基于知识蒸馏算法的电缆专业知识库应用

电缆全寿命周期内的标准、规程、法规是电缆从业人员开展工作的依据,而齐全、权威且方便查阅的标准和规程是指导电缆各项工作开展和城市电网安全稳定运行的重要保障。介绍了所开发的电缆专业知识库系统,基于小规模样本知识蒸馏算法,实现电缆专业知识库的关键词匹配搜索、笔记摘抄学习以及论坛的学习探讨等功能,提升了电缆从业人员查阅资料、员工学习的效率。     

高压电缆附件数字化工艺库系统

对高压电缆附件数字化工艺库系统模块进行了基本介绍.分析了高压电缆附件数字化工艺库系统的功能模块、设计逻辑.该系统可大幅降低技术人员图纸审查效率,有效避免人工审查时的不确定因素,为高压电缆安全稳定运行建立一道安全防线.     

数字孪生流域数据安全问题探究及对策

数据作为一种新的生产要素,是数字经济深化发展的核心引擎,是国家基础性战略资源,数据具有极强的泛在性、流动性和可复制性,衍生风险极易向其他行业和领域快速传导扩散,针对数字孪生流域建设过程中面临的数据安全管理制度体系不健全、大面积高精度地理空间数据应用受限及数据安全技术防护能力亟待加强若干问题开展探讨并提出解决思路。     

基于集成学习的中小河流洪水预报

为解决传统数据驱动的洪水预报方法预报误差较大以及传统集成学习预报方法各个子网络间无法交互的问题,本文在单个模型预测基础上,选取异构的BP、CNN、LSTM神经网络,建立基于负相关学习的神经网络集成洪水预报模型,通过显式地添加正则化项对模型进行整体的误差-方差分解和分歧分解,使集成神经网络中各子网络之间并不完全独立,以保证集成模型的多样性,从而提高最终模型的预测准确率。在安徽屯溪流域的实验表明,基于负相关学习的模型可以有效地对洪水过程进行预报,与传统使用单个模型相比预测结果精度更高。     

《数字孪生流域建设技术大纲(试行)》解析

2022 年 3 月,水利部印发《数字孪生流域建设技术大纲(试行)》,明确了数字孪生流域的具体建设内容,细化了技术要求。介绍数字孪生流域建设背景,以及定义、建设范围及目标、建设原则等建设内涵,阐明智慧水利总体框架和数字孪生流域建设框架,进一步厘清相互关系。详细说明数据底板、模型平台、知识平台等组成的数字孪生平台,以及水利感知网、水利信息网、水利云等组成的信息化基础设施两大组成部分的主要建设任务,对涉及的具体功能要求和技术要点进行详细解析,就数字孪生流域建什么、达到什么标准及需要重点把握的技术环节等问题进行解读,并对数据孪生流域建设过程中涉及的数据安全特别是地理空间数据安全应用等重要问题和集成共享相关要求进行说明。     

基于多源信息融合的业务化洪水遥感监测分析

基于多源信息融合的遥感监测方法可对不同类型的洪水灾害开展业务化遥感监测分析。总结了业务化洪水遥感监测分析需要的多源数据,提出了业务化洪水遥感监测的技术流程方法,阐述了应急监测准备、卫星影像处理、水体提取、受淹分析、指标计算、监测成果归档6个技术步骤,并在2020年长江鄱阳湖和淮河中游大洪水业务化监测开展分析。结果表明,应用多源信息融合方法,可为洪水监测提供多方位信息,提供水体范围、淹没面积、房屋耕地等影响评价的信息,为水旱灾害防御提供有力的数据支撑和信息服务。     

针对华北地区地下水河湖生态补水成效的卫星遥感动态监测

为评估华北地区地下水超采治理河湖生态补水成效,基于现有国产卫星遥感影像覆盖能力,收集 2020 年华北地区 22 条(个)河湖流域卫星遥感动态监测影像数据,以相关水利基础数据为依据,构建一套完整的针对华北地区地下水河湖生态补水成效的水体遥感监测方案,将影像进行正射、融合、裁剪等预处理后,运用水体指数和深度学习 2 种方法对预处理后的遥感影像进行解译分析,提取河湖流域水面面积和有水河段长度,并结合河湖生态补水量进行验证,分析年内变化规律。监测结果表明：2020 年 7—12 月期间华北地区补水河湖水面面积和有水河段长度减少趋势减缓,并出现增加趋势。通过生态补水有利于缓解超采区水面面积减少趋势,验证通过统筹多种水源、调节时空布局,开展河湖回补地下水的方案是确有成效的。     

基于PCA?RBF的板形识别及FPGA软实现

针对常规神经网络板形识别方法中存在的不足,提出了以PCA替代欧氏距离作为提取特征的手段,并将所设计的PCA-RBF板形识别模型以FPGA为硬件实现载体进行了仿真研究。仿真结果表明,设计的PCA-RBF板形识别模型能够正确识别出板形缺陷,网络结构比常规RBF板形识别模型相对简化,同时识别精度提升了59%,抗干扰能力提升了82%。FPGA仿真结果在精度和实时性上可以满足实际工程需要。     

基于CGA-SNPOM优化RBF-ARX模型的板形缺陷识别

针对传统优化算法(SNPOM)在辨识RBF-ARX模型参数时易陷入局部最优解的问题, 将云遗传算法(CGA)和SNPOM算法结合, 提出一种混合优化算法CGA-SNPOM。并以某公司900HC可逆冷轧机板形识别为应用背景, 设计了基于CGA-SNPOM优化RBF-ARX的板形缺陷识别模型。分别用SNPOM算法和CGA-SNPOM算法对RBF-ARX模型参数进行优化,仿真验证表明, 基于CGA-SNPOM优化的板形识别系统克服了SNPOM容易陷入局部极值的缺点, 识别精度大幅提高, 是一种有效的板形识别方案。