一种大坝远程监测预警系统的制作方法

1.本发明涉及监测技术领域，特别是涉及一种大坝远程监测预警系统。


背景技术：

2.水库的修建会影响周边区域的生态系统，极端降雨导致水库大坝稳定性减弱，水库泄洪导致下游洪灾，类似问题威胁着区域经济发展和生态环境安全。水库大坝为我国社会公共安全的重要组成部分。在保障工程安全的基础上，下游生命、财产、基础设施、生态环境等方面的安全引起国家的重视，并将工程安全和下游公共安全作为一个有机整体考虑。
3.目前，大部分的水库监测系统只有数据采集存储功能，部分水库甚至需要人工进行数据采集，无法适应当前社会对水库安全性的需求，如对水库数据进行预测预警、泄洪模拟等功能。


技术实现要素：

4.本发明的目的是提供一种大坝远程监测预警系统，以解决现有技术中监测系统功能不完整的问题。
5.为实现上述目的，本发明提供了如下方案：
6.一种大坝远程监测预警系统，包括：
7.传感器模块：用于获取目标的传感参数信息；
8.数据模块：用于接收所述传感参数信息，获取传感数据，并保存数据至数据库中；
9.预测模块：用于对传感数据进行分析处理，得到预测结果，并将所述预测结果发送至等级划分模块；
10.等级划分模块：用于通过所述预测结果进行等级划分；
11.数值模拟模块：用于接收所述传感数据，对大坝稳定性进行数值模拟分析；
12.其中，所述传感器模块与所述数据模块连接，所述数据模块分别与所述预测模块、所述数值模拟模块连接，所述预测模块与所述等级划分模块连接。
13.优选地，所述传感器模块包括水位传感器、温度传感器、流量传感器、压力传感器、位移传感器，所述传感器参数信息包括水位参数、温度参数、流量参数、压力参数和位移参数。
14.优选地，所述数据模块包括数据库、表格、文档，所述数据库包括mysql数据库、mariadb数据库、postgresql数据库，所述表格包括excel、wps电子表格，所述文档包括实际文件、word文档。
15.优选地，所述预测模块包括：
16.数据预测单元：用于对水库库容、水位进行预测；
17.淹没范围预测单元：用于对淹没范围进行预测分析；
18.逃生路径规划单元：用于基于所述淹没范围进行逃生路径规划。
19.优选地，所述数据预测单元包括：
20.水文模型：用于计算水库降雨量、水库水位和水库库容，并通过所述数据模块调用历史水文数据，根据所述历史水文数据确定预警等级和预警阈值；
21.三维优化模型：用于通过构建若干串联或并联的水箱模拟水文循环过程，得到库容与降雨量之间的线性关系。
22.优选地，所述淹没范围预测单元通过八方向种子蔓延法确定淹没范围，基于dem高程数字模型，并结合地表径流，确定洪水流经的最高点和最低点，对水流方向进行判断。
23.优选地，基于所述dem高程数字模型，分别判断入水点和水流方向点；
24.其中，判断所述入水点的条件为：
[0025][0026]
判断所述水流方向点的条件为：
[0027][0028]
h表示dem小单元的高程值；d表示dem小单元之间的距离，h1、h2分别表示单元的水平方向和垂直方向的最值，以及对角线方向的最值，依次记为最大值h
1max
和最小值h
1min
，最大值h
2max
和最小值h
2min
。
[0029]
优选地，所述逃生路径规划单元通过dijkstra算法、多元回归模型、python软件开发设计相结合对路径进行规划研究，其中，所述dijkstra算法用于计算单一节点出发的到其余各个节点的最短路径，所述多元线性回归模型用于对行进道路通行时间影响因素进行分析，获得影响行人通行时间的主要因素，所述主要因素包括道路坡度、道路宽度、非机动车道宽度及街道人流量。
[0030]
优选地，所述等级划分模块通过综合水库日常调度机制、历史资料数据和模拟淹没范围，对预警等级进行划分。
[0031]
优选地，所述数值模拟模块使用abaqus有限元分析软件进行计算分析，根据实际资料建立模型，分别对校核洪水位及涉及洪水位进行分析，还包括应力场作用下的形变分析以及渗流场作用下的浸润线分析，并对渗透压力水位监测数据进行处理，得到所监测到的浸润线结果，比对数值模拟的浸润线计算结果与监测数据处理后的浸润线结果，得到数值模拟结果；其中，所述应力场作用下的形变分析计算得到位移计算云图、应力计算云图、应变计算云图、应力计算云图；所述渗流场作用下的浸润线分析计算得到浸润线计算结果、流速矢量图。
