申请/专利权人：四川省内江水利电力勘察设计院有限公司

申请日：2024-02-04

公开（公告）日：2024-04-12

公开（公告）号：CN117688659B

主分类号：G06F30/13

分类号：G06F30/13;G06F30/28;G06F30/23;G06F30/27;G06N3/08;G06F111/10;G06F113/08;G06F119/14

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本发明属于水库大坝渗漏风险预测技术领域，公开水库大坝的深厚覆盖层坝基防渗墙的渗漏风险预测方法，包括：基于勘察数据，建立深厚覆盖层坝基防渗墙模型；利用数值模拟技术，根据所述深厚覆盖层坝基防渗墙模型对防渗墙在不同工况下的渗流场进行模拟和分析；结合传感器网络监测数据，提取防渗墙关键部位的压力、水位和温度实时参数；采用人工智能算法对模拟结果和监测数据进行处理和分析，预测防渗墙的渗漏风险；根据预测结果，获取相应的风险控制和应对措施。本发明实现对渗漏风险的精准预测和实时监控，从而为水库大坝的安全运行提供有力保障。

主权项：1.水库大坝的深厚覆盖层坝基防渗墙的渗漏风险预测方法，其特征在于，包括步骤：S10：基于勘察数据，建立深厚覆盖层坝基防渗墙模型；S20：利用数值模拟技术，根据所述深厚覆盖层坝基防渗墙模型对防渗墙在不同工况下的渗流场进行模拟和分析；S30：结合传感器网络监测数据，提取防渗墙关键部位的压力、水位和温度实时参数；S40：采用人工智能算法对模拟结果和监测数据进行处理和分析，预测防渗墙的渗漏风险；采用机器学习和深度学习技术，对模拟结果和监测数据进行特征提取、模型训练和预测分析，得出渗漏风险的概率和等级，完成防渗墙的渗漏风险预测，包括步骤：S401：数据整合：将模拟结果与实际监测数据进行整合，形成统一的数据集；S402：模型选择与训练：建立神经网络模型并进行模型训练，利用训练数据集对神经网络模型进行训练和优化；S403：模型评估与优化：使用独立的验证数据集对训练好的神经网络模型进行性能评估，通过交叉验证评估模型的预测准确性和稳定性，根据评估结果，对神经网络模型进行调整和优化；S404：风险预测：利用训练好的神经网络模型对新的监测数据进行渗漏风险预测，获得预测结果；S50：根据预测结果，获取相应的风险控制和应对措施。

全文数据：

权利要求：

百度查询： 四川省内江水利电力勘察设计院有限公司 水库大坝的深厚覆盖层坝基防渗墙的渗漏风险预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD