本發(fā)明屬于水利工程大壩安全監(jiān)測，具體涉及一種水利工程大壩安全監(jiān)測裝置及監(jiān)測方法。

背景技術(shù)：

1、對水利工程大壩進(jìn)行調(diào)度，來保障水利工程大壩的安全是減少或者消除洪澇災(zāi)害的關(guān)鍵；目前，在實際應(yīng)用時，常常僅對水位進(jìn)行監(jiān)測，并以監(jiān)測得到的水位對水利工程大壩進(jìn)行調(diào)度以及安全防護，但是，前述現(xiàn)有技術(shù)往往存在不及時的問題，從而會導(dǎo)致河流溢流，威脅到水利工程大壩的安全，最終可能會產(chǎn)生巨大的財產(chǎn)損失。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種水利工程大壩安全監(jiān)測裝置及監(jiān)測方法，用以解決現(xiàn)有技術(shù)中存在的技術(shù)問題。

2、一方面，本發(fā)明提供一種水利工程大壩安全監(jiān)測裝置，包括：歷史數(shù)據(jù)獲取模塊、深度學(xué)習(xí)模塊、實時數(shù)據(jù)獲取模塊、水位預(yù)測模塊以及安全預(yù)警模塊；

3、所述歷史數(shù)據(jù)獲取模塊，用于獲取水利工程大壩所在區(qū)域的歷史水位影響特征以及歷史水位影響特征對應(yīng)的歷史水位；

4、所述深度學(xué)習(xí)模塊，用于采用深度學(xué)習(xí)算法對歷史水位影響特征以及歷史水位影響特征對應(yīng)的歷史水位進(jìn)行學(xué)習(xí)，以獲取水位預(yù)測模型；

5、所述實時數(shù)據(jù)獲取模塊，用于獲取水利工程大壩所在區(qū)域的實時水位影響特征，并將所述實時水位影響特征傳輸至水位預(yù)測模塊；

6、所述水位預(yù)測模塊，用于調(diào)度所述水位預(yù)測模型對實時水位影響特征進(jìn)行識別，確定短期預(yù)測水位；

7、所述安全預(yù)警模塊，用于根據(jù)所述短期預(yù)測水位，對水利工程大壩進(jìn)行安全監(jiān)測，得到水利工程大壩安全監(jiān)測結(jié)果，并根據(jù)所述水利工程大壩安全監(jiān)測結(jié)果進(jìn)行預(yù)警。

8、進(jìn)一步地，獲取水利工程大壩所在區(qū)域的歷史水位影響特征以及歷史水位影響特征對應(yīng)的歷史水位，包括：

9、獲取歷史時段中多個時間點上的水位、流量、降雨量以及降雨等級，得到水利工程大壩所在區(qū)域的歷史水位影響特征；

10、針對任意一個歷史水位影響特征，獲取短期時間之后的水位，得到任意一個歷史水位影響特征對應(yīng)的歷史水位；

11、其中，短期用于表征一個固定的時間周期。

12、進(jìn)一步地，采用深度學(xué)習(xí)算法對歷史水位影響特征以及歷史水位影響特征對應(yīng)的歷史水位進(jìn)行學(xué)習(xí)，以獲取水位預(yù)測模型，包括：

13、采用bigru-capsnet算法構(gòu)建初始預(yù)測模型；

14、根據(jù)歷史水位影響特征以及歷史水位影響特征對應(yīng)的歷史水位，采用改進(jìn)智能優(yōu)化算法對初始預(yù)測模型進(jìn)行訓(xùn)練，得到水位預(yù)測模型。

15、進(jìn)一步地，根據(jù)歷史水位影響特征以及歷史水位影響特征對應(yīng)的歷史水位，采用改進(jìn)智能優(yōu)化算法對初始預(yù)測模型進(jìn)行訓(xùn)練，得到水位預(yù)測模型，包括：

16、針對初始預(yù)測模型的待優(yōu)化參數(shù)，采用隨機初始化方法對尋優(yōu)種群進(jìn)行初始化；

17、根據(jù)歷史水位影響特征以及歷史水位影響特征對應(yīng)的歷史水位獲取尋優(yōu)種群中每個個體的適應(yīng)度，并按照適應(yīng)度從大到小的順序依次確定第一目標(biāo)個體、第二目標(biāo)個體、第三目標(biāo)個體以及第四目標(biāo)個體；其中，第一目標(biāo)個體為最優(yōu)個體；

