CN118035774A - 一种水位和压力信号数据安全控制方法及*** - Google Patents
一种水位和压力信号数据安全控制方法及*** Download PDFInfo
- Publication number
- CN118035774A CN118035774A CN202410445210.5A CN202410445210A CN118035774A CN 118035774 A CN118035774 A CN 118035774A CN 202410445210 A CN202410445210 A CN 202410445210A CN 118035774 A CN118035774 A CN 118035774A
- Authority
- CN
- China
- Prior art keywords
- water level
- pressure
- cluster
- data
- clusters
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 153
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000011148 porous material Substances 0.000 claims abstract description 38
- 238000005259 measurement Methods 0.000 claims abstract description 23
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 239000013598 vector Substances 0.000 claims description 18
- 238000009530 blood pressure measurement Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 239000002689 soil Substances 0.000 description 4
- 230000037361 pathway Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000005325 percolation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Landscapes
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
Abstract
本发明提供一种水位和压力信号数据安全控制方法及***，包括：在水坝中设置多个孔隙水压力测量点，测量得到历史测量数据；确定水位变化在第一阈值范围内，并且持续时间大于第二阈值的分段，得到多个有效分段；进行曲线拟合，得到多个分段曲线集合；进行聚类，得到多个相同变化趋势聚类；获取当前水位对应的相同变化趋势聚类；检测当前水位对应的相同变化趋势聚类中的每一个采集点位的压力数据曲线，如果有点位的压力数据曲线与聚类中其它采集点位的相似度小于第三阈值，则该点位的孔隙水压力异常，控制***进行告警。通过上述方案可以简单方便地分析孔隙水压力，并且不需要设定锚值。
Description
技术领域
本发明涉及大数据处理领域，具体而言涉及一种水位和压力信号数据安全控制方法及***。
背景技术
孔隙水压力是指存在于土壤、岩石等多孔介质中的水分所受的压力。在多孔介质中，水分填充在孔隙中，由于重力和土体颗粒的排斥效应，孔隙水会受到一定的压力作用。
孔隙水压力与水文循环密切相关，水位的变化会引起孔隙水压力的变动。孔隙水压力对于工程结构的稳定性有重要影响。在建筑工程、地下工程、坝体工程等项目中，需要了解孔隙水压力的分布和变化，以制定合适的工程设计和防控措施。当孔隙水压力异常时需要及时告警，以便对工程进行维护。
然而，大坝的水位变化以及水位的持续时间可能会影响周围土体中的地下水位进而影响孔隙水压力，导致孔隙水压力的测量值无法直接应用。例如，不同水位、水位持续时间不同时，同一地点测量的孔隙水压力可能有较大的差异，如50m水位持续2个月可能比70m水位持续2周，同一地点测量的孔隙水压力要大。因此，孔隙水压力受到水位、水位持续时间的影响，测量得到的孔隙水压力是一个变化复杂的数值，测量值无法设置锚值进行直接比较并应用于告警***。
发明内容
为了解决现有技术中的问题，本发明提供一种水位和压力信号数据安全控制方法及***。
