【技术实现步骤摘要】
本专利技术涉及水利工程，具体涉及一种智能ai分析的水利工程防洪安全预警方法和系统。
技术介绍
1、水利工程为民生带来了较大的便利，而水利工程预警系统通过实时监测水文数据、气象数据和水利工程状态，有助于优化水资源的管理和调度，使得水利工程能够更好地应对不同的气象和水文条件，提高水库的调度效率，进一步确保水利工程的安全性和稳定性。
2、现有的水利工程防洪安全预警系统中，已存有智能化的运用，例如申请公开号为cn116993164a的专利公开了一种水利工程的安全监控方法、装置、设备和介质，上述技术通过可视化数据进行数据分析，最终输出风险预警结果，通过相关设备进行的自动化防洪调控，但无法基于现有情况面对突发的多样环境，即若存有降雨情况呈现逐渐严重的趋势时，通过实时数据进行泄洪处理的泄洪量无法根据降雨量进行调控，防洪处理具有一定的预警延迟；
3、除上述技术，现在技术中还存有相关人员根据最终输出的结果进行防洪措施采取，在此过程中，相关人员需要花费一定时间进行系统输出结果的分析与防洪措施的布设，最终导致防洪工作的实施存有一定的延迟，整体的防洪响应效率较低。
4、为解决上述所提及的问题，提出了一种智能ai分析的水利工程防洪安全预警方法和系统。
技术实现思路
1、本专利技术的目的是提供一种智能ai分析的水利工程防洪安全预警方法和系统，以解决
技术介绍
中不足。
2、为了实现上述目的，本专利技术提供如下技术方案：
3、所述智能ai分析的水利工程防洪
4、步骤s100:收集水库每个监测区域内的历史防洪数据；
5、步骤s200:对历史防洪数据进行处理，生成评估水涝风险等级的机器学习模型；
6、步骤s300:收集当前水库每个监测区域内的实时防洪数据，预设风险阈值，提高分析准度，基于风险阈值收集风险等级的属性值；
7、步骤s400:根据每个监测区域实时的风险等级的属性值输出处理方案。
8、进一步地，所述历史防洪数据包括历史水库水位数据、历史水库入流和出流数据、历史泄洪流量和泄洪方式、历史水库蓄水量，所述实时防洪数据包括实时水库水位数据、实时水库入流和出流数据、实时泄洪流量和泄洪方式、实时水库蓄水量。
9、进一步地，所述历史防洪数据的收集包括以下步骤：
10、步骤q1；将水库的历史防洪数据按照监测区域的顺序进行排序，并按顺序将历史防洪数据标记为glx,其中glx＝1,2,3…w，其中w为单个监测区域中获取的历史防洪数据数量；
11、步骤q2；对于历史防洪数据glx,收集该历史防洪数据与历史防洪数据glx-1之间所有风险情况的处理方案，并基于每个处理方案收集对应的风险等级；
12、步骤q3；收集每个检测区域中的历史防洪数据glx的处理方案以及风险等级的属性值。
13、进一步地，所述风险等级的划分逻辑为：
14、其中，所述每个风险等级根据处理方案的响应速度和设备处理功率进行划分，所述处理方案响应速度包括一级响应速度、二级响应速度和三级影响速度，所述设备处理功率包括一级处理功率、二级处理功率和三级处理功率；
15、若同时具有一级响应速度和一级处理功率、一级响应速度和二级处理功率、二级响应速度和一级处理功率，则进行第一风险等级的生成，并标记为“ka”；
16、若同时具有一级响应速度和二级处理功率、二级响应速度和二级处理功率、二级响应速度和一级处理功率，则进行第二风险等级的生成，并标记为“kb”；
17、若同时具有二级响应速度和三级处理功率、一级响应速度和二级处理功率、二级响应速度和一级处理功率，则进行第三风险等级的生成,并标记为“kc”；
18、若同时具有一级响应速度和三级处理功率或三级响应速度和一级处理功率，则进行数据异常等级的生成，并标记为“kd”。
19、进一步地，生成评估水涝风险等级的机器学习模型的步骤如下：
20、步骤j1:对于每个监测区域中的历史防洪数据glx，将历史防洪数据glx中的风险等级的属性值作为机器学习模型的输入，将处理方案作为机器学习模型的输出，以监测区域中的历史防洪数据glx的处理方案为预测目标，以机器学习模型的预测准确率作为训练目标；
21、步骤j2:基于每个历史防洪数据glx的机器学习模型进行训练，预设准确率阈值gy；
22、步骤j3:当机器学习模型的预测准确率达到了预测准确率阈值gy时，终止训练，并将历史防洪数据glx训练完成后的机器学习模型标记为gxd。
23、进一步地，收集当前水库每个监测区域内的实时防洪数据步骤如下：
24、步骤k1:根据实际情况预设风险阈值，将风险阈值标记为vg；
25、步骤k2：根据每个监测区域，计算出监测比较值，记作vb,所述检测比较值为第一风险等级和标记为第二风险等级的监测区域数目之和占总监测区域的比值，若检测出的监测比较值vb小于险阈值标记为vg，则不做处理，若检测出的监测比较值vb大于险阈值标记为vg，转至步骤k3；
