CN115930117A - 基于三维高密度电法的地下管网漏点检测方法和*** - Google Patents
基于三维高密度电法的地下管网漏点检测方法和*** Download PDFInfo
- Publication number
- CN115930117A CN115930117A CN202211658147.0A CN202211658147A CN115930117A CN 115930117 A CN115930117 A CN 115930117A CN 202211658147 A CN202211658147 A CN 202211658147A CN 115930117 A CN115930117 A CN 115930117A
- Authority
- CN
- China
- Prior art keywords
- pipe network
- underground pipe
- data set
- model
- dimensional
- 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
- 238000010291 electrical method Methods 0.000 title claims abstract description 61
- 238000001514 detection method Methods 0.000 title claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims abstract description 77
- 230000008859 change Effects 0.000 claims abstract description 49
- 239000007788 liquid Substances 0.000 claims abstract description 37
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims abstract description 13
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 239000012530 fluid Substances 0.000 claims description 19
- 239000002689 soil Substances 0.000 claims description 17
- 230000005611 electricity Effects 0.000 claims description 12
- 239000011435 rock Substances 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 abstract description 10
- 230000004044 response Effects 0.000 abstract description 3
- 230000035945 sensitivity Effects 0.000 abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 25
- 238000010219 correlation analysis Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000005684 electric field Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- 239000008399 tap water Substances 0.000 description 2
- 235000020679 tap water Nutrition 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009172 bursting Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明提供了一种基于三维高密度电法的地下管网漏点检测方法和***，方法包括：利用三维高密度电法采集待测区域的第一数据集；第一数据集包括基础数据集和实测数据集；通过基础数据集构建针基础模型；对模型进行修正、迭代优化和可视化；提取可视化结果中电阻异常体在预设时间段内的变化特征，并将异常体的核心电阻率与管网中液体的电阻率进行比对分析，根据提取结果与比对分析结果，定位所述待测区域地下管网的所有漏点。相比于现有技术，基于电阻率进行检测，液体的电阻率即使受温度的影响，其变化对检测的结果可以忽略不急，具有更高的灵敏度、准确度和更快的响应速度。
Description
技术领域
本发明涉及漏点检测领域，尤其涉及一种基于三维高密度电法的地下管网漏点检测方法和***。
背景技术
目前，地下管网的检测是城市管理工作的重中之重。地下管网的类型包括但不限于供热管网、自来水管网和污水管网等。管网漏水的除了液体资源的流失，严重者还可能存在水管爆裂等风险，造成安全隐患，因此对区域性管网的漏点检测以及漏水的预防、发现、预警等一直是管网工程人员工作的重要一环。
现有针对地下管网的检测技术主要依赖温度传感器，如申请号为CN201510493602.X的发明专利申请。当地下管网存在漏水的情况时，漏出的水可能会使地下管网附近的土壤温度出现一定的波动，进而，漏点附近的温度传感器测得的温度曲线会出现跳变，呈现出数据尖峰。但是，实际的应用中，对于个别水流量小的管道，其出水量可能极小，此时的温度变化微乎其微，且一些情况下，水温度与管道温度土壤温度极为接近(比如在一个特定深度的土壤中)，其数据尖峰可能无法达到设定的预警阈值或触发阈值，因此通过该方法极难检测到漏点，检测的准确性较低。
发明内容
本发明提供了一种基于三维高密度电法的地下管网漏点检测方法和***，以解决如何提高检测准确性的技术问题。
为了解决上述技术问题，本发明实施例提供了一种基于三维高密度电法的地下管网漏点检测方法，包括：
利用三维高密度电法采集待测区域的第一数据集；其中，所述待测区域设有高密度电法仪，所述高密度电法仪与若干电极连接，所述若干电极在所述待测区域中按照预设规则排列，且所述待测区域还设有若干电极转换开关；所述第一数据集包括基础数据集和实测数据集；
通过所述基础数据集，构建针对所述待测区域的三维地下管网基础模型；
在所述三维地下管网基础模型上叠加第一变量系数，获得修正后的三维地下管网地电模型；
