待监测隧道区段内的多个样本目标指标参数集合,其中样本目标指标参数集合为隧道监测样本的具体监测数据。基于多个样本目标指标参数集合,进行隧道状态评估,通过专业人员对隧道样本目标指标参数集合进行隧道状态评估,获取样本隧道目标指标参数集合对应的隧道状态,获得多个样本隧道状态监测结果,压力参数监测获取隧道预制管各边缘受到的压力是否异常、位移参数监测传感器用于获取隧道预制管上下左右产生的位移信息、倾角参数用于获取隧道预制管的倾角参数,专业人员通过对上述参数进行判断对隧道状态进行评估。随后,基于多个样本目标指标参数集合和所述多个样本隧道状态监测结果,构建所述待监测隧道区段对应的目标隧道状态预测模型,目标隧道状态预测模型用于根据监测数据实现对隧道状态的预测。继续构建其他多个隧道区段内的隧道状态预测模型,获得所述多个隧道状态预测模型,每个隧道状态预测模型对应一个隧道区段。
本申请实施例提供的方法步骤330还包括:
步骤331:对所述多个样本目标指标参数集合和所述多个样本隧道状态监测结果进行数据标识,获得目标构建数据集;
步骤332:基于BP神经网络,构建所述目标隧道状态预测模型的网络结构;
步骤333:采用所述目标构建数据集对所述目标隧道状态预测模型进行迭代监督训练和验证,直到所述目标隧道状态预测模型的准确率符合预设要求,获得构建完成的所述目标隧道状态预测模型。
具体的,对多个样本目标指标参数集合和所述多个样本隧道状态监测结果进行数据标识,标识其中每一组数据的顺序序号已经数据对应的隧道区段,便于后续进行验证数据的随机提取,获取目标构建数据集,通过BP神经网络模型,构建目标隧道状态预测模型的网络结构。将目标构建数据集作为输入数据对未经训练的BP数据网络模型进行模型迭代监督训练,并进行模型验证,其中验证数据为目标构建数据集中随机选取的部分数据作为验证数据,通过验证数据完成迭代监督训练的模型的验证。直到目标隧道状态预测模型的准确率符合预设要求,获得构建完成的所述目标隧道状态预测模型。
步骤400:基于所述多个传感器集合,采集待监测隧道区段当前所述多个隧道参数指标的指标参数,获得目标指标参数集合,以及采集所述待监测隧道区段附近若干个隧道区段当前所述多个隧道参数指标的指标参数,获得多个邻近指标参数集合;
步骤500:根据所述待监测隧道区段和附近若干个隧道区段,构建邻近隧道状态预测模型;
步骤600:根据所述多个传感器集合传输数据的准确性,对所述目标指标参数集合和多个邻近指标参数集合进行校正,获得校正目标指标参数集合和多个校正邻近指标参数集合;
步骤700:将所述校正目标指标参数集合输入所述待监测隧道区段对应的目标隧道状态预测模型,获得第一隧道状态预测结果,将所述多个校正邻近指标参数集合输入所述若干个隧道区段对应的若干个邻近隧道状态预测模型内,获得多个邻近隧道状态预测结果;
步骤800:根据所述多个邻近隧道状态预测结果,获得第二隧道状态预测结果,结合所述第一隧道状态预测结果,获得最终隧道状态预测结果
具体的,基于多个传感器集合,采集待监测隧道区段当前所述多个隧道参数指标的指标参数,获得目标指标参数集合,以及采集所述待监测隧道区段附近若干个隧道区段当前所述多个隧道参数指标的指标参数,获得多个邻近指标参数集合,即获取当前时间各个隧道区段传感器的监测参数。根据所述待监测隧道区段和附近若干个隧道区段,构建邻近隧道状态预测模型,通过邻近隧道状态预测模型实现对临近隧道区段的状态预测,即对待监测附近的临近隧道进行状态预测,由于临近隧道和待监测隧道距离较近因此,临近隧道的状态预测结果对于待监测隧道的状态预测具有一定的参考性。进一步,根据多个传感器集合传输数据的准确性,对目标指标参数集合和多个邻近指标参数集合进行校正,获得校正目标指标参数集合和多个校正邻近指标参数集合,保证获取指标参数的准确性。随后,将校正目标指标参数集合输入所述待监测隧道区段对应的目标隧道状态预测模型,获得第一隧道状态预测结果,将所述多个校正邻近指标参数集合输入所述若干个隧道区段对应的若干个邻近隧道状态预测模型内,获得多个邻近隧道状态预测结果,根据多个邻近隧道状态预测结果,获得第二隧道状态预测结果,并结合第一隧道状态预测结果,对上述结果进行叠加输出,获取最终隧道状态预测结果。通过实时对隧道预制管内传感器产生的信息进行获取并分析,及时对隧道状态进行评估,进而实现对隧道状态的精准预测。