[0032]
本发明的有益效果为：
[0033]
(1)本发明创新了水库库容和水位线的预测方法。采用机器学习方法，建立三维不规则模型与模型公式参数由固定参数值转变为动态参数值应用于外汇流域的非密闭性水库的库容预测，参数处于实时更新的状态，这些创新在不同的预测周期(7天、14天、35天)内模型的精度将提高2.6％～13.45％。
[0034]
(2)本发明首次将数值模拟计算结果融入到预警系统中，以往的预测预警技术均是基于基本的监测数据以及机器学习预测，属于“单点预测”，不能描述大坝整体场变量，数值模拟与可视化完美解决了此类问题，对整体大坝行为的描述有助于对可能发生的灾害进行全面的认识，结合其他监测、预测预警，能更加全面的反应大坝在暴雨和洪水位下的工作
状况；
[0035]
(3)本发明在监测预警系统中规划和发布了逃生路径，考虑了淹没范围、道路长度、道路宽度、道路坡度等十余种参数，采用dijkstra算法寻找3d逃生路径，通过迭代计算量化了行人在不同坡度下的精准通行速率，最终在淹没区数据库的基础上利用python和高德api开发了最短路径撤离路线的应用，逃生路径融入到监测预警系统，对于减少人民生命和财产损失具有重要意义。
附图说明
[0036]
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性的前提下，还可以根据这些附图获得其他的附图。
[0037]
图1为本发明实施例中大坝远程监测预警系统结构示意图。
具体实施方式
[0038]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0039]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0040]
本发明提供一种监测系统的结构框图，如图1所示。
[0041]
在本实施例中，该监测系统可以监测各种传感参数，例如流量传感器参数。监测系统包括传感器模块101、数据模块102、预测模块103、等级划分104、数值模拟105。
[0042]
传感器模块101，负责目标物的传感参数信息；
[0043]
数据模块102，连接到传感器模块101，接收并存储来自传感器模块101所采集的数据；
[0044]
预测模块103，分别连接到数据模块102和等级划分模块104，对存储的数据进行预测，并将预测结果传输至等级划分模块104进行等级划分；
[0045]
等级划分模块104，连接数据模块103，对已处理的数据进行等级划分；
[0046]
数值模拟模块105，与数据模块102相连，对原始采集数据进行模拟。
[0047]
在本实施例中，传感器模块101能够采集目标物的传感参数信息。其中，目标物是指监测对象，在其一实施例中，目标物为水位，传感模块101包括一个或多个水位传感器。传感器包括但不限于水位传感器、温度传感器、流量传感器、压力传感器、位移传感器；由此，对应的，传感器参数信息包括但不限于水位参数、温度参数、流量参数、压力参数和位移参数。
[0048]
在本实施例中，数据模块102主要负责接收存储传感器模块数据。其中，本实施例由水库方提供历年水库降雨库容等数据资料，在其本实施例中，将历史数据整理后使用mysql数据库进行存储。数据模块包括但不限于数据库、表格、文档；由此，对应的，数据库包
括但不限于mysql数据库、mariadb数据库、postgresql数据库；表格包括但不限于excel、wps电子表；文档包括但不限于实际文件、word文档。
[0049]
在本实施例中，预测模块103包含三类预测内容，数据预测单元1031、淹没范围预测单元1032和逃生路径规划单元1033。数据由数据模块获取，分别进行数据预测、范围预测、路线预测。其中，分析处理的方式可根据实际情况具体设定，在此不受限制。
[0050]