在本发明的一个方面，提供一种水位和压力信号数据安全控制方法，包括：在水坝中设置多个孔隙水压力测量点，每隔相同的时间记录水坝水位及每个测量点的压力数据，得到历史测量数据；以时间序列遍历所述历史测量数据，确定水位变化在第一阈值范围内，并且持续时间大于第二阈值的分段，得到多个有效分段；对每一个所述有效分段内的每一个测量点的压力数据进行曲线拟合，得到多个分段曲线集合；对每一个所述分段曲线集合内的曲线进行聚类，得到多个相同变化趋势聚类；获取当前水位及每个采集点当前的压力测量数据，如果当前水位变化在第一阈值范围内，并且持续时间大于第二阈值，则获取当前水位对应的相同变化趋势聚类；检测当前水位对应的相同变化趋势聚类中的每一个采集点位的压力数据曲线，如果有点位的压力数据曲线与聚类中其它采集点位的相似度小于第三阈值，则该点位的孔隙水压力异常，控制***进行告警。
进一步地，在水平以及垂直方向上分布多个测点，覆盖水坝结构的各个部位。
进一步地，对每一个所述有效分段内的每一个测量点的压力数据进行曲线拟合时采用包含线性和指数成分的混合模型，所述混合模型具体为：
其中是在时间 t 处的测量值；a、b、c、d是模型参数，需要通过拟合估计；t是时间。
进一步地，如果同一水位对应多个聚类，则计算多个聚类之间的相似性，将相似性大于第四阈值的聚类取交集。
进一步地，计算多个聚类之间的相似性包括：取采集点位数量长度的全0向量，对于一个聚类，如果聚类中有某一采集点，则将全0向量中对应位置的0置为1，得到每个聚类的聚类向量，计算聚类向量之间的相似度得到聚类的相似度。
本发明另一方面还提供一种水位和压力信号数据安全控制***，包括：采集模块，用于在水坝中设置多个孔隙水压力测量点，每隔相同的时间记录水坝水位及每个测量点的压力数据，得到历史测量数据；数据处理模块，用于以时间序列遍历所述历史测量数据，确定水位变化在第一阈值范围内，并且持续时间大于第二阈值的分段，得到多个有效分段；对每一个所述有效分段内的每一个测量点的压力数据进行曲线拟合，得到多个分段曲线集合；对每一个所述分段曲线集合内的曲线进行聚类，得到多个相同变化趋势聚类；检测模块，用于获取当前水位及每个采集点当前的压力测量数据，如果当前水位变化在第一阈值范围内，并且持续时间大于第二阈值，则获取当前水位对应的相同变化趋势聚类；检测当前水位对应的相同变化趋势聚类中的每一个采集点位的压力数据曲线，如果有点位的压力数据曲线与聚类中其它采集点位的相似度小于第三阈值，则该点位的孔隙水压力异常，控制***进行告警。
进一步地，在水平以及垂直方向上分布多个测点，覆盖水坝结构的各个部位。
进一步地，在于对每一个所述有效分段内的每一个测量点的压力数据进行曲线拟合时采用包含线性和指数成分的混合模型，所述混合模型具体为：
其中是在时间 t 处的测量值；a、b、c、d是模型参数，需要通过拟合估计；t是时间。
进一步地，如果同一水位对应多个聚类，则计算多个聚类之间的相似性，将相似性大于第四阈值的聚类取交集。
进一步地，计算多个聚类之间的相似性包括：取采集点位数量长度的全0向量，对于一个聚类，如果聚类中有某一采集点，则将全0向量中对应位置的0置为1，得到每个聚类的聚类向量，计算聚类向量之间的相似度得到聚类的相似度。
本发明通过上述技术方案，可以产生如下有益效果：
通过水位对和持续时间对历史数据切片分段，同不同的水位的分段数据进行聚类分析，找出每个水位对应的趋势相同的采集点位，检测当前水位对应的相同变化趋势聚类中的每一个采集点位的压力数据曲线，如果有点位的压力数据曲线与聚类中其它采集点位的相似度过小，则该点位的孔隙水压力异常，控制***进行告警，用该方法可以不需要设定确定的告警锚值数据，提高告警的准确性。
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，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是拟合曲线示例；
图2是聚类曲线示例；
图3是异常曲线示例。
具体实施方式
下面，结合附图以及具体实施方式，对发明做出优选的描述。
本实施例通过如下步骤解决上术问题:
在一个实施例中，本发明提供一种水位和压力信号数据安全控制方法，具体包括：
在水坝中设置多个孔隙水压力测量点，每隔相同的时间记录水坝水位及每个测量点的压力数据，得到历史测量数据。
在水坝中设置多个孔隙水压力测量点是一种现有技术中的手段，可以用于监测水坝内部水文地质状况、了解孔隙水的分布和变化，以及评估水坝的稳定性。
确定测点的位置非常关键，位置的选择应该考虑到水坝的结构、地质条件、水文地质特征以及可能的渗流路径，通常，测点可以设置在水坝坝体、坝基、附近的岩土体以及可能的渗流通道附近。
进一步地，本实施例中，设置多个孔隙水压力测量点时，应该考虑在不同深度上布置。水坝内部或周围的不同深度可能存在不同的水文地质条件，因此多深度的测量点有助于全面了解孔隙水的变化。
