基于改进注意力机制的LSTM 水位预测模型研究

为了进一步提高水位预测的准确性,本文提出一种融入改进注意力机制的长短期记忆网络（Long Short Time Memory,LSTM）预测模型。该模型将输入序列拆分为时间序列和特征序列,在LSTM网络模型前引入注意力机制对两个序列分别进行注意力计算,然后再进行融合,LSTM网络能够根据重要程度自适应地选择最重要的输入特征,注意力机制层的参数通过竞争随机搜索算法获取,从而进一步增强了模型的鲁棒性。最后在鄱阳湖的水位数据上进行预测实验,结果表明：相对于支持向量回归（SVR）、LSTM等模型,本文提出基于改进注意力机制的LSTM模型具有更好的预测精度,可为水位预测和水资源的精准调度提供技术支持。     

基于DCGAN的水下结构物表面缺陷图像生成

为提升水下结构物表面缺陷图像数据集的质量和规模，促进深度学习相关方法在水下检测领域中的应用，开展数据增强方法研究，提出一种基于深度卷积生成对抗网络(DCGAN)的水下结构物表面缺陷图像生成方法。首先，设计了一种水下结构物表面缺陷图像采集装置，通过改变拍摄距离和补充光照强度，探究出一种保证水下图像质量的采集方式；其次，通过改进损失函数优化DCGAN,建立水下结构物表面裂缝图像生成模型，实现了水下结构物表面缺陷图像的生成；最后，利用YOLOv5检测网络验证生成图像的有效性。结果表明：生成的水下结构物表面裂缝图像平均峰值信噪比为25.142 6 dB,平均结构相似性为0.716 8,将生成图像和真实图像共同输入检测模型可有效提高检测精度。研究成果为大坝和引水隧洞等水工结构物的健康检测提供技术支撑。     

基于混合注意力机制和深度学习的大坝变形预测模型

为深度挖掘时序数据中前后信息的动态相关性,探究大坝变形的内在影响机理,有效提高模型预测精度,构建了一种基于混合注意力机制与鲸鱼优化算法(WOA)的双向门控循环网络(BiGRU)预测模型。模型利用WOA对BiGRU进行超参数寻优以有效挖掘变形数据在时间维度的深层信息,并引入融合特征注意力(FATT)和时间注意力(TATT)的混合注意力机制计算各影响因子的贡献率,使模型可视化并提高模型捕捉环境因素动态变化的能力。以某高拱坝为例,将该模型预测结果与多种常用模型预测结果进行对比分析,结果表明该模型预测精度显著提升,贡献率计算符合大坝变形研究成果,验证了模型在大坝变形预测中的优越性与合理性。     

基于深度学习的灌区水工混凝土结构表面裂缝自动检测方法

裂缝是水利灌区混凝土结构破坏损伤的主要表现形式之一,裂缝的存在破坏了结构的整体性,削弱了结构承载力。传统的现场检查主要依靠人工视觉,主观程度高。本文提出了一种基于深度学习的混凝土结构表面裂缝自动检测方法,利用手机照片或无人机巡查照片通过图片识别技术确定混凝土表面裂缝位置、并在图片上做出标记。方法构建了一个单阶段目标检测网络模型,它由主干特征网络EfficientNet和检测器两部分组成。检测器从三个不同尺度的特征图中提取特征要素作为输入,并将低层特征与高层特征融合,提高了检测精度。将该模型与其他三种目标检测模型进行了比较,本文模型平均检测精度最高,能够很好地检测出图像中的裂缝。     

基于融合CNN和Transformer的图像分类模型

在传统的卷积神经网络(CNN)中,卷积算子擅长提取局部特征,但难以捕获全局表示;而由级联自注意力机制构成的视觉Transformer模型可以捕获特征的长距离表示,但同时会忽略局部特征细节。为此,提出了一种基于融合CNN和视觉Transformer的图像分类模型。该模型主要由CNN分支和级联自注意力模块Transformer分支构成,通过CNN分支中每个卷积层提取到的局部特征输入到Transformer分支中,以弥补Transformer分支缺失的局部特征,使模型同时融合局部特征细节和全局表示,提高图像分类的准确率。在Oxford Flowers-102和Caltech-101数据集上实验结果表明,与传统的卷积神经网络以及视觉Transformer相比,提出的基于融合CNN和Transformer的图像分类模型分类准确率更高。     