如图3所示,本申请实施例提供的方法步骤500还包括:
步骤510:对所述待监测隧道区段附近若干个隧道区段进行隧道状态评估,获得多个样本隧道状态监测结果集合;
步骤520:对所述多个样本隧道状态监测结果集合和所述多个样本隧道状态监测结果进行数据标识,获得邻近构建数据集;
步骤530:基于BP神经网络,构建所述邻近隧道状态预测模型的网络结构;
步骤540:采用所述邻近构建数据集对所述邻近隧道状态预测模型进行迭代监督训练和验证,直到所述邻近隧道状态预测模型的准确率复核预设要求,获得构建完成的所述邻近隧道状态预测模型。
具体的,对待监测隧道区段的附近若干个隧道区段进行隧道状态评估,通过专业人员对隧道样本目标指标参数集合进行隧道状态评估,获取样本隧道目标指标参数集合对应的隧道状态,获取多个样本隧道状态监测结果集合。对所述多个样本隧道状态监测结果集合和所述多个样本隧道状态监测结果进行数据标识,标识其中每一组数据的顺序序号已经数据对应的隧道区段,便于后续进行验证数据的随机提取,获得邻近构建数据集。通过BP神经网络模型,构建邻近隧道状态预测模型的网络结构。将邻近构建数据集作为输入数据对未经训练的BP数据网络模型进行模型迭代监督训练,并进行模型验证,其中验证数据为邻近构建数据集中随机选取的部分数据作为验证数据,通过验证数据完成迭代监督训练的模型的验证。直到邻近隧道状态预测模型的准确率符合预设要求,获得构建完成的所述邻近隧道状态预测模型。
本申请实施例提供的方法步骤600还包括:
步骤610:基于所述待监测隧道区段内的目标传感器集合,多次采集所述待监测隧道区段内的指标参数,获得多个采集指标参数集合;
步骤620:基于所述多个隧道参数指标,对所述待监测隧道区段进行多次实际检测,获得多个实际指标参数集合;
步骤630:基于所述多个采集指标参数集合和所述多个实际指标参数集合,计算获得多个样本目标准确性参数;
步骤640:根据所述多个样本目标准确性参数,计算获得目标准确性参数;
步骤650:继续获得所述附近若干个隧道区段内传感器集合的多个邻近准确性参数;
步骤660:分别采用所述目标准确性参数和所述多个邻近准确性参数对所述目标指标参数集合和多个邻近指标参数集合进行校正,获得所述校正目标指标参数集合和多个校正邻近指标参数集合。
具体的,基于待监测隧道区段内的目标传感器集合,多次采集所述待监测隧道区段内的指标参数,获得多个采集指标参数集合。基于多个隧道参数指标,对所述待监测隧道区段进行多次实际检测,获得多个实际指标参数集合,其中实际检测为获取的真实检测参数。基于多个采集指标参数集合和所述多个实际指标参数集合,计算获得多个样本目标准确性参数,通过多个采集指标参数集合中的数据和多个实际指标参数集合中的数据进行偏差值计算,获取偏差值占实际指标参数集合中对应数据的比例,即为该数据的准确性参数,获取多个样本目标准确性参数。通过对多个样本目标准确性参数,进行均值计算获取目标准确性参数。进一步获取附近若干个隧道区段内传感器集合的多个邻近准确性参数。分别采用目标准确性参数和多个邻近准确性参数对所述目标指标参数集合和多个邻近指标参数集合进行校正,在进行参数集合校正时通过标准确性参数,邻近准确性参数进行百分比参数补偿,根据标准确性参数数值和指标参数的乘积进行参数补偿,获得所述校正目标指标参数集合和多个校正邻近指标参数集合,提高获取指标参数的准确性。
本申请实施例提供的方法步骤800还包括:
步骤810:获取所述目标隧道状态预测模型的准确率,获得第一准确率;
步骤820:获取所述邻近隧道状态预测模型的准确率,获得第二准确率;
步骤830:根据所述第一准确率和第二准确率的大小,进行权重分配,获得权重分配结果;
步骤840:采用所述权重分配结果,对所述第一隧道状态预测结果和第二隧道状态预测结果进行加权计算,获得所述最终隧道状态预测结果。