进一步地，本实施例中，在水平方向上分布多个测点，覆盖水坝结构的各个部位。这有助于监测水坝整体上的孔隙水压力分布，尤其是在水坝不同截面或位置可能存在不同渗透条件的情况下。
如果已知或怀疑存在渗流通道，应该在这些通道附近设置测点。这有助于及早发现潜在的渗流问题，以采取预防措施。
测量点的数量本实施不做限定，但基于本实施例的聚类原理，测量点越多越有助于提高分析的准确性。进一步地，测量点不应少于50个。
记录水位和孔隙水压力的时间间隔可以根据工程需求、水坝特性和水文地质条件而定。通常，记录可以每天、两天或每周进行，本实施例不做限定，对于水位变化大的水坝可以设定较短的采集间隔，对于水位变化小的水坝则可以适当增大采集间隔。
进一步地，可以设置一个专门的数据库或数据存储***，用于存储和管理历史测量数据。确保数据能够被及时、完整地记录，并能够轻松检索和分析。如表1所示，为一示例性地记录方式，可在数据库或存储***中建立类似的表格，确保记录每一测量周期的水位以及每一测量点的压力值即可。
表1
进一步地，对测量设备进行定期检查和维护，确保其正常运行。这可能包括更换电池、清理传感器、检查连接线路等。确保数据的可靠性和一致性。
以时间序列遍历所述历史测量数据，确定水位变化在第一阈值范围内，并且持续时间大于第二阈值的分段，得到多个有效分段。
在前述的步骤中，对历史数据进行了采集，记录了采集的时间、水位以及每个采集点位的压力，因此可以以时间对历史数据进行切片。如表1所示，从day1至day8共8个时间切片，每一个时间切片中都包括了采集时间的水位及各采集点位的测量值。
以表1为例，以时间序列遍历所述历史测量数据即从day1遍历至day8，获取每一天的数据。
由于不同的水位对孔隙水压力影响较大，当水位变化大时孔隙水压变化规律较乱，将水位锚定于一定范围有助力于屏蔽不同水位对不同测量点造成的影响差异。因此，确定水位变化在第一阈值范围内，当水位变化在第一阈值范围内时认为水位变化不大。以表1为例，第一阈值设定为1.5m，则从day1至day6变化小于1.5，可以确定day1至day6水位变化在第一阈值范围内。
当水位稳定一段时间后，如果无测量点渗流，则其测量压力会根据水位情况进行规律变化，因此，还需要进一步确定在一定水位维持持续时间大于第二阈值的情况。以表1为例，如果第二阈值设置为5天，则day1至day6符合大于5天，因此，可以将day1至day6的数据切片确定为一个有效分段。类似地，历史数据可以记录数年，通过上述规则可以将历史数据划分成多个有效的分段。当数据越多时，有效的分段越多，则可以覆盖不同的水位情况，因此历史数据应该尽量地多。
对于第一阈值和第二阈值可以根据水坝的实际进行设定，当水坝的水位变化快时，第一阈值和第二阈值可以设置小一点以防止水位覆盖不足，当水坝水位变化缓慢时，可以将第一阈值和第二阈值设置大一些，有助于提高后续的拟合精度。
对每一个所述有效分段内的每一个测量点的压力数据进行曲线拟合，得到多个分段曲线集合。
对每个测量点的压力数据的曲线拟合可以帮助理解压力变化的趋势，以揭示隐藏在数据中的规则。
获取每个测量点的压力数据后，需要将数据进行清理和整理，确保数据的连续性和完整性。可以包括去除异常值、填充缺失值等。然后选择适当的数学模型进行曲线拟合，如线性、多项式、指数、对数等。本实施例中，水位变化后维持，在前期接近线性变化，后期接近指数变化，因此优选地，采用一个包含线性和指数成分的混合模型。这样的混合模型可以更好地捕捉到数据变化的不同阶段。
模型形式可以写为：
其中是在时间 t 处的测量值；a、b、c、d是模型参数，需要通过拟合估计；t是时间。
进一步地，利用拟合模型的参数估计方法，通过最小二乘法或其他拟合算法来估计模型的参数，以得到一个与数据相匹配的拟合曲线。
以表1的数据为例，day1至day6的数据为一个有效分段，则该分段中，点位1至点位4一共可以拟合出四条曲线。
在前述的步骤中，将数据分成了多个有效分段，则每一个有效分段都可以针对每一个点位拟合出一条曲线，每一个分段对应一个分段曲线集合。如图1所示，表1中day1至day6分段对应的分段曲线集合即为点位1至点位4的压力测量值基于day1至day6时间轴的拟合出的四条曲线。
对每一个所述分段曲线集合内的曲线进行聚类，得到多个相同变化趋势聚类。
对每个分段曲线集合内的曲线进行聚类可以帮助识别具有相似变化趋势的子群。这样的聚类分析可以用于发现每个压力数据集内潜在的模式，使得每个聚类内的曲线更具有相似性。
聚类的实现可以使用现有技术中的任意手段，如：K-means 聚类、层次聚类、DBSCAN等。可根据压力数据的变化率等特点，以及对噪声和离群值的敏感性进行选择，也可实验多种算法，选择较好的一种，具体的算法本实施例不做具体限定。