YOLOv3-CBAM长江禁捕垂钓场景识别模型研究

河湖水域岸线管控是河湖长制的重要内容,实施长江十年禁渔以来,长江岸线的非法捕捞行为屡禁不止,应用卫星-无人机-地面视频监控等遥感手段联合进行岸线禁捕场景识别成为趋势。为了实现对禁捕中垂钓行为的快速智能化精确检测,采用深度学习方法,利用Microsoft Common Objects in Context(COCO)数据集训练出一个具有较强特征提取能力的预训练权重,借助迁移学习的思想解决了目前禁捕场景样本量少的问题。为了增强对小目标的检测效果,在目标检测网络YOLOv3的基础上添加多个注意力机制模块,形成改进后的网络模型YOLOv3-CBAM。实验结果表明：YOLOv3算法采用迁移学习的训练策略,可以加快模型的收敛速度,提高模型的识别精度,将精度从78.57%提升至93.27%;添加注意力机制模块之后,在模型参数几乎不增加的情况下,识别精度又可提升到93.99%。研究成果可为长江流域禁捕垂钓的实时动态监管提供技术支持。     

融合注意力的自适应元学习岩性分类研究

岩石图像采集过程难度大、成本高,导致岩性识别的训练样本匮乏。基于岩石图像样本分布导致特征分布不均衡的问题,提出融合注意力的自适应元学习岩石图像分类方法(FA-AML),捕捉岩性分类任务之间的共性,实现少样本场景下的岩性分类;利用融合注意力的残差网络提取最具有区分度的岩石关键特征,缓解特征分布不均衡的问题,并引入元网络自适应更新网络的学习率与正则项系数,提高网络超参数更新自适应性,增强网络适应新类别岩石图像的能力。结果表明,与其他主流元学习方法相比,FA-AML在进行岩石图像分类研究时具有优越的分类性能。     

基于改进YOLOv5s的塔机危险区域识别方法研究

提出了一种基于改进YOLOv5s的塔机作业中坠落危险区域识别方法。通过在目标检测网络中嵌入通道注意力模块、添加小目标检测层、更改边框损失函数改进优化YOLOv5s模型，利用改进YOLOv5s模型识别吊钩并确定坠物落点范围。结果表明，改进YOLOv5s模型检测效果得到提升，且模型占用计算机资源小。     

基于热示踪的饱和层状介质水热参数反演

多孔介质的水热运移参数是影响介质中水热运动过程的主要因素。本文基于热示踪方法,开展了稳定流场条件下饱和层状石英砂的热示踪实验,分别采用热电偶与热成像两种方法测定了砂箱内部和表面的温度,同时结合HYDRUS模型的反问题算法对层状石英砂的水热运移参数进行了反演。研究结果表明:当介质中存在细粒夹层时,热成像图像能反映非均匀流场中热流峰面在分层界面处出现的"收束"现象;层状介质中的细颗粒夹层可导致热流锋面沿水流方向迁移速率下降、热量沿垂直于水流方向运移范围加大、温度分布更均匀。同时对于热源持续输入的系统,热成像温度在前期能较好的反映层状介质对水流运动的影响。将热示踪与HYDRUS模型相结合可较好地用于反演介质水热运移参数,反演所得的饱和导水率估值随粒径的减小显著降低,纵向热弥散度随粒径的减小而增大,而横向热弥散度变化趋势与之相反;纵横弥散比变化范围在10~120之间,且纵横弥散比随粒径减小而逐渐增大。对细砂饱和导水率的估计不足及热量损失是造成水流通量估计误差的主要原因,在模拟模型中增加细砂层测点数量可显著降低水流通量的估计误差。本研究可为非均质介质中水热迁移过程模拟与参数反演提供相应的方法。     

基于黑白CCD传感器的近红外热像在线监测方法

设计了以黑白电荷耦合器件（CCD）传感器为核心器件的在线监测系统，该系统可通过探测近红外辐射从而对变电站中一些电力设备进行监测；构建了测温模型，并分析了影响测温的一些因素，计算了温度场分布；最后对发热设备进行了监测实验，采集了热图像并用小波算法进行了去噪处理；实验结果表明了用该方法能探测到的最低温度为152℃。     

对IGCC电站中废热锅炉技术的探讨

废热锅炉是IGCC电站中气化岛中的关键设备，采用废热锅炉对煤气化后合成气的显热进行有效回收能够显著提高IGCC机组的发电效率。废热锅炉的放热工质同时具有高温、高压、强还原性3个特点，其中辐射式废热锅炉的高温腐蚀、密封和排渣问题以及对流式废热锅炉的积灰、堵塞和磨损问题是废热锅炉技术研究中需要重点解决的难点问题。对IGCC电站废热锅炉研究和设计中的几个关键问题进行了总结和分析，并提出了相应的解决意见。     

热控防火封堵的设计及研究

通过对印度JHARSUGUDA IPP4×600MW机组热控专业防火封堵实例的论述，对电缆桥架、电缆竖井及热控盘柜防火封堵的设计思路进行了分析，供热控专业防火封堵设计时参考。     

光伏组件工厂功率测试控制分析

以北非地区某光伏项目采购的某品牌光伏组件为例,介绍了工厂监造代表通过对光伏组件工厂内的功率测试流程的考察,对检测结果的控制流程及现场的测试过程的检查和取证后,从溯源流程、检测参数设置及结果偏差估算等方面进行了简要的分析,其成果可作为工厂质量验收的重要评定依据,也可为其他光伏组件工厂功率测试提供参考。     

