一种基于机器学习的智慧鱼道运维方法及运维系统技术方案

本发明专利技术公开了一种基于机器学习的智慧鱼道运维方法及运维系统，其方法包括：获取监测点坐标信息和对应的水位监测信息；无线网络向数据接收单元传输水位监测信息，数据运行单元计算出池室监测点对应的水位计算信息数据；根据不同的边界条件，确定水位监测信息和水位计算信息数据的映射系数，并进行对比匹配；当差异度超过预设阈值，数据运行单元采用机器学习算法，依次确定每个鱼道池室发生破损或者障碍物堵塞位置，并修正相应池室的监测点坐标和水位计算信息数据；运维提示单元将鱼道池室内的破损情况和障碍物堵塞情况传递至监测终端，进行运维处理措施。本发明专利技术可实现鱼道长期可持续运行并发挥鱼道最佳生态效益的现实需求。运行并发挥鱼道最佳生态效益的现实需求。运行并发挥鱼道最佳生态效益的现实需求。

【技术实现步骤摘要】
一种基于机器学习的智慧鱼道运维方法及运维系统


[0001]本专利技术涉及水利工程
，特别涉及一种智慧鱼道运维系统及其运维方法。

技术介绍

[0002]鱼道作为能够有效联通闸、坝上下游水流，为鱼类提供上溯、下行通道的有效途径，一直以来被作为水利水电工程建设鱼类保护的重要措施进行采用。但由于国内鱼道工程技术尚不够成熟，新建鱼道很少达到预期过鱼效果。现实中很多鱼道因缺少定期维护和检修，丧失原有的生态功能，鱼道的监测、管理和维护方面暴露出诸多问题，例如：鱼道内的沉积物淤积或者障碍物堵塞会影响底孔池式鱼道的孔口，严重影响鱼道过鱼效率，甚至导致鱼道运行失败；再如部分鱼道进水口处以上约有1/3的鱼道被毁坏，鱼道出水口处形成了一道沙梁将之与主河道隔离，导致鱼道功能丧失。
[0003]因此，亟需一种解决方案，能准确判断鱼道故障情况，克服人工监测的局限性和远程运维的困难性，实现鱼道长期可持续运行和发挥鱼道最佳生态效益的现实需求。

