-
公开(公告)号:CN104792350A
公开(公告)日:2015-07-22
申请号:CN201510151645.X
申请日:2015-04-01
IPC分类号: G01D18/00
摘要: 本发明公开了一种大坝监测自动化比测方法,其特征是,首先,基于时间序列对二者进行测次对齐,降低因样本本身带来的差异性,其次,基于方差分析判定二者间测量差值是否满足2ζ法则,再次,进行样本相关性及差异性分析,检定二者互相关性的强弱,和在多个显著性水平上差异是否显著,最后,基于谱分析对比二者的规律性如周期、变幅;本发明所述一种大坝监测自动化比测方法在进行比测前进行了自动测次对齐操作,提高了样本质量;所述一种大坝监测自动化比测方法从方差精度、差异性、相关性及规律性方面全面分析挖掘了人工与自动化测量数据的内在关联,得出的比测结论更为可信,并兼具校核作用。
-
公开(公告)号:CN104792350B
公开(公告)日:2017-08-08
申请号:CN201510151645.X
申请日:2015-04-01
IPC分类号: G01D18/00
摘要: 本发明公开了一种大坝监测自动化比测方法,其特征是,首先,基于时间序列对二者进行测次对齐,降低因样本本身带来的差异性,其次,基于方差分析判定二者间测量差值是否满足2ζ法则,再次,进行样本相关性及差异性分析,检定二者互相关性的强弱,和在多个显著性水平上差异是否显著,最后,基于谱分析对比二者的规律性如周期、变幅;本发明所述一种大坝监测自动化比测方法在进行比测前进行了自动测次对齐操作,提高了样本质量;所述一种大坝监测自动化比测方法从方差精度、差异性、相关性及规律性方面全面分析挖掘了人工与自动化测量数据的内在关联,得出的比测结论更为可信,并兼具校核作用。
-
公开(公告)号:CN102799789A
公开(公告)日:2012-11-28
申请号:CN201210268141.2
申请日:2012-07-30
CPC分类号: G06F17/5004 , G06F2217/34
摘要: 本发明公开了一种水力发电厂主设备模型建立、存储和同步的方法,在历史数据库中以二进制形式存储设备模型,在本地以设备模型XML文件形式存储设备模型。本发明提供的水力发电厂主设备模型建立、存储和同步的方法,为水电厂信息系统提供全面的模型编码格式、通用的模型建立步骤、灵活的模型存储格式、以及通用的数据表结构,以建立和存储水电厂信息系统内所有主设备模型信息,提高水电厂信息系统的可扩展性和可维护性,同时也为分布式水电厂信息系统提供一种模型自动同步的解决方案。
-
公开(公告)号:CN102799789B
公开(公告)日:2015-12-16
申请号:CN201210268141.2
申请日:2012-07-30
CPC分类号: G06F17/5004 , G06F2217/34
摘要: 本发明公开了一种水力发电厂主设备模型建立、存储和同步的方法,在历史数据库中以二进制形式存储设备模型,在本地以设备模型XML文件形式存储设备模型。本发明提供的水力发电厂主设备模型建立、存储和同步的方法,为水电厂信息系统提供全面的模型编码格式、通用的模型建立步骤、灵活的模型存储格式、以及通用的数据表结构,以建立和存储水电厂信息系统内所有主设备模型信息,提高水电厂信息系统的可扩展性和可维护性,同时也为分布式水电厂信息系统提供一种模型自动同步的解决方案。
-
公开(公告)号:CN104239715A
公开(公告)日:2014-12-24
申请号:CN201410461773.X
申请日:2014-09-11
IPC分类号: G06F19/00
摘要: 本发明公开了一种大坝坝体沉降预测方法,步骤一,计算N阶大坝坝体历史沉降值的相关性系数;步骤二,归一化各阶相关性系数;步骤三,建立大坝坝体沉降取值的分段标准;步骤四,依据分段标准,将大坝坝体历史沉降值,转化为离散的状态值;步骤五,建立1~N阶的马尔科夫状态转移矩阵组;步骤六,根据马尔科夫状态转移矩阵组,计算各状态的最终取值概率;步骤七,取概率最大的状态值,其对应的取值区间即为预测取值的范围。本发明的预测结果为沉降状态,即最可能的取值区间,而非具体数值,量化了预测结果的可靠性,可信度有了较大提高。
-
公开(公告)号:CN104376370A
公开(公告)日:2015-02-25
申请号:CN201410588297.8
申请日:2014-10-28
IPC分类号: G06Q10/04
CPC分类号: G06Q10/04
摘要: 本发明公开了一种大坝水平位移预测方法,首先基于典型成因分析,达到对高维因子的降维及去互相关性的效果,并得到对大坝上下游和左右岸两种水平位移进行整体预测的线性变换向量,其次基于聚类分析,实现对样本按性态相似性的划分,及筛选出奇异点,在此划分基础上进行分类回归和预测,可以避免因为样本质量和采样的不均衡,而造成的噪音干扰和信息损失,更为合理、成分的挖掘样本信息,得到更高可信度的预测结果,具有更实际的决策辅助功能。
-
-
-
-
-