将所述修正后的三维地下管网地电模型通过实测数据集进行迭代优化，并对经过迭代优化的三维地下管网地电模型进行可视化；
提取可视化结果中的电阻异常体在预设时间段内的变化特征，并将所述异常体的核心电阻率与所述待测区域地下管网中液体的流体电阻率进行比对分析，根据提取结果与比对分析结果，定位所述待测区域地下管网的所有漏点。
实施本申请实施例，通过三维高密度电法采集区域的数据集，构建三维地下管网基础模型，在对模型进行修正以及迭代优化后，通过可视化并确定模型中的电阻异常体，相比现有技术采用温度传感器的技术方案，本发明实施例基于电阻率进行检测，液体的电阻率即使受温度的影响，其变化相对于其与土壤或岩层的电阻率之间的差距也是微乎其微可以忽略不计，因此具有更高的灵敏度和更高的准确度。此外，在发生漏水时，由于水流和电流的流动速度相比温度在地下土壤、岩层等各种环境中传导的速度更快，基于三维高密度电法的探测方式考虑到温度在土壤岩层中的传导具有较高的延迟，会具有更快的响应速度。而且，将经过迭代优化的三维地下管网地电模型进行可视化，并通过电阻异常体在预设时间段内的变化特征，以及将核心电阻率与液体的流体电阻率进行比对分析，在向相关人员进行展示并供其进行验证的同时，进一步降低了检测过程的误判率，有效降低了检修和维护的成本。
作为本实施例的一种优选，所述利用三维高密度电法采集待测区域的第一数据集，具体为：
通过所述高密度电法仪、所述若干电极转换开关和所述若干电极采集所述待测区域的第一电位数据集、第一电阻率数据集和第二电位数据集和第二电阻率数据集；
根据所述第一电位数据集、第一电阻率数据集结合预设的电极排列系数，构建所述基础数据集；
根据所述第二电位数据集、第二电阻率数据集和与所述若干电极的排列规则对应的电极排列系数，构建所述实测数据集。
实施本实施例优选实施方式，在构建第一数据集时考虑电极的排列规则，并设置相应的电极排列系数，于后续步骤中构建基础模型，并对模型进行迭代优化过程中，考虑到了电极排列的影响因素，提高了三维地下管网地电模型展示的准确性，充分考虑了不同电极排列规则的差异。
作为本实施例的一种优选，所述第一变量系数包括预设的衰减比例系数和增量系数；
所述在所述三维地下管网基础模型上叠加第一变量系数，获得修正后的三维地下管网地电模型，具体为：
在所述三维地下管网基础模型上叠加衰减比例系数，获得修正后的三维地下管网模型；
或，在所述三维地下管网基础模型上叠加增量系数，获得修正后的三维地下管网模型。
实施本实施例优选实施方式，在所述三维地下管网基础模型上叠加衰减比例系数或增量系数，考虑到了地下管内流动的不同类型的液体的电阻率差异，在不同的地下管道流动不同电阻率的液体并为相应的三维地下管基础模型叠加不同的系数，可以为衰减比例系数也可以为增量系数，从而提高了在不同应用场景下的适用性和实用性。
作为本实施例的一种优选，所述第一变量系数与所述待测区域对应。
作为本实施例的一种优选，所述将所述修正后的三维地下管网地电模型通过实测数据集进行迭代优化，具体为：
将所述修正后的三维地下管网地电模型按照电极的位置划分为若干球体模型；
对所述各若干球体模型分别一一赋予一个第二变量系数；
通过所述实测数据集中的若干实测数据和所有第二变量系数，分别对各球体模型进行若干次迭代，直到满足预设的迭代终止条件；
在迭代终止条件得到满足时，将所述各球体模型进行组合，获得经过迭代的三维地下管网地电模型；
通过第一解译模型对所述经过迭代的三维地下管网地电模型进行解译，以实现对所述修正后的三维地下管网地电模型的迭代优化。
实施本实施例优选实施方式，在对模型进行修正的基础上，通过第二变量系数对划分的球体模型进行迭代并组合，获得迭代后的三维地下管网地电模型，即对模型进行了第二次调整，根据不同的实测数据和不同的第二变量系数，对各球体模型进行了微调，以进一步提高地电模型的准确性。
作为本实施例的一种优选，所述迭代终止条件具体为：
所述实测数据与所述球体模型的模型参数之间的均方根误差小于误差极限要求；
且所述各球体模型的模型参数在预设的阈值范围内；其中，所述误差极限要求和所述阈值范围根据所述待测区域地下管网中液体的流体电阻率和所述待测区域的环境电阻率确定；所述环境电阻率为土壤电阻率或岩体电阻率。
实施本实施例优选实施方式，通过实测数据与球体模型之间的均方根误差和模型参数进行双重验证，确定迭代终止条件，并且，在设置具体的误差极限要求和模型参数的阈值范围时，考虑地下管内液体的流体电阻率以及地下管网周围环境(或者说待测区域范围内)土壤或岩层的固体电阻率，覆盖并适用于更多的应用场景。
作为本实施例的一种优选，所述预设时间段包括第一时间段和第二时间段，所述提取可视化结果中的电阻异常体在预设时间段内的变化特征，具体为：
提取所述可视化结果中的电阻异常体在预设时间段内的满足下式的变化特征：
其中，t1为第一时间段，t2为第二时间段，所述第一时间段和所述第二时间段为相邻时间段且长度相同，i为电阻异常体的数量，
为在第一时间段内i个电阻异常体的平均变化特征，
为第二时间段内i个电阻异常体的平均变化特征，Si+1为平均变化特征阈值且与i+1个电阻异常体对应。
作为本实施例的一种优选，所述变化特征为电阻率变化速率；
所述根据提取结果与比对分析结果，定位所述待测区域地下管网的所有漏点，具体为：
筛选出第一电阻异常体；其中，所述第一电阻异常体的电阻率变化速率大于预设变化阈值且比对分析结果满足要求；
当第一电阻异常体仅有一个时，通过第一坐标处的传感器采集所述第一电阻异常体对应位置的所有声音矢量信号和噪声信号，根据所述声音矢量信号和所述噪声信号，定位第一电阻异常体中的所有漏点；
当第一电阻异常体有至少两个时，通过第一坐标处的传感器采集所有第一电阻异常体对应位置的噪声信号和声音矢量信号，根据所有噪声信号的均值和所有声音矢量信号的均值确定第二坐标；其中，所述第一坐标根据第一电阻异常体的位置和所述若干电极的排列方式确定；
通过在所述第二坐标处的传感器采集所有第一电阻异常体的噪声信号和声音矢量信号，分别根据各第一电阻异常体的噪声信号和声音矢量信号，确定所有漏点。
实施本实施例优选实施方式，当第一电阻异常体仅有一个时，通过第一坐标处的传感器采集器对应位置所有的声音矢量信号和噪声信号，进而定位漏点的位置。当第一电阻异常体有至少两个时，首先通过第一坐标处的传感器采集所有噪声信号和声音矢量信号，进而确定第二坐标，通过确定的第二坐标调整传感器的数据，以获取更有效的噪声信号和声音矢量信号，从而精准确定所有漏点。
作为本实施例的一种优选，在所述定位所述待测区域地下管网的所有漏点之后，还包括：