其中，预测模块103具有多种类型预测。在一实施例中，数据预测单元1031对水库库容、水位预测。具体为：利用水文学方法建立水文模型进行计算，利用由传感器模块101所监测到的各种参数，从数据模块102调用历史水文数据，包括但不限于水库降雨量、水库水位、水库库容等；并建立三维优化模型，三维优化模型由tank模型改进而来(tank模型又称为水箱模型)，该模型用流域简化为简单的蓄水和出流之间的关系模拟复杂的降雨径流关系。通过实际水文情况构建单个或多个串联或并联水箱来模拟水文循环过程，依次构建达到预测的目的。在本实施例中，首次将三维优化模型，降雨量考虑权重，加上更新的理念。在模型建立时，同时考虑了包括但不限于水库流域水系、台风暴雨季节多变情况：根据划分的降雨等级，其中小雨、中雨对水库影响较小，忽略不计，剩余的降雨量，等级越高影响越大，对应的权重取50％，其次的降雨量各取25％，将与等级差异性不大或相同时，各取25％，最终将各个加权后的降雨量求和得到修正后的降雨量；将历年数据作为训练模型参数，使用箱型原理，拟合得到库容与降雨量之间线性关系式：
[0051]
δvi＝-0.0013vi-138.75+1857.2
×
ri
[0052]
其中，δvi——水库在第i和第i+1天的库容变化值；vi——水库在第i天的库容值；ri——水库在第i天的降雨量；
[0053]
在上述实施例中，为分析模型预测性能，将模型预测时长分为7天、14天、35天三种不同预测时间尺度。在本技术中，首次考虑水库上游流域降雨量，建立三维不规则模型与模型公式参数由固定参数值转变为动态参数值应用于外汇流域的非密闭性水库的库容预测。根据水库的实际情况，将二维水箱模型转变为三维不规则模型，将模型降雨量把上游流域的降雨量值计算在内。同时计算方法把固定公式参数值转变为动态公式参数值，参数处于实时更新的状态。在台风暴雨季节，考虑上游降雨量且随预测时长参数实时更新纳入模型优化中，使得在不同的预测周期(7天、14天、35天)内模型的精度将提高2.6％～13.45％。作为外汇流域的水库库容的快速简单预测具有实际应用能力。改进后模型计算的预测值与水库实际监测值偏离很小，尤其在台风季节表现最为明显。三维优化模型在水库库容预测方面的可行性及预测结果的可靠性，为库容的计算探索了一种简单快速的计算方法，尽管修正的梯形水箱模型相对于短期的预测是可靠的，但三维模型与更新计算方法的准确性和物理意义得到了提高，通过此计算方法预测20天内的长期预测精度比原始模型与计算方法有所提高，但对于长期预测来说，自然不可避免的缺点可能是由于水库周围的山脉和上游水域集水区造成了一定的降雨滞后效应，并且水库存在一些复杂的水文特征，比如：渗流、蒸发。其可以完全作为一种简单快速的计算存储与准确的预测，对于快速的管理与存储的变化是不可行的，特别对于外汇流域，该模型与方法具有高性价比。这种模型思想的优点是根据水库真实的几何形状开发一个修正的模型，只需要基于修改前模型重新计算降雨量的取值，基于历史数据重新训练拟合参数，且参数值根据预测时长重新训练拟合，处于实时更新状态。在未来对于多种水库库容的长期预测能力将会做出更多的改进，甚至使用机器学习
的方法，这意味预测更加具有真实性。
[0054]
在本实施例中，淹没范围预测单元1032是指水库泄洪或洪水到来时对周围的淹没范围模拟。此模拟使用有源淹没方法中的八方向种子蔓延法(又称种子淹没算法)对淹没范围进行研究(有源淹没不仅仅考虑区域降水量的大小，还考虑到了地域连通性与水动力模型的影响，在洪水流动过程中，由于地形的阻挡，即使数字高程模型上某点的高程小于给定洪水水位，该点也不一定会淹没，因此，有源淹没更加符合实际的情况，但也更加复杂，考虑的因素要多于无源淹没)。传统的有源淹没分析方法是基于洪水水位的分析方法，但其水位的确定需要复杂的水文计算，对淹没分析带来麻烦和不便，本次研究针对这一局限性对有源淹没的分析进行了改进，本实施例将水量与水位结合，利用二分法找出最符合给定水量的水位，具体操作为：首先获取研究区域最高点像素和种子点像素，分别计算出两种情况的水体体积，利用二分法思想选择最高和最低(种子点)中间像素再次计算水体体积，如此循环，直至找到最符合给定水量的水位停止计算。
[0055]
