监测平台十篇

监测平台篇1

关键词：DVB平台 MPEG-2 码流分析仪 码流监测 C/N QAM调制

中图分类号：TN938 文献标识码：A 文章编号：1007-9416（2014）02-0037-01

1 背景

传统的数字监测，通过输出图像，靠人工监看和评估方式，根本无法及时准确的判断和预警，通过码流分析仪，人工方式逐点进行码流测试和分析，也无法多点同时在线监测，反而造成了人力、物理等维护成本的增加，也未能保障节目的播出品质，保障节目的安全播出。

针对数字电视传输中各级信源综合监测而推出的DVB平台的监测。该系统基于嵌入式结构，综合数字电视解密解扰、数字电视传输信道监测、码流监测、多画面显示、网络监管等众多功能为一体的平台DVB监测。

2 数字电视系统前端的构成

一般由数字卫星接收机、复用器、QAM等设备组成。数字卫星接收机对接收的节目进行QPSK解调并输出码流；复用器将多个传输流复用为一个数字传输流，实现在一个模拟电视频道上传输1-8路数字电视节目；码流适配和QAM调制，对国家、省级等通过SDH下传的数字节目流进行码率调整，完成SDH--DS3（44.736Mbps）到DVB--ASI（22-56Mbps）接口的转换；并对其进行QAM调制。

3 DVB平台的监测

监测系统主要是由信源监测（SDI流、ASI流）到复用器的输出监测（TS传输流）到QAM的监测（RF信号）3个部分组成，涵概监测信号从基带传输流到单节目码流到TS复用传输码流最后到射频信号的监测，在这里面我们的射频监测对象主要是DVB-C的QAM调制监测，同时支持QPSK、COFDM的物理层监测。保障节目的播出质量、保障节目的安全播出，需要对数字信号的几个方面进行分析：HDTV多画面监测（可将加扰流解扰监看）、码流层的各种信息、射频信号的各种参数的监测三方面，通过统一网管进行集中监视、监测、分析、报警。

监测的重点放在数字电视系统的末端，通过监测设备实时的监测，深入分析、相应的报警信息判断出输入和输出信号的质量及安全，码流的深入分析，作为信号质量劣化分析点和故障判断点。

以我市有线电视数字电视监测系统为例，我们采用的是2台监测主机射频信号（加扰流）进行在线实时监测，监测主机监测分为4个层面：（1）HDTV多画面监视；（2）在线实时码流分析；（3）在线射频分析；（4）联动报警。

监测主机对射频信号、信道调制信号、TS流、TS加扰流、MPEG压缩信号进行系统的分析并监测，并将接收到的信号进行解扰、解码，通过多画面HDTV处理显示输出。在监视图像和声音的同时，可实时监视、监测射频信号、信道调制信号、TS码流、音视频信号的指标，通过网络拓扑图，可以在线实时监视各个点的状态，达到统一监视、集中管理的目的。

功能应用层：根据网管系统提供的信息和数据，监测主机通过硬件独立完成各个功能，包括前端网络拓扑图、运行状态信息显示、报警提示、日志生成和查询等。

数据处理层：通过SNMP协议，将监测主机分析的数据汇聚到网管服务器端，进行存储、过滤和分类。

监测数据层：完成节目的质量、内容的监测功能，并输出相关的运行状态和参数信息。

（1）监测点A：HDTV高清多画面监测

监测主机内置独立的视、音频解码器；内置多画面分割器；内置独立的解扰模块；内置矩阵切换功能。监测主机将接收到的信号进行解码、解扰，通过HDTV多画面输出显示。

通过多画面的监测，完成对加扰流或清流输出质量的监测，除了可以对视音频的信息监测（静帧、黑场、伴音、马赛克等）外，还可以将码流层的报警信息在屏幕上显示（联动报警），使操作员可以通过屏幕也可了解到某节目的状态信息。

（2）监测点B：码流核心监测

监测主机内嵌码流分析功能，一台设备含有16个码流分析模块，可以同时对16个MPTS流在线实时码流分析。

监测主机通过内嵌的码流分析功能，完成对MPEG/TS码流和参数的监视、监测、分析和报警，符合ISO/IEC和TR101 290三类优先级共计3级22个参数的实时在线监视、监测、分析和报警：

第一级：（直接与正确解码相关的监测项）：传输流同步丢失、同步字节错误、PAT错误、节目映射表错误、连续技术错误、PID错误、共计6个参数。

第二级：（连续性监测项和一些重要的监测项）：传送包错误、节目时钟参考错误、PCR精度错误、CRC错误、PTS错误、CAT错误。共计6个参数。

第三级：（与应用相关的监测项，但不影响正常解码）：网络信息错误、SI表重复错误、缓冲器错误、未引用PID错误、业务表述表错误、时间信息表错误、运行状态错误、时间日期错误、时间日期表错误、缓冲器空错误、数据延世错误。共计10个参数。

（3）监测点C：射频信号监测

完成对射频信号的性能参数（通过电平，符号率，MER，EVM，星座图和RS前后的BER等）进行实时监视、监测、分析和报警。根据信号标准，判定信号的好坏，是否有干扰等。前端综合网管系统：

作为前端核心的信息操作，系统设计采用了基于IP技术的DVB监测体系，分布式架构，监测主机网管通过网络对接监测主机，实现对系统中的各个硬件设备监测的信息的监测，通过统一界面监看，了解系统中各个信号的信息。

RF失锁报警：可判断是否有信号，有着绿灯、无红灯提示。

TS错误报警：了解2个MPTS当前的状态，发生错误红灯提示、恢复为黄灯（曾经错误过）、绿色表示正常。当发生错误时，点击对应的通道，可在下方查看出某个节目发生什么错误，及时提醒操作员处理。

图像报警：可查看出现目前各个节目的状态，绿灯正常，红灯表示某个节目发生错误。

监测平台篇2

关键词： 云平台； 中小桥梁； 施工O控； 健康监测

中图分类号：TP399 文献标志码：A 文章编号：1006-8228（2017）02-13-03

0 引言

近年来有关桥梁结构的安全问题频发，桥梁结构安全已经成为大众关注的焦点之一；许多桥梁采用了施工控制技术来保证施工期安全，一些重要的桥梁还安装了健康监测系统来保证运营期安全。然而这些应用目前仍存在许多问题[1]。

一是施工监控大多采用便携仪表进行人工测量和记录，信息化程度和效率低下，信息丢失严重；测量数据的分析计算离线进行，实时性差，监控指令容易滞后；理论与实测数据的对比分析等操作低效，更深入的数据分析较困难。

二是运营期的桥梁健康监测，由于造价和运维成本高昂，主要在大型桥梁上实施，在量大面广、事故频发的中小桥上反而很难推广；监测系统软件复用性低， 研发调试周期长；监控中心专业技术力量不足，专家支持成本高；多座桥梁的监测数据难以共享。

云计算是当代信息技术发展的主要趋势，互联网的计算架构也由“服务器+客户端”向“云服务平台+客户端”演变[2]。基于云计算技术与云服务理念，建立一个桥梁结构云监测平台，可以有效解决桥梁施工监控和健康监测中碰到的以上几个问题，主要有以下优势：

⑴ 解决了传统桥梁结构监测统一管理、系统整合的问题，使管理者无需关心监控中心软硬件开发与购置、系统运维等成本投入和数据传输与处理等深层次的技术问题，即可享受专家级云端监测服务，投资性价比高；

⑵ 云监测终端实现可插拔式操作，大大减少现场工作量，使监测作业方便快捷，更具灵活性；

⑶ 解决了传统系统中对数据量大、并发突变等情况难以应变的问题，提高了系统的运行效率和稳定性；

⑷ 能够真正做到跨终端、集群式随时随地实时监测，为管理者进行现场监测和管理提供了极大便利，降低了桥梁现场发生事故的几率。

1 桥梁结构云监测平台架构

本文提出的桥梁结构云监测平台架构如图1所示，包括感知控制层、网络传输层、数据汇聚层、应用层和信息输出层。

云监测终端汇接安装在桥梁结构上的传感器，将采集的数据编码成统一的数据格式，再通过无线互联网发送至云计算数据中心。数据汇聚层部署有数据整合和海量数据存储管理工具，实现对各座桥梁数据的分库存储与管理。应用层各种桥梁结构云监测服务模块，模块采用HTML5开发技术，可在PC端和各种智能终端设备上使用，用户可以根据需要购买；同时，用户可以在系统界面向云监测终端发送指令，对终端进行诊断，并控制现场传感器的数据采集[3]。

2 关键技术研究

2.1可插拔式操作的云监测终端

桥梁结构云监测终端可以外接电压电流信号、振弦式以及振动等各类传感器，将采集数据统一编码后，通过无线通信方式传输到云平台进行处理[4]，云监测终端使用方法如图2所示。终端可以安装部署在户外的立杆或者墙壁上，自带电池或者由太阳能供电，这种部署方式更加符合超大规模部署的条件，便于进行集成管理[5]。

2.2 基于松耦合分层技术的应用层设计模型

根据云监测应用需求和现代软件设计思想，将本系统中的应用层设计为应用服务层、业务逻辑层和用户界面层，分层设计模型如图3所示。每一层都抽象地定义各自的功能和对外接口，每层都可以独立开发，层与层之间通过共享数据库数据以及调用中间件等进行通信[6]。

应用服务层通过云监测终端直接与传感器对接，转发底层数据，实现对不同传感器的兼容；业务逻辑层采用插件式的模块形式，由一个主监听程序和若干模块插件组成，可以根据不同的数据处理需求、成本和性能等因素自由裁剪，增减功能；同时采用进程间通讯技术，可以兼容不同语言开发的插件，增加了系统的兼容性和开发效率。

2.3 使用云计算建立桥梁监测应用平台

桥梁结构云监测平台采用具有集中式、高性能计算特性的云计算模式。每座桥梁无需单独的监控中心和运维，在云计算数据中心都分配单独的虚拟机计算资源，监测系统相互独立，即使其中某桥梁监测系统发生故障也不会影响其他监测系统的运行。随着桥梁监测数据和计算等要求的增加，云计算可以提供快速的计算资源动态扩展，包括存储空间和计算能力等。通过虚拟机镜像，提供了方便快捷的服务、应用和数据的备份还原解决方案；同时利用云计算构建统一的运维架构，便于对大规模中小桥进行集成式管理[8]。

3 系统实现与工程应用

系统采用VMware构建桥梁结构监测云计算基础架构，采用云监测终端进行数据采集与传输，在数据中心实现桥梁监测的接入和后台管理，在PC端、智能设备端提供人机交互界面。系统主要实现以下功能。

⑴ 桥梁监测的接入：云监测终端接入桥梁监测现场的传感器，运行在服务器端的数据采集软件实现对传感器数据的解算和存储管理，可以进行监测站配置、监测点配置、监测数据实时查看等功能。

