一种智能预警型综合管廊环境监测方法及系统

本发明属于信息技术和物联网，具体的说是一种智能预警型综合管廊环境监测方法及系统。

背景技术：

1、随着城市化进程的加速，综合管廊作为城市的重要基础设施，承载着供水、排水、电力、通信关键管线的安全运行，然而，管廊在长期使用过程中面临着诸多风险和安全隐患，如泄漏、损耗问题，这些问题可能导致安全事故的发生，对城市的运行产生重大影响。为了及时发现管廊内的安全隐患，需要能够全面的监测管廊内环境、设备运行状态、气体成分，而传统的管廊监测方法主要依赖于人工巡检，这种方式不仅效率低下，而且难以做到实时监测和预警。随着现代技术的发展，能够通过部署各类传感器，实现对管廊内环境参数的实时监测和数据传输，或者利用机器学习、深度学习技术，对监测数据进行智能分析和预测，实现预警功能。

2、如公开号为cn116659579a的专利公开了一种电缆管廊综合环境监测预警装置，包括壳体，所述壳体内设有音频采样单元，振动感知单元和图像采集单元；所述音频采集单元与所述振动感知单元分别连接数据分析处理模块，所述数据分析处理模块对预处理后的音频样本和振动样本进行特征匹配，所述数据分析处理模块连接控制器，所述控制器控制图像采集单元开启工作。本技术方案采用音频采样、振动感知以及图像采集这三种传感器结合对电缆管廊环境进行综合检测，实现多个传感器之间数据的互补，从而准确判断电力基础设施的隐患、事故情况，实现对电力基础设施的全方位保障，提高运营水平。有效提升设施的安全性和稳定性，创造一个更加安全、可靠的电网环境。

3、虽然现有技术已经能够在一定程度上实现对管廊的监测和预警，但仍然存在以下问题，如监测参数单一，无法全面反映管廊的运行状态，预警模型不够准确，误报率和漏报率较高，系统集成度低，难以实现与其他系统的互联互通。

技术实现思路

1、针对现有技术的不足，本发明提出了一种智能预警型综合管廊环境监测方法及系统，通过在管廊内部构建全面的监测网络，采用无线通信传输数据至数据中心，经预处理后，结合历史数据与机器学习算法构建多分类风险预测模型，精准预测管廊环境状态；基于预测模型，动态分配检测资源至高风险分区，并智能评估风险，设定动态报警阈值，自动触发应急响应；系统引入自适应学习机制，持续优化预警模型与应急策略，并通过三维可视化展示管廊状态，确保监测设备精准运行，提升了管廊管理的智能化水平，增强了安全隐患的预警与应对能力，提高了管廊运营的安全性和效率。

2、为实现上述目的，本发明提供如下技术方案：

3、一种智能预警型综合管廊环境监测方法，包括：

4、步骤s1：在管廊内部部署全面的监测网络，并在每个防火分区固定间隔内设置一套环境探测仪，集成视频监控系统和传感器网络，通过图像识别和模式分析方法，对管廊内部环境的实时监控和异常检测；

5、步骤s2：通过无线通信方式，将监测网络采集到的管廊数据实时传输到数据中心，并对接收的管廊数据进行预处理和特征提取，并结合历史数据和机器学习算法构建多分类风险预测模型，对管廊环境状态进行预测；

6、步骤s3：设置分区探测策略，基于多分类风险预测模型的置信度和实时环境数据，动态选择需要详细检测的分区，并将其余分区通过已选分区数据进行预估，同时，对预测结果进行风险评估，并根据预测结果和风险评估结果，确定预警级别和预警范围，设置动态报警阈值，若管廊数据达到预警级别和预警范围，则自动生成预警信息，并通过消防联动控制设备自动启动应急响应策略；

7、步骤s4：引入自适应学习机制，根据历史预警情况和处置效果，优化预警模型、分区探测策略和应急响应策略，将处理后的管廊数据进行三维可视化展示，并定期对监测设备进行维护和校准。

8、具体地，所述步骤s3的具体步骤包括：

9、s3.1：使用神经网络构建多分类风险预测模型，并输入实时采集的管廊数据进行预测，其中，表示管廊内的温度数据，表示管廊内的湿度数据，表示管廊内的气体浓度数据，表示管廊内的振动数据；

10、s3.2：设置分区探测策略规则和每次探测的分区数量；

11、s3.3：设定风险阈值hi,i＝1,2,3,4，从训练好的神经网络模型中获取火灾、水淹、振动和危险气体在每个分区的预测结果y＝{y1,y2,y3,y4}及其置信度，并将预测结果与设定的风险阈值进行比较；

12、若y＜hi，则存在较小的风险，并继续进行正常监控；

13、若y＞hi，则存在较高的风险，并对预测结果进行风险评估。

14、具体地，所述步骤s3的具体步骤还包括：

15、s3.4：根据预设的探测策略，选择置信度较低的分区进行检测，并使用已选分区的数据，结合分区间环境相关性的假设或模型，预估其余分区的状态；

16、s3.5：对预测结果进行风险评估，根据风险评估结果，将风险划分为极低、低、中、高、极高5个预警级别，基于预警级别，结合风险的传播性、影响范围和应急响应因素确定预警范围，并根据历史数据、实时数据和风险评估结果，动态调整报警阈值；

17、s3.6：若管廊数据达到预警级别和预警范围，则自动生成预警信息，并通过消防联动控制系统，自动启动应急响应策略。

18、具体地，所述s3.3中风险划分公式为：

19、

20、其中，riskscore表示风险评估分数，level＝1表示风险极低，level＝2表示低风险，level＝3表示中风险，level＝4表示高风险，level＝5表示风险极高。

21、具体地，所述s3.4中应急响应策略包括：紧急疏散、应急照明、启动灭火系统、打开排烟系统、启动排水设备、制定团队行动计划。

22、一种智能预警型综合管廊环境监测系统，包括：监测网络模块、风险评估模块、优化模块、维护模块；

23、所述监测网络模块，用于建立监测网络，实时收集综合管廊内的环境数据；

24、所述风险评估模块，用于根据监测网络模块收集的数据，对综合管廊的环境状况进行风险评估，判断是否存在安全隐患或潜在风险；

25、所述优化模块，用于基于风险评估模块的结果，对综合管廊的运行状态进行优化调整；

26、所述维护模块，用于对综合管廊进行定期的维护和管理。

27、具体地，所述风险评估模块包括：风险预测单元、预警设置单元、应急响应单元；

28、所述风险预测单元，用于基于监测网络模块提供的数据，利用大数据分析和预测模型，对综合管廊的环境状况进行风险评估和预测，识别安全隐患和风险点；

29、所述预警设置单元，用于根据风险预测单元的结果，设置对应的预警阈值和条件，一旦监测数据达到或超过预警阈值，系统将自动触发预警机制；

30、所述应急响应单元，用于在发生紧急情况时，根据预设的应急响应预案，自动进行应急处理。

31、具体地，一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现一种智能预警型综合管廊环境监测方法的步骤。

32、具体地，一种计算机可读存储介质，其上存储有计算机指令，当计算机指令运行时执行一种智能预警型综合管廊环境监测方法的步骤。

33、与现有技术相比，本发明的有益效果是：

34、1.本发明提出一种智能预警型综合管廊环境监测系统，并进行了架构、运行步骤和流程上的优化改进，系统具备流程简单，投资运行费用低廉，生产工作成本低的优点。

35、2.本发明提出一种智能预警型综合管廊环境监测方法，通过在管廊内部部署多种传感器和监测仪，能够实时、全面地获取管廊内的环境数据，包括温湿度、气体浓度、水位、振动，结合视频监控系统，通过云计算和边缘计算，结合图像识别、模式分析方法、分区探测策略，对管廊进行分区域监测，能够及时发现异常情况，确保管廊的安全运行。

36、3.本发明提出一种智能预警型综合管廊环境监测方法，引入自适应学习机制和远程监控和故障诊断方法，提高系统的预测和预警能力，实现对监测设备的远程管理和维护，减少现场巡检的工作量；同时，建立设备健康档案和故障预警系统，能够实时监测设备的运行状态，及时发现并处理潜在故障，提高设备的可靠性和使用寿命。

技术特征：

1.一种智能预警型综合管廊环境监测方法，其特征在于，包括：

2.如权利要求1所述的一种智能预警型综合管廊环境监测方法，其特征在于，所述步骤s3的具体步骤包括：

3.如权利要求2所述的一种智能预警型综合管廊环境监测方法，其特征在于，所述步骤s3的具体步骤还包括：

4.如权利要求3所述的一种智能预警型综合管廊环境监测方法，其特征在于，所述s3.3中风险划分公式为：

5.如权利要求4所述的一种智能预警型综合管廊环境监测方法，其特征在于，所述s3.4中应急响应策略包括：紧急疏散、应急照明、启动灭火系统、打开排烟系统、启动排水设备、制定团队行动计划。

6.一种智能预警型综合管廊环境监测系统，其基于权利要求1-5中任一项所述的一种智能预警型综合管廊环境监测方法实现，其特征在于，包括：监测网络模块、风险评估模块、优化模块、维护模块；

7.如权利要求6所述的一种智能预警型综合管廊环境监测系统，其特征在于，所述风险评估模块包括：风险预测单元、预警设置单元、应急响应单元；

8.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-5任一项所述的一种智能预警型综合管廊环境监测方法的步骤。

9.一种计算机可读存储介质，其特征在于，其上存储有计算机指令，当计算机指令运行时执行权利要求1-5任一项所述的一种智能预警型综合管廊环境监测方法的步骤。

技术总结
本发明公开了一种智能预警型综合管廊环境监测方法及系统，属于信息技术和物联网技术领域，具体包括：通过在管廊内部构建全面的监测网络，采用无线通信传输数据至数据中心，经预处理后，结合历史数据与机器学习算法构建多分类风险预测模型，精准预测管廊环境状态；基于预测模型，动态分配检测资源至高风险分区，并智能评估风险，设定动态报警阈值，自动触发应急响应；系统引入自适应学习机制，持续优化预警模型与应急策略，并通过三维可视化展示管廊状态，确保监测设备精准运行，提升了管廊管理的智能化水平，增强了安全隐患的预警与应对能力，提高了管廊运营的安全性和效率。

技术研发人员：王文和,米红甫,牛宜辉,光宇,赵泽斌,王磊,常文军,宋宏伟,朱承志,李志涌
受保护的技术使用者：重庆科技大学
技术研发日：
技术公布日：2024/12/5