水在流动的过程中，会受到地形地貌的影响。相较于无源淹没，有源淹没则考虑了水流的方向、地面径流方向以及低洼处连接等一系列问题。在上述实施例中，也同时对有源淹没计算方法与源点选择、水流方向判断、地表径流形成原理、洼地连通性分析进行了研究。其中据查阅资料和多现实方案总结，源点可能是水坝处、河流溃堤点，这些点位的确定需要复杂的水文学内容，故此在研究中做简单考虑，依靠源点的经纬度坐标，由此建立dem高程模型，在dem中用来分析的源点的位置表现形式有两种，一种是栅格的行和列，一种是经纬度坐标。如用行和列进行表示，因此源点的经纬度坐标需要做一步转化，即将获取的坐标位置转化为dem栅格的行和列。可以按照以下方法计算源点在dem中的行和列值。假设dem的右上角坐标是(x0,y0)，x方向上的小格网单元格网长度为xc，y方向上的小格网单元格网长度为yc。源点坐标为(x1,y1)，因此源点所在dem中的行列号(m，n)为：由此得到淹没源点位置(m，n)。
[0056]
对于水流的方向判断，根据高程数字模型(dem)的相关原理，将格网划分成单元小格网，并对其进行赋值，即它对应的地面高程值。依照这个思想，要想求出高程值的最大值，比对格网单元间的值就可得出，并通过比对结果，找到最大最小值。为了方便找到最大最小值，依次求出格网单元的水平4方向和垂直4方向的最值，以及对角线4方向的最值。依次记为最大值h
1max
和最小值h
1min
，最大值h
2max
和最小值h
2min
。
[0057]
然后通过下列公式进行数学判断：此条件为入水点的判断条件；此条件为水流方向点的判断条件：h表示dem小单元的高程值；d表示dem小单元之间的距离。
[0058]
在淹没进程中，水流根据地形地貌的不同，可能形成一条或者是多条支流线。在洪水的有源淹没过程中，最重要的是研究地表径流，只要找准洪水流经的最高点和最低点即可确定这个过程。在实际情况中，最高点都分布于山脊所在的地带，最低点的集合一般都是峡谷所在的地方。通过下面的数学公式来进行判断：
[0059]
1)当(m[i，j-1]-m[i，j])*(m[i，j+1]-m[i，j])＞0时：
[0060]
如果m[i，j+1]》[i，j]，则n[i，j]＝-1；
[0061]
如果m[i，j+1]《[i，j]，则n[i，j]＝1；
[0062]
2)当(m[i-1，j]-m[i，j])*(m[i+1，j]-m[i，j])＞0时：
[0063]
如果m[i+1，j]》m[i，j])，则n[i，j]＝-1；
[0064]
如果m[i+1，j]《m[i，j]，则n[i，j]＝1；
[0065]
3)否则n[i，j]＝0；
[0066]
式中：i、j两者确定小格网单元的位置；
[0067]
m[i，j]代表小格网单元高程值；
[0068]
n[i，j]确定小格网单元的位置是在山脊还是在峡谷；
[0069]
n[i，j]＝-1时代表峡谷点；
[0070]
n[i，j]＝1时代表山脊点；
[0071]
n[i，j]＝0时不在山脊也不在峡谷；
[0072]
在分析洼地连通性时，本实施例选取8领域种子蔓延法进行分析，其基本原理是：从指定的种子点开始，向其相邻的各个方向的网格进行搜索，逐个网格进行处理，直到遇到边界即像素点不符合给定水位的点。向不同方向进行搜索的方法有两种，一种是“4-联通算法”即射线法，另一种为“8-联通算法”。从区域内任意一点出发，如果只是通过上、下、左、右四个方向搜索到达区域内的任意像素，则用这种方法填充的区域就称为四连通域，这种填充方法就称为“4-联通算法”。如果从区域内任意一点出发，通过上、下、左、右、左上、左下、右上和右下全部八个方向到达区域内的任意像素，则这种方法填充的区域就称为八连通域，这种填充方法就称为“8-联通算法”。在扫描过程中，如果网格属性值为1，则做标记不再向外扩散，如果在扫描过程中，网格属性值为0，则把该点作为新的种子点，并继续向其相邻的各个方向的网格进行遍历、处理。
[0073]