技术实现思路

[0004]本专利技术所要解决的技术问题：提供一种基于机器学习的智慧鱼道运维方法，能克服人工监测的局限性和远程运维的困难性，实现鱼道长期可持续运行和发挥鱼道最佳生态效益的现实需求。
[0005]本专利技术为解决以上技术问题而采用以下技术方案：
[0006]本专利技术提出的基于机器学习的智慧鱼道运维方法，包括如下步骤：
[0007]S1、采用水位传感器获取池室监测点坐标信息和对应的水位监测信息，将其定义为第一集合；将若干不同边界条件及该条件下的第一集合定义为第二集合。
[0008]S2、以边界条件变量作为初始条件输入，以鱼道及池室基本参数作为约束条件，将读取的监测点坐标信息作为自变量进行计算，计算出池室监测点对应的水位信息数据，将该数据和对应的池室监测点坐标信息构建为第三集合。当上游边界条件变化时，会同时计算、更新第三集合。
[0009]S3、根据不同的边界条件，确定第二集合和第三集合的映射系数，并将第二集合内的数据和第三集合内的数据进行对比匹配。
[0010]映射系数的确定，主要是通过鱼道池室本身和相关的运行条件，若鱼道较大，运行边界条件平稳，映射系数可以偏向宽松；若鱼道尺寸较小，对边界条件变化较为敏感，则映射系数则较为严苛。
[0011]S4、根据步骤S3中的对比匹配结果，确定两个集合的差异度，根据差异度与预设阈值之间的关系，分别进行以下动作：
[0012](1)若差异度满足预设阈值，则无需预警；
[0013](2)若差异度超过预设阈值，筛选第二集合和第三集合中的异常元素数据构成第四集合，并将第四集合中的数据按照鱼道池室数划分为若干个子集合，作为第五集合，并对
其进行排序。
[0014]S5、采用机器学习算法，依次确定第五集合中每个子集合对应的鱼道池室发生破损或者障碍物堵塞位置，并修正相应池室的监测点坐标和水位计算信息数据，直至最后一个子集修正完毕。
[0015]S6、将步骤S5中确定的鱼道池室内的破损情况和障碍物堵塞情况传递至监测终端，运维人员针对鱼道内部的异常位置做出运维处理措施。
[0016]进一步，步骤S2中计算池室监测点的水位信息数据的具体公式如下：
[0017][0018]其中：H(x
i
,y
i
)为第i个池室中监测点坐标为(x
i
,y
i
)处的水位信息数据，Q
i
为进入第i个池室内的流量，D
x
,D
y
分为第i个池室的横向长度和纵向长度，V
i
为H(x
i
,y
i
)监测点所在横向断面的平均流速，x
i
,y
i
分别为H(x
i
,y
i
)监测点距离第i个池室原点的横向和纵向距离。
[0019]进一步，步骤S2中水位信息数据计算，当进入第i个池室内时，其流量Q
i
的计算方法为：
[0020][0021][0022]其中，Cs为流量系数，h1为第i池室内上游水位减去单个池室底坎高度，g为重力加速度；β0,β1为鱼道修正系数，分别与鱼道坡度和池室内构造相关，h2为第i池室内下游水位减去单个池室底坎高度。
[0023]进一步，步骤S4中预设阈值Δh
i
通过以下公式确定：
[0024][0025]其中，为目标鱼道的入口平均流量；D
x
,D
y
分为第i个池室的横向长度和纵向长度；S为目标鱼道的坡度；λ为阈值修正系数，通常取值为0.05。
[0026]进一步，步骤S5的具体步骤为：
[0027]提取第五集合的第一个子集合中的异常池室监测点坐标信息，采用机器学习算法，确定第一个子集合对应的鱼道池室发生破损或者障碍物堵塞位置，同时修正第一个子集合中异常池室监测点坐标和水位监测数据信息。
[0028]将修正后的第一个子集合中的元素作为初始条件计算下一个池室内监测点位坐标和水位计算信息数据，并和第五集合中的第二个子集对比匹配，再次确定鱼道池室发生破损或者障碍物堵塞位置并修正
[0029]依此类推，直至最后一个子集修正完毕。
[0030]进一步，步骤S5中利用机器学习算法判断鱼道内发生破损或者障碍物堵塞的情况，具体方式如下：
[0031]S501、确定鱼道几何特征；
[0032]S502、针对不同的运维情况，修改水位信息数据计算方法中的Cs流量系数，计算不同监测点坐标下的水位信息；
[0033]S503、剔除阻碍物尺寸和损坏程度较小的数据集，将剩余数据集不断训练和验证。
[0034]进一步，本专利技术还提出一种基于机器学习的智慧鱼道运维系统，用于实现前文所述的基于机器学习的智慧鱼道运维方法的步骤，包括水位传感器模块、无线网络模块、供能模块和中央控制平台：
[0035]所述水位传感器模块，由若干个超声波传感器组成，用于精准感知鱼道内各个池室内部的监测点位的水位信息数据。
[0036]所述无线网络模块，用于接收由水位传感器模块传输的鱼道内部各个池室的监测点位的水位信息数据，并将监测点位数据和对应的水位信息数据上传到中央控制平台。
[0037]所述供能模块，用于给水位传感器模块，无线网络模块和中央控制平台供电。
[0038]所述中央控制平台，由数据接收单元、数据处理单元、数据运行单元和运维提示单元组成；其中，所述数据接收单元用于接收水位传感器模块通过无线网络模块传输的池室鱼道水位信息数据，所述数据处理单元用于对接收数据进行预处理，所述数据运行单元用于将鱼道实际水位和理论水位进行对比，所述运维提示单元根据运行结果，做出运维提示。
[0039]进一步，所述数据接收单元，被配置以执行以下动作：获取池室监测点坐标信息和对应的水位监测信息，将其定义为第一集合；将若干不同边界条件本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的智慧鱼道运维方法，其特征在于，包括如下步骤：S1、采用水位传感器获取池室监测点坐标信息和对应的水位监测信息，将其定义为第一集合；将若干不同边界条件及该条件下的第一集合定义为第二集合；S2、以边界条件变量作为初始条件输入，以鱼道及池室基本参数作为约束条件，将读取的监测点坐标信息作为自变量进行计算，计算出池室监测点对应的水位信息数据，将该数据和对应的池室监测点坐标信息构建为第三集合；S3、根据不同的边界条件，确定第二集合和第三集合的映射系数，并将第二集合内的数据和第三集合内的数据进行对比匹配；S4、根据步骤S3中的对比匹配结果，确定两个集合的差异度，根据差异度与预设阈值之间的关系，分别进行以下动作：(1)若差异度满足预设阈值，则无需预警；(2)若差异度超过预设阈值，筛选第二集合和第三集合中的异常元素数据构成第四集合，并将第四集合中的数据按照鱼道池室数划分为若干个子集合，作为第五集合，并对其进行排序；S5、采用机器学习算法，依次确定第五集合中每个子集合对应的鱼道池室发生破损或者障碍物堵塞位置，并修正相应池室的监测点坐标和水位计算信息数据，直至最后一个子集修正完毕；S6、将步骤S5中确定的鱼道池室内的破损情况和障碍物堵塞情况传递至监测终端，进行运维处理措施。2.根据权利要求1所述的基于机器学习的智慧鱼道运维方法，其特征在于，步骤S2中计算池室监测点的水位信息数据的具体公式如下：其中，H(x
i
,y
i
)为第i个池室中监测点坐标为(x
i
,y
i
)处的水位信息数据，Q
i
为进入第i个池室内的流量，D
x
,D
y
分为第i个池室的横向长度和纵向长度，V
i
为H(x
i
,y
i
)监测点所在横向断面的平均流速，x
i
,y
i
分别为H(x
i
,y
i
)监测点距离第i个池室原点的横向和纵向距离。3.根据权利要求2所述的基于机器学习的智慧鱼道运维方法，其特征在于，所述的水位信息数据计算，当进入第i个池室内时，其流量Q
i
的计算方法为：的计算方法为：其中，Cs为流量系数，h1为第i池室内上游水位减去单个池室底坎高度，g为重力加速度；β0,β1为鱼道修正系数，分别与鱼道坡度和池室内构造相关，h2为第i池室内下游水位减去单个池室底坎高度。4.根据权利要求1所述的基于机器学习的智慧鱼道运维方法，其特征在于，步骤S4中预设阈值Δh
i
通过以下公式确定：
其中，为目标鱼道的入口平均流量；D
x
,D
y
分别为第i个池室的横向长度和纵向长度；S为目标鱼道的坡度；λ为阈值修正系数。5.根据权利要求1所述的基于机器学习的智慧鱼道运维方法，其特征在于，步骤S5的具体步骤为：提取第五集合的第一个子集合中的异常池室监测点坐标信息，采用机器学习算...

【专利技术属性】
技术研发人员：戴杰，颜韬，杨吉，毛劲乔，王佳芃，张俊芳，张伟举，龚轶青，陆鹏，
申请(专利权)人：河海大学，
类型：发明
国别省市：