融合自编码降维的改进DNN水利工控网入侵检测算法

为解决工控网异常入侵、水利泵站通信网安全防护的问题.论文提出一种基于深度神经网络的水利泵站工控网入侵数据的检测算法.首先针对泵站工控网内的数据进行预处理,通过自编码算法对数据进行特征提取、降维处理;利用深度神经网络模型结合受限玻尔兹曼机对各类数据进行训练,采用Adadelta算法进行网络模型的参数优化,并由Softmax分类器对工控网数据进行是否合法判别.实验数据集由底层设备实地采集到的水利泵站工控网内流动数据导入到本地数据库.实验结果表明:该方法的准确率对比深度神经网络未改进前的算法提高了3.76％,检测率提高了6.32％,漏报率降低0.5％,从而验证了论文方法的有效性.     

多目标规划模型在航迹规划中的应用

智能飞行器是由动力装置驱动,并在计算机系统自动引导进行的。航迹规划是实现飞行器智能导航并成功完成任务的技术保障。本文针对智能飞行器飞行过程中受到飞行器的最小转弯角限制以及定位误差的影响,提出了基于A*算法的多目标规划的数据模型以及寻求最优航迹规划路径的算法,并用两个校正点数据集进行了验证。结果显示,改进后的A*算法可以快速地规划出满足限制条件的最优路径。     

医学知识增强的肿瘤分期多任务学习模型

肿瘤分期是指从病人的电子病历文本中推测肿瘤对应阶段的过程。在电子病历数据中存在类别严重不均衡现象,因此使用深度学习方法进行肿瘤分期具有一定的挑战性。该文提出医学知识增强的多任务学习KEMT(knowledge enhanced multi-task) 模型,将肿瘤分期问题视作面向医疗电子病历的文本分类任务,同时引入医生在人工预测肿瘤分期时参考的医学属性,提出基于医学问题的机器阅读理解任务,对上述两种任务进行联合学习。我们与医疗机构合作构建了真实场景下的肿瘤分期的数据集,实验结果显示,KEMT模型可以将医学知识与神经网络结合起来,预测准确率高于传统的文本分类模型。在数据分布不均衡的条件下,在小样本类别上的准确率提升了4.2个百分点,同时模型也具有一定的解释性。     

外部信息引导和残差置乱的场景图生成方法

场景图因其具有的表示视觉场景内容的语义和组织结构的特点,有助于视觉理解和可解释推理,成为计算机视觉研究热点之一.但由于现存的视觉场景中目标和目标之间关系标注的不平衡,导致现有的场景图生成方法受到数据集偏置影响.对场景图数据失衡问题进行研究,提出一种基于外部信息引导和残差置乱相结合的场景图生成方法(EGRES),缓解数据集偏置对场景图生成的负面影响.该方法利用外部知识库中无偏置的常识性知识规范场景图的语义空间,缓解数据集中关系数据分布不平衡的问题,以提高场景图生成的泛化能力;利用残差置乱方式对视觉特征和提取的常识性知识进行融合,规范场景图生成网络.在VG数据集上的对比实验和消融实验证明,提出的方法可以有效改善场景图生成.对于数据集中不同标签的对比实验证明,提出的方法可以改善绝大多数关系类别的生成性能,尤其是中低频关系类别下的场景图生成性能,极大地改善了数据标注失衡的问题,比现有的场景图生成方法具有更好的生成效果.     

中国智慧水利研究知识图谱分析

为系统梳理中国智慧水利历史演变过程,把握其研究方向,以中国知网（CNKI）2010—2020 年收录的 974 篇文献为研究对象,借助 CiteSpace 软件进行关键词共现、聚类和时间线视图分析,通过对关键词突现、归类和时区演进分析,并结合水利部重大会议和相关文件内容进行分析,结果表明：2010 年以来中国智慧水利的研究与国家政策密切相关,并在 2017 年至今呈现爆发式发展;聚类分析发现,智慧水利的技术路线、应用方向和发展要求是主要研究方向,大数据、风景园林、水利工程、智慧水务和区块链是主要的聚类群体;关键词时区演进分析发现,中国智慧水利的研究可以分为 2010—2011 年（起步阶段）、2012—2016 年（稳步前进阶段）、 2017 年至今（快速演进阶段）3 个阶段;中国智慧水利的研究可从河长制、水安全保障和水利行业监管等方面进行深化。     

