一种基于数据集的状态分析方法及系统与流程

本发明涉及堤防隐患检测，尤其涉及一种基于数据集的状态分析方法及系统。

背景技术：

1、基于数据集的状态分析方法和系统在传统的堤防检测方法的基础上，引入了各种物理探测技术，如激光雷达、无人传感设备等，通过读取和记录堤防的物理特征，再进行计算机技术进行数据处理和分析，最终实现堤防隐患的快速准确检测和评估，提高了堤防的安全性和稳定性，同时，随着计算机技术和图像处理技术的快速发展，基于数据集的状态分析方法和系统的应用范围也不断拓展和提高，成为堤防检测的重要手段，极大提高了堤防隐患检测效率以及提高工作安全，由于传统的堤防检测方法主要是人工巡查和摸底探测，效率低、准确性差、安全性差，因此，急需一种高效准确、安全可靠的堤防隐患排查方法。

技术实现思路

1、本发明为解决上述技术问题，提出了一种基于数据集的状态分析方法及系统，以解决至少一个上述技术问题。

2、为实现上述目的，本发明提供一种基于数据集的状态分析方法，包括以下步骤：

3、步骤s1：利用激光雷达对堤防进行地层岩性探测获取堤防多维数据集，其中堤防多维数据集包括地层岩性数据集、堤防轮廓数据集、地形高度数据集，利用gis软件对多维数据集进行三维可视化处理，以构建地层分析图；

4、步骤s2：根据地层分析图并利用无人艇以及潜水器进行堤防下游水文数据监测分析，获取堤防下游高清遥感图像；

5、步骤s3：根据堤防下游高清遥感图像利用堤防上游传感器获取堤防上游实时多模态数据集，对堤防上游实时多模态数据集进行堤防云端汇聚操作，生成堤防云端数据集；

6、步骤s4：基于堤防上游云端数据集以及下游高清遥感图像并利用堤防水文人工智能算法构建堤防综合决策支持系统，从而实现堤防隐患状态的全方位、多层次监测排查。

7、本发明提供了一种基于数据集的状态分析方法，该方法利用地层岩性数据集、堤防轮廓数据集、地形高度数据集和gis软件进行多维数据集三维可视化处理，构建地层分析图，从而提高堤防监测的精度和范围，通过地层分析图用无人艇以及潜水器进行堤防下游水文数据监测分析，生成堤防下游高清遥感图像，将数据整合起来进行综合分析，并提供决策支持，基于地层分析图和堤防下游高清遥感图像，本发明可进行堤防云端汇聚操作，生成堤防云端数据集，通过堤防云端数据集利用堤防水文人工智能算法构建堤防综合决策支持系统，从而实现堤防隐患状态的全方位、多层次监测排查，相比传统的人工排查方法，本发明具有高安全性、高监测精度高、高管理效率等，通过激光雷达技术、无人艇、潜水器等多种现代化技术，可为堤防安全监测领域的创新提供技术支撑，实现自动化、数字化监测，可以实现对堤防隐患检测的全面、及时、准确的智能分析。

8、优选地，步骤s1包括以下步骤：

9、步骤s11：利用激光雷达对堤防进行地层岩性多维探测，获取堤防地层多维数据集；

10、步骤s12：基于地质统计学方法对堤防地层多维数据集进行数据驱动建模，生成三维堤防物理模型；

11、步骤s13：基于三维堤防物理模型利用gis软件进行三维可视化处理，构建堤防数据可视化视图；

12、步骤s14：利用机器视觉识别算法对堤防数据可视化视图进行机器视觉识别分析，构建地层分析图。

13、本发明利用一种堤防地层分析方法，通过激光雷达对堤防进行地层岩性多维探测，生成堤防地层多维数据集，利用地质统计学方法对堤防地层多维数据集进行数据驱动建模，生成堤防物理模型，在此基础上，利用gis软件进行三维可视化处理，构建了堤防数据可视化视图，为堤防地层分析提供了直观的视觉表达，同时，利用机器视觉识别算法进行机器视觉识别，通过对堤防数据可视化视图的分析，生成了地层分析图，相比传统的人工分析方法，本发明通过数据驱动建模和机器视觉识别算法的技术手段，大大缩短了堤防探测周期，降低了人工分析过程中的错误率，提高了地层分析的效率和准确性。

14、优选地，步骤s12包括以下步骤：

15、步骤s121：对地层多维数据集进行数据清洗，生成堤防规范化数据集；

16、步骤s122：利用多元统计分析方法对堤防规范化数据集进行变异系数解析计算，生成堤防多元分析数据集；

17、步骤s123：基于堤防多元分析数据集利用地质统计学空间插值方法进行地质差异计算，生成地层数据仓库；

18、步骤s124：基于地层数据仓库利用数值模拟进行模拟分析，生成堤防三维物理模型；

19、本发明通过对地层多维数据集进行数据清洗和堤防规范化数据集生成，有效地解决了现有技术中地层数据不规范、不完整的问题，利用多元统计分析方法对堤防规范化数据集进行变异系数解析计算，在保证数据质量的前提下，提高了数据分析的准确性和效率，对堤防多元分析数据集利用地质统计学空间插值方法进行地质差异计算，生成的地层数据仓库具备更高的地质精度和可靠性；基于地层数据仓库进行数值模拟分析，生成的堤防三维物理模型能够更加精确地模拟堤防结构，提高了防洪抗灾的能力和安全性。

20、优选地，步骤s2包括以下步骤：

21、步骤s21：根据地层分析图进行监测区域划分，生成监测模块表；

22、步骤s22：根据监测模块表并利用无人艇以及潜水器运载检测设备进行提取监测点参数数据提取操作，生成堤防下游水文检测数据表；

23、步骤s23：利用堤防下游回归分析计算公式对堤防下游水文检测数据表进行回归计算，生成初级堤防下游遥感数据集；

24、步骤s24：基于初级堤防下游遥感数据集利用像元级迭代分类器方法进行像元分类计算，获取堤防下游高清遥感图像。

25、本发明通过基于地层分析图进行监测区域划分，将监测区域明确划分，有助于提高监测精度和效率，同时，生成监测模块表方便后续监测点参数数据的提取和管理，利用无人艇以及潜水器运载检测设备进行监测点参数数据提取操作，可以获取到水文数据表，这些信息可用于分析堤防下游的水文环境，这有助于预测和评估堤防下游的水位、流量等关键参数，提高监测的准确性，通过堤防下游回归分析计算公式进行回归计算，可以得到初级堤防下游遥感数据集，基于初级堤防下游遥感数据集有助于反演地表覆盖特征信息，并且可以为后续的像元级迭代分类器提供重要的数据基础，应用这种方法可以将初级堤防下游遥感数据集进行像元分类计算，得到堤防下游高清遥感图像，基于堤防下游高清遥感图像能够显示出堤防下游地区的地貌和土地利用状况，为后续的监测和管理提供有价值的信息，本发明建立一套高效、精准的堤防下游监测方法，有助于提高堤防下游的安全管理水平，降低堤防失陷风险。

26、优选地，步骤s23中的堤防下游回归分析计算公式具体为：

27、

28、ndvi＝(nir-red)/(nir+red)；

29、ndbi＝(swir-nir)/(swir+nir)；

30、其中，sf为堤防安全系数，tn为堤防地形调整系数，n为碎片化地形模型数据集大小，h为水位高度，hc为堤顶高程，dc为堤顶下游侧到河床的垂直距离，ndvi为归一化植被指数，xi为堤防地形检测点距无人艇和潜水器的横坐标数据，yi为堤防地形检测点距无人艇和潜水器的纵坐标数据，ndbi为归一化建筑物指数，nir为近红外波段的反射值，red为红色波段的反射值，swir为短波红外波段的反射值。

31、本发明利用一种堤防下游回归分析计算公式，通过安全系数sf的设立，能够有效评估堤防抗洪能力，减少因为水位高度、堤顶高程、相对高度等因素的影响造成的安全风险，从而提高堤防的安全性能，堤防地形调整系数tn的引入，能够在不同的堤防地形条件下进行检测和评估，从而精确判断堤防的安全情况，并调整相关参数，提高堤防的安全性，归一化植被指数ndvi的应用，可以评估堤防沿线植被覆盖情况，通过监测植被指数的变化，及时掌握堤防周边的生态环境状况，从而判断植被对堤防的稳定性发挥的作用，为堤防管理和维护提供科学依据，归一化建筑物指数ndbi的应用，可以评估堤防到河流的建筑物密度和高度，进而判断堤防周边的建筑物对于堤防的增加或减少了哪些安全风险，为堤防管理与规划提供有益参考，组合使用多波长反射值，会更好的反映出堤防的地形状况。

32、优选地，步骤s3包括以下步骤：

33、步骤s31：根据堤防下游高清遥感图像进行堤防上游传感器部署操作，搭建堤防上游监测区；

34、步骤s32：根据堤防上游监测区对堤防上游实时多模态数据监测，生成堤防上游实时多模态数据集；

35、步骤s33：对堤防上游实时多模态数据集利用堤防上游序列权重分析计算公式进行序列计算，生成堤防上游实时多模态模型；

36、步骤s34：基于堤防上游实时多模态模型进行模型同态加密，生成同态密文数据集；

37、步骤s35：基于同态密文数据集进行云端数据汇聚处理，生成堤防云端数据集。

38、本发明通过使用高清遥感图像进行传感器部署操作，并在堤防上游搭建监测区，以提高堤防上游监测数据的覆盖面积和监测效率，从而有效提高堤防的安全性，利用堤防上游监测区对多种信号进行监测，并生成实时多模态数据集，通过多模态数据集的监测可以改善传统监测方式下的单一数据变量问题，更全面、准确地反映堤防状态的变化，从而提高堤防安全监测的可靠性和准确性，根据实时多模态数据集使用防上游序列权重分析计算公式进行序列计算，从而获得堤防上游实时多模态模型，可以更好地反映多维度数据之间的关系，从而具有更高的预测准确性和鲁棒性，以提高堤防安全监测的准确性和及时性，使用同态加密技术对堤防上游实时多模态模型进行加密，并生成同态密文数据集，这种数据的保密性和安全性进一步提高了堤防数据的隐私防护和数据安全性，从而避免可能的数据泄露和滥用，利用同态密文数据集进行云端数据汇聚处理，并生成堤防云端数据集，使云端更好地整合、分析和处理来自不同传感器的多模态数据，以更好地及时监测、反馈、预警和预测堤防的稳定性和安全性，提高堤防工程的安全性，从而减轻汛期人力和物力投入带来的压力。

39、优选地，步骤s33中的堤防上游序列权重分析计算公式具体为：

40、

41、其中q为堤防上游时间序列权重分析系数，p为降雨量，k1为第一个观测点的回归权重系数，t为时间，t1为第一个观测点的滞后误差系数，k2为第2个观测点的回归权重系数，t2为第二个观测点的滞后误差系数，k3为上游土地的固定水能力系数，k4堤防上游流域的面积，a为堤防下游流域的面积。

42、本发明利用一种堤防上游序列权重分析计算公式，该公式充分考虑了p为降雨量，k1为第一个观测点的回归权重系数，t为时间，t1为第一个观测点的滞后误差系数，k2为第2个观测点的回归权重系数，t2为第二个观测点的滞后误差系数，k3为上游土地的固定水能力系数，k4堤防上游流域的面积，a为堤防上游流域的面积，公式中包含了多种影响堤防稳定的因素，涉及到水、土壤、岩石基底等多个因素的作用力和合力，通过k3*exp(-k4a)计算水和土的作用力和合力方面，可以更加全面、准确地评估堤防的稳定性，有助于指导工程设计和检查，提高堤防的设计质量，表示第二个观测点对权重系数的贡献，其中具有回归权重系数k2和滞后误差系数t2的正弦函数乘以与上游土地的固定水容量k3和堤坝上游流域面积k4a相关的因子，通过分析堤坡坡度和堤岸土壤类型的作用方面，考虑了堤坡坡度和堤岸土壤类型对堤防稳定性的影响，能够较为全面地分析这些因素对堤防稳定的影响程度，为优化工程设计和加强防护措施提供有益参考。

43、优选地，步骤s4包括以下步骤：

44、步骤s41：基于堤防上游云端数据集以及下游高清遥感图像利用图像处理算法进行地层特征提取，生成地层特征矩阵；

45、步骤s42：基于地层特征矩阵利用堤防水文人工智能算法进行堤防深度学习，生成堤防水文数据模型流程图；

46、步骤s43：基于堤防水文数据模型流程图利用堤防危险系数分析公式进行物理序列流程构建，生成堤防隐患检测模型；

47、步骤s44：基于堤防隐患检测模型利用特征工程方法进行三元组数据融合，生成堤防综合决策支持框架；

48、步骤s45：基于堤防综合决策支持框架进行堤防数据融合，构建堤防综合决策支持系统。

49、本发明通过图像处理算法进行地层特征提取生成地层特征矩阵能够准确、高效地获取堤防周围地层的信息，从而为后续的堤防隐患检测建立基础，并提高了检测的准确性和效率，通过堤防深度学习能够结合数据驱动的思想进行模型训练，极大提高了检测准确度，并充分利用了堤防上游云端数据集和下游高清遥感图像，使得检测数据更加精确可靠，根据堤防危险系数分析公式，通过对所采集的数据进行处理和分析，能够更加全面地把握堤防隐患，从而为后续的检测提供更加可靠的数据支撑，通过三元组数据融合能够利用不同领域的数据，提高数据的可信度和准确性，从而更加全面地评估堤防的安全性，同时，特征工程方法也能够提高模型的准确性，并挖掘出更加有意义的数据特征，利用堤防综合决策支持系统能够将数据融合和关键参数抽象化，使得检测结果更易于理解和决策支持，从而能够更加准确地评估堤防的安全性和开展有效的安全管理工作。

50、优选地，步骤s43中的堤防危险系数分析公式具体为：

51、

52、其中fs为堤防的安全系数，w为堤防水文数据模型中单位土壤含水的重量，β为堤坡坡度，c为土的单位重量，γ为水的单位重量，d为水深，ks为岩石基底坡度，s为子表面压力系数，i为堤顶延伸度系数，tz为波浪周期，do为堤岸土壤类型和强度系数，sinβ表示水在堤面上的作用力，ccosβ表示土在竖直方向上的重力作用，(1-sinβ)表示堤体上方水和土壤的合力，kssinβ表示岩石基底向下的作用力。

53、本发明提供了一种堤防危险系数分析计算公式，该公式充分考虑w为单位土壤含水的重量，β为堤坡坡度，c土的单位重量，γ为水的单位重量，d为水深，ks为岩石基底坡度，s为子表面压力系数，c为堤顶延伸度系数，tz为波浪周期，do为堤岸土壤类型和强度系数，sinβ表示水在堤面上的作用力，ccosβ表示土在竖直方向上的重力作用，(1-sinβ)γd表示堤体上方水和土壤的合力，kssinβ表示岩石基底向下的作用力，通过w(sinβ+ccosβ)计算水和土在堤面上的作用力，包括水的重量和土在竖直方向上的重力作用，(1-sinβ)γd计算堤体上方水和土壤的合力，包括水对堤面的压力和堤体中土壤的抗力，kssinβ考虑岩石基底向下的作用力，可以更准确地评估堤防的稳定性，通过s*i*(tz/do)计算子表面压力系数和堤顶延伸度系数，以及考虑波浪周期和堤岸土壤类型和强度系数的影响，可以更全面地评估堤防的稳定性和安全性。

54、在本说明书的一个实施例中，提供一种基于数据集的状态分析系统，包括

55、至少一个处理器；

56、与至少一个处理器通信连接的存储器；其中，

57、存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行如上所述的基于数据集的状态分析方法。

58、本发明提供一种基于物理探测的防隐患排查分析系统，该系统利用物理探测技术进行堤防隐患的排查和分析，可以提高堤防的安全性和稳定性，避免发生水灾等灾害事故，保护人民生命财产安全，同时，该系统可以在较短的时间内对大面积的堤防进行排查，大大提高了排查效率，并且可以自动化地执行排查分析过程，降低了人工操作的成本和人员的风险，提高了资源利用效率，此外，该系统可以实时监测和预警堤防隐患的情况，及时采取措施进行修复和加固，有效预防了堤防隐患导致的灾害事故的发生。