具体的,获取目标隧道状态预测模型的准确率,获得第一准确率,获取所述邻近隧道状态预测模型的准确率,获得第二准确率,其中准确率通过验证数据对模型进行验证后获取。根据第一准确率和第二准确率的大小,进行权重分配,获得权重分配结果,在进行权重分配时可以根据实际情况根据准确率大小进行设置,准确率越大对应的权重越大。采集权重分配结果,对所述第一隧道状态预测结果和第二隧道状态预测结果进行加权计算,获得所述最终隧道状态预测结果,进一步提高隧道状态预测结果的准确性。
综上所述,本申请实施例提供的方法通过对待监测隧道进行划分,获得多个隧道区段,获得多个传感器集合。分别构建获得用于预测多个隧道区段隧道状态的多个隧道状态预测模型。采集待监测隧道的指标参数,获得目标指标参数集合,获得多个邻近指标参数集合。构建邻近隧道状态预测模型。将指标参数集合输入目标隧道状态预测模型,获得第一隧道状态预测结果,将邻近指标参数集合输入若干个邻近隧道状态预测模型内,获得多个邻近隧道状态预测结果,结合第一隧道状态预测结果,获得最终隧道状态预测结果。通过实时对隧道预制管内传感器产生的信息进行获取并分析,及时对隧道状态进行评估,进而实现对隧道状态的精准预测。解决了现有技术中隧道状态监测方法存在滞后性高,监测准确性低的技术问题。
实施例二
基于与前述实施例中一种基于物联网的隧道状态监测管理方法相同的发明构思,如图4所示,本申请提供了一种基于物联网的隧道状态监测管理***,所述***包括:
隧道区段获取模块11,用于对待监测隧道进行划分,获得多个隧道区段;
传感器集合获取模块12,用于基于物联网和多个隧道参数指标,在所述多个隧道区段内分别设置多个种类的传感器,获得多个传感器集合;
隧道状态预测模型获取模块13,用于根据所述多个隧道区段,分别构建获得用于预测所述多个隧道区段隧道状态的多个隧道状态预测模型;
邻近指标参数集合获取模块14,用于基于所述多个传感器集合,采集待监测隧道区段当前所述多个隧道参数指标的指标参数,获得目标指标参数集合,以及采集所述待监测隧道区段附近若干个隧道区段当前所述多个隧道参数指标的指标参数,获得多个邻近指标参数集合;
邻近隧道状态预测模型获取模块15,用于根据所述待监测隧道区段和附近若干个隧道区段,构建邻近隧道状态预测模型;
参数校正模块16,用于根据所述多个传感器集合传输数据的准确性,对所述目标指标参数集合和多个邻近指标参数集合进行校正,获得校正目标指标参数集合和多个校正邻近指标参数集合;
隧道区段预测结果获取模块17,用于将所述校正目标指标参数集合输入所述待监测隧道区段对应的目标隧道状态预测模型,获得第一隧道状态预测结果,将所述多个校正邻近指标参数集合输入所述若干个隧道区段对应的若干个邻近隧道状态预测模型内,获得多个邻近隧道状态预测结果;
最终预测结果获取模块18,用于根据所述多个邻近隧道状态预测结果,获得第二隧道状态预测结果,结合所述第一隧道状态预测结果,获得最终隧道状态预测结果。
进一步地,所述传感器集合获取模块12还用于:
获得压力参数指标、位移参数指标和倾角参数指标;
基于物联网,在所述多个隧道区段内分别设置压力参数监测传感器、位移参数监测传感器和倾角参数监测传感器,获得所述多个传感器集合。
进一步地,所述隧道状态预测模型获取模块13还用于:
获取所述待监测隧道区段内的多个样本目标指标参数集合;
基于所述多个样本目标指标参数集合,进行隧道状态评估,获得多个样本隧道状态监测结果;
基于所述多个样本目标指标参数集合和所述多个样本隧道状态监测结果,构建所述待监测隧道区段对应的目标隧道状态预测模型;
继续构建其他多个隧道区段内的隧道状态预测模型,获得所述多个隧道状态预测模型。
进一步地,所述隧道状态预测模型获取模块13还用于:
对所述多个样本目标指标参数集合和所述多个样本隧道状态监测结果进行数据标识,获得目标构建数据集;
基于BP神经网络,构建所述目标隧道状态预测模型的网络结构;
采用所述目标构建数据集对所述目标隧道状态预测模型进行迭代监督训练和验证,直到所述目标隧道状态预测模型的准确率符合预设要求,获得构建完成的所述目标隧道状态预测模型。
