智慧水利理论体系与数字孪生流域虚拟模型研究成果述要

智慧水利是水利高质量发展的显著标志之一。围绕智慧水利理论体系不完善、流域映射精准度不高、模型精度不高、决策支撑程度低等问题,建立了由智慧流域基础理论、数字孪生流域基础理论和智能水网理论框架组成的智慧水利理论体系,研究了由数字孪生感知节点模型、数字孪生降水遥感模型、数字孪生蒸散发遥感模型、数字孪生土壤水遥感模型、数字孪生水体遥感模型、数字孪生地下水遥感模型、数字孪生水质遥感模型组成的数字孪生流域感知模型,构建了由数字孪生流域水文模型、数字孪生水动力水质模型、数字孪生动态调控模型、数字孪生虚拟仿真模型、数字孪生协同决策模型、数字孪生并行组合模型等组成的数字孪生流域虚拟模型。研究成果可为我国智慧水利建设提供理论基础和技术支撑。

基于路径规划特点的语义目标导航方法

为了解决语义目标导航任务中存在的探索效率低、深度不精准等问题,本文构建了一个解决语义目标导航任务的框架,在语义地图构建模块中引入了深度图边缘处理以及地图纠错机制;在探索模块中引入了覆盖范围最大化算法;在路径规划模块中引入了替代点机制。本文在一个3D仿真环境下进行了实验。实验结果表明,本文提出的解决方案明显提升了语义目标导航任务的性能。此外,本文所提方法成功应用到了四足机器人上,从而验证了其在现实场景下的泛化性。

面向防洪“四预”的数字孪生流域水利专业模型研发与实践应用--以数字孪生飞云江流域为例

数字孪生流域是推动智慧水利建设的核心和关键,而水利专业模型是数字孪生流域建设的重要算法支撑。从实际业务支撑角度研发面向防洪“四预”的数字孪生流域水利专业模型,包括水文、水动力、水工程调度、风暴潮等模型,并以浙江省温州市的数字孪生飞云江流域为载体进行实践应用。结果显示,在应对台风“杜苏芮”“卡努”“鸿雁”过程中,各类模型运行情况良好,水文、水动力及风暴潮模型预报值与实测值拟合程度较高,误差满足规范许可要求,水工程调度模型可实现模型预期调度效果。研发的水利专业模型和应用案例可为其他流域数字孪生建设提供参考。

大语言模型的技术应用前景与风险挑战

针对大语言模型(LLM)技术的快速发展,剖析它的技术应用前景和风险挑战,对通用人工智能(AGI)的发展和治理有重要参考价值。首先,以Multi-BERT(Multilingual Bidirectional Encoder Representations from Transformers)、GPT(Generative Pre-trained Transformer)和ChatGPT(Chat Generative Pre-Trained Transformer)等语言模型为代表,综述LLM的发展脉络、核心技术和评估体系;其次,分析LLM现存的技术局限和安全风险;最后,提出LLM在技术上改进、政策上跟进的建议。分析指出作为发展阶段的LLM,现有模型存在非真实性及偏见性输出、实时自主学习能力欠缺,算力需求庞大,对数据质量和数量依赖性强,语言风格单一;存在数据隐私、信息安全和伦理等方面的安全风险。未来发展可从技术上继续改进,从“大规模”转向“轻量化”、从“单模态”走向“多模态”、从“通用”迈入“垂类”;从政策上实时跟进,实施有针对性的监管措施,规范应用和发展。

基于云计算的地震网络数据安全态势感知仿真

地震发生前具有特殊波动响应特征,通过地震台网灾害信息可确定震灾范围,但是网络个人用户无法通过终端服务器及时查询地震数据,导致对地震的安全感知出现延迟问题。针对地震数据处理的任务密集、流程复杂的计算需求,提出基于云计算的地震网络数据安全态势感知方法。在地震节点布局中融入贝叶斯结构,构成混合结构化安全态势采集模型。应用数据分类方法估计出地震态势数据,提取地震发生的隶属度特征,构建地震网络数据安全态势感知模型。按照区域影响因子算出地震信息量,利用相似原则区分灾害程度,检测地震发生范围的安全态势。实验结果证明:研究方法感知获取的地震层间位移与震中国方位角和实际情况一致,偏差较小,能够明确当前地震区域的安全态势。

数字孪生水利赋能水利新质生产力发展框架研究

发展新质生产力是推动高质量发展的内在要求和重要着力点。进入新发展阶段,数字孪生水利因其具有高科技、高效能、高质量特征,成为水利新质生产力的最显著标志和最有力抓手。水利部党组将推进数字孪生水利建设作为推动新阶段水利高质量发展的显著标志和重要路径,其本质就是在发展水利新质生产力。基于新质生产力的科学内涵和重大意义,探讨辨析建设数字孪生水利与发展新质生产力之间的内在联系和逻辑,并从建设行动、关键技术、标准体系、人才培养等方面提出以数字孪生水利驱动引领水利新质生产力发展的实施路径。

