一种基于物联网的隧道状态监测管理方法及系统与流程

1.本发明涉及数据监测管理技术领域，具体涉及一种基于物联网的隧道状态监测管理方法及系统。


背景技术：

2.物联网是通过各类传感器，实时采集传感器数据，进而实现被采集物体智能化感知的过程，物联网常被应用于各类监测系统中，实现人和物的互联互通。在现有技术中，对于隧道内的状态检测，多通过人工值守的方式进行隧道状态评估，该方法存在一定的滞后性，且对于隧道状态监测的准确性较低。
3.因此，在现有技术中隧道状态监测方法存在滞后性高，监测准确性低的技术问题。


技术实现要素：

4.本技术提供一种基于物联网的隧道状态监测管理方法及系统，用于针对解决现有技术中隧道状态监测方法存在滞后性高，监测准确性低的技术问题。
5.鉴于上述问题，本技术提供了一种基于物联网的隧道状态监测管理方法及系统。
6.本技术的第一个方面，提供了一种基于物联网的隧道状态监测管理方法，所述方法包括：对待监测隧道进行划分，获得多个隧道区段；基于物联网和多个隧道参数指标，在所述多个隧道区段内分别设置多个种类的传感器，获得多个传感器集合；根据所述多个隧道区段，分别构建获得用于预测所述多个隧道区段隧道状态的多个隧道状态预测模型；基于所述多个传感器集合，采集待监测隧道区段当前所述多个隧道参数指标的指标参数，获得目标指标参数集合，以及采集所述待监测隧道区段附近若干个隧道区段当前所述多个隧道参数指标的指标参数，获得多个邻近指标参数集合；根据所述待监测隧道区段和附近若干个隧道区段，构建邻近隧道状态预测模型；根据所述多个传感器集合传输数据的准确性，对所述目标指标参数集合和多个邻近指标参数集合进行校正，获得校正目标指标参数集合和多个校正邻近指标参数集合；将所述校正目标指标参数集合输入所述待监测隧道区段对应的目标隧道状态预测模型，获得第一隧道状态预测结果，将所述多个校正邻近指标参数集合输入所述若干个隧道区段对应的若干个邻近隧道状态预测模型内，获得多个邻近隧道状态预测结果；根据所述多个邻近隧道状态预测结果，获得第二隧道状态预测结果，结合所述第一隧道状态预测结果，获得最终隧道状态预测结果。
7.本技术的第二个方面，提供了一种基于物联网的隧道状态监测管理系统，所述系统包括：隧道区段获取模块，用于对待监测隧道进行划分，获得多个隧道区段；传感器集合获取模块，用于基于物联网和多个隧道参数指标，在所述多个隧道区段内分别设置多个种类的传感器，获得多个传感器集合；隧道状态预测模型获取模块，用于根据所述多个隧道区段，分别构建获得用于预测所述多个隧道区段隧道状态的多个隧道状态预测模型；邻近指标参数集合获取模块，用于基于所述多个传感器集合，采集待监测隧道区段当前所述多个隧道参数指标的指标参数，获得目标指标参数集合，以及采集所述待监测隧道区段附近若
干个隧道区段当前所述多个隧道参数指标的指标参数，获得多个邻近指标参数集合；邻近隧道状态预测模型获取模块，用于根据所述待监测隧道区段和附近若干个隧道区段，构建邻近隧道状态预测模型；参数校正模块，用于根据所述多个传感器集合传输数据的准确性，对所述目标指标参数集合和多个邻近指标参数集合进行校正，获得校正目标指标参数集合和多个校正邻近指标参数集合；隧道区段预测结果获取模块，用于将所述校正目标指标参数集合输入所述待监测隧道区段对应的目标隧道状态预测模型，获得第一隧道状态预测结果，将所述多个校正邻近指标参数集合输入所述若干个隧道区段对应的若干个邻近隧道状态预测模型内，获得多个邻近隧道状态预测结果；最终预测结果获取模块，用于根据所述多个邻近隧道状态预测结果，获得第二隧道状态预测结果，结合所述第一隧道状态预测结果，获得最终隧道状态预测结果。
8.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：