疫情限制下物联网工程专业应急教学体系构建研究

由于疫情防控严重影响高校教学活动的展开,而且物联网工程专业知识涉及跨度范围大,导致疫情期间线上教学活动问题多。为了改善疫情限制下的物联网工程专业各课程教学效果,基于该专业基本情况分析疫情下的教学问题,探索疫情期间物联网工程专业应急教学体系构建方案,提升线上课堂亲和度,完善线上实验教学,师生共建线上综合资源平台,深化线上校企合作,开展线上思政全动员,实现任何突发情况下的物联网人才优质培养。     

混凝土力学时空特性对衬砌支护设计影响研究

竖井支护设计对围岩稳定和施工安全具有重要意义,水利水电工程中采用正井法开挖引水竖井的工程案例较少。根据正井法施工特点,确定开挖、初衬以及拆模等工序需要的具体时间,考虑混凝土力学参数的时效特征,并结合所在区域的地质条件、岩体力学参数以及开挖进尺,对初衬设计厚度、强度以及拆模时间等进行了研究,形成了一套基于正井法施工,考虑衬砌混凝土力学参数时空特征条件下的衬砌设计方法。实践表明,考虑混凝土力学参数时空特征条件下的支护设计更加合理,具有一定经济和社会效益。     

城区河涌水质随径流量变化的时间过程分析研究

河涌水质在降雨期间出现恶化是水环境治理的难题,对其在降雨期间的变化规律进行研究有重要意义。选取广州市猎德涌广深铁路渠箱片区进行研究,采集降雨期河涌水样,检测各项指标数据,通过结合流量数据和无量纲曲线法建立径流-污染关系。结果表明,猎德涌不仅在前期受初始冲刷影响,还在中后期出现管渠冲刷污染,后者造成的污染程度是前者的2～5倍;COD、TN初始冲刷效应明显,TP、SS的情况较轻,但在管渠冲刷污染中4种污染物均比较突出;初始冲刷与管渠冲刷污染主要受降雨特征与水流条件变化的影响。     

EEMD-PE与M-RVM相结合的轴承故障诊断方法

滚动轴承振动信号中包含了大量轴承运行状态信息,但是由于振动信号具有非线性和非平稳性的特点,难以充分提取振动信号中的故障特征,导致现有基于模式识别的轴承故障诊断方法的故障识别准确率较低.为了提高滚动轴承故障识别的准确率,提出了一种基于集合经验模态分解-排列熵(EEMD-PE)特征提取与多分类相关向量机(M-RVM)相结合的轴承故障诊断方法.首先,该方法利用EEMD对非线性和非平稳信号的自适应分解能力,将轴承故障信号分解为一组包含故障特征的本征模态函数(IMFs).然后,利用排列熵提取由EEMD分解得到的IMFs中的故障特征,并组成特征向量.最后,采用EEMD-PE对不同故障状态下的训练样本集进行特征提取,组成特征向量集对M-RVM分类器进行建模,以概率输出的形式实现对滚动轴承的故障诊断.实验结果表明:EEMD-PE特征提取方法能够对滚动轴承振动信号的故障特征进行有效提取,M-RVM能够对故障滚动轴承振动信号包含的故障特征进行识别.与现有轴承故障诊断方法相比较,所提出的方法能够提高故障识别准确率,达到99.58%.     

大规模体积压裂诱发的地质灾变问题研究综述

页岩储层大规模体积压裂对储层实施改造,是实现非常规油气资源工业化开发的核心技术,但目前该技术的机理研究和应用都处于起步发展阶段。大规模体积压裂可能带来潜在的地质灾害风险,主要包括淡水资源的消耗、浅水层的污染、断层活化诱发地质灾害和地表侵蚀、甲烷泄露致空气污染、植被破坏等问题。从体积压裂机理入手,研究了上述存在的地质灾变风险及灾害发生机制,并从勘探调研合理的页岩气开采区块、设计科学的钻井完井方式、压裂液注入速率方案、实时监测断层破裂带应力及滑移状态以及废水废气回收处理等角度提出对应的科学指导和防范措施,对国内页岩气顺利开展工业化开采、避免潜在的地质环境灾变对人类产生危害具有重要的指导意义。