获取定位的漏点对应电阻异常体的变化特征和核心电阻率以及对电阻异常体的相关性分析表；所述相关性分析表包含所述漏点对应电阻异常体的核心电阻率与所述流体电阻率之间的相对关系和相关性分析；
当对应的电阻异常体的变化特征大于预设特征阈值，且所述核心电阻率符合相对关系和相关性分析结果，向管理终端发送预警信息，以通知相关人员并使相关人员及时对漏点进行排查。
相应的，本发明实施例还提供了一种基于三维高密度电法的地下管网漏点检测***，包括采集模块、模型构建模块、修正模块、迭代优化模块和定位模块；其中，
所述采集模块，用于利用三维高密度电法采集待测区域的第一数据集；其中，所述待测区域设有高密度电法仪，所述高密度电法仪与若干电极连接，所述若干电极在所述待测区域中按照预设规则排列，且所述待测区域还设有若干电极转换开关；所述第一数据集包括基础数据集和实测数据集；
所述模型构建模块，用于通过所述基础数据集，构建针对所述待测区域的三维地下管网基础模型；
所述修正模块，用于在所述三维地下管网基础模型上叠加第一变量系数，获得修正后的三维地下管网地电模型；
所述迭代优化模块，用于将所述修正后的三维地下管网地电模型通过实测数据集进行迭代优化，并对经过迭代优化的三维地下管网地电模型进行可视化；
所述定位模块，用于提取可视化结果中的电阻异常体在预设时间段内的变化特征，并将所述异常体的核心电阻率与所述待测区域地下管网中液体的流体电阻率进行比对分析，根据提取结果与比对分析结果，定位所述待测区域地下管网的所有漏点。
作为本实施例的一种优选，所述采集模块利用三维高密度电法采集待测区域的第一数据集，具体为：
所述采集模块通过所述高密度电法仪、所述若干电极转换开关和所述若干电极采集所述待测区域的第一电位数据集、第一电阻率数据集和第二电位数据集和第二电阻率数据集；
根据所述第一电位数据集、第一电阻率数据集结合预设的电极排列系数，构建所述基础数据集；
根据所述第二电位数据集、第二电阻率数据集和与所述若干电极的排列规则对应的电极排列系数，构建所述实测数据集。
作为本实施例的一种优选，所述迭代优化模块将所述修正后的三维地下管网地电模型通过实测数据集进行迭代优化，具体为：
所述迭代优化模块将所述修正后的三维地下管网地电模型按照电极的位置划分为若干球体模型；其中，每一球体模型与各电极分别一一对应；
对所述各若干球体模型分别一一赋予一个第二变量系数；
通过所述实测数据集中的若干实测数据和所有第二变量系数，分别对各球体模型进行若干次迭代，直到满足预设的迭代终止条件；
在迭代终止条件得到满足时，将所述各球体模型进行组合，获得经过迭代的三维地下管网地电模型；
通过第一解译模型对所述经过迭代的三维地下管网地电模型进行解译，以实现对所述修正后的三维地下管网地电模型的迭代优化。
附图说明
图1：为本发明基于三维高密度电法的地下管网漏点检测方法的一种实施例的流程示意图。
图2：为本发明提供的对电阻异常体进行可视化展示的结果的示意图。
图3：为本发明基于三维高密度电法的地下管网漏点检测***的一种实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。
实施例一：
根据相关技术记载，现有的地下管网漏水的检测技术实际上主要包括三种类型：温度传感器、水压检测仪以及机器视觉技术。其中，温度传感器和水压检测仪的应用较为广泛。
对于温度传感器，当地下管网存在漏水的情况时，漏出的水可能会使地下管网附近的土壤温度出现一定的波动，进而，漏点附近的温度传感器测得的温度曲线会出现跳变，呈现出数据尖峰。但是实际的应用中，对于个别水流量小的管道，其出水量可能极小，此时的温度变化微乎其微，且一些情况下，水温度与管道温度土壤温度极为接近(比如在一个特定深度的土壤中)，其数据尖峰可能无法达到设定的预警阈值或触发阈值，因此通过该方法极难检测到漏点，检测的准确性较低。
针对依赖水压检测仪的检测方法，其需要在地下管网的若干支流处设置压力值，并对管道对应支流的水压在时间段内的变化情况，以确定是否存在漏水。这种方法的问题在于，有些情况下，由于水压检测仪针对的是管道内部，而实际的应用场景中，很多管道的水输入量以及输入速度都处于管道可以负荷的最大值，即水压处于最大值，此时，即使水管出现了小的漏电或裂纹，泄露的量较小的情况下，其管道内的水压也基本不会发生变化，针对该种情况容易发生漏检。
而对于采用机器视觉和图像处理技术的实施方式，目前主要采用的是红外和可见光融合检测方法，虽然其将红外图像和可见光图像的优势进行了结合，但是缺陷也较为明显，那就是管道的环境复杂，内部的光照条件恶劣，存在大量干扰、遮挡等情况，为了解决这些问题，现有的技术会设置搭载可见光或红外相机的监测小车进行内部的采集，虽然可以一定程度提高准确率降低误检率但是这些存在的涉及光线的问题无法完全杜绝。
针对上述多个技术问题，请参照图1，图1为本发明实施例提供的一种基于三维高密度电法的地下管网漏点检测方法，包括步骤S101至步骤S105；其中，
步骤S101，利用三维高密度电法采集待测区域的第一数据集；其中，所述待测区域设有高密度电法仪，所述高密度电法仪与若干电极连接，所述若干电极在所述待测区域中按照预设规则排列，且所述待测区域还设有若干电极转换开关；所述第一数据集包括基础数据集和实测数据集。
在本实施例中，高密度电法指的是直流高密度电阻率法，其基本原理与传统的电阻率法类似。不同的是，高密度电阻法作为一种阵列勘探方法，在待测区域设置了相对较高的测点(电极)。在对待测区域进行测量时，需要将电极按照预设规则排列，本实施例可以采用面积型的网络排列方式，相比现有技术的直线型的电极排列，可以接收到三维的更丰富的电信号，具有更小的误差和更高的分辨率。具体地，所述待测区域设有高密度电法仪，所述高密度电法仪与若干电极连接，且所述待测区域还设有若干程控式电极转换开关。
通过所述高密度电法仪、所述若干电极转换开关和所述若干电极采集所述待测区域的第一电位数据集、第一电阻率数据集和第二电位数据集和第二电阻率数据集；
根据所述第一电位数据集、第一电阻率数据集结合预设的电极排列系数，构建所述基础数据集；
根据所述第二电位数据集、第二电阻率数据集和与所述若干电极的排列规则对应的电极排列系数，构建所述实测数据集。
在构建第一数据集时，考虑电极的排列规则，并设置相应的电极排列系数，对于步骤S102构建基础模型，以及步骤S104对经过修正的三维地下管网地电模型进行迭代优化，将电极排列的影响考虑在内，提高了模型可视化的准确性，充分考虑了不同排列方式的差异。其中，所述预设的电极排列系数可以运用典型的电极排列系数，所述若干电极的排列规则对应的电极排列系数，可以根据实际的排列情况进行计算，或者凭借经验值确定；第一电位数据集与第二电位数据集可相同可不同，第一电阻率数据集与第二电阻率数据集可相同可不同。
步骤S102，通过所述基础数据集，构建针对所述待测区域的三维地下管网基础模型。
作为本实施例中的一种实施方式，构建的三维地下管网模型可以参考有限差分法的思想，即对待测区域(三维的立体空间)对应的长方体地层结构即待求解区域，划分成若干个立方体形状的单元，或进行网格划分。并在正演运算时，电阻异常体的电位为U1，区域的均匀土壤或岩层的正常电位为U2，则实际的电场U为两者的叠加，即{U}＝{U1}+{U2}。需要说明的是，三种电场均可以表示为电位函数，即需要考虑x、y、z轴三维上的情况。
作为本实施例的另一种实施方式，可以基于管网***的线路信息，设置若干个节点，其中，包括不少于一个源节点和不少于一个终节点或目标节点，相连的节点与节点之间为一条通路或支路。根据管网的线路和节点信息，通过搜索树构建针对所述待测区域地下管网的数学模型。进而，在数学模型的基础上，以最小连集为单位，结合通过三维高密度电法采集得到的基础数据集，构建所述待测区域的三维地下管网基础模型。需要说明的是，两种实施方式各有优势，其区别主要在于本步骤构建的路径以及后续步骤中迭代的路径的差异。
步骤S103，在所述三维地下管网基础模型上叠加第一变量系数，获得修正后的三维地下管网地电模型。
其中，所述第一变量系数包括预设的衰减比例系数和增量系数，且所述第一变量系数与所述待测区域对应。
在本实施例中，在所述三维地下管网基础模型上叠加第一变量系数，获得修正后的三维地下管网地电模型，具体为：
在所述三维地下管网基础模型上叠加衰减比例系数，获得修正后的三维地下管网模型；
或，在所述三维地下管网基础模型上叠加增量系数，获得修正后的三维地下管网模型。
在实际的应用场景中，地下管网可能有用于供热的管网、用于供冷的管网、自来水管网以及污水管网等。因此，管中流动的液体资源类型不同，不同的液体类型，以及考虑到液体可能的掺杂的情况，对模型相应叠加衰减比例系数或增量系数，具体的衰减比例系数或增量系数是根据管网所处环境(譬如土壤、岩层等)的电阻率，结合管内流动液体的电阻率来确定的，由此可以提高在不同应用场景下的适用性和实用性。
步骤S104，将所述修正后的三维地下管网地电模型通过实测数据集进行迭代优化，并对经过迭代优化的三维地下管网地电模型进行可视化。
在本实施例中，将所述修正后的三维地下管网地电模型通过实测数据集进行迭代优化，具体为：
将所述修正后的三维地下管网地电模型按照电极的位置划分为若干球体模型；
对所述各若干球体模型分别一一赋予一个第二变量系数；
通过所述实测数据集中的若干实测数据和所有第二变量系数，分别对各球体模型进行若干次迭代，直到满足预设的迭代终止条件；
在迭代终止条件得到满足时，将所述各球体模型进行组合，获得经过迭代的三维地下管网地电模型；
通过第一解译模型对所述经过迭代的三维地下管网地电模型进行解译，以实现对所述修正后的三维地下管网地电模型的迭代优化。
实施本优选实施方式，在经过修正的模型的基础上，通过第二变量系数对划分的球体模型进行迭代并组合，获得迭代后的三维地下管网地电模型，即对模型进行了第二次调整，第二次调整为相比于第一次调整的微调(第一次调整为针对地下管网及其内的液体资源的全局性调整，第二次调整为划分为球体模型的局部微调，可以兼顾地下管网局部以及全局的电位信息，同时还包括液体资源的电位信息)，且是针对地电模型的各个局部的(各球体模型)，可以进一步提高地电模型的准确性。
进一步地，所述迭代终止条件具体为：
所述实测数据与所述球体模型的模型参数之间的均方根误差小于误差极限要求；
且所述各球体模型的模型参数在预设的阈值范围内；其中，所述误差极限要求和所述阈值范围根据所述待测区域地下管网中液体的流体电阻率和所述待测区域的环境电阻率确定；所述环境电阻率为土壤电阻率或岩体电阻率。
需要说明的是，球体模型也是地电模型的一种，其模型参数可以反映待测区域的电位信息和电阻率信息。本优选实施方式通过实测数据与球体模型之间的均方根误差和模型参数进行双重验证，确定迭代终止条件，并且，在设置具体的误差极限要求和模型参数的阈值范围时，考虑地下管内液体的流体电阻率以及地下管网周围环境(或者说待测区域范围内)土壤或岩层的固体电阻率，可以进一步覆盖并适用于更多的应用场景。
在本实施例中，可视化展示的方式可以采用包括但不限于：平面图、剖面图、拟断面图或地电断面图等。通过对经过迭代优化的三维地下管网地电模型进行可视化展示，可以使相关人员对可视化结果中的电阻异常体的观察更为直观，具体示例可以参照图2，第一电阻异常体为高核心电阻率，第二电阻异常体为低核心电阻率，确定了电阻异常信息，可以便于相关人员迅速对其展开排查。
步骤S105，提取可视化结果中的电阻异常体在预设时间段内的变化特征，并将所述异常体的核心电阻率与所述待测区域地下管网中液体的流体电阻率进行比对分析，根据提取结果与比对分析结果，定位所述待测区域地下管网的所有漏点。
作为一种优选实施方式，所述预设时间段包括第一时间段和第二时间段，所述提取可视化结果中的电阻异常体在预设时间段内的变化特征(change characteristics)，具体为：
提取所述可视化结果中的电阻异常体在预设时间段内的满足下式的变化特征：
其中，t1为第一时间段，t2为第二时间段，所述第一时间段和所述第二时间段为相邻时间段且长度相同，i为电阻异常体的数量，
为在第一时间段内i个电阻异常体的平均变化特征，
为第二时间段内i个电阻异常体的平均变化特征，Si+1为平均变化特征阈值且与i+1个电阻异常体对应。
在本实施例中，所述变化特征可以为电阻异常体的电阻率变化速率或变化率，通过第一时间段与第二时间段之间的比较，提取预设时间段内的平均变化特征，可以增加变化特征的有效性和有效特征所占的比例，另一方面，通过设置该特征提取机制，可以极大程度地降低误判几率。
进一步地，所述将所述异常体的核心电阻率与所述待测区域地下管网中液体的流体电阻率进行比对分析，根据提取结果与比对分析结果，定位所述待测区域地下管网的所有漏点，作为本实施例的一种举例，可以通过人工智能技术譬如深度强化学习算法，基于提取结果与比对分析结果实现对漏点的定位。作为本实施例的另一种举例，可以通过人工的方式，基于相关人员的经验以确定个是否漏点，进而根据地电模型确定漏点的具***置信息。
作为一种优选实施方式，所述变化特征为电阻率变化速率；
所述根据提取结果与比对分析结果，定位所述待测区域地下管网的所有漏点，具体为：
筛选出第一电阻异常体；其中，所述第一电阻异常体的电阻率变化速率大于预设变化阈值且比对分析结果满足要求；
当第一电阻异常体仅有一个时，通过第一坐标处的传感器采集所述第一电阻异常体对应位置的所有声音矢量信号和噪声信号，根据所述声音矢量信号和所述噪声信号，定位第一电阻异常体中的所有漏点；