18、根據(jù)所述第一目標(biāo)個體，令尋優(yōu)種群中每個個體向最優(yōu)方向進(jìn)行局部搜索，確定局部搜索之后的個體；

19、針對局部搜索之后的個體，根據(jù)第一目標(biāo)個體、第二目標(biāo)個體、第三目標(biāo)個體以及第四目標(biāo)個體，對尋優(yōu)種群中每個個體進(jìn)行聯(lián)合搜索，得到聯(lián)合搜索之后的個體；

20、針對聯(lián)合搜索之后的個體，令尋優(yōu)種群中每個個體進(jìn)行波動性搜索，得到波動性搜索之后的個體；

21、針對波動性搜索之后的個體，令尋優(yōu)種群中每個個體圍繞最優(yōu)位置進(jìn)行逃逸搜索，得到逃逸搜索之后的個體；

22、重復(fù)上述局部搜索、聯(lián)合搜索、波動性搜索以及逃逸搜索，直至到達(dá)最大訓(xùn)練次數(shù)之后，根據(jù)逃逸搜索之后的個體確定出初始預(yù)測模型的最終超參數(shù)，得到水位預(yù)測模型。

23、進(jìn)一步地，根據(jù)所述第一目標(biāo)個體，令尋優(yōu)種群中每個個體向最優(yōu)方向進(jìn)行局部搜索，確定局部搜索之后的個體，包括：

24、確定當(dāng)前訓(xùn)練次數(shù)t，并根據(jù)當(dāng)前訓(xùn)練次數(shù)t確定收斂因子為：

25、

26、其中，表示第t次訓(xùn)練過程中的收斂因子，表示收斂因子起始值，表示收斂因子最終值，表示最大訓(xùn)練次數(shù)；且=2.5，=0；

27、根據(jù)所述收斂因子以及第一目標(biāo)個體，對尋優(yōu)種群中每個個體進(jìn)行局部搜索，得到局部搜索之后的個體為：

28、

29、

30、

31、其中，表示第 t次訓(xùn)練過程中第 m個個體，表示局部搜索之后的個體，m=1,2,…,m，m表示個體總數(shù)，表示第一局部搜索因子，表示第二局部搜索因子，表示第一目標(biāo)個體，|?|表示對元素取絕對值，表示[0,1]之間均勻分布的隨機數(shù)，表示（0,1）之間的隨機數(shù)，表示（0,1）之間的隨機數(shù)。

32、進(jìn)一步地，針對局部搜索之后的個體，根據(jù)第一目標(biāo)個體、第二目標(biāo)個體、第三目標(biāo)個體以及第四目標(biāo)個體，對尋優(yōu)種群中每個個體進(jìn)行聯(lián)合搜索，得到聯(lián)合搜索之后的個體，包括：

33、針對局部搜索之后的個體，根據(jù)第一目標(biāo)個體確定第一搜索位置為：

34、

35、其中，表示第一搜索位置，表示第t次訓(xùn)練過程中第n個局部搜索之后的個體，n=1,2,…,m；

36、根據(jù)第二目標(biāo)個體確定第二搜索位置為：

37、

38、其中，表示第二搜索位置，表示第二目標(biāo)個體；

39、根據(jù)第三目標(biāo)個體確定第三搜索位置為：

40、

41、其中，表示第三搜索位置，表示第三目標(biāo)個體；

42、根據(jù)第四目標(biāo)個體確定第四搜索位置為：

43、

44、其中，表示第四搜索位置，表示第四目標(biāo)個體；

45、確定個體與第一目標(biāo)個體、第二目標(biāo)個體、第三目標(biāo)個體以及第四目標(biāo)個體之間的曼哈頓距離，并基于曼哈頓距離確定第一加權(quán)權(quán)重、第二加權(quán)權(quán)重、第三加權(quán)權(quán)重以及第四加權(quán)權(quán)重為：

46、

47、

48、

49、

50、其中，表示第一加權(quán)權(quán)重，表示第二加權(quán)權(quán)重，表示第三加權(quán)權(quán)重，表示第四加權(quán)權(quán)重，表示個體與第一目標(biāo)個體之間的距離，表示個體與第二目標(biāo)個體之間的距離，表示個體與第三目標(biāo)個體之間的距離，表示個體與第四目標(biāo)個體之間的距離；