在上述实施例中，使用的八方向种子蔓延算法流程如下：首先要选取蔓延种子点，选取好种子点后，并读取像素点的高程值以及该像素值的位置信息即种子点经纬度。八方向种子蔓延算法的核心是对比像素点与淹没水位高程的关系。如果当前的小单元像素值高于洪水淹没水位，则放入非淹没区缓冲区，反之则放入淹没区缓冲区。选取种子点之后，即开始从种子点进行扩散。依次扫描种子点周边的八个小格网单元像素点，同时对这八个小格网单元像素点的像素值进行大小排序。让其与洪水淹没水位值进行比较。当八个点中存在小于淹没水深值的像素时，则将该像素放进堆栈设为新的种子点，循环往复进行下去。结束的条件是，所有种子淹没点的周边八个小格网单元像素点的高程值都高于淹没水深值。同时可以对淹没的像素点进行颜色标记，达到模拟洪水淹没的效果。具体可以根据实际应用中，不同的区域以及地方进行优化改进。
[0074]
在本实施例中，逃生路径规划单元1033为逃生路径进行规划。本模块采用dijkstra模型，使用dijkstra算法、多元回归模型、python软件开发设计相结合对路径规划进行研究。dijkstra算法是典型的单源最短路径算法，用于计算单一节点出发到其余各个节点的最短路径，主要特点为以初始节点为出发点，向外逐点扩展，直到遍历完整个路网的每一个节点。多元回归模型是研究一个因变量时，为了考虑一个或多个变量的变化对其的影响，建立的一种模型，此模型反应了一种现象或事物的数量依多种现象或事物的数量的变动而相应地变动的规律，其中，dijkstra算法的思想分为下面四步：第一步，将顶点集合v
生成两组集合s与t，s与t互补；第二步，s为已经求出的顶点集合，初始时s中只包含初始点v0，t为集合v中去除s的点的集合；第三步，将t中顶点按递增的次序加入到s中，其中使得从源点v0到s中其他各顶点的长度都不大于从v0到t中任何顶点的最短路径长度；最后，重复步骤三直至集合s中包含所有顶点。在多元线性回归模型中，对行进道路通行时间影响因素进行分析时，根据参考文献得知：影响行人通行时间的主要因素为道路坡度、道路宽度、非机动车道宽度及街道人流量。由此得出以下数据方程：
[0075]v上坡坡度
＝1.144-0.013*s
坡度
[0076]v下坡坡度
＝1.357+0.006*s
坡度
[0077]v道路因素
＝1.03+0.051*w
非机动车道宽度
+0.018*w
道路宽度-1.095*t
街道人群密度
[0078]
其中，v
上坡坡度
为逃生道路坡度为s时的行人上坡速度，s
坡度
为逃生道路坡度，v
下坡坡度
为逃生道路坡度为s时的行人下坡速度，v
道路因素
为考虑非机动车道宽度、道路宽度和街道人群密度等因素时的行人通行速度，w
非机动车道宽度
为逃生道路中的非机动车道宽度，w
道路宽度
为逃生道路中的道路宽度，t
街道人群密度
为逃生时的街道人流量。
[0079]
然后通过python软件开发桌面软件，利用python的gui开发库进行软件开发，tkinter为python的内置工具集，作为python软件的图形设计工具，tkinter本身的tcl语言环境已经完全嵌入到python环境当中。
[0080]
逃生路径规划单元1033在淹没范围预测单元1032之后，首先由淹没范围预测单元1032确定出不同情况下的淹没范围，由此进行区域规划，参考当地自然灾害避难点，其中包含淹没范围，道路长度，道路宽度，道路两侧房屋数，道路坡度等十余种参数，利用经典dijkstra算法的寻找一个起点的最短路径会得出距离此起点的所有最短道路的特点，从而可以确定单一起点对应的多个最短逃生点，并行运行n个dijkstra算法求解多个起点，即可得出最优逃生点、备选逃生点及最优和备选疏散路径。
[0081]
在本实施例中，该算法会自动避开坡度较大与可能发生拥堵的街道，选择道路短且居民方便通行的最优路径，具有实际工程意义。
[0082]
等级划分模块104，在上述实施例中，综合考虑水库日常调度机制、历史资料数据、模拟淹没范围，将预警等级划分为七级，对于正常运行情况，一般调洪控制水位均小于95m，其中正常情况下等级对应表1如下：
[0083]
表1
[0084]
等级洪水总量水位高度一级预警小于0.63亿m3小于95m二级预警0.63亿m小于95m三级预警1.26亿m3小于95m
[0085]
对于洪水情况，先通过库容预测，得到每天的库容变化，再和不同情况的洪量进行对比，若当天变化超过该洪量，且调洪水位已经无法再控制在95m，则进行相应等级的预警。预警等级如下表2：
[0086]
表2
[0087]
[0088][0089]