进一步地,所述邻近隧道状态预测模型获取模块15还用于:
对所述待监测隧道区段附近若干个隧道区段进行隧道状态评估,获得多个样本隧道状态监测结果集合;
对所述多个样本隧道状态监测结果集合和所述多个样本隧道状态监测结果进行数据标识,获得邻近构建数据集;
基于BP神经网络,构建所述邻近隧道状态预测模型的网络结构;
采用所述邻近构建数据集对所述邻近隧道状态预测模型进行迭代监督训练和验证,直到所述邻近隧道状态预测模型的准确率复核预设要求,获得构建完成的所述邻近隧道状态预测模型。
进一步地,所述参数校正模块16还用于:
基于所述待监测隧道区段内的目标传感器集合,多次采集所述待监测隧道区段内的指标参数,获得多个采集指标参数集合;
基于所述多个隧道参数指标,对所述待监测隧道区段进行多次实际检测,获得多个实际指标参数集合;
基于所述多个采集指标参数集合和所述多个实际指标参数集合,计算获得多个样本目标准确性参数;
根据所述多个样本目标准确性参数,计算获得目标准确性参数;
继续获得所述附近若干个隧道区段内传感器集合的多个邻近准确性参数;
分别采用所述目标准确性参数和所述多个邻近准确性参数对所述目标指标参数集合和多个邻近指标参数集合进行校正,获得所述校正目标指标参数集合和多个校正邻近指标参数集合。
进一步地,所述最终预测结果获取模块18还用于:
获取所述目标隧道状态预测模型的准确率,获得第一准确率;
获取所述邻近隧道状态预测模型的准确率,获得第二准确率;
根据所述第一准确率和第二准确率的大小,进行权重分配,获得权重分配结果;
采用所述权重分配结果,对所述第一隧道状态预测结果和第二隧道状态预测结果进行加权计算,获得所述最终隧道状态预测结果。
上述实施例二用于执行如实施例一中的方法,其执行原理以及执行基础均可以通过实施例一中记载的内容获取,在此不做过多赘述。尽管结合具体特征及其实施例对本申请进行了描述,但本申请不受这里描述的示例实施例的限制。基于本申请的实施例,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围,这样获取的内容也属于本申请保护的范围。
Claims (8)
1.一种基于物联网的隧道状态监测管理方法,其特征在于,所述方法包括:
对待监测隧道进行划分,获得多个隧道区段;
基于物联网和多个隧道参数指标,在所述多个隧道区段内分别设置多个种类的传感器,获得多个传感器集合;
根据所述多个隧道区段,分别构建获得用于预测所述多个隧道区段隧道状态的多个隧道状态预测模型;
基于所述多个传感器集合,采集待监测隧道区段当前所述多个隧道参数指标的指标参数,获得目标指标参数集合,以及采集所述待监测隧道区段附近若干个隧道区段当前所述多个隧道参数指标的指标参数,获得多个邻近指标参数集合;
根据所述待监测隧道区段和附近若干个隧道区段,构建邻近隧道状态预测模型;
根据所述多个传感器集合传输数据的准确性,对所述目标指标参数集合和多个邻近指标参数集合进行校正,获得校正目标指标参数集合和多个校正邻近指标参数集合;
将所述校正目标指标参数集合输入所述待监测隧道区段对应的目标隧道状态预测模型,获得第一隧道状态预测结果,将所述多个校正邻近指标参数集合输入所述若干个隧道区段对应的若干个邻近隧道状态预测模型内,获得多个邻近隧道状态预测结果;
根据所述多个邻近隧道状态预测结果,获得第二隧道状态预测结果,结合所述第一隧道状态预测结果,获得最终隧道状态预测结果。
2.根据权利要求1所述的方法,其特征在于,基于物联网和多个隧道参数指标,在所述多个隧道区段内分别设置多个种类的传感器,包括:
获得压力参数指标、位移参数指标和倾角参数指标;
基于物联网,在所述多个隧道区段内分别设置压力参数监测传感器、位移参数监测传感器和倾角参数监测传感器,获得所述多个传感器集合。
3.根据权利要求1所述的方法,其特征在于,根据所述多个隧道区段,分别构建获得用于预测所述多个隧道区段隧道状态的多个隧道状态预测模型,包括:
获取所述待监测隧道区段内的多个样本目标指标参数集合;
基于所述多个样本目标指标参数集合,进行隧道状态评估,获得多个样本隧道状态监测结果;