由于分段曲线集合有很多个，每一个分段曲线集合都可以进行聚类，每一个分段曲线集合也可以包含多个类群，每个类群指示了一种相同变化趋势聚类，如图2所示，点位1、3、4的趋势类似，因此将点位1、3、4进行聚类。点位1、3、4进行聚类仅为一个聚类示例，在实施过程中会有很多的不同类型的聚类。
进一步地，在进行有效分段时，由于历史数据较多，同一个水位可能对应很多个有效分段，因此，在进行聚类时，同一水位也会对应很多不同类型的聚类。在对每一个所述分段曲线集合内的曲线进行聚类，得到多个相同变化趋势聚类之后，如果同一水位对应多个聚类，则计算多个聚类之间的相似性，将相似性大于第四阈值的聚类取交集。
多个聚类之间的相似性的计算方法如下：
取采集点位数量长度的全0向量，对于一个聚类，如果聚类中有某一采集点，则将全0向量中对应位置的0置为1，得到每个聚类的聚类向量。示例性地，有6个采集点，则全0向量为（0，0，0，0，0，0），聚类A的点位为1，3，4则聚类A的聚类向量为（1，0，1，1，0，0）。
通过计算向量的相似度可以计算聚类之间的相似性，如果相似性比较大，说明在不同的历史数据中这些聚类的结果均类似，进一步将相似性大于第四阈值的聚类取交集，获取完全类似的点位。示例性地，20米水位时通过前述方法获取了聚类（1、3、4、5）以及（1、2、3、4），聚类（1、3、4、5）和聚类（1、2、3、4）可以是通过不同时间的历史数据得出的，为了趋势更加精确取聚类（1、3、4、5）和聚类（1、2、3、4）的交集，则20米水位对应的一个聚类为（1、3、4）。
获取当前水位及每个采集点当前的压力测量数据，如果当前水位变化在第一阈值范围内，并且持续时间大于第二阈值，则获取当前水位对应的相同变化趋势聚类。
在进行具体的检测时，与采集历史数据类似地，获取当前水位及每个采集点当前的压力测量数据，定时获取可以组成一系列的时间序列数据。
与前述的分析类似，只有当水位稳定一段时间后分析才有意义，因此需要满足当前水位变化在第一阈值范围内，并且持续时间大于第二阈值。
在前述步骤中，对每一水位的数据进行了相同变化趋势聚类，当水位稳定后即可获取当前水位对应的相同变化趋势聚类，如在历史数据中，20m水位对应的一个聚类为（1、3、4）（这里只是示例，还可能包括很多其它聚类），而当前水位为20m时，即可获取聚类（1、3、4）
进一步地，获取与当前水位最接近的水位的相同变化趋势聚类。示例性地，当前水位为20.3m，数据库中没有20.3m的数据，而与20.3米最接近的为20m，则获取20m对应的聚类。
检测当前水位对应的相同变化趋势聚类中的每一个采集点位的压力数据曲线，如果有点位的压力数据曲线与聚类中其它采集点位的相似度小于第三阈值，则该点位的孔隙水压力异常，控制***进行告警。
同一水位对应的相同变化趋势聚类中的每一个采集点位，由于外部条件一致，其压力数据曲线应该有相同的趋势。如果其中有点位的压力数据曲线趋势明显不同于其它点位，则说明这个点位的数据有问题，很可能出现渗管，需要进行一步进行详细检查。
如图3所示，点位1的趋势明显不同于点位3、4，因此点位1可能出现异常，需要控制***进行告警。
另一方面，本发明还提供一种水位和压力信号数据安全控制***，其特征在于所述***包括如下模块：
采集模块，用于在水坝中设置多个孔隙水压力测量点，每隔相同的时间记录水坝水位及每个测量点的压力数据，得到历史测量数据；
数据处理模块，用于以时间序列遍历所述历史测量数据，确定水位变化在第一阈值范围内，并且持续时间大于第二阈值的分段，得到多个有效分段；
对每一个所述有效分段内的每一个测量点的压力数据进行曲线拟合，得到多个分段曲线集合；对每一个所述分段曲线集合内的曲线进行聚类，得到多个相同变化趋势聚类；
检测模块，用于获取当前水位及每个采集点当前的压力测量数据，如果当前水位变化在第一阈值范围内，并且持续时间大于第二阈值，则获取当前水位对应的相同变化趋势聚类；检测当前水位对应的相同变化趋势聚类中的每一个采集点位的压力数据曲线，如果有点位的压力数据曲线与聚类中其它采集点位的相似度小于第三阈值，则该点位的孔隙水压力异常，控制***进行告警。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
本发明未特别明确的部分模块结构，以现有技术记载的内容为准。本发明在前述背景技术部分以及具体实施例部分提及的现有技术可作为本发明的一部分，用于理解部分技术特征或者参数的含义。本发明的保护范围以权利要求实际记载的内容为准。
Claims (10)
1.一种水位和压力信号数据安全控制方法，其特征在于：
在水坝中设置多个孔隙水压力测量点，每隔相同的时间记录水坝水位及每个测量点的压力数据，得到历史测量数据；