数值模拟模块105在本实施例中具体指大坝稳定性数值模拟，水库在蓄水运营过程中，水流对坝体的渗流特性，会一定程度对坝体渗流与应力变形产生较大的影响，并促进坝体内部渗流活动和增大坝体应力集中，造成坝体失稳，因而水利大坝类渗流安全稳定性是水库运营重要关注方面。数值仿真是工程中常用研究复杂工况的措施，针对不同渗流工况坝体安全稳定性，计算获得坝体渗流场与应力变形场，及时高效获得水库坝体应力变形状态，为水库蓄水稳定性评估提供重要参考。本技术中使用了abaqus有限元分析软件进行计算分析；首先根据实际资料建立模型；本实施例中分别对校核洪水位及涉及洪水位进行分析，其中又分为应力场作用下的形变分析以及渗流场作用下的浸润线分析；应力场作用下的形变分析计算得到位移计算云图、应力计算云图、应变计算云图、应力计算云图；渗流场作用下的浸润线分析计算得到浸润线计算结果、流速矢量图。对渗透压力水位监测数据进行处理，得到所监测到的浸润线结果，比对数值模拟的浸润线计算结果与监测数据处理后的浸润线结果，两者在最后的结果及整体趋势上相差不多，说明数值模拟结果具有一定的参考价值。
[0090]
在上述实施例中，整体监测预警系统主要由数据模块102开展，数值模拟模块103通过从数据模块102获取水库资料并建立模型开展数值模拟运算，得到单独的结果；数据预测单元1031通过获取数据模块102的数据，进行数据分析及预测，得到对水库库容、水位的后期预测结果；淹没范围预测单元1032结合数据模块102的资料数据，建立数字高程模型，通过种子蔓延法对水库洪水淹没洼地连通性进行分析，结合数据模块102中的历年降雨数据对淹没范围进行划分等级、逃生路径规划单元1033获取数据模块102部分水库周边地理数据，结合淹没范围预测单元1032的淹没范围数据，对逃生路径进行计算，并针对不同等级淹没范围计算不同的逃生路径。最终获得，水库库容、水位预结果、淹没范围预测结果、逃生路径预测结果。
[0091]
在上述实施例中，监测预警系统100总体整合了其余模块，以前后端分离的方式进行开发，其中前端主要使用vue、javascript、element进行开发，后端主要使用java、springboot、maven、javawebtoken(jwt)进行开发，数据存储采用msyql数据库，部署至阿里云服务器。系统内包括了等级划分、淹没范围、水位库容预测、逃生路径、数据可视化综合功能。
[0092]
本发明创新了水库库容和水位线的预测方法。采用机器学习方法，建立三维不规则模型与模型公式参数由固定参数值转变为动态参数值应用于外汇流域的非密闭性水库的库容预测，参数处于实时更新的状态，这些创新在不同的预测周期(7天、14天、35天)内模型的精度将提高2.6％～13.45％。
[0093]
本发明首次将数值模拟计算结果融入到预警系统中，以往的预测预警技术均是基
于基本的监测数据以及机器学习预测，属于“单点预测”，不能描述大坝整体场变量。数值模拟与可视化完美解决了此类问题。对整体大坝行为的描述有助于对可能发生的灾害进行全面的认识，结合其他监测、预测预警，能更加全面的反应大坝在暴雨和洪水位下的工作状况。
[0094]
本发明在监测预警系统中规划和发布了逃生路径。考虑了淹没范围、道路长度、道路宽度、道路坡度等十余种参数，采用dijkstra算法寻找3d逃生路径，通过迭代计算量化了行人在不同坡度下的精准通行速率，最终在淹没区数据库的基础上利用python和高德api开发了最短路径撤离路线的应用。逃生路径融入到监测预警系统，对于减少人民生命和财产损失具有重要意义。
[0095]
以上所述实施例的各技术特征可以进行任意的组合，为使描述简介，上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都当认定是本说明书记载的范围。以上所述的实施例仅是对本发明优选方式进行的描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

技术特征：