⑵ 云监测终端设备监控管理：通过监听终端设备是否在线、发送诊断指令的方式，可以诊断终端设备状态；同时可以远程发送控制指令，修改数据传输参数、传感器采样频率、数据归零等功能。

⑶ 桥梁监测服务：通过Web平台和APP应用的方式提供桥梁监测云服务，针对用户实际需求开放不同的模块。主要的模块包括：GIS地图集成管理、实时监测数据查看、历史数据查看和下载、数据分析报告、监测预警、终端设备远程监控。

目前平台已在平潭海峡大桥施工区域监测、武汉杨泗港大桥沉井监测、福州金山大桥施工监控、福州琅岐匝道桥长期监测、云南大瑞铁路澜沧江特大桥施工监控等项目中得到应用。实际应用证明，采用监测云服务平_，极大简化了监测现场的工作，能够快速稳定获取监控现场数据，提高工作效率，降低监测成本。

4 结束语

本文针对桥梁施工监控和健康监测存在的问题和不足，对桥梁监测云服务平台进行了研究与实现。经过广泛实践应用证明，桥梁监测云服务平台与现有的桥梁监测系统相比，投入成本、部署效率和系统运行稳定性等方面具有明显优势，十分适合在桥梁施工监控、大规模中小桥监测中推广应用。

参考文献（References）：

[1] 李博，施发弘，宋顺兵，郑晓未，陈林杰.基于云计算的桥梁检

测新技术研究[J].预应力技术，2012.6（95）：36-37

[2] 孟利波，唐光武.基于云平台的中小桥梁监测系统架构方案

研究[J].公路交通技术，2013.4：106-109

[3] 韩瑞聪.基于智能移动终端的土木结构集群云监测探索研究[D].

大连理工大学，2014.

[4] MIZUNUMA M，KATOH T，HATA S.Applying IT to farm

fields：a wire-less LAN[J].NTT Technical Review，2003.1（2）：56-60

[5] 曹骝，吴修文.基于大数据平台的PM2.5监测预警系统研究[J].

互联网天地，2015.4：74-79

[6] 刘洋.基于物联网与云计算服务的农业温室智能化平台研究

与应用[J].计算机应用研究，2013.11（30）：3331-3335

[7] 张亚运，钱国明.基于云平台的桥梁健康监测系统在工程中

的应用[J].计算机工程应用技术，2015.10（30）：206-208

监测平台篇3

【关键词】水文水资源 监测数据管理平台 研究

1 水资源监测的概念

为了对水资源进行较好的管理和保护，就需要对水资源加强监测。首先我们需要明确水文监测的概念。水文监测包括水的时空分布的监测以及水的运动规律监测。我们知道，就水文监测而言，其主要服务工作是为了防汛抗旱以及水利水电工程建设管理。而实际情况是，传统的水文监测应该要包括水电工程建设管理的水文测报。水资源管理的对象有水资源开发、节约、保护等这些方面。水文监测是从水文学范畴角度提出来的，水资源监测是从水资源学范畴角度提出来的。水资源监测的对象包括空中水和地表水、地下水。就监测方面来讲，水资源监测的对象要包括水文监测，还应包括水文应用水利学知识进行的监测。

2 水资源监测分析应包括的任务

水资源监测任务包括人类在使用水的过程中对水的污染状况，还应包括水资源状况的评估，人类需水量的分析，同时，要预计未来水资源变化态势。通过信息手段对水资源状况及时分析并转告相关信息给企业管理和决策人员。上述这些任务是水资源管理工作和保护工作的基础。

3 水资源监测的形式

水资源监测对象包括水资源动态监测以及计量监测。水资源的计量监测的含义是指为了对水资源数量情况或者质量情况了解而做的监测。水资源动态监测对象包括地表水和地下水水量以及水质动态过程的监测。我国已经构建了全面的水质计量监测系统。对组织机构和技术规定、管理制度等方面有严格的认证管理。现在业绩有了200多个水环境监测中心构成的水环境监测体系。

4 水资源实时监测分析系统分析

4.1 水资源实时监测分析系统介绍

水资源实时监测分析系统是一个分布式的系统，它是由计算机决策的系统。水资源实时监测分析系统的目标是对一些特定的区域水资源进行管理和决策的远程监控。在这个过程中，使用一些数字化、信息化的技术方法，同时，通过决策人员实现对水资源的高效率管理、调度。在这些系统构成中，信息处理和决策支持是整个系统技术的关键。系统功能主要有四个，第一，从人机交互层面来讲，系统功能包括系统总控功能层；第二，从系统应用的种类来讲，系统功能包括分系统功能；第三，从系统应用模型来讲，系统功能包括子系统功能层；第四，从支持系统运行的基础环境来讲，系统功能包括系统支撑功能层。

4.1.1 系统总控功能层

用于建立人机联系，基于GIS技术的网络浏览器的应用模式和可视化多层次的空间图形操作界面，提供直观、清晰、方便、灵活的系统操作和控制环境。

4.1.2 分系统功能层

依照系统的应用种类进行功能划分，以利于进行系统设计和开发的工程化管理，也便于系统建设过程中的技术整合、系统总装、调试、测试和维护管理。分系统功能包括实时监测、信息管理、决策支持、远程控制等。

4.1.3 子系统功能层

根据系统总的实际应用模型进行划分，每一个子系统均与实际的应用模型相对应，形成结构、功能和信息流程相对的应用功能。

4.1.4 系统支撑功能层

提供支持系统运行的各种环境，如计算机网络、通信设施、数据库、模型库、方法库、知识库、文本库、GIS系统、系统运行平台和设计开发工具等，水资源实时监测分析系统由实时监测、信息管理、决策支持和远程监控四大系统组成。

4.2 实时监测

在支撑水资源实时监测分析系统中，对水资源的实时监测信息和通信传输是基础内容。水资源实时监测系统的内容还包括一些其他相关的信息。一般来讲，还应包括地表水、降水和地下水的水量以及水质信息，还应包括一些可遥感信息和经济社会发展信息。

4.3 信息管理系统

信息管理系统的内容较多，一般应包括接收处理和信息查询、预警、等这些内容。

信息接收处理这部分的功能有：对各个信息点信息进行接收，在信息接收后将信息变为数据库可统一化储存的格式，然后对其分类，分类后把信息存于数据库，最后对决策支持系统进行综合分析。信息查询服务即在构建系统后，对地表水和地下水的水质信息进行查询。实施预警：在构建预报预警平台后，预测预警水情、旱情、灾情等。信息即借助计算机网络平台，以媒体的形式向社会大众或者部门水资源信息。

4.4 决策支持

决策支持主要是指提供信息，提供分析计算手段、提供历史范例和经验，启发决策者发现问题，寻求问题解决的途径、辅助决策者制定水资源调配方案，并对方案进行评价。

4.5 远程控制

远程监控系统是由实时监视管理、远程控制管理和监控指令反馈等3个子系统组成的。利用现代网络、通信和自动化监视及控制技术，对流域或区域内的水利工程及测验设施进行远程自动监视和控制，实现远程实时监测、监视及自动操作。

参考文献：

[1]何平.水质监测探析与水文水资源保护研究[J].中国水运（下半月），2010（5）.

监测平台篇4

Abstract： In order to meet the needs of meteorological observation and forecast in Xuzhou， the software design based on MFC single document C/S structure is adopted， so that users can only use the client program to complete all operations. Software development uses Microsoft VC6.0 programming tools， and the platform configures opencv in image processing， the programming language is C++. Various types of human-computer interaction operation， information query， graphics operations of the platform can response at real-time； information query， operation， output interface are shown by graphics， text and data on the computer. The platform takes recording， monitoring and forecast and early warning function fir the haze weather as a whole is developed for Xuzhou. Trough practical test， it can be well applied to the relevant departments of meteorology， environmental protection， etc. And it provides technical support for the haze weather and provide sufficient scientific basis for the forecast， prevention， cure and impact assessment of haze in Xuzhou.

P键词： 观测；预报；VC6.0；OpenCVC；霾；预警

Key words： observation；forecast；VC6.0；OpenCV；haze；early warning

中图分类号：X84 文献标识码：A 文章编号：1006-4311（2017）06-0183-05

0 引言

2003年中国气象局的《地面气象观测规范》（2003）中定义“霾”[1-4]是指大量极细微的干尘粒，均匀地浮游在空中，使空气普遍浑浊，水平能见度小于10km的现象，远处光亮物微带黄色，红色，使黑暗物体微带蓝色。形成霾的天气条件一般是气团稳定、较干燥，在一天中任何时候均可出现。霾作为一种能够导致视程障碍的天气，其影响不不仅仅是对能见度的影响，更显著的影响在于它的污染性。霾天气出现时，空气中细粒子浓度升高，进而造成对大气环境[5]和人体健康[6]造成负面影响。相对湿度通过影响颗粒物的粒径分布对能见度造成影响。因此，对霾天气的判别有必要从霾天气的污染物特征[7-10]和气象特征[11-12]等多个角度综合考虑。

自改革开放以来，随着徐州经济的快速发展，城区的大气气溶胶颗粒物污染[13-15]状况日益严重，霾的出现日益频繁，引起了广大市民的广泛关注。因此，对霾的研究具有重大的理论价值和现实意义。

开发集徐州市霾天气的记录、监测、预报、预警等功能为一体的平台，可适用于气象、环保等相关部门，对公众愈加关注的霾天气预报提供技术支持，为徐州市霾的预测[16-17]、防治[18]及其影响评估[19]提供了充分的科学依据。

软件平台的设计采用基于MFC单文档C/S结构[20]，用户使用客户端程序能够完成所有操作。软件开发采用Microsoft VC6.0[21]，并在平台上配置了OpenCV[22-26]用作图像处理，采用的编程语言为C++[27-29]。平台的各类人机交互操作[30-32]、信息查询、图形操作等能实时响应；信息查询、操作、输出界面用图形、文字和数据三种方式在计算机上展现。

功能之一为资料采集处理模块：该模块针对每小时的地面自动气象站观测资料[33]、污染物浓度逐小时资料[34]、分时效数值预报[35-36]等资料实现实时采集处理。其中地面自动气象站资料和污染物浓度均为站点资料，数值预报资料为0.5*0.5分辨率的格点数据资料。

功能之二为霾天气实时监测模块：该模块在所采集到的最新自动气象站观测资料和能见度[37]、相对湿度[38]等气象要素资料的基础上进行分析处理，可实现对徐州市区及各县范围内霾天气的实时监测。可根据相应标准、按照对应色标分区显示当前的霾天气监测实况，显示徐州市各区县不同的霾天气等级（轻微霾、轻度霾、中度霾、重度霾）[39]色斑图。

功能之三为霾天气预报预警模块：该模块对于在所采集到的最新自动气象站观测资料、气象要素资料、数值预报等多种资料的基础上进行分析处理，根据标准显示徐州市区及各县范围内霾天气的分区预报和预警结果。可根据相应标准、按照对应色标分区显示未来的霾天气预报预警结果[40-45]。