当第一电阻异常体有至少两个时，通过第一坐标处的传感器采集所有第一电阻异常体对应位置的噪声信号和声音矢量信号，根据所有噪声信号的均值和所有声音矢量信号的均值确定第二坐标；其中，所述第一坐标根据第一电阻异常体的位置和所述若干电极的排列方式确定；
通过在所述第二坐标处的传感器采集所有第一电阻异常体的噪声信号和声音矢量信号，分别根据各第一电阻异常体的噪声信号和声音矢量信号，确定所有漏点。实施本优选方式，传感器可以包括声音矢量传感器和噪声传感器，根据声音矢量信号和传感器所处位置的连线，确定漏点相对于传感器位置的方向，并且通过噪声信号，确定漏点相对于传感器位置的距离，进而定位到漏点的具***置。当第一电阻异常体仅有一个时，通过第一坐标处的传感器采集器对应位置所有的声音矢量信号和噪声信号，进而定位漏点的位置。当第一电阻异常体有至少两个时，首先通过第一坐标处的传感器采集所有噪声信号和声音矢量信号，进而确定第二坐标，然后通过确定的第二坐标调整传感器的数据，以获取更有效的噪声信号和声音矢量信号，从而精准确定所有漏点，相比现有技术具有更高的定位准确性。此外，设置合适的坐标，譬如根据电极的排列规则来确定，一方面可以避免传感器的测量数据受电极的干扰，另一方面也可以更便捷地采集到噪声信号和声音矢量信号。
再进一步，可以设置预警机制，在所述定位所述待测区域地下管网的所有漏点之后，还包括：
获取定位的漏点对应电阻异常体的变化特征和核心电阻率以及对电阻异常体的相关性分析表；所述相关性分析表包含所述漏点对应电阻异常体的核心电阻率与所述流体电阻率之间的相对关系和相关性分析；
当对应的电阻异常体的变化特征大于预设特征阈值，且所述核心电阻率符合相对关系和相关性分析结果，向管理终端发送预警信息，以通知相关人员并使相关人员及时对漏点进行排查。
相应的，参照图3，本发明实施例还提供了一种基于三维高密度电法的地下管网漏点检测***，包括采集模块201、模型构建模块202、修正模块203、迭代优化模块204和定位模块205；其中，
所述采集模块201，用于利用三维高密度电法采集待测区域的第一数据集；其中，所述待测区域设有高密度电法仪，所述高密度电法仪与若干电极连接，所述若干电极在所述待测区域中按照预设规则排列，且所述待测区域还设有若干电极转换开关；所述第一数据集包括基础数据集和实测数据集；
所述模型构建模块202，用于通过所述基础数据集，构建针对所述待测区域的三维地下管网基础模型；
所述修正模块203，用于在所述三维地下管网基础模型上叠加第一变量系数，获得修正后的三维地下管网地电模型；
所述迭代优化模块204，用于将所述修正后的三维地下管网地电模型通过实测数据集进行迭代优化，并对经过迭代优化的三维地下管网地电模型进行可视化；
所述定位模块205，用于提取可视化结果中的电阻异常体在预设时间段内的变化特征，并将所述异常体的核心电阻率与所述待测区域地下管网中液体的流体电阻率进行比对分析，根据提取结果与比对分析结果，定位所述待测区域地下管网的所有漏点。
作为本实施例的一种优选实施方式，所述采集模块201利用三维高密度电法采集待测区域的第一数据集，具体为：
所述采集模块201通过所述高密度电法仪、所述若干电极转换开关和所述若干电极采集所述待测区域的第一电位数据集、第一电阻率数据集和第二电位数据集和第二电阻率数据集；
根据所述第一电位数据集、第一电阻率数据集结合预设的电极排列系数，构建所述基础数据集；
根据所述第二电位数据集、第二电阻率数据集和与所述若干电极的排列规则对应的电极排列系数，构建所述实测数据集。
作为本实施例的一种优选实施方式，所述迭代优化模块204将所述修正后的三维地下管网地电模型通过实测数据集进行迭代优化，具体为：
所述迭代优化模块204将所述修正后的三维地下管网地电模型按照电极的位置划分为若干球体模型；其中，每一球体模型与各电极分别一一对应；
对所述各若干球体模型分别一一赋予一个第二变量系数；
通过所述实测数据集中的若干实测数据和所有第二变量系数，分别对各球体模型进行若干次迭代，直到满足预设的迭代终止条件；
在迭代终止条件得到满足时，将所述各球体模型进行组合，获得经过迭代的三维地下管网地电模型；
通过第一解译模型对所述经过迭代的三维地下管网地电模型进行解译，以实现对所述修正后的三维地下管网地电模型的迭代优化。
相比于现有技术，本发明实施例具有如下有益效果：
本发明实施例提供了一种基于三维高密度电法的地下管网漏点检测方法和***，所述方法包括：利用三维高密度电法采集待测区域的第一数据集；其中，所述待测区域设有高密度电法仪，所述高密度电法仪与若干电极连接，所述若干电极在所述待测区域中按照预设规则排列，且所述待测区域还设有若干电极转换开关；所述第一数据集包括基础数据集和实测数据集；通过所述基础数据集，构建针对所述待测区域的三维地下管网基础模型；在所述三维地下管网基础模型上叠加第一变量系数，获得修正后的三维地下管网地电模型；将所述修正后的三维地下管网地电模型通过实测数据集进行迭代优化，并对经过迭代优化的三维地下管网地电模型进行可视化；提取可视化结果中的电阻异常体在预设时间段内的变化特征，并将所述异常体的核心电阻率与所述待测区域地下管网中液体的流体电阻率进行比对分析，根据提取结果与比对分析结果，定位所述待测区域地下管网的所有漏点。实施本申请实施例，通过三维高密度电法采集区域的数据集，构建三维地下管网基础模型，在对模型进行修正以及迭代优化后，通过可视化并确定模型中的电阻异常体，相比采用现有技术采用温度传感器的技术方案，本发明实施例基于电阻率进行检测，液体的电阻率即使受温度的影响，其变化相对于其与土壤或岩层的电阻率之间的差距也是微乎其微，因此具有更高的灵敏度和更高的准确度。此外，在发生漏水时，由于水流和电流的流动速度相比温度在地下土壤、岩层等各种环境中传导的速度更快，基于三维高密度电法的探测方式考虑到温度在土壤岩层中的传导具有较高的延迟，会具有更快的响应速度。而且，将经过迭代优化的三维地下管网地电模型进行可视化，并通过电阻异常体在预设时间段内的变化特征，以及将核心电阻率与液体的流体电阻率进行比对分析，在向相关人员进行展示并供其进行验证的同时，进一步降低了检测过程的误判率，有效降低了检修和维护的成本。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于三维高密度电法的地下管网漏点检测方法，其特征在于，包括：
利用三维高密度电法采集待测区域的第一数据集；其中，所述待测区域设有高密度电法仪，所述高密度电法仪与若干电极连接，所述若干电极在所述待测区域中按照预设规则排列，且所述待测区域还设有若干电极转换开关；所述第一数据集包括基础数据集和实测数据集；