基于所述多个样本目标指标参数集合和所述多个样本隧道状态监测结果,构建所述待监测隧道区段对应的目标隧道状态预测模型;
继续构建其他多个隧道区段内的隧道状态预测模型,获得所述多个隧道状态预测模型。
4.根据权利要求3所述的方法,其特征在于,基于所述多个样本目标指标参数集合和所述多个样本隧道状态监测结果,构建所述待监测隧道区段对应的目标隧道状态预测模型,包括:
对所述多个样本目标指标参数集合和所述多个样本隧道状态监测结果进行数据标识,获得目标构建数据集;
基于BP神经网络,构建所述目标隧道状态预测模型的网络结构;
采用所述目标构建数据集对所述目标隧道状态预测模型进行迭代监督训练和验证,直到所述目标隧道状态预测模型的准确率符合预设要求,获得构建完成的所述目标隧道状态预测模型。
5.根据权利要求3所述的方法,其特征在于,根据所述待监测隧道区段和附近若干个隧道区段,构建邻近隧道状态预测模型,包括:
对所述待监测隧道区段附近若干个隧道区段进行隧道状态评估,获得多个样本隧道状态监测结果集合;
对所述多个样本隧道状态监测结果集合和所述多个样本隧道状态监测结果进行数据标识,获得邻近构建数据集;
基于BP神经网络,构建所述邻近隧道状态预测模型的网络结构;
采用所述邻近构建数据集对所述邻近隧道状态预测模型进行迭代监督训练和验证,直到所述邻近隧道状态预测模型的准确率复核预设要求,获得构建完成的所述邻近隧道状态预测模型。
6.根据权利要求1所述的方法,其特征在于,根据所述多个传感器集合传输数据的准确性,对所述目标指标参数集合和多个邻近指标参数集合进行校正,包括:
基于所述待监测隧道区段内的目标传感器集合,多次采集所述待监测隧道区段内的指标参数,获得多个采集指标参数集合;
基于所述多个隧道参数指标,对所述待监测隧道区段进行多次实际检测,获得多个实际指标参数集合;
基于所述多个采集指标参数集合和所述多个实际指标参数集合,计算获得多个样本目标准确性参数;
根据所述多个样本目标准确性参数,计算获得目标准确性参数;
继续获得所述附近若干个隧道区段内传感器集合的多个邻近准确性参数;
分别采用所述目标准确性参数和所述多个邻近准确性参数对所述目标指标参数集合和多个邻近指标参数集合进行校正,获得所述校正目标指标参数集合和多个校正邻近指标参数集合。
7.根据权利要求1所述的方法,其特征在于,根据所述多个邻近隧道状态预测结果,获得第二隧道状态预测结果,结合所述第一隧道状态预测结果,获得最终隧道状态预测结果,还包括:
获取所述目标隧道状态预测模型的准确率,获得第一准确率;
获取所述邻近隧道状态预测模型的准确率,获得第二准确率;
根据所述第一准确率和第二准确率的大小,进行权重分配,获得权重分配结果;
采用所述权重分配结果,对所述第一隧道状态预测结果和第二隧道状态预测结果进行加权计算,获得所述最终隧道状态预测结果。
8.一种基于物联网的隧道状态监测管理***,其特征在于,所述***包括:
隧道区段获取模块,用于对待监测隧道进行划分,获得多个隧道区段;
传感器集合获取模块,用于基于物联网和多个隧道参数指标,在所述多个隧道区段内分别设置多个种类的传感器,获得多个传感器集合;
隧道状态预测模型获取模块,用于根据所述多个隧道区段,分别构建获得用于预测所述多个隧道区段隧道状态的多个隧道状态预测模型;
邻近指标参数集合获取模块,用于基于所述多个传感器集合,采集待监测隧道区段当前所述多个隧道参数指标的指标参数,获得目标指标参数集合,以及采集所述待监测隧道区段附近若干个隧道区段当前所述多个隧道参数指标的指标参数,获得多个邻近指标参数集合;
邻近隧道状态预测模型获取模块,用于根据所述待监测隧道区段和附近若干个隧道区段,构建邻近隧道状态预测模型;
参数校正模块,用于根据所述多个传感器集合传输数据的准确性,对所述目标指标参数集合和多个邻近指标参数集合进行校正,获得校正目标指标参数集合和多个校正邻近指标参数集合;
隧道区段预测结果获取模块,用于将所述校正目标指标参数集合输入所述待监测隧道区段对应的目标隧道状态预测模型,获得第一隧道状态预测结果,将所述多个校正邻近指标参数集合输入所述若干个隧道区段对应的若干个邻近隧道状态预测模型内,获得多个邻近隧道状态预测结果;
