[发明专利]一种水库大坝安全信息智慧感知融合预警方法及终端设备

权利要求书

1.一种水库大坝安全信息智慧感知融合预警方法，其特征在于：监测水库库区的雨量、水位、坝体压力及场景变化数据，形成水库大坝安全运行全监测要素；随后，通过智慧化建模计算方法对水库大坝的运行状态进行辨识；其中，智慧化建模计算方法主要包括：①计算基于历史信息的预测信息与当日测量信息间的差值或耦合关系，形成要素信息的融合权重，②基于深度学习模型表征水库大坝运行状态，并采用加权分类器模型对运行状态进行分类，当属于危险状态的概率大于阈值时判断水库大坝运行存在风险，进行预警；

计算基于历史信息的预测信息与当日测量信息间的差值或耦合关系，形成要素信息的融合权重，具体步骤为：

步骤11，计算基于历史信息的库区当日雨量预测信息与库区雨量当日测量信息间的差值：

采用Kalman滤波器计算当日雨量预测信息随后计算预测信息与当日测量信息R_t间差值ε_R：

步骤12，计算基于历史信息的库区当日水位预测信息与库区水位当日测量信息间的差值：

采用Kalman滤波器计算当日水位预测信息随后计算预测信息与当日测量信息T_t间的差值ε_T：

步骤13，计算基于历史信息的当日坝体压力预测信息与坝体压力当日测量信息间的差值：

采用Kalman滤波器计算当日坝体压力预测信息随后计算预测信息与当日测量信息P_t间的差值ε_P：

步骤14，计算基于历史信息的当日场景变化预测信息与场景变化当日测量信息间的二维耦合值：

采用Kalman滤波器计算当日场景变化预测信息随后计算预测信息与当日测量信息I_t间的二维耦合值其中corr2()为二维耦合关系计算模型；

步骤21，计算各要素当日测量信息的权重

雨量要素当日测量信息权重：

库区水位要素当日测量信息权重：

坝体压力要素当日测量信息权重：

库区场景变化要素当日测量信息权重：

其中，为雨量、水位、坝体压力及场景变化要素的当日权重，为雨量、水位、坝体压力及场景变化要素的上一日的权重。

2.根据权利要求1所述的水库大坝安全信息智慧感知融合预警方法，其特征在于：所述水库大坝监测全要素集合构建包括如下内容：①通过自计雨量筒获取库区雨量要素信息R，②通过雷达水位计获取库区水位要素信息T，③通过测压管获取坝体压力要素信息P，④通过摄像机获取坝体场景变化要素信息I。

3.根据权利要求1所述的水库大坝安全信息智慧感知融合预警方法，其特征在于：所述基于深度学习模型表征水库大坝运行状态，并采用加权分类器模型对运行状态进行分类，当属于危险状态的概率大于阈值时判断水库大坝运行存在风险，进行预警；首先建立共享单元的多流深度学习网络；其中每一流对应一个库区监测要素I、T、P、R，每一流的权重为其中网络结构设计主要采用共享深度卷积框架，该框架中卷积层与共享单元交替，其中共享单元设计为：

其中，i为深度网络的层数，分别为第i层I、T、P、R监测要素所提取到的深度特征，为共享权重矩阵，通过训练学习得到，为第i层共享学习后的特征；定义深度学习网络的深度为L，则通过深度网络得到水库大坝运行状态特征为

则对于水库大坝安全运行状态的判断为：

其中，x_t为t时刻的状态，分为安全运行状态标签1和险情状态标签0，当p(x_t＝1)＞θ,判断为水库大坝出现险情，否则，判断为水库大坝安全运行，其中θ为辨识阈值。

4.一种水库大坝安全信息智慧感知融合预警终端设备，其特征在于：包括数据监测单元和识别单元；所述数据监测单元包括自计雨量筒、雷达水位计、测压管和摄像装置；通过自计雨量筒、雷达水位计、测压管和摄像装置综合监测水库库区的雨量、水位、坝体压力及场景变化数据，形成水库大坝安全运行全监测要素；所述识别单元通过智慧化建模计算方法对水库大坝的运行状态进行辨识；其中，智慧化建模计算方法主要包括：①计算基于历史信息的预测信息与当日测量信息间的差值或耦合关系，形成要素信息的融合权重，②基于深度学习模型表征水库大坝运行状态，并采用加权分类器模型对运行状态进行分类，当属于危险状态的概率大于阈值时判断水库大坝运行存在风险，进行预警；

计算基于历史信息的预测信息与当日测量信息间的差值或耦合关系，形成要素信息的融合权重，具体步骤为：

步骤11，计算基于历史信息的库区当日雨量预测信息与库区雨量当日测量信息间的差值：

采用Kalman滤波器计算当日雨量预测信息随后计算预测信息与当日测量信息R_t间差值ε_R：

步骤12，计算基于历史信息的库区当日水位预测信息与库区水位当日测量信息间的差值：

采用Kalman滤波器计算当日水位预测信息随后计算预测信息与当日测量信息T_t间的差值ε_T：

步骤13，计算基于历史信息的当日坝体压力预测信息与坝体压力当日测量信息间的差值：

采用Kalman滤波器计算当日坝体压力预测信息随后计算预测信息与当日测量信息P_t间的差值ε_P：

步骤14，计算基于历史信息的当日场景变化预测信息与场景变化当日测量信息间的二维耦合值：

采用Kalman滤波器计算当日场景变化预测信息随后计算预测信息与当日测量信息I_t间的二维耦合值其中corr2()为二维耦合关系计算模型；

步骤21，计算各要素当日测量信息的权重

雨量要素当日测量信息权重：

库区水位要素当日测量信息权重：

坝体压力要素当日测量信息权重：

库区场景变化要素当日测量信息权重：

其中，为雨量、水位、坝体压力及场景变化要素的当日权重，为雨量、水位、坝体压力及场景变化要素的上一日的权重。