通过所述基础数据集，构建针对所述待测区域的三维地下管网基础模型；
在所述三维地下管网基础模型上叠加第一变量系数，获得修正后的三维地下管网地电模型；
将所述修正后的三维地下管网地电模型通过实测数据集进行迭代优化，并对经过迭代优化的三维地下管网地电模型进行可视化；
提取可视化结果中的电阻异常体在预设时间段内的变化特征，并将所述异常体的核心电阻率与所述待测区域地下管网中液体的流体电阻率进行比对分析，根据提取结果与比对分析结果，定位所述待测区域地下管网的所有漏点。
2.如权利要求1所述的一种基于三维高密度电法的地下管网漏点检测方法，其特征在于，所述利用三维高密度电法采集待测区域的第一数据集，具体为：
通过所述高密度电法仪、所述若干电极转换开关和所述若干电极采集所述待测区域的第一电位数据集、第一电阻率数据集和第二电位数据集和第二电阻率数据集；
根据所述第一电位数据集、第一电阻率数据集结合预设的电极排列系数，构建所述基础数据集；
根据所述第二电位数据集、第二电阻率数据集和与所述若干电极的排列规则对应的电极排列系数，构建所述实测数据集。
3.如权利要求1所述的一种基于三维高密度电法的地下管网漏点检测方法，其特征在于，所述第一变量系数包括预设的衰减比例系数和增量系数；
所述在所述三维地下管网基础模型上叠加第一变量系数，获得修正后的三维地下管网地电模型，具体为：
在所述三维地下管网基础模型上叠加衰减比例系数，获得修正后的三维地下管网模型；
或，在所述三维地下管网基础模型上叠加增量系数，获得修正后的三维地下管网模型。
4.如权利要求3所述的一种基于三维高密度电法的地下管网漏点检测方法，其特征在于，所述第一变量系数与所述待测区域对应。
5.如权利要求1所述的一种基于三维高密度电法的地下管网漏点检测方法，其特征在于，所述将所述修正后的三维地下管网地电模型通过实测数据集进行迭代优化，具体为：
将所述修正后的三维地下管网地电模型按照电极的位置划分为若干球体模型；
对所述各若干球体模型分别一一赋予一个第二变量系数；
通过所述实测数据集中的若干实测数据和所有第二变量系数，分别对各球体模型进行若干次迭代，直到满足预设的迭代终止条件；
在迭代终止条件得到满足时，将所述各球体模型进行组合，获得经过迭代的三维地下管网地电模型；
通过第一解译模型对所述经过迭代的三维地下管网地电模型进行解译，以实现对所述修正后的三维地下管网地电模型的迭代优化。
6.如权利要求5所述的一种基于三维高密度电法的地下管网漏点检测方法，其特征在于，所述迭代终止条件具体为：
所述实测数据与所述球体模型的模型参数之间的均方根误差小于误差极限要求；
且所述各球体模型的模型参数在预设的阈值范围内；其中，所述误差极限要求和所述阈值范围根据所述待测区域地下管网中液体的流体电阻率和所述待测区域的环境电阻率确定；所述环境电阻率为土壤电阻率或岩体电阻率。
7.如权利要求1所述的一种基于三维高密度电法的地下管网漏点检测方法，其特征在于，所述变化特征为电阻率变化速率；
所述根据提取结果与比对分析结果，定位所述待测区域地下管网的所有漏点，具体为：
筛选出第一电阻异常体；其中，所述第一电阻异常体的电阻率变化速率大于预设变化阈值且比对分析结果满足要求；
当第一电阻异常体仅有一个时，通过第一坐标处的传感器采集所述第一电阻异常体对应位置的所有声音矢量信号和噪声信号，根据所述声音矢量信号和所述噪声信号，定位第一电阻异常体中的所有漏点；
当第一电阻异常体有至少两个时，通过第一坐标处的传感器采集所有第一电阻异常体对应位置的噪声信号和声音矢量信号，根据所有噪声信号的均值和所有声音矢量信号的均值确定第二坐标；其中，所述第一坐标根据第一电阻异常体的位置和所述若干电极的排列方式确定；
通过在所述第二坐标处的传感器采集所有第一电阻异常体的噪声信号和声音矢量信号，分别根据各第一电阻异常体的噪声信号和声音矢量信号，确定所有漏点。
8.一种基于三维高密度电法的地下管网漏点检测***，其特征在于，包括采集模块、模型构建模块、修正模块、迭代优化模块和定位模块；其中，
所述采集模块，用于利用三维高密度电法采集待测区域的第一数据集；其中，所述待测区域设有高密度电法仪，所述高密度电法仪与若干电极连接，所述若干电极在所述待测区域中按照预设规则排列，且所述待测区域还设有若干电极转换开关；所述第一数据集包括基础数据集和实测数据集；
所述模型构建模块，用于通过所述基础数据集，构建针对所述待测区域的三维地下管网基础模型；
所述修正模块，用于在所述三维地下管网基础模型上叠加第一变量系数，获得修正后的三维地下管网地电模型；
所述迭代优化模块，用于将所述修正后的三维地下管网地电模型通过实测数据集进行迭代优化，并对经过迭代优化的三维地下管网地电模型进行可视化；
所述定位模块，用于提取可视化结果中的电阻异常体在预设时间段内的变化特征，并将所述异常体的核心电阻率与所述待测区域地下管网中液体的流体电阻率进行比对分析，根据提取结果与比对分析结果，定位所述待测区域地下管网的所有漏点。
9.如权利要求8所述的一种基于三维高密度电法的地下管网漏点检测***，其特征在于，所述采集模块利用三维高密度电法采集待测区域的第一数据集，具体为：
所述采集模块通过所述高密度电法仪、所述若干电极转换开关和所述若干电极采集所述待测区域的第一电位数据集、第一电阻率数据集和第二电位数据集和第二电阻率数据集；
根据所述第一电位数据集、第一电阻率数据集结合预设的电极排列系数，构建所述基础数据集；
根据所述第二电位数据集、第二电阻率数据集和与所述若干电极的排列规则对应的电极排列系数，构建所述实测数据集。
10.如权利要求8所述的一种基于三维高密度电法的地下管网漏点检测***，其特征在于，所述迭代优化模块将所述修正后的三维地下管网地电模型通过实测数据集进行迭代优化，具体为：
所述迭代优化模块将所述修正后的三维地下管网地电模型按照电极的位置划分为若干球体模型；其中，每一球体模型与各电极分别一一对应；
对所述各若干球体模型分别一一赋予一个第二变量系数；
通过所述实测数据集中的若干实测数据和所有第二变量系数，分别对各球体模型进行若干次迭代，直到满足预设的迭代终止条件；
在迭代终止条件得到满足时，将所述各球体模型进行组合，获得经过迭代的三维地下管网地电模型；
