【摘 要】
：
为科学推进智慧水利建设,本文尝试对智慧水利技术实施进行整体设计探讨,按照普适性、先进性和兼容性原则,研究提出智慧水利框架模型.其中,概念模型主要从生命周期、应用领域及技术要素等维度来描述智慧水利的整体范畴;技术参考模型分物联感控层、网络通信层、数据中心层、智能应用层五个层级和标准规范、安全保障、运维管理三个体系来描述智慧水利不同部分的框架结构、功能模块和技术特征;并提出需重点把握的感知、网络通信和
【机 构】
：
中国水利水电科学研究院,北京 100038
论文部分内容阅读
为科学推进智慧水利建设,本文尝试对智慧水利技术实施进行整体设计探讨,按照普适性、先进性和兼容性原则,研究提出智慧水利框架模型.其中,概念模型主要从生命周期、应用领域及技术要素等维度来描述智慧水利的整体范畴;技术参考模型分物联感控层、网络通信层、数据中心层、智能应用层五个层级和标准规范、安全保障、运维管理三个体系来描述智慧水利不同部分的框架结构、功能模块和技术特征;并提出需重点把握的感知、网络通信和数据中心等三个方面的关键技术需求.
其他文献
哈萨克斯坦图尔古松水电站所在地冬季寒冷漫长,凌汛期水流湍急,在建设过程当中,施工导流方案的合理实施将直接关系到施工安全、施工进度以及工程投资等多个方面.本文针对图尔古松水电站工程施工导流方案进行介绍,包括导流标准确定、导流程序安排以及导流建筑物设计等方面,为类似工程施工导流设计提供借鉴和参考.
针对山区河流水位、流速及流量的在线监测,基于单台网络摄像机结合少量低成本的辅助测量设备开发了一套图像法测流系统.设计了一种模板图像配准法检测标准双色水尺的水位.由于无需字符识别及刻度线计数,对于复杂光照和气象条件下拍摄的低分辨率图像具有较好的鲁棒性,测量精度可达1cm.表面流速由天然模式示踪并采用基于快速傅里叶变换的时空图像测速法测量,能够在数分钟内获得测速垂线高达数百个的断面时均流速分布.经插值
旱灾是我国的主要自然灾害之一,旱情的监测、预警预报、评估、防控仍是防灾减灾工作的薄弱环节.在剖析国内外旱情感知评估、预警预报现状的基础上,针对我国旱情感知在站网建设、信息共享、监测手段、感知仪器、综合评估等方面的不足,提出建立“天-空-地表-地下”全方位立体监测站网,健全旱情信息共享机制,推广应用遥感监测反演、视频图像识别和无人传感、一体化智能感知仪器等关键技术装备,研制基于分布式水文模型的旱情演
在智能泵站转轴故障识别系统中,针对特征提取困难,对于知识库中不存在新故障无法识别的问题给出了一种基于多层感知机的自编码器与支持向量故障识别相结合的方法.以大型泵站机组转轴为研究对象,通过深度学习中的无监督顶训练与有监督学习方法构建多层感知机编码器,在编码泵站轴承监测测数据过程中,完成聚类和对数据的抽象解释,提取泵站故障特征.并以类间距离为依据,判断编码后的监测数据是否为新故障类型,如果不是新故障类
水利业务数据库中已经存储了大量的数据,包括结构化的和非结构化的.由于不同类别分布在不同的水利业务系统中,随着水利信息化建设对综合数据服务的需求增多,各水利业务子系统从各类数据库中获取数据的需求和场景越来越多,互操作复杂且维护困难.需要建立统一的数据管理和访问平台,加强维护和管理效率,提供水利多源异构数据整合访问服务.
为了缓解神经网络模型梯度弥散问题,提高高分辨率遥感影像的分割精度,本文针对神经网络模型中激活函数的选择问题,通过分析和对比多种激活函数的优点和缺陷,提出了一种新型激活函数——SReLU函数.基于此激活函数,设计多层感知机,并引入主成分分析法,在公开的高分辨率遥感数据集上进行分割实验.实验表明,新的激活函数不仅能加快网络模型的收敛速度,还能有效提高高分辨率遥感影像分割的精度.
数值模拟是研究水沙运动规律、预测变化条件下河流演变的重要方法,该问题的研究从单模型程序向多模型耦合集成转变.本文基于已有的模型标准化工作,利用虚拟化、计算优化调度、WebService、工作流以及多维后处理技术,研发了基于云计算的水利数值仿真模型计算服务平台,实现了水利数值模拟云服务平台的资源动态部署、模型耦合计算.并以黄河流域下游河道洪水演进数值模拟为例,进行了并发计算应用测试,比较了云服务模式
设计开发水利工程精准化管理系统的目的是要探索出水利工程建设与运维两个阶段内,全生命周期综合管理的创新解决思路,在实现的过程中,既需要改进传统的流转及管理模式,又要从各方面提高实现技术与应用方法.在当前信息化、大数据的背景下,结合水利工程自身特点,开发形成一套行之有效、涵盖工程建设期和运行期的管理系统.通过过程收集、分类整理、挖掘分析工程建设与运营过程中各阶段、各环节数据,实现全方位、精准化管理.探
针对在泵站机组故障诊断过程中,其结构复杂,存在多重映射、不确定因素众多的特点,将T-S模糊门故障树与贝叶斯网络结合,应用于泵站机组的故障诊断.T-S模糊门故障树克服了传统故障树表示法需要精确掌握事件间逻辑关系及概率值且只能表示二态事件的缺点,但仍然存在故障推理复杂且只能单向推理的弱点.贝叶斯网络(Bayesian networks,BN)具有强大的处理不确定信息的能力,适合泵站的故障诊断,但是网络
影响中长期径流的因素众多,从众多的影响因素中选择合适的因子至关重要.目前,常用的筛选因子方法主要是相关分析法,这种方法选出的因子相互之间存在复共线性.如果直接把这些因子作为模型的输入,会使模型参数增加,且过多的冗余和噪声会对模型预报结果产生不利影响.本文提出了互信息和核主成分分析驱动的Elman神经网络径流预报方法.该方法利用互信息筛选因子,使用核主成分分析提取筛选的因子的特征,然后将提取的特征输