以时间序列遍历所述历史测量数据，确定水位变化在第一阈值范围内，并且持续时间大于第二阈值的分段，得到多个有效分段；
对每一个所述有效分段内的每一个测量点的压力数据进行曲线拟合，得到多个分段曲线集合；
对每一个所述分段曲线集合内的曲线进行聚类，得到多个相同变化趋势聚类；
获取当前水位及每个采集点当前的压力测量数据，如果当前水位变化在第一阈值范围内，并且持续时间大于第二阈值，则获取当前水位对应的相同变化趋势聚类；
检测当前水位对应的相同变化趋势聚类中的每一个采集点位的压力数据曲线，如果有点位的压力数据曲线与聚类中其它采集点位的相似度小于第三阈值，则该点位的孔隙水压力异常，控制***进行告警。
2.根据权利要求1所述的一种水位和压力信号数据安全控制方法，其特征在于：在水平以及垂直方向上分布多个测点，覆盖水坝结构的各个部位。
3.根据权利要求1所述的一种水位和压力信号数据安全控制方法，其特征在于：对每一个所述有效分段内的每一个测量点的压力数据进行曲线拟合时采用包含线性和指数成分的混合模型，所述混合模型具体为：
，
其中是在时间 t 处的测量值；a、b、c、d是模型参数，需要通过拟合估计；t是时间。
4.根据权利要求1所述的一种水位和压力信号数据安全控制方法，其特征在于：如果同一水位对应多个聚类，则计算多个聚类之间的相似性，将相似性大于第四阈值的聚类取交集。
5.根据权利要求4所述的一种水位和压力信号数据安全控制方法，其特征在于：计算多个聚类之间的相似性包括：取采集点位数量长度的全0向量，对于一个聚类，如果聚类中有某一采集点，则将全0向量中对应位置的0置为1，得到每个聚类的聚类向量，计算聚类向量之间的相似度得到聚类的相似度。
6.一种水位和压力信号数据安全控制***，其特征在于：所述***包括：
采集模块，用于在水坝中设置多个孔隙水压力测量点，每隔相同的时间记录水坝水位及每个测量点的压力数据，得到历史测量数据；
数据处理模块，用于以时间序列遍历所述历史测量数据，确定水位变化在第一阈值范围内，并且持续时间大于第二阈值的分段，得到多个有效分段；
对每一个所述有效分段内的每一个测量点的压力数据进行曲线拟合，得到多个分段曲线集合；对每一个所述分段曲线集合内的曲线进行聚类，得到多个相同变化趋势聚类；
检测模块，用于获取当前水位及每个采集点当前的压力测量数据，如果当前水位变化在第一阈值范围内，并且持续时间大于第二阈值，则获取当前水位对应的相同变化趋势聚类；检测当前水位对应的相同变化趋势聚类中的每一个采集点位的压力数据曲线，如果有点位的压力数据曲线与聚类中其它采集点位的相似度小于第三阈值，则该点位的孔隙水压力异常，控制***进行告警。
7.根据权利要求6所述的一种水位和压力信号数据安全控制***，其特征在于：在水平以及垂直方向上分布多个测点，覆盖水坝结构的各个部位。
8.根据权利要求6所述的一种水位和压力信号数据安全控制***，其特征在于：对每一个所述有效分段内的每一个测量点的压力数据进行曲线拟合时采用包含线性和指数成分的混合模型，所述混合模型具体为：
，
其中是在时间 t 处的测量值；a、b、c、d是模型参数，需要通过拟合估计；t是时间。
9.根据权利要求6所述的一种水位和压力信号数据安全控制***，其特征在于：如果同一水位对应多个聚类，则计算多个聚类之间的相似性，将相似性大于第四阈值的聚类取交集。
10.根据权利要求9所述的一种水位和压力信号数据安全控制***，其特征在于：计算多个聚类之间的相似性包括：取采集点位数量长度的全0向量，对于一个聚类，如果聚类中有某一采集点，则将全0向量中对应位置的0置为1，得到每个聚类的聚类向量，计算聚类向量之间的相似度得到聚类的相似度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410445210.5A CN118035774B (zh) | 2024-04-15 | 一种水位和压力信号数据安全控制方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410445210.5A CN118035774B (zh) | 2024-04-15 | 一种水位和压力信号数据安全控制方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118035774A true CN118035774A (zh) | 2024-05-14 |
| CN118035774B CN118035774B (zh) | 2024-07-05 |
Family
ID=
