-
公开(公告)号：CN117874655A
公开(公告)日：2024-04-12
申请号：CN202311673173.5
申请日：2023-12-07
Applicant: 中国长江电力股份有限公司 , 国家能源局大坝安全监察中心
IPC: G06F18/2431 , G06F18/21 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明涉及考虑多重影响因素的动态大坝安全监控指标拟定方法，包括：选取大坝监测数据序列；构建效应量的预测模型；计算预测模型得到的拟合数据序列和原始数据序列的残差，计算得到残差标准差σ；基于预测模型的计算结果，确定能将所有可信监测数据包络在内的最小标准差倍数n，计算得到nσ；确定标称参数与标准差σ的倍数m；比较mσ、nσ和3σ的大小，取其中最大值作为为正常值区间的端点，确定大坝安全监控指标。本发明充分考虑了观测值的概率分布、监测仪器精度和运行稳定性、大坝安全工程师丰富经验等多重因素的影响，确定了合理的大坝安全监控指标，对大坝运行的警戒或危险状态的监控预报具有很强的指导意义。
-
公开(公告)号：CN115130551A
公开(公告)日：2022-09-30
申请号：CN202210591824.5
申请日：2022-05-27
Applicant: 中国长江电力股份有限公司 , 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: 本发明提供了一种基于全卷积神经网络的大坝安全监测数据异常值识别方法，涉及大坝安全监测技术领域，包括如下步骤：S1.采集含大量不同类型异常值的大坝安全监测数据序列，并制作数据子序列集；S2.对S1中的数据子序列集中的异常值进行分类标记，并归一化处理，得到大坝安全监测异常数据样本集；S3.构建一维全卷积神经网络模型；S4.将S2中的大坝安全监测异常数据样本集输入S3中的模型进行训练，得到大坝安全监测数据异常值识别模型；S5.将待识别数据进行S1中的数据子序列集制作，并进行S2中的归一化处理；S6.将S5中归一化处理后的数据输入S4中的异常值识别模型中，得到待识别数据的异常值分类标记，解决了大坝安全监测数据异常值人工识别费时费力的技术问题。
-
公开(公告)号：CN117709726A
公开(公告)日：2024-03-15
申请号：CN202311788153.2
申请日：2023-12-22
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 , 中国长江电力股份有限公司
IPC: G06Q10/0635 , G06N3/084 , G06Q50/26
Abstract: 本发明提出一种多指标和多规则融合的大坝分级监控预警方法，其中预警指标由静态指标、准静态指标、动态指标和模式指标构成，预警规则由基于过程监控理念的多种规则构成，最终实现多指标多规则融合的大坝安全分级监控预警。本发明通过多指标多规则融合的方法实施大坝运行性态异常现象的全过程监控预警，实现了尽早发现异常征兆并预警，为大坝安全监控和早期风险识别提供了有效的技术手段。
-
公开(公告)号：CN119106257A
公开(公告)日：2024-12-10
申请号：CN202411079689.1
申请日：2024-08-07
Applicant: 中国长江电力股份有限公司 , 国家能源局大坝安全监察中心
IPC: G06F18/20 , G01B21/32 , G06N3/0464 , G06N3/088
Abstract: 一种基于全卷积神经网络的拱坝整体变形协调性监控方法，包括如下步骤：S1：根据拱坝监测变形测点布置情况，选取多个测点构建整体变形测点监控网；S2：搜集拱坝历史变形监测数据，结合整体变形监控网，制备不同时刻的拱坝整体变形数据样本；S3：构建拱坝整体变形协调性监控的全卷积神经网络模型；S4：以不同时刻的拱坝整体变形数据样本对全卷积神经网络进行无监督式训练，得到拱坝整体变形协调性监控模型；S5：对于任意时刻的拱坝变形，按变形监控网的测点构建整体变形数据，并以经训练的全卷积神经网络进行变形协调性检测，实现拱坝整体变形协调性监控。本发明无需人工标注数据，可基于历史运行数据实现对拱坝整体变形协调性的智能评判。
-
公开(公告)号：CN117372861A
公开(公告)日：2024-01-09
申请号：CN202311166184.4
申请日：2023-09-11
Applicant: 中国长江电力股份有限公司 , 国家能源局大坝安全监察中心
Abstract: 本发明公开一种基于专家知识和图像识别的拱坝安全智能诊断方法，包括：预先构建统一范式的拱坝变形监测点分布图，并通过蒙特卡洛模拟的方法生成一定量不同的拱坝变形监测数据图样本，保证在各种规模拱坝以及不同监测点异常表现的高度适用性；以标签打分的方式将专家知识融入到拱坝变形监测数据图样本中，实现专家知识的统一化和实质化；基于人工色阶设定和像素线性差值的方式，将拱坝变形监测数据图转化为统一尺寸、统一色阶范围的拱坝变形监测灰度图，提高监测点特征提取的效率和鲁棒性；专家知识引导拱坝变形监测灰度图进行深度学习训练，生成通用的拱坝智能诊断模型；本发明解决了大型拱坝安全诊断要求高、难度大、智能化程度低的问题。
-
Patent Agency Ranking
公开(公告)号：CN117128923A
公开(公告)日：2023-11-28
申请号：CN202311145738.2
申请日：2023-09-06
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: G01C5/00
Abstract: 本发明提供一种基于光学特征分析的大坝不均匀沉降监测装置及方法，首先，将激光发射器与激光标靶分列大坝沉降产生的错动缝的两侧，同时针对坝体错动量较小难以明显观测的问题，通过在激光发射器和激光标靶间布设平凹透镜的方式将坝体错动值放大；其次，采用摄像机连续抓取含有激光投射点的激光标靶图像，并传输至监测终端进行实时分析；然后，通过像素值计算和小波滤噪的方法，将激光标靶图转化为高质量的单通道灰度图像；最后，基于霍夫圆检测和霍夫直线检测算法，提取出激光标靶图中激光投射点、基准圆、水平轴、竖直轴的特征信息，并通过光学特征计算获得大坝的竖直方向错动值和上下游方向错动值。
-
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：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。
-
公开(公告)号：CN112464570B
公开(公告)日：2022-12-20
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：CN112434750A
公开(公告)日：2021-03-02
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
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。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.049 seconds)