软件总体技术指标：

开放性：支持多种硬件平台，采用通用软件开发平台开发，具备良好的可移植性[46]，支持与其它系统的数据交换和共享，支持与其它商品软件的数据交换。

标准化：所有各项软件开发工具和系统开发平台符合我国国家标准、信息产业部部颁标准、国家气象局相关技术规范和要求。

参数化：实现完全模块化设计，支持参数化配置，支持组件及组件的动态加载。

容错性：提供有效的故障诊断工具，具备数据错误记录功能。

安全性：用户认证、授权和访问控制，支持数据库存储加密，数据交换的信息包加密，数据传输通道加密，可采用DES加密算法，发生安全事件时，能以事件触发的方式通知系统管理员处理。

可靠性：能够连续7×24小时不间断工作，平均无故障时间>8760小时，出现故障能及时报警，软件系统具备自动或手动恢复措施，自动恢复时间

兼容性：软件版本易于升级，能适应气象部门和防汛抗旱指挥系统相关的标准，任何一个模块的维护和更新以及新模块的追加都不影响其它模块，且在升级的过程中不影响系统的性能与运行。

易用性：具有良好的简体中文操作界面、详细的帮助信息，系统参数的维护与管理通过操作界面完成。

软件的总体性能：

①软件系统的各类人机交互操作、信息查询、图形操作等能实时响应；信息查询、操作、输出界面用图形、文字和数据三种方式在计算机上展现；系统的操作简单易用。

②通过客户端软件来访问软件服务，对于霾监测、霾预警响应的相关处理，都能在软件上进行可视化处理查询。

③速度要求：软件响应速度：

1 资料和相关工作介绍

1.1 资料

该软件平台需要访问国家气象局的观测资料和Micaps预报资料[47]，因此首先需要先映射网络驱动器，打通数据路径，具体的配置过程如图1所示。

1.2 相关工作介绍

1.2.1 霾的量级及判定标准

根据能见度的不同，将霾分为四个量级，由轻到重分别为轻微霾、轻度霾、中度霾和重度霾，具体分类情况如图2和表1所示。

1.2.2 霾预警信号标准

1.2.2.1 霾黄色预警信号

标准：预计未来24小时内可能出现下列条件之一并将持续或实况已达到下列条件之一并可能持续：

①能见度小于2000m且相对湿度小于80%的霾。

②能见度小于2000m且相对湿度大于等于80%，PM2.5浓度大于150微克/立方米且小于等于250微克/立方米。

③能见度小于5000m，PM2.5浓度大于250微克/立方米且小于等于500微克/立方米。

预报用语：预计未来24小时内将出现中度霾，易形成中度空气污染。

防御指南：

①空气质量明显降低，人员需适当防护；

②一般人群适量减少户外活动，儿童、老人及易感人群应减少外出。

1.2.2.2 霾橙色预警信号

标准：预计未来24小时内可能出现下列条件之一并将持续或实况已达到下列l件之一并可能持续：

①能见度小于1000m且相对湿度小于80%的霾。

②能见度小于1000m且相对湿度大于等于80%，PM2.5浓度大于250微克/立方米且小于等于500微克/立方米。

③能见度小于5000m，PM2.5浓度大于500微克/立方米。

预报用语：预计未来24小时内将出现重度霾，易形成重度空气污染。

防御指南：

①空气质量差，人员需适当防护；

②一般人群减少户外活动，儿童、老人及易感人群应尽量避免外出。

2 软件平台功能详述

2.1 运行环境

2.1.1 硬件配置

软件平台得以正常运行的的硬件最低配置应当满足：

CPU：P4或以上；

内存：2G或以上；

硬盘：100G以上可用空间；

显示器：1024*768或以上。

2.1.2 软件支持

操作系统Windows XP或以上版本支持；

Microsoft Office 2003或以上版本支持；

Microsoft Visual C++ 6.0；

此外，因为要进行图像处理操作，故需要在VC6.0中配置OpenCV。

2.2 配置软件的启动界面

软件的启动界面如图3所示，在菜单栏上可以看到四个设计模块：霾记录、霾监测、霾预报和霾预警，每个菜单下又可细分为徐州（58027）、丰县（58012）、沛县（58013）、睢宁（58130）、邳州（58026）、新沂（58035）六个子菜单，用户则可以根据实际需求来选择点击不同菜单以获取有用的气象信息。

2.3 软件模块功能介绍

2.3.1 霾记录模块

该模块的功能主要是根据用户选择的站点，来访问对应站点的自动站观测资料长Z文件，读取人工观测霾的情况，判断实时霾的情况是有霾、无霾，可以更细致地区分为白天霾和夜间霾。读取的报文MW行表示霾的观测记录情况，如果该行内容是“MW //，.”，表示无霾；如果该行出现05，且05在（ ）内，表示夜间有霾；反之，如果05在（ ）外，表示白天有霾。长Z文件的内容如图4所示。

程序运行结果如图5所示。用户选择了徐州站，只用点击刷新按钮，即可让软件自动去读取报文，并将反馈信息以对话框的形式告知。

2.3.2 霾监测模块

该模块的功能主要是根据用户选择的站点，来访问对应站点的自动站观测资料长Z文件，读取报文中TH行的相对湿度和VV行的能见度，根据表2所示的限制性条件判断实时霾的情况是无霾、轻微霾、轻度霾、中度霾还是重度霾。

程序在用户选择点击刷新按钮后，根据对应的站点选择读取对应站点的当前最近时次的报文，自动分析判断出霾的量级，并按照固定的色标绘制出各行政区域的色版图，以对话框地形式将图和当前报文反馈给用户。需要强调的是，选择徐州子菜单显示的是徐州全境的6个区县的拼图，而选择丰县、沛县、睢宁、邳州、新沂则显示的是当前单个区或者县的情况，对应的色版图和报文情况如图5所示。

2.3.3 霾预报模块

该模块主要分为色斑图显示和预报产两大显示区域，根据对应的时次选择读取对应micaps预报资料中的报文，自动分析判断出未来霾的量级，并按照固定的色标绘制出各行政区域的色版图，在色斑图显示区域内将该时段的霾预报情况显示出来，反馈给用户。对应的色斑图和预报产品如图6所示。

2.3.4 霾预警模块

该模块主要分为当前状态获取和霾预警两大显示区域。在当前状态中点击获取当前状态，软件即可根据当前的时间去自动选择读取对应的自动站观测资料，按照规定的霾量级判定标准自动分析判断出未来霾的量级，并获取与当前霾量级所对应的色标，并给出指导意见。在霾预警显示区域，根据对应的时次选择读取对应micaps预报资料中的报文，自动分析判断出未来霾的预警情况，并按照霾预警标准获得对应的霾预警信号，并给出指导意见反馈。具体的功能实现如图7所示。

3 小结

本软件需要维护的首先是保证软件配置文件的完整性、准确性，并保证软件产品目录的完整性，配置文件中路径设置要正确，再就是软件运行的计算机中要有VC6.0运行环境支持。这些是软件正常运行、正确读取气象资料最根本保障。从项目实用的角度依托于VC6.0编写的应用程序平台对气象常规资料进行规整同化，最终实现了徐州本地的霾记录、霾监测、霾预报和霾预警，为日常的预报业务工作提供更为及时的资料参考。通过反复地调试检验，产品的时效性、精细化、实用性得到了大部分预报业务人员的肯定。另外在试用中也发现了以下不足有待完善。①由于常规气象资料的长期存在的不同步问题，造成本平台产品间的叠层比较总有一定的时间差，不能充分发挥平台产品的优势。②由于Micaps中第四类资料采用的网格算法精度为0.5*0.5km，细化到徐州市来说过于宽泛，这也导致了预报产品在图像处理上存在一定的困难。③由于当前徐州市观测站点数量上有限，也造成了软件在处理绘制色斑图时比较粗糙，这需要气象部门增加自动观测点和提高观测质量。

参考文献：

[1]丁一汇，柳艳菊.近50年我国雾和霾的长期变化特征及其与大气湿度的关系[J].中国科学：地球科学，2014，44（1）：37-48.

[2]孙亮.灰霾天气成因危害及控制治理[J].环境科学与管理， 2012，37（10）：71-75.

[3]张军英，王兴峰.雾霾的产生机理及防治对策措施研究[J]. 环境科学与管理，2013，38（10）：157-159.

[4]吕效谱，成海容，王祖武，等.中国大范围雾霾期间大气污染特征分析[J].湖南科技大学学报（自然科学版），2013，28（3）： 104-110.

[5]王珊，廖婷婷，王莉莉，等.西安一次霾重污染^程大气环境特征及气象条件影响分析[J].环境科学学报，2015，35（11）： 3452-3462.

[6]潘铭.浅谈雾霾对人体健康的影响[J].微量元素与健康研究，2013（5）：65-66.

[7]吴兑.近十年中国灰霾天气研究综述[J].环境科学学报， 2012，32（2）：257-269.

[8]潘本锋，汪巍，李亮，等.我国大中型城市秋冬季节雾霾天气污染特征与成因分析[J].环境与可持续发展，2013（1）：33-36.

[9]Huang R J， Zhang Y， Bozzetti C， et al. High secondary aerosol contribution to particulate pollution during haze events in China[J]. Nature， 2014， 514（7521）： 218-222.

[10]Zhang Z， Wang J， Chen L， et al. Impact of haze and air pollution-related hazards on hospital admissions in Guangzhou， China[J]. Environmental Science and Pollution Research， 2014， 21（6）： 4236-4244.

[11]Wang H， Shi G Y， Zhang X Y， et al. Mesoscale modeling study of the interactions between aerosols and PBL meteorology during a haze episode in China Jing-Jin-Ji and its near surrounding region-Part 2： Aerosols' radiative feedback effects[J]. Atmospheric Chemistry & Physics Discussions， 2014， 14： 28269-28298.

[12]Gautam R. Persistent and Widespread Winter Haze & Fog over the Indo-Gangetic Plains： A climatological perspective from satellite observations[C]//AGU Fall Meeting Abstracts. 2014， 1： 04.

[13]钣懒粒耿存珍，李勇，等.东亚季风区近地面大气气溶胶中 OCPs 和 PCBs 纬度分布： 以 7Be 为参照系[J].地球化学， 2014，43（1）：20-31.

[14]范学花，陈洪滨，夏祥鳌.中国大气气溶胶辐射特性参数的观测与研究进展[J].大气科学，2013，37（2）：477-498.

[15]Ji-Hua T A N，Jing-Chun D.中国大气颗粒物重金属污染，来源及控制建议[J].中国科学院大学学报，2013，30（2）：145-155.

[16]艾洪福，石莹.基于BP人工神经网络的雾霾天气预测研究[J].计算机仿真，2015，32（1）：402-405.