9.本技术实施例提供的方法通过对待监测隧道进行划分，获得多个隧道区段，获得多个传感器集合。分别构建获得用于预测多个隧道区段隧道状态的多个隧道状态预测模型。基于多个传感器集合，采集待监测隧道区段当前多个隧道参数指标的指标参数，获得目标指标参数集合，以及采集待监测隧道区段附近若干个隧道区段当前多个隧道参数指标的指标参数，获得多个邻近指标参数集合。根据待监测隧道区段和附近若干个隧道区段，构建邻近隧道状态预测模型。根据多个传感器集合传输数据的准确性，对目标指标参数集合和多个邻近指标参数集合进行校正，获得校正目标指标参数集合和多个校正邻近指标参数集合。将校正目标指标参数集合输入待监测隧道区段对应的目标隧道状态预测模型，获得第一隧道状态预测结果，将多个校正邻近指标参数集合输入若干个隧道区段对应的若干个邻近隧道状态预测模型内，获得多个邻近隧道状态预测结果。根据多个邻近隧道状态预测结果，获得第二隧道状态预测结果，结合第一隧道状态预测结果，获得最终隧道状态预测结果。通过实时对隧道预制管内传感器产生的信息进行获取并分析，及时对隧道状态进行评估，进而实现对隧道状态的精准预测。解决了现有技术中隧道状态监测方法存在滞后性高，监测准确性低的技术问题。
10.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
11.图1为本技术提供的一种基于物联网的隧道状态监测管理方法流程示意图；
12.图2为本技术提供的一种基于物联网的隧道状态监测管理方法中获取多个隧道状态预测模型的流程示意图；
13.图3为本技术提供的一种基于物联网的隧道状态监测管理方法中获取邻近隧道状态预测模型的流程示意图；
14.图4为本技术提供了一种基于物联网的隧道状态监测管理系统结构示意图。
15.附图标记说明：隧道区段获取模块11，传感器集合获取模块12，隧道状态预测模型获取模块13，邻近指标参数集合获取模块14，邻近隧道状态预测模型获取模块15，参数校正模块16，隧道区段预测结果获取模块17，最终预测结果获取模块18。
具体实施方式
16.本技术提供一种基于物联网的隧道状态监测管理方法及系统，用于针对解决现有技术中隧道状态监测方法存在滞后性高，监测准确性低的技术问题。
17.下面将参考附图对本技术中的技术方案进行清楚、完整地描述。所描述的实施内容例仅为本技术所能实现的部分内容，而不是本技术的全部内容。
18.实施例一
19.如图1所示，本技术提供了一种基于物联网的隧道状态监测管理方法，所述方法包括：
20.步骤100：对待监测隧道进行划分，获得多个隧道区段；
21.步骤200：基于物联网和多个隧道参数指标，在所述多个隧道区段内分别设置多个种类的传感器，获得多个传感器集合；
22.步骤300：根据所述多个隧道区段，分别构建获得用于预测所述多个隧道区段隧道状态的多个隧道状态预测模型；
23.具体的，对待监测隧道进行划分，将待监测隧道划分为多个区段，得到多个隧道区段。随后，基于物联网和多个隧道参数指标，在多个隧道预制管区段内分别设置多个类别的传感器，获取多个传感器集合。其中传感器设置根据对应的隧道参数指标进行设置，如检测地面压力参数采用压力传感器等。隧道参数指标根据隧道日常维护需要进行监测的参数指标进行获取。进一步，根据多个隧道区段，分别构建用于预测多个隧道区段隧道状态的多个隧道状态预测模型，在多个隧道状态预测模型中每一个隧道状态预测模型对应一个隧道区段的状态预测。
24.本技术实施例提供的方法步骤200还包括：
25.步骤210：获得压力参数指标、位移参数指标和倾角参数指标；
26.步骤220：基于物联网，在所述多个隧道区段内分别设置压力参数监测传感器、位移参数监测传感器和倾角参数监测传感器，获得所述多个传感器集合。
27.具体的，获取压力参数指标、位移参数指标和倾角参数指标。基于物联网，在所述多个隧道区段内分别设置压力参数监测传感器、位移参数监测传感器和倾角参数监测传感器，其中压力参数监测传感器用于测量隧道上部、底部、左边缘、右边缘受到的压力、位移参数监测传感器用于测量隧道上端和左边缘、右边缘产生的位移信息、倾角参数隧道预制管水平方向上产生的倾角参数，获得所述多个传感器集合。