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014196892A1 (en) * | 2013-06-04 | 2014-12-11 | Siemens Aktiengesellschaft | System for leakage and collapse detection of levees and method using the system |
| CN111637115A (zh) * | 2020-05-29 | 2020-09-08 | 上海华兴数字科技有限公司 | 一种液压***异常的检测方法、检测装置及可读存储介质 |
| CN111738308A (zh) * | 2020-06-03 | 2020-10-02 | 浙江中烟工业有限责任公司 | 基于聚类及半监督学习的监控指标动态阈值检测方法 |
| CN111858712A (zh) * | 2020-07-20 | 2020-10-30 | 上海仪电（集团）有限公司中央研究院 | 原位水质巡检数据时空分析与异常检测方法和*** |
| CN112257754A (zh) * | 2020-09-24 | 2021-01-22 | 北京航天测控技术有限公司 | 航天器运行状态的分析方法和装置 |
| CN117235449A (zh) * | 2023-11-14 | 2023-12-15 | 湖北省气象服务中心（湖北省专业气象服务台） | 基于sigmoid曲线及双包络算法的风电功率异常数据处理方法 |
| CN117290695A (zh) * | 2023-09-26 | 2023-12-26 | 国网福建省电力有限公司莆田供电公司 | 一种低压充电桩异常用电甄别方法 |
| CN117490834A (zh) * | 2023-11-03 | 2024-02-02 | 中国船舶集团有限公司第七〇四研究所 | 振动频谱峰值捕获方法 |
| CN117708625A (zh) * | 2024-01-09 | 2024-03-15 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种乏数据背景下大坝监测历史数据填补方法 |
| CN117809439A (zh) * | 2024-02-23 | 2024-04-02 | 安徽金海迪尔信息技术有限责任公司 | 一种基于多种环境因素中河流流量异常预警*** |
| CN117876381A (zh) * | 2024-03-13 | 2024-04-12 | 江苏省建筑工程质量检测中心有限公司 | 用于混凝土结构裂缝识别和分析的ai视觉检测方法和*** |
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014196892A1 (en) * | 2013-06-04 | 2014-12-11 | Siemens Aktiengesellschaft | System for leakage and collapse detection of levees and method using the system |
| CN111637115A (zh) * | 2020-05-29 | 2020-09-08 | 上海华兴数字科技有限公司 | 一种液压***异常的检测方法、检测装置及可读存储介质 |
| CN111738308A (zh) * | 2020-06-03 | 2020-10-02 | 浙江中烟工业有限责任公司 | 基于聚类及半监督学习的监控指标动态阈值检测方法 |
| CN111858712A (zh) * | 2020-07-20 | 2020-10-30 | 上海仪电（集团）有限公司中央研究院 | 原位水质巡检数据时空分析与异常检测方法和*** |
| CN112257754A (zh) * | 2020-09-24 | 2021-01-22 | 北京航天测控技术有限公司 | 航天器运行状态的分析方法和装置 |
| CN117290695A (zh) * | 2023-09-26 | 2023-12-26 | 国网福建省电力有限公司莆田供电公司 | 一种低压充电桩异常用电甄别方法 |
| CN117490834A (zh) * | 2023-11-03 | 2024-02-02 | 中国船舶集团有限公司第七〇四研究所 | 振动频谱峰值捕获方法 |
| CN117235449A (zh) * | 2023-11-14 | 2023-12-15 | 湖北省气象服务中心（湖北省专业气象服务台） | 基于sigmoid曲线及双包络算法的风电功率异常数据处理方法 |
| CN117708625A (zh) * | 2024-01-09 | 2024-03-15 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种乏数据背景下大坝监测历史数据填补方法 |
