一种城市水务智慧化处理方法及系统与流程

1.本发明涉及水循环环境信息化技术领域，尤其涉及一种城市水务智慧化处理方法及系统。


背景技术：

2.在解决水相关问题时，涉及到的数据不仅种类繁多而且数据量庞大，如降雨、水库、湖泊、河流、管网、调度规则、下垫面等等，尤其在解决洪水预报、城市内涝、突发水污染朔源分析等应急情况时，对于海量数据的处理分析速度要求非常高，同时还要分析不同种类数据之间的内在联系和相互影响关系，传统的数据处理工具和技术已经不能满足社会对水安全水环境的管理需求，亟需应用最新的数据挖掘分析等技术对海量的涉水数据进行快速高效处理，从而提高数据分析计算的效率和精度。
3.在涉水领域，基于流体力学方程的数学模型应用愈发普遍和重要。水量与水质是水资源的两个基本属性，两者互为依存并统一，解决问题的关键技术在于建立一体化的数学模型。按照模型解决问题的对象可分为4类：
①
以水库优化调度为核心，针对流域洪水、水质、泥沙联合优化调度问题的数学模型；
②
以河网水量水质演化模拟为核心，针对河网生态环境系统承载力评估问题的数学模型；
③
以闸坝控制下的河流水文环境效应为重点，针对污染河流闸坝调控问题的数学模型；
④
以城市内涝风险模拟为核心，针对城市路网、地下管网、河网三位一体的水量优化调度数学模型。当前，水量水质联合调度耦合技术普遍采用“松耦合”，即水质、水量模型分离忽视了水质与水量的内在关联；城市内涝涉及城市地块、管网和河道，在进行城市内涝模拟时不能忽视这三者之间的联系，需要建立地块与管网、河道与管网、地块与河道的耦合水动力数学模型。
4.水利行业数学模型建模是一个复杂的过程，需要处理和分析大量的基础资料，且不同类型模型都有各自的建模特点。水文模型需要根据下垫面的地理特征划分水文单元；河网模型需要构建河网关系，刻画河槽形状；二维地表水模型需要进行网格剖分；管网模型需要进行管道拓扑关系构建。这些工作都需要在专门的建模工具辅助下才能完成。数据处理和空间拓扑建模完成后，参数调优也是一个重要的建模步骤。仅靠人工方式调优，既耗时又费力，效果也不一定理想。模型计算的结果通常需要以图形甚至视频的方式来展现，没有辅助工具的情况下，很难做出好的展现效果。
5.人工智能近些年来已被应用于解决水相关问题中，计算机通过人工智能算法对数学模型自动求解、自动决策，将决策或结论自动传输给上一层或下一层，实现集成化，例如在洪水预报调度系统中，机器学习技术可对当前和历史相似雨洪过程进行实时分析比对，帮助相关人员了解当前防洪形势，制定洪水调度方案；基于人工智能的图像处理技术可应用于实时水雨情的监视预警中，它利用不同的信息处理方法、智能算法与高级模式识别技术，将例如位移、渗流、水质、水量等信息要素实时反馈并发出预警信号，以帮助人们及时掌握水雨情信息。
6.然而，当前大数据、人工智能还缺少在水利工程上的深入应用，尤其是大数据、机
器学习和数学模型紧密耦合的技术鲜见应用，目前智慧水利、智慧水务等领域中的应用多是依靠知识、经验的数字化过程，缺乏将先进技术融合之后的深度应用。
7.(1)传统的数据处理工具和技术对水利数据的分析处理工作量大、效率低，已经逐渐不能满足当前水管理的行业需要，尤其在应对暴雨洪水、城市内涝、突发水环境污染等应急事件时，对历史数据的快速提取与分析、对企业排污、管网、河道水质数据的相关性分析、对实时降雨和历史雨洪相似性的分析等等的响应要求非常高，直接关系到领导应对突发事件的效率和决策的科学性，更是直接关系到人民群众的生命和财产安全。