热参数对冻土温度场的影响及敏感性分析

为评估热参数取值对冻土温度场的影响,将导热系数、比热、潜热作为冻土温度场的影响因素进行试验设计。通过室内试验测定了饱和粉质粘土在不同负温下的导热系数、比热及潜热值,并基于Johansen法提出了考虑冻土未冻水含量的热参数修正算法,按照变参数和常参数形式代入数值分析软件ABAQUS,获取了不同的温度场计算值。将不同负温下的热参数和某负温阶段的平均热参数代入数值分析软件,分析热参数变化对冻土温度场的影响。依据冻结试验获取了冻结150 h的模型箱温度场实测值,并将计算值与实测值进行了比较。结果表明:不同的热参数对冻结初期影响较大,随着冻结的深入各计算值间的差值逐渐缩小。采用一定负温阶段的平均热参数作为恒定热参数进行数值计算,从微观上不能满足精度要求。潜热是影响冻结温度场计算精度的主要因素,考虑不同负温土体导热系数、比热、潜热的计算更接近于实测值。研究成果为寒区水利工程设计和施工提供参考。     

基于CFD的水电站地下厂房热湿环境模拟研究

为准确模拟水电站地下厂房通风情况并解决潮湿问题,提出在自然、机械通风情况下基于CFD的热湿环境模拟方法。对某水电站水轮机层进行三维建模、选取RNG k-ε模型进行热湿环境模拟,通过计算温湿度、空气分布特性指数以及能量效率系数等参数,对通风效果进行评价和对比。结果表明,该地下厂房在自然通风时气流分布不均匀且湿度过大,布置除湿机时气流分布均匀且能显著改善湿度指标。综合考虑,除湿机采用交叉布局方式更加具备节能优势。     

热分层流动计算中若干差分格式的比较

本文应用常规的守恒方程及湍流模型，对二维池内热分层流动建立了数学模型，并在Ｐａｔａｎｋａｒ的压力校正法基础上对该数学模型进行了数值计算，计算中的差分格式为乘方格式、一阶迎风、二阶迎风和ＱＵＩＣＫ。通过与实验的比较分析，建议计算应采用ＱＵＩＣＫ格式，并在进行风格独立性试验的基础上使用加密网络。     

热分层环境下船模尾流温度分布与扩展规律的试验研究

通过对船模在水槽中稳定热分层环境下运动后留下的尾流中的温度测量及红外摄像，试验研究了双螺旋桨船模在二种速度运动下，螺旋桨相对向内旋转、向外旋转及螺旋桨不工作时，船模尾流中的温度分布与与扩展规律。     

电力设备热故障分析及对策

电力设备故障的形成和发展,绝大多数都与发热升温紧密相连,及早发现与消除电力设备热故障,对电力设备的安全、高效、经济运行具有积极的现实意义。文章就电力设备发热故障的机理、危害、预防诊断作出探讨,并介绍了电力设备发热故障的红外检测技术。     

密云水库热氧分布模型及多年热氧分布特征模拟

水温和溶解氧是描述水生态系统最重要的两个参数,对于全面把握水质情况具有重要意义。利用实测数据进行水质分析会受到观测条件与成本的限制,因而模型与实测数据相结合的方法逐渐得到广泛应用。本研究对湖泊水质模型MINLAKE进行改进,考虑出入流使之适用于水库,并利用密云水库2005年实测水质数据对模型参数进行率定。随后利用改进的模型对密云水库1998—2011年热氧分布进行模拟。结果显示,密云水库水体的热氧分布存在规律性的年内波动,随着水位的变化,表层水温年平均值变化不明显,深层水温波动幅度加剧,年均水温显著上升;表层年均溶解氧含量没有明显变化,深层溶解氧浓度波动减弱,年均溶解氧浓度上升。改进后的MINLAKE模型能弥补现场监测频率和测点布置密度等方面的限制,给出密云水库较为合理的垂向热氧分布,基本反映出实际的热氧分布情况。     

基于YOLO与轨迹关联的多目标跟踪算法

针对多目标跟踪过程中的实时性与长期遮挡问题,提出基于YOLO与轨迹关联的多目标跟踪算法。在YOLOv3检测器基础上,引入通道注意力机制、跨阶段局部网络及1×1网络,提出YOLOv3-SE检测框架作为多目标跟踪算法的检测网络,提高整体跟踪速度;采用卡尔曼滤波预测目标位置坐标,减小跟踪误差;结合行人重识别基线模型以及运动模型计算轨迹间亲密度,再与匈牙利关联策略相融合,提出一种新型关联模型用于轨迹关联,降低轨迹误匹配次数。在MOT2016公开数据集上的实验结果表明,与当前一些主流跟踪算法相比,所提出的算法具有较好的实时性与跟踪准确率。