| CN117809439A (zh) * | 2024-02-23 | 2024-04-02 | 安徽金海迪尔信息技术有限责任公司 | 一种基于多种环境因素中河流流量异常预警*** |
| CN117876381A (zh) * | 2024-03-13 | 2024-04-12 | 江苏省建筑工程质量检测中心有限公司 | 用于混凝土结构裂缝识别和分析的ai视觉检测方法和*** |
Non-Patent Citations (1)
| Title |
|---|
| 陈运;廖振良;: "突发水污染事件的在线检测技术研究进展", 能源环境保护, no. 06, 15 December 2019 (2019-12-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112101554B (zh) | 异常检测方法及装置、设备、计算机可读存储介质 | |
| CN108492532B (zh) | 一种山体滑坡地质灾害的预警***及其预警方法 | |
| CN113566894A (zh) | 基于物联网的地质灾害监测方法、***、终端及介质 | |
| Bailey et al. | Estimating the freshwater-lens thickness of atoll islands in the Federated States of Micronesia | |
| CN115935139A (zh) | 一种海洋观测数据的空间场插补方法 | |
| CN107644148A (zh) | 一种基于多参数关联的在轨卫星异常状态监测方法及*** | |
| Piersanti et al. | The Pollino 2012 seismic sequence: clues from continuous radon monitoring | |
| CN111881594B (zh) | 一种核动力设备的非平稳信号状态监测方法及*** | |
| Lucio-Eceiza et al. | Quality control of surface wind observations in northeastern North America. Part II: Measurement errors | |
| CN115100819B (zh) | 基于大数据分析的滑坡灾害预警方法、装置及电子设备 | |
| CN117454283A (zh) | 一种用于风电机组运行检测数据的状态评估方法 | |
| CN113962320A (zh) | 地下水监测数据处理方法及装置 | |
| CN118035774B (zh) | 一种水位和压力信号数据安全控制方法及*** | |
| CN117314218B (zh) | 一种基于大数据分析的煤矿水害实时预警方法 | |
| CN113128098B (zh) | 基于de-lof的混凝土坝奇异值检测方法和设备 | |
| CN118035774A (zh) | 一种水位和压力信号数据安全控制方法及*** | |
| Pyayt et al. | Signal analysis and anomaly detection for flood early warning systems | |
| CN107065018B (zh) | 一种用于堤坝动态监测的电法观测方法 | |
| Pu et al. | Early warning of abrupt displacement change at the Yemaomian landslide of the Three Gorge Region, China | |
| CN116862109A (zh) | 一种区域碳排放态势感知预警方法 | |
| CN114662977A (zh) | 海上钻井平台运动状态的异常检测方法、***和电子设备 | |
| US20230341370A1 (en) | Detection of change in physicochemical composition of a liquid | |
| CN114413834A (zh) | 一种基于北斗/gps定位***的高精度沉降监测方法 | |
| CN112487363A (zh) | 一种基于mmd分析的卫星遥测一致性检测方法及*** | |
| JP2013195411A (ja) | 地殻破壊予測方法及びそれを用いた地殻破壊予測システム |
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 |