28.如图2所示，本技术实施例提供的方法步骤300还包括：
29.步骤310：获取所述待监测隧道区段内的多个样本目标指标参数集合；
30.步骤320：基于所述多个样本目标指标参数集合，进行隧道状态评估，获得多个样本隧道状态监测结果；
31.步骤330：基于所述多个样本目标指标参数集合和所述多个样本隧道状态监测结果，构建所述待监测隧道区段对应的目标隧道状态预测模型；
32.步骤340：继续构建其他多个隧道区段内的隧道状态预测模型，获得所述多个隧道状态预测模型。
33.具体的，获取待监测隧道区段内的多个样本目标指标参数集合，其中样本目标指标参数集合为隧道监测样本的具体监测数据。基于多个样本目标指标参数集合，进行隧道
状态评估，通过专业人员对隧道样本目标指标参数集合进行隧道状态评估，获取样本隧道目标指标参数集合对应的隧道状态，获得多个样本隧道状态监测结果，压力参数监测获取隧道预制管各边缘受到的压力是否异常、位移参数监测传感器用于获取隧道预制管上下左右产生的位移信息、倾角参数用于获取隧道预制管的倾角参数，专业人员通过对上述参数进行判断对隧道状态进行评估。随后，基于多个样本目标指标参数集合和所述多个样本隧道状态监测结果，构建所述待监测隧道区段对应的目标隧道状态预测模型，目标隧道状态预测模型用于根据监测数据实现对隧道状态的预测。继续构建其他多个隧道区段内的隧道状态预测模型，获得所述多个隧道状态预测模型，每个隧道状态预测模型对应一个隧道区段。
34.本技术实施例提供的方法步骤330还包括：
35.步骤331：对所述多个样本目标指标参数集合和所述多个样本隧道状态监测结果进行数据标识，获得目标构建数据集；
36.步骤332：基于bp神经网络，构建所述目标隧道状态预测模型的网络结构；
37.步骤333：采用所述目标构建数据集对所述目标隧道状态预测模型进行迭代监督训练和验证，直到所述目标隧道状态预测模型的准确率符合预设要求，获得构建完成的所述目标隧道状态预测模型。
38.具体的，对多个样本目标指标参数集合和所述多个样本隧道状态监测结果进行数据标识，标识其中每一组数据的顺序序号已经数据对应的隧道区段，便于后续进行验证数据的随机提取，获取目标构建数据集，通过bp神经网络模型，构建目标隧道状态预测模型的网络结构。将目标构建数据集作为输入数据对未经训练的bp数据网络模型进行模型迭代监督训练，并进行模型验证，其中验证数据为目标构建数据集中随机选取的部分数据作为验证数据，通过验证数据完成迭代监督训练的模型的验证。直到目标隧道状态预测模型的准确率符合预设要求，获得构建完成的所述目标隧道状态预测模型。
39.步骤400：基于所述多个传感器集合，采集待监测隧道区段当前所述多个隧道参数指标的指标参数，获得目标指标参数集合，以及采集所述待监测隧道区段附近若干个隧道区段当前所述多个隧道参数指标的指标参数，获得多个邻近指标参数集合；
40.步骤500：根据所述待监测隧道区段和附近若干个隧道区段，构建邻近隧道状态预测模型；
41.步骤600：根据所述多个传感器集合传输数据的准确性，对所述目标指标参数集合和多个邻近指标参数集合进行校正，获得校正目标指标参数集合和多个校正邻近指标参数集合；
42.步骤700：将所述校正目标指标参数集合输入所述待监测隧道区段对应的目标隧道状态预测模型，获得第一隧道状态预测结果，将所述多个校正邻近指标参数集合输入所述若干个隧道区段对应的若干个邻近隧道状态预测模型内，获得多个邻近隧道状态预测结果；
43.步骤800：根据所述多个邻近隧道状态预测结果，获得第二隧道状态预测结果，结合所述第一隧道状态预测结果，获得最终隧道状态预测结果
44.具体的，基于多个传感器集合，采集待监测隧道区段当前所述多个隧道参数指标的指标参数，获得目标指标参数集合，以及采集所述待监测隧道区段附近若干个隧道区段