通过第一解译模型对所述经过迭代的三维地下管网地电模型进行解译，以实现对所述修正后的三维地下管网地电模型的迭代优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211658147.0A CN115930117B (zh) | 2022-12-22 | 2022-12-22 | 基于三维高密度电法的地下管网漏点检测方法和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211658147.0A CN115930117B (zh) | 2022-12-22 | 2022-12-22 | 基于三维高密度电法的地下管网漏点检测方法和*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115930117A true CN115930117A (zh) | 2023-04-07 |
| CN115930117B CN115930117B (zh) | 2023-07-25 |
Family
ID=86557423
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211658147.0A Active CN115930117B (zh) | 2022-12-22 | 2022-12-22 | 基于三维高密度电法的地下管网漏点检测方法和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115930117B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060250136A1 (en) * | 2002-09-25 | 2006-11-09 | Dominique Benimeli | Device and process for determination of the resistivity of a formation surrounding a cased borehole |
| CN101334484A (zh) * | 2008-07-22 | 2008-12-31 | 江苏大学 | 三维高分辨电阻率勘探及直接成像方法 |
| CN102644851A (zh) * | 2012-05-08 | 2012-08-22 | 西南石油大学 | 天然气干气管道智能检测球 |
| US20170059736A1 (en) * | 2015-09-01 | 2017-03-02 | Sondex Wireline Limited | Resistivity imager with reduced borehole loading |
| CN108646308A (zh) * | 2018-06-15 | 2018-10-12 | 山东大学 | 一种基于四维电阻率反演的不良地质体灌浆实时监测方法 |
| CN108980636A (zh) * | 2018-07-02 | 2018-12-11 | 中国海洋大学 | 储油区地下渗漏实时监测方法 |
| CN109209338A (zh) * | 2018-09-21 | 2019-01-15 | 中南大学 | 一种用于探测井旁异常体的电法观测***及探测方法 |
| CN109798452A (zh) * | 2019-02-27 | 2019-05-24 | 常州新奥燃气工程有限公司 | 电容式燃气管道泄漏检测装置及检测方法 |
| CN110018519A (zh) * | 2019-02-01 | 2019-07-16 | 福建省厦门环境监测中心站 | 一种地下不良工程地质与水文地质勘测***及方法 |
| CN111354033A (zh) * | 2020-02-28 | 2020-06-30 | 西安交通大学 | 基于特征匹配的数字图像测量方法 |
| AU2020101293A4 (en) * | 2019-07-09 | 2020-08-13 | Anhui University of Science and Technology | Artificial intelligence detection system for deep-buried fuel gas pipeline leakage |
| CN111721831A (zh) * | 2020-06-08 | 2020-09-29 | 重庆交通大学 | 基于电刺激的三维层析成像堤坝隐伏渗漏通道扫描方法 |
| CN111721808A (zh) * | 2020-05-16 | 2020-09-29 | 北京城建中南土木工程集团有限公司 | 一种地下管网泄露位置确定方法及*** |
| CN112289296A (zh) * | 2020-10-23 | 2021-01-29 | 南京紫米网络科技有限公司 | 一种户外会场用全向环境噪声屏蔽桩 |
| CN113158571A (zh) * | 2021-04-26 | 2021-07-23 | 中国科学院地质与地球物理研究所 | 一种基于全卷积神经网络的大地电磁反演方法 |
-
2022
- 2022-12-22 CN CN202211658147.0A patent/CN115930117B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060250136A1 (en) * | 2002-09-25 | 2006-11-09 | Dominique Benimeli | Device and process for determination of the resistivity of a formation surrounding a cased borehole |
| CN101334484A (zh) * | 2008-07-22 | 2008-12-31 | 江苏大学 | 三维高分辨电阻率勘探及直接成像方法 |
| CN102644851A (zh) * | 2012-05-08 | 2012-08-22 | 西南石油大学 | 天然气干气管道智能检测球 |
| US20170059736A1 (en) * | 2015-09-01 | 2017-03-02 | Sondex Wireline Limited | Resistivity imager with reduced borehole loading |
| CN108646308A (zh) * | 2018-06-15 | 2018-10-12 | 山东大学 | 一种基于四维电阻率反演的不良地质体灌浆实时监测方法 |
| CN108980636A (zh) * | 2018-07-02 | 2018-12-11 | 中国海洋大学 | 储油区地下渗漏实时监测方法 |
| CN109209338A (zh) * | 2018-09-21 | 2019-01-15 | 中南大学 | 一种用于探测井旁异常体的电法观测***及探测方法 |