[17]王开燕，邓涛，邓雪娇，等.灰霾数值预报系统对不同天气型过程数值模拟分析[J].气象，2014，30（5）.

[18]高广阔，韩颖，吴世昌.基于全过程管理的雾霾综合防治对策研究[J].当代经济管理，2015，9：007.

[19]程婷，魏晓弈，翟伶俐，等.近 50 年南京雾霾的气候特征及影响因素分析[J].环境科学与技术，2014，1.

[20]Yanhong F， Bin W， Fengjuan H， et al. Research on teleoperation surgery simulation system based on virtual reality[C]//Intelligent Control and Automation （WCICA）， 2014 11th World Congress on. IEEE， 2014： 5830-5834.

[21]Zhou Y， Li Z H， Zhang Y L. Fault Diagnostic Expert System for X-ray Equipment Based on VC6. 0[J]. Chinese Medical Equipment Journal， 2012， 11： 016.

[22]Kaehler A， Bradski G. Learning OpenCV[J]. 2014.

[23]Sobral A. BGSLibrary： An opencv c++ background subtraction library[C]//IX Workshop de Visao Computacional （WVC’2013）. 2013， 7.

[24]Garage W. OpenCV[J]. 2010-04-10）[2010-06-03]. http：//opencv. willowgarage. com， 2014.

[25]Culjak I， Abram D， Pribanic T， et al. A brief introduction to OpenCV[C]//MIPRO， 2012 Proceedings of the 35th International Convention. IEEE， 2012： 1725-1730.

[26]Kaehler A， Bradski G. Learning OpenCV： computer vision in C++ with the OpenCV Library[J]. O'Reilly Media， 2013.

[27]Stroustrup B. The C++ programming language[M]. Pearson Education， 2013.

[28]Deitel P， Deitel H. C++ How to Program （Early Objects Version） Deitel[M]. Prentice Hall Press， 2013.

[29]Malik D. C++ programming： Program design including data structures[M]. Nelson Education， 2014.

[30]刘娟. 人机交互设计在科技产品中的应用[J]. 包装工程， 2014， 18： 017.

[31]Pang Z， Li H， Yu L， et al. An Analysis of Man Machine Interface Design Principles of Military Hardware[C]// Proceedings of the 15th International Conference on Man Machine Environment System Engineering. Springer Berlin Heidelberg， 2015： 437-443.

[32]Hou R， Qi G， Ou H， et al. Study on Man-Machine Interface Multimedia PowerPoint Designing[C]//Proceedings of the 13th International Conference on Man-Machine-Environment System Engineering. Springer Berlin Heidelberg， 2014： 335-342.

[33]陈玉华，翟颖佳，沈艳.自动气象站 Z 文件传输质量分析及异常处理[J].电脑开发与应用，2013，26（12）：51-53.

[34]刘红年，朱焱，林惠娟，等.基于自动站资料的苏州灰霾天气分析[J].中国环境科学，2015，35（3）：668-675.

[35]袁松，姚叶青，邱学兴，等.基于外推和数值预报的降水集成预报方法研究[J].第 31 届中国气象学会年会 S2 灾害天气监测，分析与预报，2014.

[36]李永生，曾沁，徐美红，等.基于Hadoop的数值预报产品服务平台设计与实现[J].应用气象学报，2015，26（1）：122-128.

[37]马志强，赵秀娟，孟伟，等.雾和霾对北京地区大气能见度影响对比分析[J].环境科学研究，2012，25（11）：1208-1214.

[38]宋明，韩素芹，张敏，等.天津大气能见度与相对湿度和 PM10 及 PM2. 5 的关系[J].气象与环境学报，2013，29（2）：34-41.

[39]田心如，林慧娟，吴洪颜，等.2012 年江苏省霾天气时空分布特征及相关要素分析[J].创新驱动发展 提高气象灾害防御能力――S9 大气成分与天气气候变化，2013.

[40]熊亚军，廖晓农，李梓铭，等.KNN 数据挖掘算法在北京地区霾等级预报中的应用[J].气象，2015（1）：98-104.

[41]解淑艳，刘冰，李健军.全国环境空气质量数值预报预警系统建立探析[J].环境监控与预警，2013，5（4）：1-3.

[42]武装，覃爱明.大数据在环境空气质量监测预报预警体系中的应用[J].城市建设理论研究（电子版），2015（4）.

[43]Mishra D， Goyal P， Upadhyay A. Artificial intelligence based approach to forecast PM 2.5 during haze episodes： A case study of Delhi， India[J]. Atmospheric Environment， 2015， 102： 239-248.

[44]Yang Y， Liu X， Qu Y， et al. Formation mechanism of continuous extreme haze episodes in the megacity Beijing， China， in January 2013[J]. Atmospheric Research， 2015， 155： 192-203.

[45]Deng T， Wu D， Deng X J， et al. Numerical forecast system of air quality photochemical smog over Pearl River Delta region[J]. Huanjing Kexue yu Jishu， 2013， 36（4）： 62-68.

监测平台篇5

【关键词】 嵌入式系统 监控平台 RTU 通信协议

传统的视频监控系统只是监控平台，摄像头，信息传输和显示组成。需要人工看守，确保摄像头处于正常的工作状态，云台可以正常运行以及视频信息传输的准确性。灵活性差，自动化程度低。本设计主要是通过基于MCF52255的嵌入式系统来实现监控中心和RTU的通信，以及对摄像头故障（包括云台控制和信息传输准确性）的分析和报警。

一、视频监控和监测平台的总体设计

1.1系统组成

系统主要由上位机监控软件，远程通信终端，Modbus通信协议，图像处理模块和摄像头，云台组成。系统组成原理图如下所示：

1.2 工作原理

远程数据终端与图像处理模块以及摄像头云台一起组成了数据的采集和处理部分，通过基于Modbus的通信协议来实现与上位机之间的通信，进而实现了系统对图像数据的采集、处理、分析，进而对摄像头的控制以及报警功能。其中信息的传输室通过RS485实现的，而图像信息的判断是RTU将正常的照片的二进制代码与故障模式下采集的照片信息进行比对，判断摄像头是否工作正常。

二、远程通信终端硬件设计

2.1 MCU最小系统

本次设计选择的是飞思卡尔公司的MCF52255芯片，此款主控芯片可以超频到80MHZ拥有足够快的运算速度；支持三个UART接口，可以满足设计中的多方通信；拥有独立的ADC模块，多个模数转换接口，可以满足对多个模拟量的采集处理。

2.2 继电器输出电路

继电器输出电路由一个三极管和一个整流二极管组成，输入端是由光耦隔离之后的电源信号，关偶隔离采用的是TLP512-4。主要功能就是将电源信号输入TLP512-4输入端，将输出信号输入到继电器电路中，通过控制继电器的通断实现在在断电情况下可以实现备用电源供电。

2.3 RS485通信电路

通过RS485实现信息的传输。相对于RS232通信，485的传输距离更远，可以达到3000米左右；同时485采用的是平衡驱动器和差分接收器，抗干扰能力更强。

三、基于Modbus的通信协议

本设计中主要涉及到三个通信协议，一个是监控中心和RTU之间的通信，一个是RTU和图像处理模块的通信，一个是RTU或者监控中心和云台之间的通信。前两个通信协议是自己定义的，最后一个是开源的PELCO-D通信协议。

3.1 监控中心和RTU通信协议

该通信协议是基于Modbus设计实现的，通信格式如下所示：开始位（0x68），地址码（0x00～0xff），设备码（0x03），功能码（0x81-0x91），数据长度两个字，数据码，检验位，结束位（0x16）。

当监控中心发送数据给RTU，并且RTU成功接收以后，RTU会向监控中心发送一个确认信息，保证信息传输的准备性。

3.2 RTU和图像处理模块通信协议

图像处理模块采用的是C1068V1.2的集成模块。通信协议如下所示：

开始位（0xaa），数据长度位，设备功能选择，数据位，校验位。

该部分可以显示对照片的采集，并将JPG格式的图片传输给RTU终端，通过RTU对图片的二进制代码的处理判断摄像头拍摄的照片是否正常，如果不正常就进行报警。

四、监控平台设计

监控平台的上位机是采用的C#编程语言实现的。此编程语言是专门为.NET应用而开发出的语言。C#编程语言相对于VB和C++而言，上手更快，操作简单，并且可视乎功能也比较强，可以满足我们的设计要求。

五、总结

本文介绍了整个系统设计的硬件和软件设计，通信协议的设计和实现。对于监控系统自动化程度的提高，和整体效率的改进有重要意义。

监测平台篇6

关键词：水质监测；管理平台；物联网

中图分类号：TP274 文献标识码：A 文章编号：1006-8937（2013）06-0051-02

1 建设背景

温泉是一种宝贵的自然资源，可用于医疗、健身、减肥、养心、休闲旅游等综合功能，温泉资源的开发在全球都得到了高度重视。温泉分布受到地质结构的影响，属于非普遍性的旅游资源，具有稀缺性，所以温泉旅游资源的开发和管理需要进行高水平的统筹规划，确保稀缺资源的科学合理利用。

长期以来，温泉资源管理部门花费了大量的时间、人力、物力和财力，获得了许多珍贵的数据和图文资料，但是由于长期采用手工绘制、档案积压，无法方便地进行信息的查询与变更，更不能实时进行温泉资源的动态管理和方案调整，造成了管理滞后于现实的局面。因此，急需建立相应的管理信息系统，并且通过系统的运行，不断地充实完善，逐渐实现温泉水资源管理部门办公自动化。

物联网是指通过各种信息传感设备，实时采集任何需要监控、连接、互动的物体或过程等各种需要的信息，与互联网结合形成的一个巨大网络。其目的是实现物与物、物与人，所有的物品与网络的连接，方便识别、管理和控制。近些年，随着物联网、传感网等技术的发展及应用的推广，越来越多的传感设备应用于工业生产和监督管理中。本系统将物联网、传感技术应用于温泉度假区的地下水和地表水资源的监测管理，将度假区庞大的数据资源科学地结合起来，以利于水资源管理部门详细、充分地掌握温泉旅游度假区的水文地质概况、地下水资源开发利用现状以及地表景观水的控制管理等，对该地区的水资源状况作出科学的评价，为水资源的管理提出可行方案。

本温泉水资源监测平台通过对水资源信息的积累，可及时分析和掌握水资源的数量与质量、开发利用与供需状况等动态变化，对加强水资源管理的科学性与及时性，提高水资源管理水平，实现水资源的可持续开发利用，具有重大的科学意义和使用价值。

2 设计需求

本温泉水资源监测平台的建设目标是打造国内一流、世界领先的符合当地特色的水资源管理系统，最终实现温泉旅游度假区地下水及地表水的在线实时监测和科学控制管理。本温泉水资源监测平台通过建立水资源信息管理系统以实现：支持水资源管理部门对地下温泉水资源的合理开发利用；支持水资源管理部门对温泉输水管网系统跑、冒、滴、漏、偷等现象的科学控制和管理等功能。

2.1 功能需求

主要功能需求包括：

①实时监测：通过前端传感器，实时监测温泉资源，包括水质、管网等信息，并将这些信息通过网络实时、可靠地反馈到后台。

②动态调整：建立管网模型，分析整体和各用水单位的用水数据和趋势，并能够实现动态调控。

③应急处理：能实现故障管理，遇到突况自动预警和报警。

④统一管理：能将温泉资源集中调配，实现统一管理。

⑤信息展示：能够将相关信息提供给其他系统，如展示中心进行温泉信息展示。

2.2 数据采集需求

包括温泉水质监测仪表安装及数据采集、温泉输水管网监测仪表安装及数据采集，以及视频信号采集。

2.3 通信传输系统建设需求

基础数据系统部分采用原有传输方式，视频数据采用光缆传输。每个取水口子站房都配备视频监控系统。

2.4 系统集成需求

各温泉井出水口子站房在线监测设备系统集成、温泉输水管网在线监测设备系统集成、在线视频监控设备系统集成、监控中心软硬件集成。

2.5 其他需求

各温泉井出水口按统一规模及装修标准安装监测子站房，建设时要考虑新开发的温泉井和已经开发使用多年的温泉井两个现状，差异化规划。新井的规划要先进、完整、高度高、功能全，老井可以考虑实现温度、流量等一些基本数据的统计，并安装视频监控系统，进行可视化管理，防止偷盗温泉、人为破坏设备等行为的发生。

3 总体设计

3.1 平台架构

温泉水资源监测平台整体架构图1所示。

本温泉水资源监测平台主要分为采集层，传输层，应用层。

①采集层主要由前端传感设备组成。通过水位计、浊度计、温度探测器、电子听漏仪、摄像头等前端传感设备实时采集温泉水资源信息包括温度、PH值等水质信息、管网漏损信息、水位、流量以及相关视频等信息。

②传输层是指信息的传输，主要指骨干网、二级通信网、计算机网络及传感网络等网络系统。包括监控中心、子站房之间的通讯网络，以及与其上级水资源行政主管部门和当地政府计算机网络的互联。

③应用层对数据、报警信息、指令信息等专业数据库的结构、编码分类，提供各种检测数据的管理以及通过中央管理平台实现对整个在线监测系统功能的调用，是监测、监视信息的最终汇集中心和决策中枢。包括数据库、信息服务、业务应用等内容，利用水资源实时评价、预报、管理和调度模型以及后评估机制，合理制定供用水计划和水资源调度方案，为水资源行政主管部门科学决策提供依据。

3.2 主要功能

水资源管理平台的核心是中央管理平台，其主要功能包括办公自动化、运营管理、设备资产管理、智能温泉管理、三维模拟模型以及其他功能模块，其中智能温泉管理是整个系统的核心。

①办公自动化功能模块。包括门户管理、日常办公、通讯录、收发文管理、档案管理、移动办公等功能。其中门户管理包括消息中心、搜索引擎、权限管理、个性化设置等功能；日常办公包括日常计划、出差管理、费用报销、会议通知等日常管理功能。

②运营管理功能模块。包括用户管理、节能管理、用量计费管理等功能。其中用户管理包括用户档案、新用户审批流程等功能；节能管理包括电费时段设置、水泵蓄水池启停设置、节能统计等功能。

③设备资产管理功能模块。包括设备管理、物资管理等功能。其中设备管理包括设备档案、维修管理和调度计划；物资管理包括物资基础信息、采购管理、库存管理、维修品处理等功能。

④智能温泉管理功能模块。包括温泉水质监测、温泉管网监测、应急及资源管理、视频监控等功能。其中温泉水质监测和温泉管网监测包括实时数据展示、历史数据多维度统计分析、设备运营状况、预警报警等功能；应急预案包括应急响应、预案培训等功能。

⑤三维模拟模型。包括水文地质模型、输水管网模型、水资源场景模型。实现放大、缩小、平移、飞行、制作飞行路线等对旅游度假区地形、地貌、流域、河流及水库分布等水资源场景进行三维浏览，直观展现虚拟地下管线/设施分布情况和路由情况以及利用地理信息系统（GIS）建立包括地热田内地层，构造，各开采井的分布、井身结构、涌水量、温度等信息的三维模拟图形。

⑥其他功能模块。根据温泉水资源监测平台建设情况，为其他网站、展示中心、管理平台以及以后系统的扩展升级，预留相应的接口。

4 实施效果及总结

该平台是温泉水资源现代化管理的发展方向，对实现温泉水资源的可持续利用，对温泉旅游度假区的战略实施和社会经济的可持续发展具有重要意义。通过温泉水资源监测平台的建设，使温泉旅游度假区水资源管理部门迅速准确地掌握各取水工程的取水动态情况，对取水实施有效监测和合理调控；能更有效地实施取水计划管理，提高温泉资源的利用率，监控和防止违章行为发生；有利于增强取水户的守法和节水意识，实现温泉资源科学管理、统一调度、合理配置；实现管理部门的无纸化办公，最大程度的将管理者从繁重的、重复的业务管理工作中解脱出来，显著提高了办事及办公效率。

物联网在温泉旅游度假区水资源管理方面已取得初步成效，但还存在一些问题有待解决，如在没有统一的标准体系出台，各行业、地区、部门之间的协调不够等。物联网技术是国家战略新兴技术，对国家的战略和可持续发展具有重要意义。物联网技术已经渗透到很多领域，出台相关的政策鼓励和扶持，是物联网技术在温泉水资源管理方面寻求突破的关键因素之一。同时，应当认识到，该温泉水资源监测平台仅是物联网在温泉度假区管理应用的初期阶段，我们应从标准、技术和管理措施等方面脚踏实地推动温泉水资源管理信息化进程。

参考文献：

[1] 陈锁忠，常本春，黄家柱，等.水资源管理信息系统[M].北京：科学出版社，2006.

[2] 李青山，李怡庭.水环境监测实用手册[M].北京：中国水利水电出版社，2003.

[3] 戴长雷，迟宝明.基于GIS的地下水信息管理系统分析[J].世界地质，2004，（6）.

监测平台篇7

关键词：信息化；血糖监测；管理；糖尿病；低血糖

医院信息技术的发展成为优化医院工作流程、提高医疗技术、提升医院内涵的重要组成部分。我院于2016年1月自主开发了血糖监测管理系统，采用信息化管理模式为临床提供实时血糖监测流程，血糖大数据管理系统的应用推动了内分泌科乃至全院糖尿病患者及血糖异常患者的血糖管理及干预的质量。

1 平台开发依据

目前，非内分泌病区的糖尿病和高血糖护理存在许多问题，调查排在前三位的问题包括：未实施糖尿病健康教育（83%），不了解相关检查内容和注意事项（72%），缺乏糖尿病饮食和运动知识（57%）等。由于非专科病房的医护人员往往对血糖管理重视不足，缺乏系统专业知识和技能，很难为患者提供良好的护理与教育[1]。低血糖的发生不仅降低患者的生活质量，甚至会诱发心肌梗死及脑卒中或引起摔伤、骨折等意外伤害，严重者可导致死亡。因此，全面了解低血糖发生的可能原因，对于有效防范、及早识别和及时处理低血糖至关重要，有必要对住院患者低血糖的发生及时发现并进行干预[2]。

2 平台技术参数

医院信息科负责平台自主开发，形成了具有自主产权的院内血糖管理评价模块（高低血糖值提示，不同时间点分析，平均血糖），具有患者识别的血糖管理系统，实现了人时（patient-day）模型的数据分析医生可以通过数据平台实时查询到感兴趣的血糖指标，时刻关注患者血糖值动态变化，该平台具体技术参数如下：

院级血糖监测管理平台提供两种浏览血糖的模式：第一种是进入医师工作站按照患者浏览。进入某位患者的医嘱界面，点击“血糖”按钮，可以浏览到该患者住院以来所有的血糖值及相关图表包括：患者定点血糖记录表、患者血糖记录表、患者血糖趋势图、患者血糖漂移度分析、患者血糖标准天图。第二种是全院血糖纵览模式。登陆院内局域网地址并输入用户名及密码，进入血糖监测系统界面，此界面可显示患者编码、病案号、姓名、科室、操作者、血糖值及血糖测定日期及时间等。

3 多学科协同管理

由信息科负责平台维护，信息科、内分泌科、老年内分泌专科协调平台更新调整优化，内分泌科相关人员按照分工负责相应工作；平台数据向全院开放，各科室按流程在内分泌专科医师指导下做好异常血糖值的处置工作，平台管理权属信息科、内分泌科、老年内分泌专科，上述三科室人员指导主导全院异常血糖值处理，共同做好数据统计、分析，总成果分享、分项成果共享。

4 监测管理流程

4.1空腹血糖>6.9mmol/L11.1mmol/L

4.1.1内分泌专业医师询问问题：血糖超出正常值，请经管医师回复；

4.1.2经管医师回复：①既往糖尿病史（有、无）；②既往口服降糖药（有、无）；③既往使用胰岛素（有、无）；

4.1.3内分泌医师再回复：①请做糖耐量试验；②维持原治疗方案、监测血糖；③前来会诊。

4.2空腹血糖>7.0或随机血糖>11.1mmol/L

4.2.1内分泌医师提醒：血糖明显异常请回复

4.2.2经管医师回复问题：①已诊断糖尿病（有、无）；②既往口服降糖药（有、无）；③既往使用胰岛素（有、无）；

4.2.3内分泌医师再回复：①请再做空腹或随机血糖；②请做糖耐量；③请维持原方案治疗、监测血糖；④前来会诊。

4.3危急值血糖：内分泌医师主动迅速全程主导处理。

4.4血糖

4.4.1内分泌医师提醒：请注意血糖低；

4.4.2经管医师回复问题：①使用胰岛素（有、无）；②使用降糖药（有、无）；③既往低血糖（有、无）；④禁食（有、无）；⑤腹泻（有、无）；

4.4.3内分泌医师再复：①处理低血糖，密切监测血糖；②请减少胰岛素用量、请减少口服药；③前来会诊。

5 初步结果

2016年1月～2016年8月，我院利用远程血糖管理系统共管理院内住院患者97316人次，结果表明，血糖监测管理系统使得临床对血糖管理的需求不受地域、时间限制能提供更多、更高质量的患者信息，增加医患沟通，有利于医护人员制定治疗方案能有效地解决患者的治疗需求有利于更好地控制血糖。血糖监测管理系统从2016年1月开始上线，首先部署在内分泌科进行试点，系统稳定运转一段时间后，逐渐在全院各科室间推广，现已全面部署至临床42个科室。实现全院范围内血糖信息数据整合及分析、系统兼容性高，适用于院内局域网；血糖数据可追溯、自动上传数据，操作者及患者信息扫描，避免手抄误差、标注异常血糖且可追溯至患者及l生时间，指导临床诊疗。通过临床智能血糖仪及血糖管理系统，医生在办公室就能全面掌控全科患者血糖波动情况及床位信息；数据平台可自动分析血糖数据并形成详细的血糖报告及曲线，以不同颜色标识高低血糖，同时可标注大事件、用药信息，所有信息永久保存。可以自动记录、自动上传、自动保存所有测量数据。系统上传的数据可在表格或图像中分析显示，给出了监测频率及血糖趋势的直观判断。

6 讨论

全院血糖管理系统提供一体化全院血糖信息化服务，临床获益确切且能提高医务工作者的工作效率。运用信息技术提升工作效率，保障医疗质量，帮助管理者决策，已经成为医院必然发展的方向。医院信息化趋势，云计算、互联网、移动互联网、大数据等信息化技术快速发展优化医疗卫生业务流程、提高服务效率、推动医疗卫生服务模式和管理模式的深刻转变。

全院范围内开展多学科协作，为糖尿病和血糖异常患者提供个体化的预防和管理方案，效果较好，可使更多患者受益。在未来的工作中，提升医务人员对院内血糖异常的重视是规范院内血糖管理的第一步[3]。在此基础上并不断对医务人员能力进行评估，建立针对不同的疾病、医疗环境的院内血糖综合管理系统，以期最大程度地发现高血糖患者并给予及时的干预，需要更加细化的临床观察，更加优化的治疗方案，逐渐减少高血糖或低血糖对住院患者的威胁。

参考文献：

[1]胡耀敏，刘伟，陈雅文，等.内科重症监护病房住院患者高血糖临床资料分析[J].中华内分泌代谢杂志，200，26（6）：448-451.

监测平台篇8

一、财务风险动态监测平台（FDMP）在企业风险管理（ERM）框架中的定位

（一）COSO的ERM框架 国际上，企业风险管理的主要指引是ERM框架，它由COSO委员会于2003年7月在内部控制框架基础上，结合萨班斯法案（SOX法案）以及理论界和实务界对内部控制框架提出的一些改进建议而，它为全球企业风险管理提出了全新的管理理念。ERM框架有3个维度：（1）目标维度，包括战略目标、经营目标、报告目标和合规目标；（2）风险管理要素维度，包括内部环境、目标设定、事件识别、风险评估、风险对策、控制活动、信息和交流、监控；（3）划分企业各个层级的组织维度，包括整个企业、各职能部门、各条业务线及下属各子公司（具体如图1所示）。三者间的关系是，全面风险管理的8个要素都是为企业的4个目标服务的，企业各个层级都要坚持同样的4个目标，每个层级都必须从以上8个方面进行风险管理。该框架适合各种类型的企业或机构的风险管理。

（二）企业财务风险管理在ERM中的定位企业财务风险管理是ERM框架中的重要组成部分。一方面，从目标维度讲，由于财务数据是基于价值标准对企业信息的综合反映，因而ERM中的经营、战略等目标中许多属于财务目标的内容。另一方面，从要素维度讲，财务风险是风险事项识别、评估的重要内容，更是风险应对的重要手段。而且，如图2所示的企业风险结构“金字塔”，上层的宏观、中观风险和底层微观的各项风险都最终会对财务风险产生影响，财务风险则是企业风险最综合的、往往也是最致命的表现，因此，财务风险是要素维度中最重要的因素。

（三）FDMP整体架构 按照管理信息系统的一般原理，FDMP架构可以按照流程分为输入、处理、输出三个部分，即财务风险因素识别子系统、财务风险度量（评估）子系统和财务风险报告子系统。同时，FDMP作为企业整体信息系统中一个子系统，还要考虑企业的整体信息环境，设计与其他系统的衔接及相互支撑的接口子系统。FDMP总体架构如图3所示。

二、FDMP的构成

（一）风险因素识别子系统财务风险因素识别是指在事前，针对特定企业所处的内外部环境，辩识和确认构成企业财务风险的事项及其对应的风险容量，并在实际运行中，采取一定方法从信息源获取风险事项变动的及时信息形成对FDMP系统的输入。

由于财务风险影响因素众多，如何识别并选择适当的变量作为系统输入一直是学者们关注的一个重要问题。从实用性角度考虑，所选择的风险因素（指标）总体上应符合以下原则：（1）综合性。传统的财务风险定量识别是根据一个或数个变量来作出决策，导致不同变量可能得出不同结论，如果某企业的流动比率、速动比率很低，不考虑其他变量，容易得出该企业将陷入财务困境的结论，但若该企业盈利能力很强，流动性困难极有可能是短暂的，未必一定会陷入财务困境。因此，指标体系应综合反映企业营运能力、偿债能力、盈利能力、发展能力。同时，还要将一些重要的定性指标经过矢量化后包括进来，如公司治理状况的有关指标。（2）敏感性。指标必须具有较高的敏感性，以迅速反映财务状况的变化。（3）可得性。即能够根据现有财务核算数据和相关管理资料，直接或间接地计算出来。

通过总结已有研究成果可以为确定风险变量提供指引，本文搜集了财务风险预测方面的国内外文献，其中代表性的有：Beaver（1966）、Altman（1968，1977，1994）、Ohlson（1980）、Beyon&Peel（2001）、

Van Gestel（2006）、陈静（1999）、陈晓（2000）、吴世农和卢贤义（2001）、联合资信（2005）、王宗军等（2007）、宋鹏等（2009）的研究，在这些研究中被广泛使用且经模型检验有效的变量主要包括：偿债能力方面主要是流动比率、负债比率、现金及现金等价物净增加额/总负债；盈利能力方面主要是净利润率、净资产收益率、总资产收益率（以利润总额或以息税前利润为分子）；成长性方面主要是主营业务收入增长率、净利润增长率、总资产增长率；营运能力方面主要是总资产周转率、应收账款周转率等。很少有研究将公司治理变量纳入，但笔者认为公司治理对企业运作、长远发展和财务信息质量都有重大影响，应当在量化后纳入其中，如用郝芬达指数反映股权集中度等。需要强调的是，每个企业应当根据自己的具体特征来选择风险变量，这方面并不存在绝对的统一标准。

（二）度量评估子系统 该部分是将输入的数据通过适当的模型进行处理，以得到企业财务状况整体的一个二分类结果（好或坏）或风险等级划分结果。根据风险管理目标、企业特征、数据条件等构建一个适当的模型非常关键，其技术水平和适用性将决定风险评估的有效性，从而从根本上决定财务风险动态监测的效果，因而是FDMP的技术核心。财务风险度量模型经过半个多世纪的发展，已经历了单变量判定模型、多元线性判定模型、logit和probit概率模型、神经网络（NN）分析模型。由于NN模型具有自学习能力，因而也就实现了模型的动态调整，从而达到动态预测的目的。当前，支撑向量机（SVM）由于比NN有更强的泛化能力、不易限入局部最优、维数不敏感等优点，已在财务风险度量领域得到初步成功应用，因而应重点考虑应用SVM技术来构建模型。

（三）财务风险报告系统 该部分负责财务风险信息的对外披露，主要是根据组织特征决定在何时、以何频率、以详略得当的方式，将风险监测信息和警报信号在恰当的范围内传播，以便管理者及时了解财务风险情况并采取相应措施。

三、FDMP关键技术――财务风险评估模型的构建

（一）财务风险评估预测方法的演变与SVM的优势 自20世纪60年代以来，不少研究者对企业财务风险的评估预测方法由简至繁地尝试了多种方法，并仍在不断摸索创新，至今大体已经历了单变量判定、多元线性判定、概率模型、人工智能方法等阶段，杨海军和太雷（2009）对此做了很好的综述。

Beaver（1966）利用单一的财务比率，最早提出公司财务预警分析模型，随后Altman（1968，1977）提出了著名的多元线性判别模型――Z系列模型，该模型确定了资产营运资本率、资产留存收益率、资产报酬率、债务权益市价率和总资产周转率这5个变量作为判别变量，产生了一个综合判别公司财务状况恶化程度的概率值，即Z值。但线性判别模型对预测变量有着严格的联合正态分布要求，或者要求协方差矩阵相等，而事实上大多数财务比率并不满足这一假设要求。为克服这些局限性，Martin（1977）和Ohlson（1980）等提出了逻辑回归模型，与前述的模型相比逻辑回归模型很好地解决了上述问题，因此具有更广泛的适用性，然而逻辑回归模型仍存在自身的缺陷，诸如线性、非线性的传统统计学的严格假设条件，要求预测变量之间、函数形式关系之间相互独立，但在现实世界中这些函数关系以及预测变量都不是完全独立的。为了开发一种更为精确更为通用的预测方法来解决这个问题，包括决策树、神经网络、模糊逻辑、遗传算法、支持向量机等方法的数据挖掘和机器学习技术被广泛引入，并取得了较好的结果。Odom（1990）、 Franco&Varetto（1998）运用人工神经元网络模型进行财务困境预测的研究，Min&Lee（2005）采用支持向量机（SVM）方法对上市公司财务困境问题进行预测，并得出SVM方法优于神经网络、多元判别分析和Logistic回归的结果。

SVM是目前较新的一种性能优势的模式识别技术，是由Vapnik等人根据统计学理论提出的一种新的通用学习方法，它是建立在统计学理论的VC维理论和结构风险最小化原理基础上，能较好地解决小样本、非线性、高维数和局部极小点等实际问题，泛化能力强，具有其它以经验风险最小化原理为基础的算法难以比拟的优越性。因而，FDMP的风险度量评估模型在当前条件下应当基于SVM技术构建。应当指出的是，本文讨论的是如何为一个企业构建财务风险监测平台，由于每个企业的情况存在许多差异，而且SVM作为一种人工智能学习技术，其最终成果――最优分类函数受学习样本数据影响会隐含许多的企业特征，因而，试图构建一个一般化的模型以适应所有企业并不具有太多实践意义，需要针对特定企业根据其数据构建专属的具体模型，所以，在此讨论模型构建的主要问题及其处理原则更有指导意义。

（二）SVM在财务风险动态监测应用中的主要问题及处理 一是模型大类的选择。在模型构建过程中，有许多技术方面需要做出选择，其中最基本的也是一开始就要做出的选择是模型的大类。支持向量机是针对二值分类问题提出的，经过发展，目前也成功应用于解函数回归问题，同时也用于多值分类问题。因此，从大类上来讲，支持向量机有二分类支持向量机、支持向量机回归（通常称为SVR）、多值分类支持向量机（分类支持向量机可统称为SVC）。它们区别在于：（1）二分类与回归比较，若给出训练样本集为：（xi，yi），xi∈Rn，i=1，…，?而yi对于分类问题∈{+1，-1}，而对于回归情况则∈R。原始数据经非线性映射?准到一个高维特征空间后，然后在高维特征空间中进行线性分类或回归运算，分类问题是解下面的二次规划：min■||w||2+C■ξi，约束条件为yi（+b）?叟1-ξi； ξi?叟0，其中：是向量点积，w为权向量，b为阈值，C为惩罚因子，表示了对误差样本的惩罚程度，ξ为考虑拟合误差而引入的松弛因子。而在回归问题中，设回归函数为：f（x）=+b，它的任务是解如下二次规划：min■||w||2+C■（ξi+ξ*i），约束条件为：yi-（+b）≤?着+ξi；（+b）-yi≤?着+ξi；ξi，ξ*i?叟0，其中为ε为一种损失函数。（2）二分类与多值分类比较，通常是将多值分类做一定转换，再利用二分类方法处理。通常的做法有“一对多”、“一对一”、决策树法等，“一对多”就是把某一种类别的样本当作一个类别，剩余其他类别的样本当作另一个类别，而“一对一”就是每次只考虑两类样本，即对每两类样本设计一个SVM模型，总共需要设计k（k-l）/2个SVM模型。通常构造多值分类的方法具有很高的计算复杂性，孙德山（2004）提出了一种相对简单又有效的处理方法。该方法是在高维特征空间中对每一类样本求出一个超球体中心，然后计算待测试样本到每类中心的距离，最后根据最小距离来判断该点所属的类，他所得到的多值分类问题最终优化方程中，待优化的参数个数是样本总数?，计算复杂性只与总的样本数量有关，而与样本的分类数无关，因此比用SVM构造一系列二值优化器要简单得多。

那么应当选择哪一类型的支持向量机呢？这是一个需要根据实际情况进行折衷处理的问题。从技术成熟度看，目前支持向量机在解决二值分类方面获得了巨大成功，技术相对成熟，而SVR比SVC复杂，技术成熟度不如二分类SVC，多值分类则更次之。而从进行财务风险监测的需要来看，希望得到尽可能细化的分类结果以较准确地反映企业的财务风险水平，所以选择的顺序是SVR、多值分类、二分类，因为SVR的评估结果是一个连续值，多值分类结果是一个多等级值，例如五级分类，而二分类只有好与坏两个值。面对这种冲突，应有的处理原则是，根据ERM框架确定的风险管理目标水平、数据获取情况和企业管理技术水平来决定评估所期望的精度，从而选择相应的模型种类。

二是参数的确定。要把模型构建落到实处，接下来就必须确定模型中的各项参数。对于支持向量机，影响模型效果的重要参数主要包括：

（1）核函数形式及其参数。对于非线性问题（现实中大量问题属非线性的，财务风险即为典型），支持向量机无法直接得到最优分类超平面，而是利用非线性映射函数将样本映射到高维线性空间，然后在此空间构造线性分类器或回归函数。样本在高维空间的点积运算可以用低维输入空间的核函数来实现（这也是支持向量机最巧妙之处），而核函数的类型和参数间接决定了样本在高维线性空间的分布，从而影响了支持向量机的性能。目前研究最多的核函数主要有如下几类：（a）多项式核函数，形为K（x，y）=［?啄+c］q，

其中：q为多项式的阶数，?啄、c为设计者选择的常数；（b）径向基函数（RBF）， 形为K（x，y）=exp｛-■｝； （c）多层感知器Sigmoid核函数，形为K（x，y）=tan（?啄+c）；（d）Fourier序列核函数K（x，y）=■；（e）B样条核函数K（x，y）=B2N+1（x-y）。

（2）误差惩罚参数C，是调整模型复杂性和经验风险的参数。C越大意味着对分类误差的惩罚越大，误分类的数据点数目越少；反之，C越小意味着忽略那些似是而非的误分类数据点，同时得到更宽的分类间隔。

（3）对于SVR类模型，损失函数的选择也至关重要，主要有ε不敏感损失函数、平方损失函数、Laplace损失函数、Huber损失函数等，最常用是Vapnik提出的ε不敏感损失函数。

目前对于参数的选择还没有明确的指导方法，在实际应用中，可以在如下两种方式中选其一：

（1）经验确定。经验确定是按照样本的分布规律，对函数形式和各个参数给出经验估计值，这一方法需要使用者有较深厚的理论基础。目前研究中有许多经验总结可借鉴。如，Lanckriet（2004）指出可以利用半正定规划技术直接从数据中学习核矩阵（各种可能核形式）来得到最适合的核函数形式；刘靖旭等（2008）研究表明对于ε-SVR模型，ε的不同取值，预测误差随参数对（λ，C）具有相似的变化趋势，且对于较佳的组合，几乎在相同的ε值处取得较小的预测误差，这表明ε的选取在某种程度上独立于（λ，C）的选择，因此，可以先确定ε，把三参数优化问题转化为二参数优化问题；杨海军和太雷（2009）指出可使用模糊化的惩罚项（而不固定的惩罚参数值）来降低不重要数据点的影响，即根据外点侦测结果，使用一个权重函数，对外点赋予较大的惩罚值等。

（2）网格搜索。如果使用者缺乏经验，则可用网格搜索方法，它的做法是将参数所处的空间划分成网格，在每一个网格点上将参数代入进行试估计，并将估计结果的误识率进行比较，最终选择那些使误识率最低的参数。这一方法的明显优点是广泛适用性，但其局限是计算量随着参数数量的增加呈指数增长，对于实际中很多大型回归分析问题由于计算量太大而不实用。

三是样本问题。有效样本的获取与处理是构建模型的基础，它不仅影响模型上述方面的技术选择，并最终决定了模型估计的有效性。样本问题主要涉及样本规模和样本结构均衡性两个方面，当实际操作中碰到此类问题时，有时需要在参数选择方面做调整，有时通过一定方法对样本进行预处理就可基本解决。

（1）样本规模问题。支持向量机最初是针对小样本提出的一种方法，依据小样本得到泛化能力强的模型是它的优势。但与其他任何机器学习技术一样，样本规模不能过小，过小则会发生欠学习问题，即模型不能从训练样本中得到足够信息，因而模型的预测能力就会不理想。支持向量机的小训练样本优势同时也给它带来了在大样本场景下应用的局限性，如对于大型企业或涉及金融资产较多的企业，只有较大的样本才可能提供比较充分的财务风险信息。支持向量机在大样本中的局限主要是因为其训练过程实质是求解一个二次规划问题，其求解时间复杂度为O（N3），由于要存储核矩阵，空间复杂度为O（N2），其中N是样本数。当训练集规模巨大时，支持向量机的训练时间会太长，同时核矩阵的规模太大将导致内存空间不足。另一方面，支持向量机的训练结果是用支持向量表示的，当支持向量数目太大时会导致超出内存限制，使得分类器不能全部装入内存，影响分类器的使用。

在众多处理支持向量机大样本应用问题的技术中，不涉及到参数调整，可单纯通过样本预处理实现的有减少训练样本、训练集分解两种方法。

减少训练样本方法是采取某种策略，通过挑选最可能为支持向量的训练样本，或筛减最不可能为支持向量的训练样本，或以上两种方法同时采用对训练集实施预处理，以实现训练集规模的减小。具体处理方法主要有：（a）邻域算法，即通过一定算法（如k邻域算法）计算样本点邻域信息，从而挑选那些位于分类超平面附近的样本作为最终训练集，实现训练过程加速的同时确保分类器泛化能力（Shin，2003）。（b）聚类方法，即使用聚类分析技术对大样本进行预处理，抽取聚类子集的有效信息，从而实现训练样本的筛减。如Boley（2004）提出了一种自适应聚类方法，首先将训练集按照类别分别实施聚类，用每个子集的中心作为该子集的“代表”，然后用这些“代表”的集合训练初始支持向量机，从而初步发现训练集中可能的非支持向量，非支持向量子集用该子集的中心代表，从而起到筛减非支持向量的目的。

训练集分解方法就是基于某种策略将训练集分解成若干子集，在每个子集上训练支持向量机，最后采用某种策略将各支持向量机组合。具体实现有串行、并行两种方式。并行的训练集分解方法有：贝叶斯支持向量机（BC-SVM）、最小最大模块化支持向量机M3-SVM、并行混合支持向量机专家、快速模块化支持向量机（Fast modular network implementation for SVM）、分布式支持向量机（Distributed-SVM）等。串行方法主要是使用Boosting算法来扩展支持向量机，它是用上次训练过程产生的分类器在整个训练集上的测试准确率决定下次样本的抽取，这将使被前面产生分类器错分的样本更可能出现在下次的训练集中。

（2）样本均衡性问题。如果训练样本出现明显的非均衡性，如某一类样本特别少，而另一类样本特别多，在这种情况下经传统处理方法训练出来的支持向量机在分类时就会出现偏向大类的倾向，换言之，当两类训练样本数目相差悬殊时，分类平面明显偏向少数类训练样本一方，从而产生“有偏性”。而财务风险、医学诊断、入侵检测等都属典型非均衡问题。

如何处理这一问题，目前主要有两种思路，一是改造分类算法，另一个是对数据进行预处理。改造分类算法主要通过对不同类的样本设置不同的权值，改变概率密度，调整分类边界等措施解决，如赵会等（2009）提出一种基于中心距离比的分类算法；而谢丹蕊等（2009）提出的平衡策略则是，首先基于Fisher判别思想，计算出两类样本在分类超平面法向量上投影后的均值和方差，再依据两类错分概率相等准则，给出新的阈值计算方法对超平面进行调整。数据预处理方法通过样本数据的修剪来解决非均衡问题，具体方法包括向下取样、向上取样等。向下取样是减少多数样本的数量，使不同类的数量接衡，从而提高分类能力。该方法的缺点是容易丢失多数类的一些重要信息。向上取样是通过增加少数类的样本数量提高分类器的分类能力，但新样本难以保证与原样本同分布，且增加了训练器负担。因此，不同方法各有利弊，还有待进一步发展成熟。

参考文献：

［1］蒋艳霞、徐程兴：《基于集成支持向量机的企业财务业绩分类模型研究》，《中国管理科学》2009年第2期。

［2］彭静、彭勇、欧阳令南：《基于粒子算法和支持向量机的财务危机预警模型》，《上海交通大学学报》2008年第4期。

［3］杨海军、太雷：《基于模糊支持向量机的上市公司财务困境预测》，《管理科学学报》2009年第12期。

［4］Altman E. Financial ratios， discriminant analysis and the prediction of corporate bankruptcy［J］. The Journal of Finance，1968， 23（4）.

［5］Altman E， Haldeman R， Narayanan P. Zeta analysis: A new model to identify bankruptcy risk of corporations［J］. Journal of Banking and Finance，1977，（1）.

［6］Beaver W. Financial ratios as predictors of failure， empirical research in accounting: Selected studies［J］. Journal of Accounting Research，1966，Suppl（5）.