26、步骤k3:对于每个监测区域，收集对应风险等级的属性值。
27、进一步地，基于训练完成后的机器学习模型gxd，将风险等级的属性值输入机器学习模型gxd中，获得机器学习模型gxd输出的处理方案。
28、本专利技术还提供一种智能ai分析的水利工程防洪安全预警系统，包括历史防洪数据采集模块、历史防洪数据分析模块、实时防洪数据采集模块和防洪监测模块，各个模块之间通过电气和/或无线网络方式连接；
29、历史防洪数据采集模块；用于预先收集水库每个监测区域内的历史防洪数据，并将历史防洪数据发送至历史防洪数据分析模块；
30、历史防洪数据分析模块；用于对历史防洪数据进行处理，生成评估水涝风险等级的机器学习模型，并将训练完成的机器学习模型发送至防洪监测模块；
31、实时防洪数据采集模块；收集当前水库每个监测区域内的实时防洪数据，并将每个监测区域的风险等级的属性值发送至防洪监测模块；
32、防洪监测模块；用于根据每个监测区域实时的风险等级的属性值输出处理方案。
33、进一步地，所述存储器中存储有可供处理器调用的计算机程序；
34、所述处理器通过调用所述存储器中存储的计算机程序，在水利设备控制后台中执行述的任意一条智能ai分析的水利工程防洪安全预警方法。
35、进一步地，当所述计算机程序在计算机设备上运行时，使得所述计算机设备执行所述任意一条智能ai分析的水利工程防洪安全预警方法。
36、在上述技术方案中，本专利技术提供的技术效果和优点：
37、本专利技术通过采集当前水库每个监测区域内的实时防洪数据，并结合机器学习模型，实现了对水涝风险的实时监测和准确评估，提高了预警系统的响应速度和准确性；基于机器学习模型提供了每个监测区域的处理本文档来自技高网...
【技术保护点】
1.一种智能AI分析的水利工程防洪安全预警方法，其特征在于，所智能AI分析的水利工程防洪安全预警方法包括以下步骤：
2.根据权利要求1所述的一种智能AI分析的水利工程防洪安全预警方法，其特征在于，所述历史防洪数据包括历史水库水位数据、历史水库入流和出流数据、历史泄洪流量和泄洪方式、历史水库蓄水量，所述实时防洪数据包括实时水库水位数据、实时水库入流和出流数据、实时泄洪流量和泄洪方式、实时水库蓄水量。
3.根据权利要求2所述的一种智能AI分析的水利工程防洪安全预警方法，其特征在于，所述历史防洪数据的收集包括以下步骤：
4.根据权利要求3所述的一种智能AI分析的水利工程防洪安全预警方法，其特征在于，所述风险等级的划分逻辑为：
5.根据权利要求4所述的一种智能AI分析的水利工程防洪安全预警方法，其特征在于，生成评估水涝风险等级的机器学习模型的步骤如下：
6.根据权利要求5所述的一种智能AI分析的水利工程防洪安全预警方法，其特征在于，收集当前水库每个监测区域内的实时防洪数据步骤如下：
7.根据权利要求6所述的一种智能A
8.一种智能AI分析的水利工程防洪安全预警系统，用于实现权利要求1-7任一项所述的方法，其特征在于，包括历史防洪数据采集模块、历史防洪数据分析模块、实时防洪数据采集模块和防洪监测模块，各个模块之间通过电气和/或无线网络方式连接；
9.一种计算机服务器，包括：处理器和存储器，其中；
10.一种计算机可读存储介质，其上存储有可擦写的计算机程序；其特征在于，当所述计算机程序在计算机设备上运行时，使得所述计算机设备执行权利要求1-7所述任意一条智能AI分析的水利工程防洪安全预警方法。
...【技术特征摘要】
1.一种智能ai分析的水利工程防洪安全预警方法，其特征在于，所智能ai分析的水利工程防洪安全预警方法包括以下步骤：
2.根据权利要求1所述的一种智能ai分析的水利工程防洪安全预警方法，其特征在于，所述历史防洪数据包括历史水库水位数据、历史水库入流和出流数据、历史泄洪流量和泄洪方式、历史水库蓄水量，所述实时防洪数据包括实时水库水位数据、实时水库入流和出流数据、实时泄洪流量和泄洪方式、实时水库蓄水量。
3.根据权利要求2所述的一种智能ai分析的水利工程防洪安全预警方法，其特征在于，所述历史防洪数据的收集包括以下步骤：
4.根据权利要求3所述的一种智能ai分析的水利工程防洪安全预警方法，其特征在于，所述风险等级的划分逻辑为：
5.根据权利要求4所述的一种智能ai分析的水利工程防洪安全预警方法，其特征在于，生成评估水涝风险等级的机器学习模型的步骤如下：
6.根据权利要求5所述...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。