| CN110018519A (zh) * | 2019-02-01 | 2019-07-16 | 福建省厦门环境监测中心站 | 一种地下不良工程地质与水文地质勘测***及方法 |
| CN109798452A (zh) * | 2019-02-27 | 2019-05-24 | 常州新奥燃气工程有限公司 | 电容式燃气管道泄漏检测装置及检测方法 |
| AU2020101293A4 (en) * | 2019-07-09 | 2020-08-13 | Anhui University of Science and Technology | Artificial intelligence detection system for deep-buried fuel gas pipeline leakage |
| CN111354033A (zh) * | 2020-02-28 | 2020-06-30 | 西安交通大学 | 基于特征匹配的数字图像测量方法 |
| CN111721808A (zh) * | 2020-05-16 | 2020-09-29 | 北京城建中南土木工程集团有限公司 | 一种地下管网泄露位置确定方法及*** |
| CN111721831A (zh) * | 2020-06-08 | 2020-09-29 | 重庆交通大学 | 基于电刺激的三维层析成像堤坝隐伏渗漏通道扫描方法 |
| CN112289296A (zh) * | 2020-10-23 | 2021-01-29 | 南京紫米网络科技有限公司 | 一种户外会场用全向环境噪声屏蔽桩 |
| CN113158571A (zh) * | 2021-04-26 | 2021-07-23 | 中国科学院地质与地球物理研究所 | 一种基于全卷积神经网络的大地电磁反演方法 |
Non-Patent Citations (3)
| Title |
|---|
| 何文勇;俞仁泉;: "三维直流电法在岩溶地区桥基勘察中的应用", 公路交通科技(应用技术版), no. 04, pages 134 - 137 * |
| 杨晓洪;陈敬和;胡士信;郭剑;陆家榆;: "交流输电线路对输油输气管道的电磁影响现场测试研究", 腐蚀与防护, no. 1, pages 23 - 29 * |
| 王智; 王程; 方思南: "基于非结构化有限元的三维井地电阻率法约束反演", 物探与化探, vol. 46, no. 6, pages 1431 - 1443 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115930117B (zh) | 2023-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | A review of methods for burst/leakage detection and location in water distribution systems | |
| De Coster et al. | Towards an improvement of GPR-based detection of pipes and leaks in water distribution networks | |
| CN107965673A (zh) | 基于ar技术的天然气管道缺陷定位方法及装置 | |
| CN107505267B (zh) | 一种气体探测器布点分析方法及装置 | |
| CN112462190A (zh) | 地下电缆故障探测多足机器人、探测***及探测方法 | |
| CN109712233B (zh) | 管线故障显示方法、***、ar设备和存储介质 | |
| CN106706715A (zh) | 基于三维高密度电阻率法的污染土检测方法 | |
| KR20190127515A (ko) | 전기비저항을 이용하여 복합관로를 탐사하기 위한 빅데이터 기반의 지하매설 정보 획득 장치 및 그 방법 | |
| CN108732628B (zh) | 沿管线走向的高密度电法管线探测观测方法及*** | |
| Romano et al. | Burst detection and location in water distribution systems | |
| Cai et al. | Fusing heterogeneous information for underground utility map generation based on Dempster-Shafer theory | |
| CN117852416A (zh) | 基于数字化地质模型的多模态注浆预控分析方法及*** | |
| CN115930117B (zh) | 基于三维高密度电法的地下管网漏点检测方法和*** | |
| CN101865817A (zh) | 用于埋地金属腐蚀探测的传感器与探测方法 | |
| CN112363019A (zh) | 一种接地网拓扑结构故障探测方法及装置 | |
| Salam et al. | A leakage detection system on the Water Pipe Network through Support Vector Machine method | |
| CN117266933A (zh) | 一种煤矿采空区水运移存储模拟试验综合监测***与方法 | |
| CN105005095B (zh) | 地下管线长度、深度测量*** | |
| CN111538297A (zh) | 一种基于web的交互式三维可视化平台 | |
| CN110360462A (zh) | 一种城市地下管道泄漏的检测方法 | |
| CN109654379A (zh) | 一种非金属管道外防腐层破损检测***及应用方法 | |
| CN113568041B (zh) | 时移地震三维拖缆采集数据的可重复性分析方法及*** | |
| CN114004049A (zh) | 一种三维可视化地下管网测漏监测和开挖模拟*** | |
| CN110702267B (zh) | 一种埋地管道周围土层介质赋存状态的测试***及方法 | |
| KR102205080B1 (ko) | 가시성이 향상된 gpr 데이터의 처리방법 |
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 |