1.一种大坝远程监测预警系统，其特征在于，包括：传感器模块：用于获取目标的传感参数信息；数据模块：用于接收所述传感参数信息，获取传感数据，并保存数据至数据库中；预测模块：用于对传感数据进行分析处理，得到预测结果，并将所述预测结果发送至等级划分模块；等级划分模块：用于通过所述预测结果进行等级划分；数值模拟模块：用于接收所述传感数据，对大坝稳定性进行数值模拟分析；其中，所述传感器模块与所述数据模块连接，所述数据模块分别与所述预测模块、所述数值模拟模块连接，所述预测模块与所述等级划分模块连接。2.根据权利要求1所述的大坝远程监测预警系统，其特征在于，所述传感器模块包括水位传感器、温度传感器、流量传感器、压力传感器、位移传感器，所述传感器参数信息包括水位参数、温度参数、流量参数、压力参数和位移参数。3.根据权利要求1所述的大坝远程监测预警系统，其特征在于，所述数据模块包括数据库、表格、文档，所述数据库包括mysql数据库、mariadb数据库、postgresql数据库，所述表格包括excel、wps电子表格，所述文档包括实际文件、word文档。4.根据权利要求1所述的大坝远程监测预警系统，其特征在于，所述预测模块包括：数据预测单元：用于对水库库容、水位进行预测；淹没范围预测单元：用于对淹没范围进行预测分析；逃生路径规划单元：用于基于所述淹没范围进行逃生路径规划。5.根据权利要求4所述的大坝远程监测预警系统，其特征在于，所述数据预测单元包括：水文模型：用于计算水库降雨量、水库水位和水库库容，并通过所述数据模块调用历史水文数据，根据所述历史水文数据确定预警等级和预警阈值；三维优化模型：用于通过构建若干串联或并联的水箱模拟水文循环过程，得到库容与降雨量之间的线性关系。6.根据权利要求4所述的大坝远程监测预警系统，其特征在于，所述淹没范围预测单元通过八方向种子蔓延法确定淹没范围，基于dem高程数字模型，并结合地表径流，确定洪水流经的最高点和最低点，对水流方向进行判断。7.根据权利要求6所述的大坝远程监测预警系统，其特征在于，基于所述dem高程数字模型，分别判断入水点和水流方向点；其中，判断所述入水点的条件为：判断所述水流方向点的条件为：h表示dem小单元的高程值；d表示dem小单元之间的距离，h1、h2分别表示单元的水平方向和垂直方向的最值，以及对角线方向的最值，依次记为最大值h
1max
和最小值h
1min
，最大值h
2max
和最小值h
2min
。
8.根据权利要求4所述的大坝远程监测预警系统，其特征在于，所述逃生路径规划单元通过dijkstra算法、多元回归模型、python软件开发设计相结合对路径进行规划研究，其中，所述dijkstra算法用于计算单一节点出发的到其余各个节点的最短路径，所述多元线性回归模型用于对行进道路通行时间影响因素进行分析，获得影响行人通行时间的主要因素，所述主要因素包括道路坡度、道路宽度、非机动车道宽度及街道人流量。9.根据权利要求1所述的大坝远程监测预警系统，其特征在于，所述等级划分模块通过综合水库日常调度机制、历史资料数据和模拟淹没范围，对预警等级进行划分。10.根据权利要求1所述的大坝远程监测预警系统，其特征在于，所述数值模拟模块使用abaqus有限元分析软件进行计算分析，根据实际资料建立模型，分别对校核洪水位及涉及洪水位进行分析，还包括应力场作用下的形变分析以及渗流场作用下的浸润线分析，并对渗透压力水位监测数据进行处理，得到所监测到的浸润线结果，比对数值模拟的浸润线计算结果与监测数据处理后的浸润线结果，得到数值模拟结果；其中，所述应力场作用下的形变分析计算得到位移计算云图、应力计算云图、应变计算云图、应力计算云图；所述渗流场作用下的浸润线分析计算得到浸润线计算结果、流速矢量图。

技术总结
本发明涉及一种大坝远程监测预警系统，包括传感器模块、数据模块、预测模块、等级划分模块、数值模拟模块，其中，所述传感器模块与所述数据模块连接，所述数据模块分别与所述预测模块、所述数值模拟模块连接，所述预测模块与所述等级划分模块连接。本发明能够通过传感器采集数据，并对数据进行处理分析计算，最后以系统平台方式进行显示。统平台方式进行显示。统平台方式进行显示。


技术研发人员：聂闻 谷潇 原粲茗 代碧波 骆明华 王星 曾学敏
受保护的技术使用者：中钢集团马鞍山矿山研究总院股份有限公司
技术研发日：2022.12.16
技术公布日：2023/7/19