8.(2)在与信息化结合的过程中，数学模型的选取与构建还没有统一的国家和行业标准。业务系统需要进行更新时，旧系统中的模型往往难以迁移和集成。而且其他系统需要使用相同的模型时，也难以集成已有系统中的模型。这些模型就像孤岛，只在特定的业务系统内起作用，同时也只能解决单一特定的问题，即模型“松耦合”。其它系统想要使用同一个模型，除了手动把模型内置于系统中，就是需要额外的开发工作把原来模型通过技术手段包装或改造以便于调用。部分数学模型，比如水动力模型，往往需要大量的计算资源，甚至需要集群环境来支撑模型运行。在系统利用率不是很高时，为这些模型投资建设的计算资源则会闲置，造成很大的浪费。此外，传统的模型构建过程繁杂，没有同一标准的建模工具，致使业务人员工作量大，但效率低下，在应对突发水安全水环境事件时，甚至无法及时应对。
9.(3)人工智能等技术在水利行业中的应用仅处于初级阶段，还未实现与大数据、数学模型等技术的深度融合。水循环领域业务范围广、监测指标繁多，不同业务领域数据的规律和相关性极其复杂，靠人为或常规的技术很难完成这些工作，效率低下，甚至根本找不到问题的本质。


技术实现要素：

10.(一)要解决的技术问题
11.鉴于现有技术的上述缺点、不足，本发明提供一种城市水务智慧化处理方法及系统。
12.(二)技术方案
13.为了达到上述目的，本发明采用的主要技术方案包括：
14.第一方面，本发明实施例提供一种城市水务智慧化处理的方法，包括：
15.s1、获取预先设定区域的涉水信息；
16.所述预先设定区域的涉水信息包括：用于水文模型、水力模型、管网模型、水工调度模型、水质模型、水生态模型、水压模型、水动力模型、水环境模型中任一模型进行处理所需的数据信息和预先设定区域内闸阀调动规则、降雨量、抢险应急队伍网络负责人联系信息、与所述降雨量相同区域产生的洪水内涝及损失情况信息以及用水量、排水量、河道生态基流信息；
17.s2、基于预先设定区域的预设历史时间段的涉水信息、预先获取的人为活动信息和预先设定的水文模型、水力模型、管网模型、水工调度模型、水质模型、水生态模型、水压模型、水动力模型、水环境模型建立地表地下一体化的数学模型；
18.所述地表地下一体化的数学模型为包括所述预先设定的水文模型、水力模型、管
网模型、水工调度模型、水质模型、水压模型、水生态模型、水动力模型、水环境模型的功能；
19.s3、基于预先设定区域的预设历史时间段的涉水信息，采用大数据技术对所述地表地下一体化的数学模型进行参数自动率定处理，并获取第一地表地下一体化的数学模型；
20.所述第一地表地下一体化的数学模型为经过大数据技术对地表地下一体化的数学模型参数率定处理后且经过预先设定区域的预设历史时间段的涉水信息验证准确率满足预先设定值的地表地下一体化的数学模型；
21.s4、采用所述第一地表地下一体化的数学模型针对所述预先设定区域的涉水信息进行处理获取相应的处理结果；
22.所述处理结果包括：基于所述涉水信息分别采用水文模型、水力模型、管网模型、水工调度模型、水质模型、水压模型、水生态模型、水动力模型、水环境模型处理的结果。
23.优选的，所述s1具体包括：
24.s11、采用预先设定的感知设备，采集相应的监控数据，并将所述监控数据发送至预先设定的模型云平台大数据中心；
25.s12、所述预先设定的模型云平台大数据中心针对所述监控数据和预存信息进行提取处理获取所述涉水信息。
26.优选的，
27.所述预先设定区域的涉水信息包括：dem高程、水系、水环境、水工设施、桥涵、下凹地、下垫面、管网、降雨量、客水、排水、闸阀调动规则、抢险应急队伍网络负责人、与所述降雨量相同区域产生的洪水内涝及损失情况信息以及用水量、排水量、河道生态基流信息。
28.优选的，所述方法还包括：
29.s5、针对所述预先设定区域的涉水信息，获取预先设定区域内所产生的洪水内涝及损失信息。
30.优选的，所述s5具体包括：
31.s51、针对所述预先设定区域的涉水信息采用预先设定的算法，获取与所述预先设定区域的涉水信息中降雨量分别所对应的预先设定区域的蓄水信息、排水信息、净水信息；
