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！

龙图腾网获悉杭州如道科技有限公司申请的专利基于物联网的水利工程风险点智能识别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：CN120579826B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202511065989.9，技术领域涉及：G06Q10/0635；该发明授权基于物联网的水利工程风险点智能识别方法及系统是由常毅飞;从煜淅;王保平;胡春雨;吕涵;陈付兴设计研发完成，并于2025-07-31向国家知识产权局提交的专利申请。

本基于物联网的水利工程风险点智能识别方法及系统在说明书摘要公布了：本申请涉及水利风险识别技术领域，公开了一种基于物联网的水利工程风险点智能识别方法及系统。方法包括：采集传感监测数据，并将传感监测数据传输至物联网网关；从待分析数据中提取与水利工程风险因素相关的数据特征，对存在的风险点数据进行标注，构建风险识别模型；将所有风险识别数据进行时间序列建模，生成风险预测模型，并输出任一关键监测区域在预测时间内的风险因素变化结果，筛选出第一水利风险点；基于水利工程风险因素的关联性在因果关系图中量化生成因果关系强度，在所有关键监测区域中筛选出第二水利风险点，将第一水利风险点与第二水利风险点进行汇总，生成风险点列表。本申请提高了水利工程风险点智能识别的精准度及全面性。

本发明授权基于物联网的水利工程风险点智能识别方法及系统在权利要求书中公布了：1.一种基于物联网的水利工程风险点智能识别方法，其特征在于，所述基于物联网的水利工程风险点智能识别方法包括： 获取水利工程的区域分布图，基于所述区域分布图在所述水利工程的关键监测区域部署多种传感器，所述传感器基于预设采集方式采集传感监测数据，并将所述传感监测数据传输至物联网网关，所述物联网网关对接收到的所述传感监测数据进行预处理，基于所述关键监测区域和传感器类型将所述传感监测数据分类存储至云端服务器； 将任一关键监测区域包含的所述传感监测数据设定为待分析数据，从所述待分析数据中提取与水利工程风险因素相关的数据特征，基于所述数据特征对存在的风险点数据进行标注，基于标注后的所述数据特征构建风险识别模型，将所述风险识别模型部署至所述云端服务器； 所述云端服务器接收任一所述关键监测区域的实时监测数据，所述风险识别模型基于所述实时监测数据输出风险识别数据，将所有所述风险识别数据进行时间序列建模，生成风险预测模型，所述风险预测模型输出任一所述关键监测区域在预测时间内的风险因素变化结果，基于所述风险因素变化结果在所有所述关键监测区域中筛选出第一水利风险点； 基于所述区域分布图构建所有所述关键监测区域的因果关系图，基于所述水利工程风险因素的关联性在所述因果关系图中量化生成因果关系强度，基于所述因果关系强度在所有所述关键监测区域中筛选出第二水利风险点，将所述第一水利风险点与所述第二水利风险点基于所述水利工程风险因素进行汇总，生成风险点列表； 其中，所述从所述待分析数据中提取与水利工程风险因素相关的数据特征，包括： 基于所述水利工程风险因素在所述待分析数据中抽取风险因素数据，其中，所述水利工程风险因素包括水位因素、渗漏因素、结构变形因素和流速因素；基于所述传感器类型建立物理模型，将所述风险因素数据进行标准化处理后输出所述物理模型中，计算所述风险因素数据在相邻时间点的差值与时间间隔的比值，将所述比值设定为风险变化率，在预设时间窗口内计算所述风险因素数据的最大值与最小值的差值，汇总所有所述差值并设定为波动值分布，将所述风险变化率和所述波动值分布设定为物理特征；基于数据类型建立序列分析模型，所述序列分析模型对所述风险因素数据进行提取时间序列特征，所述时间序列特征包括自相关系数、偏自相关系数和小波变换特征；建立图像分析模型，基于所述数据类型将所述风险因素数据输入所述图像分析模型中，提取图像特征，所述图像特征包括纹理特征、边缘检测特征和目标监测特征；基于所述水利工程风险因素的类别对所述物理特征、所述时间序列特征和所述图像特征进行汇总并设定为所述数据特征； 所述基于标注后的所述数据特征构建风险识别模型，包括： 若任一所述水利工程风险因素对应的所述数据特征不符合预设阈值，则将所述数据特征对应的所述待分析数据设定为所述风险点数据；构建机器学习模型，将所有所述关键监测区域对应的所述数据特征输入所述机器学习模型中进行分类训练，所述机器学习模型基于所述风险点数据输出识别结果，其中，所述识别结果包括风险点类别、风险点指标、以及风险点置信度；基于所述风险点置信度调节所述机器学习模型的参数，将调节后的所述机器学习模型设定为所述风险识别模型； 所述风险预测模型输出任一所述关键监测区域在预测时间内的风险因素变化结果，包括： 基于数据相关性将任一所述关键监测区域对应的所述风险识别数据进行序列组合，生成多个风险序列组，将所有所述关键监测区域包含的所述风险序列组进行预处理后分类为训练集和测试集；使用深度学习框架构建所述风险预测模型，将所述训练集输入所述风险预测模型中进行训练，使用所述测试集对训练后的所述风险预测模型进行评估，计算预测误差；基于所述传感器类型设定所述风险序列组的风险类别标签，将任一所述关键监测区域包含的所述风险序列组输入所述风险预测模型中，基于所述风险类别标签输出所述预测时间内的变化序列，基于所述预测误差校正所述变化序列并设定为所述风险因素变化结果。

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杭州如道科技有限公司，其通讯地址为：310000 浙江省杭州市萧山区宁围街道耕文路78号浙大科技园·萧龙科创中心3幢606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。