买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥汉恩智能科技有限公司申请的专利一种水利水电工程实时监控管理方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120355085B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510440023.2，技术领域涉及：G06Q10/063；该发明授权一种水利水电工程实时监控管理方法及系统是由王元文;祝靖;李龙;贾长金设计研发完成，并于2025-04-09向国家知识产权局提交的专利申请。

本一种水利水电工程实时监控管理方法及系统在说明书摘要公布了：本申请公开了一种水利水电工程实时监控管理方法及系统，涉及水利水电领域：采集环境数据X和效应数据Y，构建环境数据X和效应数据Y之间的相关系数矩阵；构建异常检测算法库，根据相关系数矩阵和异常检测算法库，构建评估指标矩阵；根据评估指标矩阵，选择每种监测数据的最优异常检测算法；根据最优异常检测算法对采集的监测数据进行异常值处理；将异常值处理后的监测数据按照季节和工况分组，结合相关系数矩阵，通过统计计算各组数据的均值和标准差，得到均值±2σ作为一级预警阈值和均值±3σ作为二级预警阈值；根据一级预警阈值和二级预警阈值进行监控管理。针对现有技术中水利工程阈值设置缺乏灵活性导致监控精度低，本申请提高了监控精度。

本发明授权一种水利水电工程实时监控管理方法及系统在权利要求书中公布了：1.一种水利水电工程实时监控管理方法，其特征在于，包括： S1，采集水利水电工程的监测数据，所述监测数据包括环境数据X和效应数据Y，所述环境数据X包含水位和降雨量；所述效应数据Y包含大坝变形和渗流； S2，利用多元线性回归方法构建环境数据X和效应数据Y之间的相关系数矩阵，包括： 采用Z‑score分别对环境数据X和效应数据Y进行处理，其中，环境数据X＝{X1,X2}，X1表示水位数据，X2表示降雨量数据；效应数据Y＝{Y1,Y2}，Y1表示大坝变形数据，Y2表示渗流数据； 分别构建大坝变形数据Y1和渗流数据Y2的时间滞后模型Y1t和Y2t； 根据时间滞后模型Y1t和Y2t，通过滑动时间窗口法，计算每种环境数据X＝{X1,X2}和效应数据Y＝{Y1,Y2}在不同滞后时间下的皮尔逊相关系数r，rXjt‑i,Ylt,i∈[0,k],j∈{1,2},l∈{1,2}，k为最大滞后阶数；i和j表示正整数； 对每种环境数据Xj和效应数据Yl组合，从k+1个皮尔逊相关系数rXjt‑i,Ylt中，选取绝对值最大的相关系数rmax及其对应的最优滞后时间topt，构成2×2的时滞相关系数矩阵R； 时间滞后模型Y1t和Y2t，表达式为： 其中，t表示当前时间点；k为最大滞后阶数；α1,α2为各模型常数项；β1i,β2i分别为两种效应数据模型中水位数据X1在不同滞后时间的回归系数；γ1i,γ2i分别为两种效应数据模型中降雨量数据X2在不同滞后时间的回归系数；ε1,ε2为各模型随机误差项； S3，构建异常检测算法库，所述异常检测算法库包含均值法、中值法、差值法、Hampel滤波法和3σ准则； S4，根据相关系数矩阵和异常检测算法库，构建评估指标矩阵，包括： 根据时滞相关系数矩阵R中的最优滞后时间topt，对环境数据X进行滞后处理，形成与效应数据Y最大相关的滞后环境数据集X'； 根据环境数据集X'和效应数据Y构建数据集，将数据集划分为训练集和测试集； 利用异常检测算法库中的各异常检测算法分别对训练集中的数据进行异常检测； 利用测试集计算各异常检测算法检测结果的评估指标，评估指标包括检测准确率A、误报率B、漏报率C和鲁棒性指标D； 构建4×5的评估指标矩阵E，矩阵元素Ei,j包含异常检测评估结果； S5，根据评估指标矩阵，选择每种监测数据的最优异常检测算法，包括： 设置评估指标矩阵中各评估指标的权重系数wA、wB、wC、wD； 针对每种监测数据，计算各异常检测算法的综合评分Si,j： Si,j＝wA×Ai,j‑wB×Bi,j‑wC×Ci,j+wD×Di,j； S6，根据最优异常检测算法对采集的监测数据进行异常值处理； S7，将异常值处理后的监测数据按照季节和工况分组，结合相关系数矩阵，通过统计计算各组数据的均值和标准差，得到均值±2σ作为一级预警阈值和均值±3σ作为二级预警阈值；其中，σ为标准差； S8，根据一级预警阈值和二级预警阈值进行监控管理。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥汉恩智能科技有限公司，其通讯地址为：230012 安徽省合肥市瑶海区包公大道1号瑶海都市科技工业园2#B8041室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。