浅析工程用消防水泵运行中三个流量点的重要性

主要阐述国内外消防标准对消防泵的性能要求,消防泵性能要求中零流量点、额定流量点、1.5倍额定流量点的重要性及在消防系统中的应用。     

基于IEC 60870-5-104协议的调度命令发送方法研究

对IEC 60870-5-104协议的调度命令进行了研究，提出了一种基于现有IEC 60870-5-104协议的调度命令发送新方法。此技术充分利用了IEC 60870-5-104协议的文件发送功能，通过远程终端单元（RTU）向电厂发送包含调度命令的文本文件。考虑到调度命令在电力系统和电力市场结算系统安全方面的重要性，将该方法应用在电网调度自动化 SCADA 系统中，可以实现交换数据的更高可用性。     

基于多维异构特征与反馈感知调度的SDN内生安全控制平面

为弥补现有研究在软件定义网络(Software-Defined Networking,SDN)控制平面未知漏洞防御方面的空白,本文提出了一种基于多维异构特征与反馈感知调度的内生安全控制平面的设计方案.该方案以"冗余、异构和动态"为切入点,通过组合执行体冗余集构建策略、多维异构元素着色策略和动态反馈感知调度策略,有效增加SDN控制平面对攻击者所呈现的执行体时空不确定性(逆转攻防不对称性).相关仿真结果表明该方案可以收敛全局执行体数目、增加执行体之间的多维异构度并降低系统全局失效率.     

界首水文站自动流量比测分析

文章通过对二线能坡法流量自动监测系统获取的流量数据与实测流量数据进行比测和分析,证明了自动流量数据的可靠性,为获取流量数据提供了新的途径.     

工艺参数对动态流量控制法挤压弯管应力的影响

采用有限元模拟和实验研究了挤压钛合金弯曲管件。通过实验验证了工件的形状和尺寸精度,并通过有限元模拟分析了工艺参数对挤出过程中变形体的平均压应力分布情况和挤出弯管件的曲率半径的影响规律。结果表明:有限元模拟中,弯管件的曲率半径误差为6.03%,弯管直径误差为3.82%;在靠近定径带处,平均压应力呈非均匀分布;在焊合腔内,靠近细分流孔区域的平均压应力小于靠近粗分流孔区域的平均压应力,平均压应力的大小顺序在通过粗、细分流孔前后相反;在模具结构固定不变时,弯管件的曲率半径随挤压速度的减小而增大,不随挤压温度的变化而变化。     

凌庄子水厂保水堰流量系数试验

凌庄子水厂蓄水池进水口处有一保水堰,为非标准薄壁堰,不能使用已有堰流公式对其过流量进行准确计算。为了得出较为精确的过流流量,按照重力相似准则制作几何比尺为1∶5的模型进行试验研究。在已有自由出流公式的基础上,对自由出流流量系数进行修正并对淹没情况下流量变化过程进行研究。对该非标准堰自由出流流量系数的实测值与经验值进行分析比较,发现堰板槽降低了实际自由出流过流能力。淹没出流的流量系数主要与下游尾水位有关,试验中形成的淹没式堰流受实际堰型尺寸影响,下游尾水位和堰上水位近似相等,不完全适用已有淹没出流流量公式,通过试验给出了修正淹没系数随h/p的变化关系。结果表明利用堰前、堰后水位初步计算过流流量是可行的,可为该工程提供参考,也可为实际工程中非标准矩形堰的流量计算提供思路。     

指挥调度系统在急诊科室的应用及其仿真分析

提出了一种基于指挥调度系统的医疗资源调度模型.调度模型综合考虑了内部和外部影响因素,构建了资源需求的优先顺序,并采用Petri网对对系统进行模块化建模,得出了一些符合要求的调度方案,根据采用指挥调度系统选择最优调度方案.仿真结果表明,提出的方法实现资源的动态管理,满足医院随时进行资源调度应急指挥的需求.     

基于GR4J-LSTM混合模型的洪水预报研究

为提高洪水过程预报的准确性，将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中，构建了GR4J-LSTM混合模型，并与GR4J、LSTM模型进行对比。基于2012～2019年陆水水库汛期与洪水事件相关的数据集，并结合欧洲中期天气预报中心的3 h预报降水产品，驱动GR4J-LSTM混合模型，预报陆水水库3～12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明：GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力，但GR4J-LSTM混合模型的预报性能最优，既可以学习GR4J模型的产汇流过程，又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。     

基于NR-Transformer的集群作业运行时间预测

高性能集群的作业调度通常使用作业调度系统来实现，准确填写作业运行时间能在很大程度上提升作业调度效率。现有的研究通常使用机器学习的预测方式，在预测精度和实用性上还存在一定的提升空间。为了进一步提高集群作业运行时间预测的准确率，考虑先对集群作业日志进行聚类，将作业类别信息添加到作业特征中，再使用基于注意力机制的NR-Transformer网络对作业日志数据建模和预测。在数据处理上，根据与预测目标的相关性、特征的完整性和数据的有效性，从历史日志数据集中筛选出7维特征，并按作业运行时间的长度将其划分为多个作业集，再对各作业集分别进行训练和预测。实验结果表明，相比于传统机器学习和BP神经网络，时序神经网络结构有更好的预测性能，其中NR-Transformer在各作业集上都有较好的性能。     

贵州水利工程运行期生态流量下泄过程中存在问题及对策探讨

为确保水利工程在运行期间能足额下泄生态流量，整理了贵州目前水利工程常采用的４种生态流量下泄方式，并分析了各自下泄方式适用范围及存在问题。针对中小型水利工程运行期生态流量下泄存在的问题，提出了应加强恒生态流量自动控制阀的研究与应用，推动智慧水利平台建设，强化生态用水调度运行管理，完善相关行政管理部门生态流量监控管理平台，同时结合国家近期出台的有关生态流量管理的法律法规、条例、政策增强生态流量在线监测监控的管理力度等5条对策建议，以实现生态流量实时足量下泄的技术支撑，并以现行有关生态流量下泄的法规条例为抓手加强管理，可保障河流水资源开发与生态环境保护的协调发展。此结论可为贵州仍至全国其他省（自治区、直辖市）水利工程下泄生态流量方式的选取及生态流量监控监管提供参考。