[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

说明书

本发明公开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，通过四种模态传感器综合监测水库区降雨量、水位、坝体压力及场景变化，形成水库大坝安全运行的全监测要素。通过对全监测要素的智慧化计算，实现对水库大坝的状态进行辨识，并对威胁水库大坝安全运行的状态进行预警。

技术领域

本发明涉及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，基于深度学习对水库大坝安全运动状态进行辨识，属于水利领域的水库大坝安全运行技术领域。

背景技术

水库大坝安全运行状态是水利领域重要的监测要素之一，直接关系到水安全风险防控的成败。

水库大坝安全运行状态受多种要素共同、复杂影响，诱发各类坝体险情的成因多样、复杂且具有隐蔽性，主要涉及库区雨量、水位、坝体压力及场景变化等多种信息。现有单一模态的监测信息，如仅监测水位信息或坝体渗漏仅能获取单一或有限个要素信息，难以稳定辨识及预警水库大坝的安全运行状态，无法完整、可靠、准确地获取水库大坝监测信息，导致无法及时判断水库大坝安全运行状态，更难以及时有效的实现预测预警。剖析其原因，现有的监测技术应用于水库大坝安全运行状态判断与预警时存在“测不到、测不全、测不准、长时滞”等实质性困难。

发明内容

发明目的：针对现有技术中水库大坝安全运行状态难以准确监测并预警，本发明提供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。

技术方案：一种水库大坝安全信息智慧感知融合预警方法，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。

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。

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：