当前所述多个隧道参数指标的指标参数，获得多个邻近指标参数集合，即获取当前时间各个隧道区段传感器的监测参数。根据所述待监测隧道区段和附近若干个隧道区段，构建邻近隧道状态预测模型，通过邻近隧道状态预测模型实现对临近隧道区段的状态预测，即对待监测附近的临近隧道进行状态预测，由于临近隧道和待监测隧道距离较近因此，临近隧道的状态预测结果对于待监测隧道的状态预测具有一定的参考性。进一步，根据多个传感器集合传输数据的准确性，对目标指标参数集合和多个邻近指标参数集合进行校正，获得校正目标指标参数集合和多个校正邻近指标参数集合，保证获取指标参数的准确性。随后，将校正目标指标参数集合输入所述待监测隧道区段对应的目标隧道状态预测模型，获得第一隧道状态预测结果，将所述多个校正邻近指标参数集合输入所述若干个隧道区段对应的若干个邻近隧道状态预测模型内，获得多个邻近隧道状态预测结果，根据多个邻近隧道状态预测结果，获得第二隧道状态预测结果，并结合第一隧道状态预测结果，对上述结果进行叠加输出，获取最终隧道状态预测结果。通过实时对隧道预制管内传感器产生的信息进行获取并分析，及时对隧道状态进行评估，进而实现对隧道状态的精准预测。
45.如图3所示，本技术实施例提供的方法步骤500还包括：
46.步骤510：对所述待监测隧道区段附近若干个隧道区段进行隧道状态评估，获得多个样本隧道状态监测结果集合；
47.步骤520：对所述多个样本隧道状态监测结果集合和所述多个样本隧道状态监测结果进行数据标识，获得邻近构建数据集；
48.步骤530：基于bp神经网络，构建所述邻近隧道状态预测模型的网络结构；
49.步骤540：采用所述邻近构建数据集对所述邻近隧道状态预测模型进行迭代监督训练和验证，直到所述邻近隧道状态预测模型的准确率复核预设要求，获得构建完成的所述邻近隧道状态预测模型。
50.具体的，对待监测隧道区段的附近若干个隧道区段进行隧道状态评估，通过专业人员对隧道样本目标指标参数集合进行隧道状态评估，获取样本隧道目标指标参数集合对应的隧道状态，获取多个样本隧道状态监测结果集合。对所述多个样本隧道状态监测结果集合和所述多个样本隧道状态监测结果进行数据标识，标识其中每一组数据的顺序序号已经数据对应的隧道区段，便于后续进行验证数据的随机提取，获得邻近构建数据集。通过bp神经网络模型，构建邻近隧道状态预测模型的网络结构。将邻近构建数据集作为输入数据对未经训练的bp数据网络模型进行模型迭代监督训练，并进行模型验证，其中验证数据为邻近构建数据集中随机选取的部分数据作为验证数据，通过验证数据完成迭代监督训练的模型的验证。直到邻近隧道状态预测模型的准确率符合预设要求，获得构建完成的所述邻近隧道状态预测模型。
51.本技术实施例提供的方法步骤600还包括：
52.步骤610：基于所述待监测隧道区段内的目标传感器集合，多次采集所述待监测隧道区段内的指标参数，获得多个采集指标参数集合；
53.步骤620：基于所述多个隧道参数指标，对所述待监测隧道区段进行多次实际检测，获得多个实际指标参数集合；
54.步骤630：基于所述多个采集指标参数集合和所述多个实际指标参数集合，计算获得多个样本目标准确性参数；
55.步骤640：根据所述多个样本目标准确性参数，计算获得目标准确性参数；
56.步骤650：继续获得所述附近若干个隧道区段内传感器集合的多个邻近准确性参数；
57.步骤660：分别采用所述目标准确性参数和所述多个邻近准确性参数对所述目标指标参数集合和多个邻近指标参数集合进行校正，获得所述校正目标指标参数集合和多个校正邻近指标参数集合。
58.具体的，基于待监测隧道区段内的目标传感器集合，多次采集所述待监测隧道区段内的指标参数，获得多个采集指标参数集合。基于多个隧道参数指标，对所述待监测隧道区段进行多次实际检测，获得多个实际指标参数集合，其中实际检测为获取的真实检测参数。基于多个采集指标参数集合和所述多个实际指标参数集合，计算获得多个样本目标准确性参数，通过多个采集指标参数集合中的数据和多个实际指标参数集合中的数据进行偏差值计算，获取偏差值占实际指标参数集合中对应数据的比例，即为该数据的准确性参数，获取多个样本目标准确性参数。通过对多个样本目标准确性参数，进行均值计算获取目标准确性参数。进一步获取附近若干个隧道区段内传感器集合的多个邻近准确性参数。分别采用目标准确性参数和多个邻近准确性参数对所述目标指标参数集合和多个邻近指标参数集合进行校正，在进行参数集合校正时通过标准确性参数，邻近准确性参数进行百分比参数补偿，根据标准确性参数数值和指标参数的乘积进行参数补偿，获得所述校正目标指标参数集合和多个校正邻近指标参数集合，提高获取指标参数的准确性。
59.本技术实施例提供的方法步骤800还包括：
60.步骤810：获取所述目标隧道状态预测模型的准确率，获得第一准确率；
61.步骤820：获取所述邻近隧道状态预测模型的准确率，获得第二准确率；
62.步骤830：根据所述第一准确率和第二准确率的大小，进行权重分配，获得权重分配结果；
63.步骤840：采用所述权重分配结果，对所述第一隧道状态预测结果和第二隧道状态预测结果进行加权计算，获得所述最终隧道状态预测结果。
64.具体的，获取目标隧道状态预测模型的准确率，获得第一准确率，获取所述邻近隧道状态预测模型的准确率，获得第二准确率，其中准确率通过验证数据对模型进行验证后获取。根据第一准确率和第二准确率的大小，进行权重分配，获得权重分配结果，在进行权重分配时可以根据实际情况根据准确率大小进行设置，准确率越大对应的权重越大。采集权重分配结果，对所述第一隧道状态预测结果和第二隧道状态预测结果进行加权计算，获得所述最终隧道状态预测结果，进一步提高隧道状态预测结果的准确性。
65.综上所述，本技术实施例提供的方法通过对待监测隧道进行划分，获得多个隧道区段，获得多个传感器集合。分别构建获得用于预测多个隧道区段隧道状态的多个隧道状态预测模型。采集待监测隧道的指标参数，获得目标指标参数集合，获得多个邻近指标参数集合。构建邻近隧道状态预测模型。将指标参数集合输入目标隧道状态预测模型，获得第一隧道状态预测结果，将邻近指标参数集合输入若干个邻近隧道状态预测模型内，获得多个邻近隧道状态预测结果，结合第一隧道状态预测结果，获得最终隧道状态预测结果。通过实时对隧道预制管内传感器产生的信息进行获取并分析，及时对隧道状态进行评估，进而实现对隧道状态的精准预测。解决了现有技术中隧道状态监测方法存在滞后性高，监测准确
性低的技术问题。
66.实施例二
67.基于与前述实施例中一种基于物联网的隧道状态监测管理方法相同的发明构思，如图4所示，本技术提供了一种基于物联网的隧道状态监测管理系统，所述系统包括：
68.隧道区段获取模块11，用于对待监测隧道进行划分，获得多个隧道区段；
69.传感器集合获取模块12，用于基于物联网和多个隧道参数指标，在所述多个隧道区段内分别设置多个种类的传感器，获得多个传感器集合；
70.隧道状态预测模型获取模块13，用于根据所述多个隧道区段，分别构建获得用于预测所述多个隧道区段隧道状态的多个隧道状态预测模型；
71.邻近指标参数集合获取模块14，用于基于所述多个传感器集合，采集待监测隧道区段当前所述多个隧道参数指标的指标参数，获得目标指标参数集合，以及采集所述待监测隧道区段附近若干个隧道区段当前所述多个隧道参数指标的指标参数，获得多个邻近指标参数集合；
72.邻近隧道状态预测模型获取模块15，用于根据所述待监测隧道区段和附近若干个隧道区段，构建邻近隧道状态预测模型；
73.参数校正模块16，用于根据所述多个传感器集合传输数据的准确性，对所述目标指标参数集合和多个邻近指标参数集合进行校正，获得校正目标指标参数集合和多个校正邻近指标参数集合；
74.隧道区段预测结果获取模块17，用于将所述校正目标指标参数集合输入所述待监测隧道区段对应的目标隧道状态预测模型，获得第一隧道状态预测结果，将所述多个校正邻近指标参数集合输入所述若干个隧道区段对应的若干个邻近隧道状态预测模型内，获得多个邻近隧道状态预测结果；
75.最终预测结果获取模块18，用于根据所述多个邻近隧道状态预测结果，获得第二隧道状态预测结果，结合所述第一隧道状态预测结果，获得最终隧道状态预测结果。
76.进一步地，所述传感器集合获取模块12还用于：
77.获得压力参数指标、位移参数指标和倾角参数指标；
78.基于物联网，在所述多个隧道区段内分别设置压力参数监测传感器、位移参数监测传感器和倾角参数监测传感器，获得所述多个传感器集合。
79.进一步地，所述隧道状态预测模型获取模块13还用于：
80.获取所述待监测隧道区段内的多个样本目标指标参数集合；
81.基于所述多个样本目标指标参数集合，进行隧道状态评估，获得多个样本隧道状态监测结果；
82.基于所述多个样本目标指标参数集合和所述多个样本隧道状态监测结果，构建所述待监测隧道区段对应的目标隧道状态预测模型；
83.继续构建其他多个隧道区段内的隧道状态预测模型，获得所述多个隧道状态预测模型。
84.进一步地，所述隧道状态预测模型获取模块13还用于：
85.对所述多个样本目标指标参数集合和所述多个样本隧道状态监测结果进行数据标识，获得目标构建数据集；
86.基于bp神经网络，构建所述目标隧道状态预测模型的网络结构；
87.采用所述目标构建数据集对所述目标隧道状态预测模型进行迭代监督训练和验证，直到所述目标隧道状态预测模型的准确率符合预设要求，获得构建完成的所述目标隧道状态预测模型。
88.进一步地，所述邻近隧道状态预测模型获取模块15还用于：
89.对所述待监测隧道区段附近若干个隧道区段进行隧道状态评估，获得多个样本隧道状态监测结果集合；
90.对所述多个样本隧道状态监测结果集合和所述多个样本隧道状态监测结果进行数据标识，获得邻近构建数据集；
91.基于bp神经网络，构建所述邻近隧道状态预测模型的网络结构；
92.采用所述邻近构建数据集对所述邻近隧道状态预测模型进行迭代监督训练和验证，直到所述邻近隧道状态预测模型的准确率复核预设要求，获得构建完成的所述邻近隧道状态预测模型。
93.进一步地，所述参数校正模块16还用于：
94.基于所述待监测隧道区段内的目标传感器集合，多次采集所述待监测隧道区段内的指标参数，获得多个采集指标参数集合；
95.基于所述多个隧道参数指标，对所述待监测隧道区段进行多次实际检测，获得多个实际指标参数集合；
96.基于所述多个采集指标参数集合和所述多个实际指标参数集合，计算获得多个样本目标准确性参数；
97.根据所述多个样本目标准确性参数，计算获得目标准确性参数；
98.继续获得所述附近若干个隧道区段内传感器集合的多个邻近准确性参数；
99.分别采用所述目标准确性参数和所述多个邻近准确性参数对所述目标指标参数集合和多个邻近指标参数集合进行校正，获得所述校正目标指标参数集合和多个校正邻近指标参数集合。
100.进一步地，所述最终预测结果获取模块18还用于：
101.获取所述目标隧道状态预测模型的准确率，获得第一准确率；
102.获取所述邻近隧道状态预测模型的准确率，获得第二准确率；
103.根据所述第一准确率和第二准确率的大小，进行权重分配，获得权重分配结果；
104.采用所述权重分配结果，对所述第一隧道状态预测结果和第二隧道状态预测结果进行加权计算，获得所述最终隧道状态预测结果。
105.上述实施例二用于执行如实施例一中的方法，其执行原理以及执行基础均可以通过实施例一中记载的内容获取，在此不做过多赘述。尽管结合具体特征及其实施例对本技术进行了描述，但本技术不受这里描述的示例实施例的限制。基于本技术的实施例，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的范围，这样获取的内容也属于本技术保护的范围。