32.所述预先设定的算法包括：采用人工智能技术中机器学习技术针对预先设定区域的预设历史时间段的涉水信息进行处理，获取的预先设定区域的预设历史时间段的涉水信息中降雨量与预先设定区域的蓄水信息对应关系的算法、降雨量与预先设定区域的排水信息对应关系的算法、降雨量与预先设定区域的净水信息的对应关系的算法；
33.所述预先设定区域的蓄水信息包括所述预先设定区域内的管网、闸坝、河道蓄水量；
34.所述预先设定区域的排水信息包括所述预先设定区域内的河道排水量；
35.所述预先设定区域的净水信息包括所述预先设定区域内的下垫面湿地、绿色花园净水量；
36.s52、基于所述预先设定区域的蓄水信息、排水信息、净水信息，获取预先设定区域的洪水内涝情况信息；
37.s53、基于预先设定区域的洪水内涝情况信息和所述预先设定区域的涉水信息中降雨量相同区域产生的洪水内涝及损失情况信息，确定所述预先设定区域产生的损失情
况；
38.所述预先设定区域产生的损失情况与所述所述涉水信息中降雨量相同区域产生的损失情况相同。
39.优选的，所述s2中的人为活动信息包括：引起水分运移循环的人为活动的信息。
40.优选的，
41.所述人为活动信息包括：预先设定区域内修建建筑物的信息、预先设定区域内河道上修建水库的信息、预先设定区域内闸泵的调度信息。
42.优选的，所述方法还包括：
43.s6、通过预先设定的国家高精度网格化降雨监测与预测系统获取预先设定区域的未来预设时间的降雨量，并根据所述预先设定区域的未来预设时间的降雨量获取预先设定区域未来预设时间的洪水内涝情况信息。
44.优选的，所述s6包括：
45.s61、基于所述预先设定的算法和预先设定区域的未来预设时间的降雨量，获取预先设定区域未来预设时间的蓄水信息、排水信息、净水信息；
46.s62、基于预先设定区域未来预设时间的蓄水信息、排水信息、净水信息，获取预先设定区域未来的洪水内涝情况信息；
47.s63、按照预先设定的时间间隔，将所述预先设定区域未来的预设时间的洪水内涝情况信息按照预先设定的风险等级展示预先设定的可视界面，并根据所述预先设定区域未来的预设时间的内涝、洪水情况信息自动更新响应的预警提示信息，并确定相应的预先设定的应急预案。
48.第二方面，本发明实施例提供一种城市水务智慧化处理系统，所述系统包括：
49.多个感知设备用于实时获取涉水信息，并将所述涉水信息发送至处理器；
50.处理器用于接收所述涉水信息，并基于所述涉水信息执行如上述任一所述的城市水务智慧化处理方法。
51.(三)有益效果
52.本发明的有益效果是：本发明的一种城市水务智慧化处理方法及系统，由于采用大数据技术自动率定所述地表地下一体化的数学模型系统中的参数，并获取第一地表地下一体化的数学模型系统；并基于涉水信息，采用所述第一地表地下一体化的数学模型系统进行处理获取相应的处理结果，致使城市水务智慧化处理工作效率提高。
附图说明
53.图1为本发明的一种城市水务智慧化处理方法流程图；
54.图2为本发明实施例中一种水务处理方法示意图。
具体实施方式
55.为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
56.为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发
明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更清楚、透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
57.参见图1和图2，本实施例中提供一种城市水务智慧化处理的方法，包括：
58.s1、获取预先设定区域的涉水信息。
59.所述预先设定区域的涉水信息包括：用于水文模型、水力模型、管网模型、水工调度模型、水质模型、水生态模型、水压模型、水动力模型、水环境模型中任一模型进行处理所需的数据信息和预先设定区域内闸阀调动规则、降雨量、抢险应急队伍网络负责人联系信息、与所述降雨量相同区域产生的洪水内涝及损失情况信息以及用水量、排水量、河道生态基流信息。
60.s2、基于预先设定区域的预设历史时间段的涉水信息、预先获取的人为活动信息和预先设定的水文模型、水力模型、管网模型、水工调度模型、水质模型、水生态模型、水压模型、水动力模型、水环境模型建立地表地下一体化的数学模型。
61.所述地表地下一体化的数学模型为包括所述预先设定的水文模型、水力模型、管网模型、水工调度模型、水质模型、水压模型、水生态模型、水动力模型、水环境模型的功能。
62.s3、基于预先设定区域的预设历史时间段的涉水信息，采用大数据技术对所述地表地下一体化的数学模型进行参数自动率定处理，并获取第一地表地下一体化的数学模型。
63.所述第一地表地下一体化的数学模型为经过大数据技术对地表地下一体化的数学模型参数率定处理后且经过预先设定区域的预设历史时间段的涉水信息验证准确率满足预先设定值的地表地下一体化的数学模型。
64.s4、采用所述第一地表地下一体化的数学模型针对所述预先设定区域的涉水信息进行处理获取相应的处理结果。
65.所述处理结果包括：基于所述涉水信息分别采用水文模型、水力模型、管网模型、水工调度模型、水质模型、水压模型、水生态模型、水动力模型、水环境模型处理的结果。
66.本实施例中优选的，所述s1具体包括：
67.s11、采用预先设定的感知设备，采集相应的监控数据，并将所述监控数据发送至预先设定的模型云平台大数据中心。
68.s12、所述预先设定的模型云平台大数据中心针对所述监控数据和预存信息进行提取处理获取所述涉水信息。
69.本实施例中，依据现有感知设备分布，以问题为导向，遵循自然水循环过程和人为控制规则，打通原有多部门各自规划监测网络，重新调整和新增感知设备，形成涉水监测监控“一张网”，并将所有监测监控数据实时汇聚于模型云平台大数据中心。通过模型云平台大数据中心获取涉水信息如dem高程、水系、水环境、水工设施、桥涵、下凹地、下垫面、管网、闸阀调动规则、降雨量、客水、排水、抢险应急队伍网络负责人、相似降雨对应区域产生的洪水内涝及损失情况，以及对应区域的用水量、排水量、河道生态基流等信息。模型云平台大数据中心支持涉水信息的实时查询，并保持涉水信息的定期更新。
70.优选的，所述预先设定区域的涉水信息包括：dem高程、水系、水环境、水工设施、桥涵、下凹地、下垫面、管网、降雨量、客水、排水、闸阀调动规则、抢险应急队伍网络负责人、与所述降雨量相同区域产生的洪水内涝及损失情况信息以及用水量、排水量、河道生态基流
信息。
71.本实施例中，所述方法还包括：
72.s5、针对所述预先设定区域的涉水信息，获取预先设定区域内所产生的洪水内涝及损失信息。
73.本实施例中，所述s5具体包括：
74.s51、针对所述预先设定区域的涉水信息采用预先设定的算法，获取与所述预先设定区域的涉水信息中降雨量分别所对应的预先设定区域的蓄水信息、排水信息、净水信息。
75.所述预先设定的算法包括：采用人工智能技术中机器学习技术针对预先设定区域的预设历史时间段的涉水信息进行处理，获取的预先设定区域的预设历史时间段的涉水信息中降雨量与预先设定区域的蓄水信息对应关系的算法、降雨量与预先设定区域的排水信息对应关系的算法、降雨量与预先设定区域的净水信息的对应关系的算法。
76.所述预先设定区域的蓄水信息包括所述预先设定区域内的管网、闸坝、河道蓄水量。
77.所述预先设定区域的排水信息包括所述预先设定区域内的河道排水量。
78.所述预先设定区域的净水信息包括所述预先设定区域内的下垫面湿地、绿色花园净水量。
79.s52、基于所述预先设定区域的蓄水信息、排水信息、净水信息，获取预先设定区域的洪水内涝情况信息。
80.s53、基于预先设定区域的洪水内涝情况信息和所述预先设定区域的涉水信息中降雨量相同区域产生的洪水内涝及损失情况信息，确定所述预先设定区域产生的损失情况。
81.所述预先设定区域产生的损失情况与所述所述涉水信息中降雨量相同区域产生的损失情况相同。
82.在本实施例的实际应用中，采用人工智能中机器学习技术提取河湖水系、小微水体、管网系统、下垫面蓄水、渗水能力算出动态库容；管网、闸坝、河道等排水能力；下垫面湿地、绿色花园净水能力；基于相似雨洪判断产生的内涝、洪水、损失等情况；根据未来的降雨信息、依据水量平衡，算出对应区域蓄水、排水、内涝洪水情况并建立映射关系等。
83.本实施例中优选的，所述s2中的人为活动信息包括：引起水分运移循环的人为活动的信息。
84.本实施例中优选的，所述人为活动信息包括：预先设定区域内修建建筑物的信息、预先设定区域内河道上修建水库的信息、预先设定区域内闸泵的调度信息。
85.本实施例中优选的，所述方法还包括：
86.s6、通过预先设定的国家高精度网格化降雨监测与预测系统获取预先设定区域的未来预设时间的降雨量，并根据所述预先设定区域的未来预设时间的降雨量获取预先设定区域未来预设时间的洪水内涝情况信息。
87.本实施例中优选的，所述s6包括：
88.s61、基于所述预先设定的算法和预先设定区域的未来预设时间的降雨量，获取预先设定区域未来预设时间的蓄水信息、排水信息、净水信息。
89.s62、基于预先设定区域未来预设时间的蓄水信息、排水信息、净水信息，获取预先
设定区域未来的洪水内涝情况信息。
90.s63、按照预先设定的时间间隔，将所述预先设定区域未来的预设时间的洪水内涝情况信息按照预先设定的风险等级展示预先设定的可视界面，并根据所述预先设定区域未来的预设时间的内涝、洪水情况信息自动更新响应的预警提示信息，并确定相应的预先设定的应急预案。
91.第二方面，参见图2，本实施例提供一种城市水务智慧化处理系统，所述系统包括：
92.多个感知设备用于实时获取涉水信息，并将所述涉水信息发送至处理器。
93.处理器用于接收所述涉水信息，并基于所述涉水信息执行如上述任一所述的城市水务智慧化处理方法。
94.在本实施例的实际应用中，本实施例提供一种城市水务智慧化处理系统具有日常管理模式和应急管理模式。
95.在日常管理模式下，本实施例的一种城市水务智慧化处理系统采用所述第一地表地下一体化的数学模型针对所述预先设定区域的涉水信息进行处理获取相应的处理结果。
96.所述处理结果包括：基于所述涉水信息分别采用水文模型、水力模型、管网模型、水工调度模型、水质模型、水压模型、水生态模型、水动力模型、水环境模型处理的结果。
97.比如，采用所述水压模型进行供水管网的水压检测，实时获取相应的处理结果(供水管道水压信息)；采用所述水质模型进行供水管网水质检测，实时获取相应的处理结果(供水管道水质信息)；采用所述水动力模型进行河网水动力检测，实时获取相应的处理结果(河网水动力信息)；采用所述水环境模型进行水环境检测，实时获取相应的处理结果(水环境信息)。
98.在应急管理模式下，本实施例的一种城市水务智慧化处理系统通过预先设定的国家高精度网格化降雨监测与预测系统获取预先设定区域的未来预设时间的降雨量，并根据所述预先设定区域的未来预设时间的降雨量获取预先设定区域未来预设时间的洪水内涝情况信息。
99.本实施例中优选的，具体包括：
100.基于所述预先设定的算法和预先设定区域的未来预设时间的降雨量，获取预先设定区域未来预设时间的蓄水信息、排水信息、净水信息。
101.基于预先设定区域未来预设时间的蓄水信息、排水信息、净水信息，获取预先设定区域未来的洪水内涝情况信息。
102.按照预先设定的时间间隔，将所述预先设定区域未来的预设时间的洪水内涝情况信息按照预先设定的风险等级展示预先设定的可视界面，并根据所述预先设定区域未来的预设时间的洪水内涝情况信息自动更新响应的预警提示信息，并确定相应的预先设定的应急预案。
103.另根据洪水内涝情况信息，可提前启动应急预案，如河道预泄降水位、闸泵调度分水量、避险转移群众，并可将内涝预警信息推送至道路交通管理部门，提前进行交通管制与道路疏导，减轻灾害对人民群众造成的影响，从而通过治水模型云把天上、地表、地下的水与水利工程、天气预报和人类活动进行耦合。
104.通过上述系统的运营，获取更多涉水数据放入大数据中心。运用大数据技术做好对数据的挖掘、分析，把最新数据放入人工智能样本库，进一步验证完善水循环数学模型，
让其预报的更加精准。
105.利用云计算技术，将业务管理和模型应用服务化，集成洪涝灾害、水环境治理等专业数学模型，整合大数据、机器学习等人工智能算法，打造一套集水文预报、洪水调度、水环境管控、城市内涝、管网排水等功能于一体的治水模型云平台，进行统一权限认证、统一管理任务、统一调配资源，为智慧水务等信息化平台提供智能分析决策支撑。
106.本实施例中提供一种城市水务智慧化处理方法借助于大数据技术，可实现对海量水利信息数据的并行分析计算，保证了数据处理效率和精度，并对不同业务领域的涉水数据进行规律和相关性分析、对模型参数进行自动率定，极大的改进了模型运算过程中数据时效性差、人工率定效率低、模型预报预测精度偏低以及模型应用“松耦合”的问题，为水安全、水环境、水生态问题治理以及突发水安全事故应急处置提供了科学、高效、精准、便捷的工具和方法。
107.本实施例中提供一种城市水务智慧化处理方法实现了水文、水动力、水质等模型的无缝对接集成，简化建模过程，提出了一整标准的套模型前后处理工具，极大地节省了建模工作量和资源，提供了可视化建模功能，更好地满足业务化日常和应急工作需要。
108.本实施例中提供一种城市水务智慧化处理方法充分利用了先进技术，将人工智能、大数据、数学模型等技术深度融合，拓宽了其在解决水量、水质、水生态问题时应用的广度和深度。
109.由于本发明上述实施例所描述的系统，为实施本发明上述实施例的方法所采用的系统，故而基于本发明上述实施例所描述的方法，本领域所属技术人员能够了解该系统/装置的具体结构及变形，因而在此不再赘述。凡是本发明上述实施例的方法所采用的系统/装置都属于本发明所欲保护的范围。
110.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
111.本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。
112.应当注意的是，在权利要求中，不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中，这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用，仅是为了表述方便，而不表示任何顺序。可将这些词语理解为部件名称的一部分。
113.此外，需要说明的是，在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结
构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
114.尽管已描述了本发明的优选实施例，但本领域的技术人员在得知了基本创造性概念后，则可对这些实施例作出另外的变更和修改。所以，权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
115.显然，本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也应该包含这些修改和变型在内。