51、根據(jù)所述第一搜索位置、第二搜索位置、第三搜索位置、第四搜索位置、第一目標(biāo)個體、第二目標(biāo)個體、第三目標(biāo)個體以及第四目標(biāo)個體，獲取聯(lián)合搜索之后的個體為：

52、

53、其中，表示聯(lián)合搜索之后的個體。

54、進(jìn)一步地，針對聯(lián)合搜索之后的個體，令尋優(yōu)種群中每個個體進(jìn)行波動性搜索，得到波動性搜索之后的個體，包括：

55、針對聯(lián)合搜索之后的個體，為每個個體隨機匹配一個不同的其他個體，得到每個個體對應(yīng)的匹配個體；

56、根據(jù)每個個體對應(yīng)的匹配個體，對個體進(jìn)行波動性搜索，得到波動性搜索之后的個體為：

57、

58、其中，表示第k個聯(lián)合搜索之后的個體，表示波動性搜索之后的個體，k=1,2,…,m；表示最大訓(xùn)練次數(shù)，sin表示正弦函數(shù)，cos表示余弦函數(shù)，表示圓周率，表示（0,1）之間的隨機數(shù)，表示（0,1）之間的隨機數(shù)，表示（0,1）之間的隨機數(shù)，表示個體對應(yīng)的匹配個體。

59、進(jìn)一步地，針對波動性搜索之后的個體，令尋優(yōu)種群中每個個體圍繞最優(yōu)位置進(jìn)行逃逸搜索，得到逃逸搜索之后的個體為：

60、

61、其中，表示第t次訓(xùn)練中第q個波動性搜索之后的個體，表示逃逸搜索之后的個體，表示逃逸搜索系數(shù)，表示最優(yōu)個體，表示（0,1）之間的隨機數(shù)，表示（0,1）之間的隨機數(shù)。

62、進(jìn)一步地，根據(jù)所述短期預(yù)測水位，對水利工程大壩進(jìn)行安全監(jiān)測，得到水利工程大壩安全監(jiān)測結(jié)果，并根據(jù)所述水利工程大壩安全監(jiān)測結(jié)果進(jìn)行預(yù)警，包括：

63、判斷所述短期預(yù)測水位是否超過預(yù)設(shè)的危險閾值，若是，則確定水利工程大壩安全監(jiān)測結(jié)果為存在危險，否則確定水利工程大壩安全監(jiān)測結(jié)果為不存在危險；

64、當(dāng)所述水利工程大壩安全監(jiān)測結(jié)果為存在危險時，則產(chǎn)生預(yù)警信息，并將所述預(yù)警信息傳輸至工作人員指定的設(shè)備中。

65、另一方面，本發(fā)明提供了一種水利工程大壩安全監(jiān)測方法，包括：

66、獲取水利工程大壩所在區(qū)域的歷史水位影響特征以及歷史水位影響特征對應(yīng)的歷史水位；

67、采用深度學(xué)習(xí)算法對歷史水位影響特征以及歷史水位影響特征對應(yīng)的歷史水位進(jìn)行學(xué)習(xí)，以獲取水位預(yù)測模型；

68、獲取水利工程大壩所在區(qū)域的實時水位影響特征，并將所述實時水位影響特征傳輸至水位預(yù)測模塊；

69、調(diào)度所述水位預(yù)測模型對實時水位影響特征進(jìn)行識別，確定短期預(yù)測水位；

70、根據(jù)所述短期預(yù)測水位，對水利工程大壩進(jìn)行安全監(jiān)測，得到水利工程大壩安全監(jiān)測結(jié)果，并根據(jù)所述水利工程大壩安全監(jiān)測結(jié)果進(jìn)行預(yù)警。

71、本發(fā)明提供的一種水利工程大壩安全監(jiān)測裝置及監(jiān)測方法，通過采用深度學(xué)習(xí)算法對歷史水位影響特征以及歷史水位影響特征對應(yīng)的歷史水位進(jìn)行學(xué)習(xí)，得到可以預(yù)測水位的水位預(yù)測模型，然后通過水位預(yù)測模型對實時水位影響特征進(jìn)行識別，最終實現(xiàn)了水位的預(yù)測，可以以實際數(shù)據(jù)為基礎(chǔ)，快速預(yù)測是否可能存在危險，使工作人員能夠及時做出應(yīng)對，從而實現(xiàn)對水利工程大壩的安全保障。