最终预测结果获取模块,用于根据所述多个邻近隧道状态预测结果,获得第二隧道状态预测结果,结合所述第一隧道状态预测结果,获得最终隧道状态预测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211303061.6A CN115600747B (zh) | 2022-10-24 | 2022-10-24 | 一种基于物联网的隧道状态监测管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211303061.6A CN115600747B (zh) | 2022-10-24 | 2022-10-24 | 一种基于物联网的隧道状态监测管理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115600747A true CN115600747A (zh) | 2023-01-13 |
CN115600747B CN115600747B (zh) | 2024-02-13 |
Family
ID=84848508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211303061.6A Active CN115600747B (zh) | 2022-10-24 | 2022-10-24 | 一种基于物联网的隧道状态监测管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115600747B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117189258A (zh) * | 2023-09-27 | 2023-12-08 | 成都天测皓智科技有限公司 | 一种隧道态势监测的方法及相关设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106500614A (zh) * | 2016-10-19 | 2017-03-15 | 重庆大学 | 一种隧道运行期变形监测预报***及方法 |
CN109450898A (zh) * | 2018-11-09 | 2019-03-08 | 国网河北省电力有限公司石家庄供电分公司 | 电力隧道信息化智能管理***及方法 |
WO2019056499A1 (zh) * | 2017-09-20 | 2019-03-28 | 平安科技(深圳)有限公司 | 预测模型训练方法、数据监控方法、装置、设备及介质 |
CN112031874A (zh) * | 2020-09-02 | 2020-12-04 | 大连海事大学 | 一种基于bim技术的隧道工程自动化监测控制方法 |
CN215833317U (zh) * | 2020-12-30 | 2022-02-15 | 北京万集科技股份有限公司 | 用于监测隧道状况的监测*** |
-
2022
- 2022-10-24 CN CN202211303061.6A patent/CN115600747B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106500614A (zh) * | 2016-10-19 | 2017-03-15 | 重庆大学 | 一种隧道运行期变形监测预报***及方法 |
WO2019056499A1 (zh) * | 2017-09-20 | 2019-03-28 | 平安科技(深圳)有限公司 | 预测模型训练方法、数据监控方法、装置、设备及介质 |
CN109450898A (zh) * | 2018-11-09 | 2019-03-08 | 国网河北省电力有限公司石家庄供电分公司 | 电力隧道信息化智能管理***及方法 |
CN112031874A (zh) * | 2020-09-02 | 2020-12-04 | 大连海事大学 | 一种基于bim技术的隧道工程自动化监测控制方法 |
CN215833317U (zh) * | 2020-12-30 | 2022-02-15 | 北京万集科技股份有限公司 | 用于监测隧道状况的监测*** |
Non-Patent Citations (2)
Title |
---|
周昀琦 等: "顾及邻近点变形因素的高斯过程建模及预测", 测绘科学, vol. 43, no. 4, pages 0 - 4 * |
黄惠峰 等: "基于BP神经网络与变形监测成果的隧道安全状态评估", 测绘工程, vol. 24, no. 3, pages 1 - 4 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117189258A (zh) * | 2023-09-27 | 2023-12-08 | 成都天测皓智科技有限公司 | 一种隧道态势监测的方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115600747B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111737909B (zh) | 基于时空图卷积网络的结构健康监测数据异常识别方法 | |
CN110018670B (zh) | 一种基于动态关联规则挖掘的工业过程异常工况预测方法 | |
CN105279365B (zh) | 用于学习异常检测的样本的方法 | |
CN113723010B (zh) | 一种基于lstm温度-位移相关模型的桥梁损伤预警方法 | |
CN110008253B (zh) | 一种工业数据关联规则挖掘及异常工况预测方法 | |
CN111931806A (zh) | 一种多传感器数据融合的设备故障诊断方法及装置 | |
CN107862863B (zh) | 一种交通数据质量提升的方法及装置 | |
CN115600747A (zh) | 一种基于物联网的隧道状态监测管理方法及*** | |
CN117891644B (zh) | 一种基于数字孪生技术的数据采集***及其采集方法 | |
CN115640860A (zh) | 一种工业云服务的机电设备远程维护方法及*** | |
CN114441463A (zh) | 全光谱水质数据分析方法 | |
CN115063337A (zh) | 埋地管道智能维修决策方法及装置 | |
CN117235540A (zh) | 基于特征匹配融合的传感器动态信息联动分析方法 | |
CN115408927B (zh) | 用于预测岩体参数的数据处理方法和装置 | |
CN114155914B (zh) | 基于宏基因组拼接错误的检测校正*** | |
CN115659271A (zh) | 传感器异常检测方法、模型训练方法、***、设备及介质 | |
CN115616408A (zh) | 电池热管理数据处理方法及*** | |
CN113033845B (zh) | 一种电力传输资源共建共享的建设方法及装置 | |
CN115422821A (zh) | 用于岩体参数预测的数据处理方法和装置 | |
CN114724036A (zh) | 一种基于多尺度学习的冰裂隙检测方法 | |
CN114638039A (zh) | 一种基于低秩矩阵恢复的结构健康监测特征数据解释方法 | |
CN114429246A (zh) | 一种基于异构神经网络的电网潜在安全确定方法及装置 | |
CN114004138A (zh) | 基于大数据人工智能的建筑监测方法、***及存储介质 | |
CN117475244B (zh) | 螺栓紧固过程的松动检测方法、装置、设备及存储介质 | |
CN113688771B (zh) | Lng储罐加速度响应数据补全方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |