【技术实现步骤摘要】
本专利技术涉及水利工程物探检测，尤其涉及一种水利工程渗漏异常智能识别系统、方法、设备及介质。
技术介绍
1、渗漏是导致水利工程遭受损坏最主要的因素之一。因此，对水利工程开展无损物探检测，及时发现渗漏隐患，并做针对性的封堵及防渗处理，对于保证水利工程的安全运行和经济效益具有重要意义。
2、目前，水利工程基于物探检测方法的渗漏异常识别和解译工作，通常依靠人工经验对单一方法的单条测线进行解读，对于工作经验依赖性较大，存在一定主观性，不同解释人员的解译结果也具有一定差异性，数据量较大，解译工作耗时耗力。
3、因此，亟需一种水利工程渗漏异常智能识别系统及方法，以实现水利工程渗漏异常高效精准的识别。
技术实现思路
1、为了解决上述技术问题，本专利技术提供了一种水利工程渗漏异常智能识别系统、方法、设备及介质，以实现水利工程渗漏异常高效精准的识别。
2、本专利技术提供了一种水利工程渗漏异常智能识别系统，包括：
3、专家知识数据库，用于存储识别渗漏异常的基础数据；
4、渗漏异常智能识别模块，用于智能识别待检测水利工程建筑物的渗漏异常；
5、显示模块，用于显示待检测水利工程建筑物的数值模拟数据、物理模拟数据、实测物探数据和渗漏异常的空间分布。
6、进一步的，专家知识数据库存储了多个含有属性数据子库、数值模拟数据子库、物理模拟数据子库和实测物探数据子库的典型工区；
7、属性数据子库用于存储水利工程建筑物的特征
8、数值模拟数据子库用于存储水利工程建筑物不同物探检测方法的数值模拟数据、数值标注数据和数值统计数据；
9、物理模拟数据子库用于存储水利工程建筑物不同物探检测方法的物理模拟数据、物理标注数据和物理统计数据；
10、实测物探数据子库用于存储水利工程建筑物不同物探检测方法的实测物探数据、实测标注数据、实测统计数据、渗漏成因以及治理方案。
11、进一步的，渗漏异常智能识别模块包括新建工区子模块、专家知识数据库匹配子模块、智能识别子模块、人机交互子模块和一键入库子模块；
12、新建工区子模块用于输入待检测工区的名称，以及待检测工区的区域位置、建筑类别、建筑材料、回填材料以及待检测水利工程建筑物的数值模拟数据、物理模拟数据和实测物探数据对应的物探检测方法作为待检测工区的属性数据，并导入相应的数值模拟数据、物理模拟数据和实测物探数据，生成待检测工区；
13、专家知识数据库匹配子模块用于自动匹配到专家知识数据库中属性数据与待检测工区一致的工区；
14、智能识别子模块用于根据匹配到的专家知识数据库中的工区对应的数值模拟数据子库、物理模拟数据子库和实测物探数据子库中的数据对待检测工区进行水利工程渗漏异常智能识别得到识别结果；
15、人机交互子模块用于当渗漏异常智能识别结果不理想时，结合专家经验或已知信息修正渗漏异常的识别结果；
16、一键入库子模块用于当待检测水利工程建筑物的渗漏异常识别完成后，将待检测工区的属性数据、数值模拟数据、物理模拟数据、实测物探数据及识别结果存储至专家知识数据库。
17、进一步的，显示模块包括二维空间展示子模块和三维空间展示子模块；
18、二维空间展示子模块和三维空间展示子模块用于显示不同物探检测方法正常及渗漏异常的地球物理场特征；用于展示实测物探检测数据以查明数据差异、寻找渗漏异常；用于以叠合、镂空、半透明的方式同时显示多种类型的数据；还用于在待检测水利工程建筑物模型上形象具体地展示渗漏异常的规模、分布及特征。
19、本专利技术还提供了一种水利工程渗漏异常智能识别方法，包括如下步骤；
20、s1、新建工区：输入待检测工区的名称，以及待检测工区的属性数据并导入相应的数值模拟数据、物理模拟数据和实测物探数据，生成待检测工区；
21、s2、专家知识数据库匹配：根据专家知识数据库的属性数据子库，自动匹配到属性数据与待检测工区一致的工区；
22、s3、渗漏异常智能识别：基于专家知识数据库中的工区对应的数值模拟数据子库、物理模拟数据子库和实测物探数据子库中的数据信息，基于统计数据自动搜索和/或深度学习算法实现水利工程渗漏异常智能识别；
23、s4、渗漏异常人机交互操作：若渗漏异常智能识别的结果不理想，允许人机交互修改异常的识别结果；
24、s5、工区数据入库：完成水利工程建筑物渗漏异常识别后，将待检测工区的属性数据、数值模拟数据、物理模拟数据、实测物探数据及识别结果存储至专家知识数据库。
25、进一步的，s3中，基于统计数据自动搜索实现水利工程渗漏异常智能识别包括如下步骤：
26、将匹配到的专家知识数据库中的工区的数值模拟数据、物理模拟数据、实测物探数据的统计数据作为判断渗漏异常的标准；
27、根据判断渗漏异常的标准搜索出待检测工区的渗漏异常并进行编号；
28、计算每个编号的渗漏异常的渗漏影响范围，并进行统计分析，合理推断渗漏成因、初步给定治理方案。
29、进一步的，s3中，基于深度学习算法实现水利工程渗漏异常智能识别包括如下步骤：
30、将匹配到的专家知识数据库中的工区的数值模拟数据、物理模拟数据、实测物探数据作为样本库，将渗漏异常、渗漏影响范围、渗漏成因及治理方案作为标签库；
31、通过深度学习算法建立样本库与标签库的复杂映射关系的网络模型，根据网络模型和待检测工区的数值模拟数据、物理模拟数据、实测物探数据，预测得到不同编号的待检测工区的渗漏异常以及每个编号的渗漏异常的渗漏影响范围，进行统计分析，合理推断渗漏成因、初步给定治理方案。
32、进一步的，s3中，基于统计数据自动搜索和深度学习算法实现水利工程渗漏异常智能识别，包括：
33、先基于统计数据自动搜索实现水利工程渗漏异常智能识别，然后基于深度学习算法对水利工程渗漏异常智能识别的识别结果进行修正。
34、本专利技术还提供了一种电子设备，电子设备包括：
35、处理器和存储器；
36、处理器通过调用存储器存储的程序或指令，用于执行如上述任一项所述的一种水利工程渗漏异常智能识别方法的步骤。
37、本专利技术还提供了一种计算机可读存储介质，计算机可读存储介质存储程序或指令，程序或指令使计算机执行如上述任一项所述的一种水利工程渗漏异常智能识别方法的步骤。
38、本专利技术实施例具有以下技术效果：
39、基于待检测工区的属性数据，自动匹配到专家知识数据库中属性数据一致的工区，基于统计数据自动搜索和/或深度学习算法实现待检测工区的渗漏异常的准确、高效的智能识别，并对渗漏异常的位置、规模及相关数据进行形象具体的空间展示。便于快速分析渗漏成因，本文档来自技高网...
【技术保护点】
1.一种水利工程渗漏异常智能识别系统，其特征在于，包括：
2.根据权利要求1所述的一种水利工程渗漏异常智能识别系统，其特征在于，所述专家知识数据库存储了多个含有属性数据子库、数值模拟数据子库、物理模拟数据子库和实测物探数据子库的典型工区；
3.根据权利要求1所述的一种水利工程渗漏异常智能识别系统，其特征在于，所述渗漏异常智能识别模块包括新建工区子模块、专家知识数据库匹配子模块、智能识别子模块、人机交互子模块和一键入库子模块；
4.根据权利要求1所述的一种水利工程渗漏异常智能识别系统，其特征在于，所述显示模块包括二维空间展示子模块和三维空间展示子模块；
5.一种水利工程渗漏异常智能识别方法，其特征在于，包括如下步骤；
6.根据权利要求5所述的一种水利工程渗漏异常智能识别方法，其特征在于，所述S3中，所述基于统计数据自动搜索实现水利工程渗漏异常智能识别包括如下步骤：
7.根据权利要求5所述的一种水利工程渗漏异常智能识别方法，其特征在于，所述S3中，所述基于深度学习算法实现水利工程渗漏异常智能识别包括如下步骤：p>
8.根据权利要求5所述的一种水利工程渗漏异常智能识别方法，其特征在于，所述S3中，所述基于统计数据自动搜索和深度学习算法实现水利工程渗漏异常智能识别，包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求5至8任一项所述的一种水利工程渗漏异常智能识别方法的步骤。
...【技术特征摘要】
1.一种水利工程渗漏异常智能识别系统，其特征在于，包括：
2.根据权利要求1所述的一种水利工程渗漏异常智能识别系统，其特征在于，所述专家知识数据库存储了多个含有属性数据子库、数值模拟数据子库、物理模拟数据子库和实测物探数据子库的典型工区；
3.根据权利要求1所述的一种水利工程渗漏异常智能识别系统，其特征在于，所述渗漏异常智能识别模块包括新建工区子模块、专家知识数据库匹配子模块、智能识别子模块、人机交互子模块和一键入库子模块；
4.根据权利要求1所述的一种水利工程渗漏异常智能识别系统，其特征在于，所述显示模块包括二维空间展示子模块和三维空间展示子模块；
5.一种水利工程渗漏异常智能识别方法，其特征在于，包括如下步骤；
6.根据权利要求5所述...
【专利技术属性】
技术研发人员：王志豪，钟晗，汤克轩，李国瑞，李建超，赵吉祥，姜超，赵洪鹏，魏继祖，刘金鹏，
申请(专利权)人：中水北方勘测设计研究有限责任公司，
类型：发明
国别省市：
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。