［7］FrancoV. Genetic algorithms applications in the analysis of insolvency risk［ J］. Journal of Banking& Finance，1998，（22）.

［8］Martin D. Early warning of bank failure：A logistic regression approach［J］. Journal of Banking and Finance，1977，（1）.

［9］Min J H， Lee Y C. Bankruptcy prediction using support vector machine with optimal choice of kernel function parameters［J］. Expert Systems with Applications，2005，（28）.

监测平台篇9

[关键词]故障诊断 数据信息平台 状态检修

中图分类号：U226.8+1 文献标识码：A 文章编号：1009-914X（2015）11-0370-01

在发电厂运行过程中，故障往往是因为缺陷积累的过程，如何进行设备状态变化的经常性实时监督，及早发现设备所存在的缺陷和提供科学可靠的依据，超前控制设备的故障风险，减少设备突发性故障，提供有针对性的维护，提高设备利用率，确保发电厂电气设备的安全稳定运行就显得尤为重要。

通过对电气设备的状态在线监测，建立一个能为实际生产检修带来有效指导和缺陷分析的数据信息平台，为故障诊断提供可靠依据，从而指导状态检修，消除设备缺陷，减少设备突发性故障，提高设备稳定性，确保发电厂主设备的安全可靠运行。

1 状态检修的概念和意义

状态检修是利用先进的在线状态检测和诊断技术提供的设备状态信息，通过对数据信息进行处理和挖掘，判断设备的异常及预知设备的故障，并在故障发生前进行检修的一种方式，即用先进的设备状态检测手段和分析诊断技术，实时了解设备的健康状况和运行工况，然后根据设备的健康状态，合理安排检修项目和检修时机，节约工时和费用，使检修工作更加科学化。

数据信息平台的建立，为设备的状态检修提高了良好的条件，通过对主设备进行实时的监视，采集电厂主设备的运行信息，提供人机交流界面，为检修维护工作人员实时掌握主设备的运行情况。

2 数据信息平台系统和故障诊断系统结构

2.1 数据信息平台系统网络结构图

二次设备数据信息平台系统，以架构安全、稳定、高效的网络（Internet/Intranet）信息平台、实时数据平台、大型数据库平台为基础，采用全分布、全开放式体系结构和面向服务的设计思想，有效整合电厂对各个子系统实时过程数据监测、综合数据分析与处理等不同层面的实际需求，提升资源利用水平、降低生产维护成本、改善资源配置，从而提高企业的生产效率和竞争力。

二次设备信息子站系统由数据库服务器、Web应用服务器、通信管理机、网络通信管理机和相关网络设备组成。该系统从主变油色谱在线监测、主变套管在线监测和水轮机在线监测系统等系统中获取数据，通过对历史数据的分析处理，实现状态监测趋势的图形化分析，并生成相关分析报告和报表，并通过Web浏览器以文字、声音、表格、图形、曲线、报表等方式进行网络。

2.2 数据信息平台系统和故障诊断系统的一般原理

状态监测系统通过对监测对象的生产信息进行实时采集，系统可以根据管理需要采集电站的各自动化系统信息，包括主变油色谱在线监测、主变套管在线监测等系统的数据，对全站生产运行信息进行监视，为生产了解设备运行情况提供了直观的手段。监测系统将采集到的数据进行综合分析和挖掘，数据处理分析之后的数据可以通过监视功能web浏览器多种表达方式（如：图表、曲线等）来呈现在检修维护工作人员的眼前，并且提供了多维度、更灵活的数据查询、统计和分析的手段，实现了对设备数据按照对象进行相关性分析的功能，可以在线对设备进行诊断和分析，方便工作人员实时掌握设备的健康状况。

状态监测系统可以通过数据共享，诊断系统自动完成所有监视设备的数据采集和存储，对主要监测设备各种运行方式下的特征数据及各种状态参数进行分析和状态识别，确定设备状态变化程度和异常表现，从而根据异常变化和历史数据（正常运行参数）相互比较，进一步确定设备的缺陷及其位置和原因，预测缺陷的潜在危险，自动生成缺陷报告，并由此提出应采取的措施和决策来指导检修维护工作人员做好状态检修。

综上，数据信息平台、故障诊断系统和状态检修的联系密不可分，相互关联，整个网络基于全开放分布式在线监测数据信息平台，对机组运行设备的实时监测、分析、诊断、决策管理和状态维护形成统一整体，实现运行设备的实时监测和维护管理。以下以主变油色谱在线监测系统来对主变故障进行探讨。

3 主变油色谱在线监测与主变的故障诊断

3.1 主变油色谱在线监测平台主要监测的几种参数

主变运行过程中，随着机组的运行方式不同，存在着放电和过热的现象，而变压器油是矿物油，是各种碳氢化合物的有机组成，具有高温不稳定的特点，从而裂解产生气体。主变油色谱在线监测主要实时监视以下几种参数的含量：氢气（H2）、一氧化碳（CO）、甲烷（CH4）、二氧化碳（CO2）、乙烷（C2H6）、乙烯（C2H4）、乙炔（C2H2），总烃含量，总可燃气体，油温，微水，水活性。

3.2 基于主变油色谱分析之上的故障诊断

主变运行过程中产生的各种气体能够融入油中，主变油色谱在线监测装置通过对变压器油取样，对样品进行处理分析，得出油中溶解性气体种类和相关浓度，通过比较溶解性气体的成分和相关比例来判断主变的实时运行情况，并将采集到的数据上传至数据信息平台，实现数据共享，通过计算机监控达到远程诊断的功能。

故障诊断系统通过采集数据信息平台共享的状态信息数据，实现实时采集数据、历史数据比较、趋势形式曲线等方式显示，根据历史数据比较和趋势发展图进一步确定主变运行的健康状态和异常表现，自动生成分析报告，将报告通过WEB网页，报警或手机短信通知检修维护人员开展状态检修，同时，利用计算机通讯，执行远程监测和专家诊断。

比如：通过故障诊断系统，如果发现监测之中CH4值呈现主要上升趋势，附带C2H4也有上升趋势，且逼近告警点，同时，诊断系统自动完成分析报告，通过WEB网页、报警和手机通知的方式告知检修人员。检修人员通过现地或远程分析，确定分析报告的准确性。通过分析可以得知变压器油过热，过热的原因可以从以下两个方面查找：1.变压器在监测时间内处于过容量运行；2，主变冷却效果不明显，可能是油泵出现故障，也有可能是冷却系统出现了堵塞，冷却水量水温不符合要求。通过色谱分析我们到现场对设备进行状态评估并排查设备，消除设备存在的缺陷和故障隐患点。

监测平台篇10

关键词：低压盘 绝缘监测 故障点 定位

中图分类号：TN92 文献标识码：A 文章编号：1674-098X（2017）03（a）-0104-02

随着中海油某平台400 V低压系统的运行变化及扩容等，系统漏电容会发生变化，现有的绝缘监测仪不能自适应系统分布电容（漏电容）的变化，这样会导致绝缘监视仪表失效或给出错误的绝缘阻值。

为了提升低压母排电力系统的绝缘监测水平，当低压母排发生单相接地故障时，能第一时间锁定故障点，并方便现场电气人员及时对接地故障进行排查、解决，需要增加一套在线绝缘监测与定位系统，当系统某个负载发生接地故障时，能第一时间定位到故障点，为故障排除节省时间，无需对所有设备进行倒停排查。

中海油某平台400 V系统共分两段母线，为不接地IT系统，在正常运行过程中，母排绝缘监测仪经常显示绝缘为零的情况，这就意味着盘柜所挂设备存在单相接地情况，设备运行过程中存在人员触电风险。若同一单相接地设备再有一相发生接地情况，将造成设备两相短路，这将严重影响400 V配电盘的运行，而受生产等工况影响，所有设备不能全部断电逐一进行排查，故传统的断电对每个回路进行绝缘阻值测量的方式实施难度高，且工作量极大，为预防设备出现单相或两相接地造成人员触电、设备损坏和对电网的影响，急需采用一套更为先进的绝缘监测定位系统，能更为准确地监测系统绝缘情况，并通过实时监测低压盘柜所挂设备的绝缘情况，能在线定位绝缘低的设备，可以及时有效地发现异常情况，从而进行有效处理，降低或排除设备绝缘低对人员和设备的损害。

1 工作原理

绝缘监视仪WRIRDH575连接在系统和地之间，连续不间断地测量并显示不接地系统（IT系统）内的相线和地之间的绝缘阻值。当系统对地的绝缘阻值降至预先设定的报警值时，绝缘监视仪输出报警信号。绝缘监视仪报警以后，触发其内部的PGH绝缘故障测试电流发生装置对地闭合并发送测试电流信号。该测试电流信号经过绝缘故障点、大地、PGH绝缘故障测试电流发生装置，构成一个完整的回路，安装在发生绝缘故障回路中的测量电流互感器监测到该电流信号后，反馈给绝缘故障定位仪WREDS460，从而定位到该回路。绝缘监视仪与绝缘定位仪之间采用RS485通讯，WREDS460定位到故障回路后，传输给WRIRDH575，在面板显示屏上显示故障回路等信息。工作原理见图1。

2 现场实施

2.1 实施步骤

绝缘监视仪WRIRDH575安装：安装于盘柜面板，用于监视系统绝缘阻值并发送定位测试电流。

绝缘故障定位仪WREDS460安装：安装于每个盘柜后，用于监视电流互感器、定位故障回路，并反馈定位信息。

电流互感器安装：安装于每个盘柜回路动力电缆上，用于检测绝缘监视仪WRIRDH575发送的测试电流，反馈给绝缘故障定位仪WREDS460。

网关WRCOM460IP安装：安装于盘柜后，用于通讯协议转换，将绝缘监测系统MODBUS通讯协议转换为以太网，连接至后台。

2.2 系统图

系统框图见图2。

3 应用效果

（1）系统绝缘阻值测量准确性验证见表1。

（2）绝缘故障定位功能验证见表2。

4 目创新点

该套绝缘监测定位系统采用独特的AMP测量技术，叠加自适应的脉冲电压信号，可应用于各种系统，包括交流系统、直流系统和带直流成分的交流系统以及变频驱动系统。能够在线定位接地故障点，并直接显示故障回路信息；具备与后台通讯功能，可将系统绝缘信息传输至后台进行显示。另外，该系统采用毫安级开口式电流互感器，安装施工方便，大大节省了施工时间。

5 结语

低压绝缘监测与定位系统颠覆了传统的低压绝缘监测方式，其独特测量技术更能适应目前复杂的电网工况，其在线故障定位功能能够在故障发生的最短时间内定位出故障回路，方便现场人员第一时间解决故障，排除隐患，无需停产，不影响生产，特别适合采油平台的现场使用，其无需断电的测量定位方式更适用现场UPS的监测及定位，大大提升了控制系统及重要精密设备的稳定性。

参考文献