-
公开(公告)号：CN111709465A
公开(公告)日：2020-09-25
申请号：CN202010497120.2
申请日：2020-06-04
Applicant: 中国电建集团华东勘测设计研究院有限公司 , 国家能源局大坝安全监察中心
Abstract: 本发明涉及一种大坝安全监测数据粗差智能识别方法，无须人为制定评判规则和阈值，又能够准确高效处理大批量多类型监测数据。本发明的技术方案是：S1、读入待检测的大坝安全监测数据，数据格式为[时间，数据]；S2、采用无监督学习算法对待检测的监测数据序列进行检测，识别显著异常的数据，并标记疑似粗差数据Ⅰ和可能正常数据Ⅰ；S3、对可能正常数据Ⅰ采用滤波算法进行平滑处理，将原数据减去平滑处理后的数据得到残差，并再次使用无监督学习算法对数据序列的残差进行检测，根据残差分类识别出可能异常数据，标记疑似粗差数据Ⅱ和可能正常数据Ⅱ；本发明适用于大坝安全监测领域及其他时间序列数据检测领域。
-
公开(公告)号：CN119089370B
公开(公告)日：2025-05-02
申请号：CN202411587096.6
申请日：2024-11-08
Applicant: 中国电建集团华东勘测设计研究院有限公司 , 国家能源局大坝安全监察中心
IPC: G06F18/2433 , G06F18/2415 , G06N7/01 , G06N5/02
Abstract: 本发明涉及一种基于知识图谱和贝叶斯网络的大坝安全异常诊断方法。该方法包括：获取用户录入的至少一个大坝异常表现；基于大坝异常表现，通过所构建的大坝安全诊断贝叶斯网络诊断出大坝可能存在的大坝异常问题；该贝叶斯网络的构建包括：收集大坝异常案例、大坝异常问题和大坝异常表现，并对其进行关联对应，构建大坝安全诊断知识图谱；基于大坝安全诊断知识图谱中各大坝异常问题、大坝异常表现之间的关联关系，形成大坝安全诊断贝叶斯网络结构；基于大坝安全诊断知识图谱中大坝异常问题和大坝异常表现所关联的大坝异常案例数量，确定大坝安全诊断贝叶斯网络结构中各大坝异常问题节点的先验概率和各大坝异常表现节点的条件概率表。
-
公开(公告)号：CN116429055A
公开(公告)日：2023-07-14
申请号：CN202211707697.7
申请日：2022-12-29
Applicant: 中国电建集团华东勘测设计研究院有限公司 , 国家能源局大坝安全监察中心
IPC: G01B21/32 , G06F16/901
Abstract: 本发明提供一种基于知识图谱‑多监测点的大坝变形监控方法、装置、设备以及介质，通过构建大坝变形监测数据知识图谱，将大坝上大量的监测点建立联系，并将各监测点的测量数据存储于知识图谱数据库中，实现大坝所有变形监测信息的储存、展示以及各监测点之间空间关系的表达。当大坝上出现异常测点时，借助图数据库强大的多跳搜索能力，快速获取大坝上异常测点的分布情况和聚集程度；进一步，通过建立异常测点组影响区域的数学模型，得到了每个异常测点组位置的局部运行异常程度以及大坝整体运行异常程度评分。本发明解决了局部聚集异常测点危害性较大且难以识别的问题，提升了大坝安全监控的精准性和可靠性，实现更加合理的大坝安全监控效果。
-
公开(公告)号：CN119089370A
公开(公告)日：2024-12-06
申请号：CN202411587096.6
申请日：2024-11-08
Applicant: 中国电建集团华东勘测设计研究院有限公司 , 国家能源局大坝安全监察中心
IPC: G06F18/2433 , G06F18/2415 , G06N7/01 , G06N5/02
Abstract: 本发明涉及一种基于知识图谱和贝叶斯网络的大坝安全异常诊断方法。该方法包括：获取用户录入的至少一个大坝异常表现；基于大坝异常表现，通过所构建的大坝安全诊断贝叶斯网络诊断出大坝可能存在的大坝异常问题；该贝叶斯网络的构建包括：收集大坝异常案例、大坝异常问题和大坝异常表现，并对其进行关联对应，构建大坝安全诊断知识图谱；基于大坝安全诊断知识图谱中各大坝异常问题、大坝异常表现之间的关联关系，形成大坝安全诊断贝叶斯网络结构；基于大坝安全诊断知识图谱中大坝异常问题和大坝异常表现所关联的大坝异常案例数量，确定大坝安全诊断贝叶斯网络结构中各大坝异常问题节点的先验概率和各大坝异常表现节点的条件概率表。
-
公开(公告)号：CN112434750B
公开(公告)日：2023-05-16
申请号：CN202011403617.X
申请日：2020-12-04
Applicant: 中国电建集团华东勘测设计研究院有限公司 , 国家能源局大坝安全监察中心
IPC: G06F18/241 , G06F18/2415 , G06N3/047 , G06N3/048 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及一种基于卷积神经网络的大坝监测数据发展模式识别方法。本发明的目的是提供一种快速、准确、高效的基于卷积神经网络的大坝监测数据发展模式识别方法。本发明的技术方案是：一种基于卷积神经网络的大坝监测数据发展模式识别方法，对于任意待识别大坝监测数据序列，以多时间尺度进行数据预处理，并调用训练好的卷积神经网络模型进行多时间尺度模式识别，得到识别成果；所述卷积神经网络模型的训练方法如下：S1：收集获取大量大坝监测数据序列；S2：构建用于监测数据序列模式识别的卷积神经网络模型；S3：对学习样本进行数据预处理以满足卷积神经网络的输入格式。本发明适用于大坝安全监测、监控及管理领域。
-
Patent Agency Ranking
公开(公告)号：CN111709465B
公开(公告)日：2022-12-20
申请号：CN202010497120.2
申请日：2020-06-04
Applicant: 中国电建集团华东勘测设计研究院有限公司 , 国家能源局大坝安全监察中心
Abstract: 本发明涉及一种大坝安全监测数据粗差智能识别方法，无须人为制定评判规则和阈值，又能够准确高效处理大批量多类型监测数据。本发明的技术方案是：S1、读入待检测的大坝安全监测数据，数据格式为[时间，数据]；S2、采用无监督学习算法对待检测的监测数据序列进行检测，识别显著异常的数据，并标记疑似粗差数据Ⅰ和可能正常数据Ⅰ；S3、对可能正常数据Ⅰ采用滤波算法进行平滑处理，将原数据减去平滑处理后的数据得到残差，并再次使用无监督学习算法对数据序列的残差进行检测，根据残差分类识别出可能异常数据，标记疑似粗差数据Ⅱ和可能正常数据Ⅱ；本发明适用于大坝安全监测领域及其他时间序列数据检测领域。
-
公开(公告)号：CN119128116B
公开(公告)日：2025-02-14
申请号：CN202411605140.1
申请日：2024-11-12
Applicant: 中国电建集团华东勘测设计研究院有限公司 , 国家能源局大坝安全监察中心
IPC: G06F16/3329 , G06F16/334 , G06F16/36 , G06N3/0455 , G06Q10/063 , G06Q50/08
Abstract: 本发明涉及一种基于知识图谱的大坝安全辅助决策方法。该方法包括：获取当前大坝所发生的隐患问题描述；基于当前大坝的隐患问题描述，从隐患问题集合中提取出语义相似度最高的N个隐患问题实体，作为候选隐患问题实体，N≥2；基于候选隐患问题实体，结合大坝隐患问题知识图谱，形成与各候选隐患问题实体对应的大坝隐患问题案例；基于各候选隐患问题实体对应的大坝隐患问题案例，结合预设的案例评价体系，得到各大坝隐患问题案例的推荐系数，并基于推荐系数确定用于辅助决策的推荐案例。本发明通过大坝隐患问题语义匹配和大坝隐患问题知识图谱，在大坝出现隐患问题时，可快速匹配出相似的大坝隐患问题案例，并以子图谱和文本相结合的方式呈现。
-
公开(公告)号：CN119128116A
公开(公告)日：2024-12-13
申请号：CN202411605140.1
申请日：2024-11-12
Applicant: 中国电建集团华东勘测设计研究院有限公司 , 国家能源局大坝安全监察中心
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06N3/0455 , G06Q10/063 , G06Q50/08
Abstract: 本发明涉及一种基于知识图谱的大坝安全辅助决策方法。该方法包括：获取当前大坝所发生的隐患问题描述；基于当前大坝的隐患问题描述，从隐患问题集合中提取出语义相似度最高的N个隐患问题实体，作为候选隐患问题实体，N≥2；基于候选隐患问题实体，结合大坝隐患问题知识图谱，形成与各候选隐患问题实体对应的大坝隐患问题案例；基于各候选隐患问题实体对应的大坝隐患问题案例，结合预设的案例评价体系，得到各大坝隐患问题案例的推荐系数，并基于推荐系数确定用于辅助决策的推荐案例。本发明通过大坝隐患问题语义匹配和大坝隐患问题知识图谱，在大坝出现隐患问题时，可快速匹配出相似的大坝隐患问题案例，并以子图谱和文本相结合的方式呈现。
-
公开(公告)号：CN112464570A
公开(公告)日：2021-03-09
申请号：CN202011439998.7
申请日：2020-12-10
Applicant: 中国电建集团华东勘测设计研究院有限公司 , 国家能源局大坝安全监察中心
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/08
Abstract: 本发明涉及一种基于BP‑LSTM的大坝监测物理量智能预测方法。本发明的目的是提供一种更为智能、方便、有效的基于BP‑LSTM的大坝监测物理量智能预测方法。本发明的技术方案是：一种基于BP‑LSTM的大坝监测物理量智能预测方法，其特征在于：获取需预测时段内的大坝监测数据，包括各时刻的大坝上、下游水位和大坝上游边界温度；将预测时段内各时刻的大坝上、下游水位和大坝上游边界温度输入BP‑LSTM网络模型，输出该预测时段内监测物理量的预测值。本发明适用于大坝安全监测及管理领域。
-
公开(公告)号：CN116486432A
公开(公告)日：2023-07-25
申请号：CN202310332702.9
申请日：2023-03-31
Applicant: 中国电建集团华东勘测设计研究院有限公司 , 国家能源局大坝安全监察中心
IPC: G06V40/10 , G06V20/70 , G06V10/56 , G06V10/62 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种大坝表面动物智能识别及追踪方法，预先使用红外热成像摄像机采集大量可能闯入大坝范围内动物在不同姿态下的热成像图片，采用深度学习算法对标注有动物位置的热成像样本进行训练，实现热成像图片中动物区域的自动检测；然后，基于红外热成像图片的色阶梯度算法实现动物体型的智能分类；针对大型动物，以体态特征、体表温度分布为特征参数构建动物种类识别算法；针对小型动物，以行走轨迹特征、行走速度为特征参数构建深度学习模型，实现目标动物种类的智能识别。本发明与野生动物的生活习性高度契合，能够在夜间准确识别出大坝上动物种类、行动轨迹和洞穴位置，降低因洞穴渗漏通道导致溃坝的可能性。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.109 seconds)