民居建筑室内空间热环境多点能耗精准预测

在民居建筑室内热环境多点能耗预测时,若不能有效确定热环境下室内当前状态下舒适程度,会直接影响能耗预测精度。因此,提出考虑舒适度的民居建筑室内空间热环境多点能耗预测方法。根据室内状态建立民居建筑内热环境模型,采用主元分析法获取能耗评价指标,构建热环境下室内能耗指标评价体系,并利用指标建立评价模型,从而确定室内当前热环境能耗;将确定指标作为模型输入向量,利用RBF神经网络构建室内能耗多点预测模型;通过建立的模型实现对民居建筑室内空间多点能耗的精准预测。实验结果表明,所提方法开展室内能耗多点预测时,预测精度高、效果好。

基于FAHP的高职院校教师信息化教学能力综合评价

参考教育部教师工作司“中国高校教师专业发展调研”项目研究成果,从高职教师信息化教学能力应有的内涵出发,建立分析框架,确定相关评价指标的权重;构建模糊系统,采用FAHP分析方法,提出了一套高职教师信息化教学能力综合评价方法,以期为高职院校教师及教学管理人员的信息化能力提升提供参考。

基于知识图谱的多特征融合谣言检测方法

为了解决谣言检测中由于缺乏外部知识而导致模型难以感知内隐信息,进而限制了模型挖掘深层信息的能力这个问题,提出了基于知识图谱的多特征融合谣言检测方法(KGMRD)。首先,对于每个事件,将帖子和评论共同构建为一个文本序列,并利用分类器从中提取情感特征,利用ConceptNet基于文本构造其知识图谱,将知识图谱中的实体表示利用注意力机制与文本的语义特征进行聚合,进而得到增强的语义特征表示;其次,在传播结构方面,对于每个事件,基于帖子的传播转发关系构建传播结构图,使用DropEdge对传播结构图进行剪枝,从而得到更有效的传播结构特征;最后,将得到的特征进行融合处理得到一个新的表示。在Weibo、Twitter15和Twitter16三个真实数据集上,使用SVM-RBF等七个模型作为基线进行了对比实验。结果表明:对比当前效果最好的基线,KGMRD方法在Weibo数据集的ACC指标提升了1.1%;在Twitter15和Twitter16数据集的ACC指标上提升了2.2%,证明了KGMRD方法是合理的、有效的。

基于区块链及IPFS的农产品多链追溯系统研究

面对农产品供应市场日益庞大以及现存追溯系统中心化结构严重、溯源信息模糊简陋、数据安全难以得到有效保障等问题,通过分析供应链的业务流程及相关特点,融合区块链及IPFS技术设计灵活的多链分布式追溯系统以应对错综复杂多变的市场情况中的精准溯源及监管的需求。充分利用星际文件系统IPFS的去重存储以及分布式存储特性提高存储资源的利用率,解决以往溯源数据存储中心化严重、数据类型单一、负载过大等问题;区块链多链与IPFS私有网络的结合以及CBC、ECC两个加密算法的采用可以支持全面的市场监管,并可以满足企业隐私数据的加密保护需求。为验证模型有效性,以水培蔬菜溯源项目作为应用案例进行分析测试,其中区块链多链系统吞吐量达到上链500 TPS、查询400 TPS;CBC加密算法的相关性、扩展性分析中密文改变率分别达到96.727%、97.136%。测试结果表明:本追溯系统在实现溯源数据高效记录存储和精准监管溯源的基础上,也能够给予供应链内各方合法权益及隐私数据有效的安全保护,亦可以面对业务交错复杂的市场供应链,为完整可靠的农产品区块链追溯监管系统研究发展与落地实现提供借鉴与参考。

基于ELKB日志管理系统的应用

针对现阶段云平台应用日志运维效率低的问题,研究一种基于ELKB架构的日志管理方案。该方案可实现对日志数据的高效采集和统一存储,并提供日志查询和可视化分析的功能。详细阐述日志的采集和存储方案,提出优化采集器Filebeat基础参数的方法,日志存储过程部署Elasticsearch集群模式,并总结Elasticsearch集群节点的性能提高方法,以此为基础搭建日志可视化管理系统。实验结果表明:参数优化后的Filebeat进行日志采集时,内存占用率与默认配置相比降低47%;Elasticsearch集群模式在进行关键字查询时的数据吞吐率(250 req/s)高于单机服务器,且集群节点的段合并优化有效降低了日志的索引内存占用率,内存优化百分比介于11.9%和22.1%之间。可见日志管理系统部署方式灵活,有效提高了日志采集和检索效率,为云平台日志管理提供了可行的方案。

数字介入——当介入放射学遇上数字医学

数字介入作为一个跨学科领域,结合了数字技术与介入治疗手段。在介入放射学实践中,数字医学通过电子健康记录、人工智能、可穿戴设备及远程监控等基本工具,在高级成像技术、介入手术规划、图像引导手术、导航设备和介入手术机器人、3D打印、远程医疗教育和培训等方面均有深度融合应用,从而优化了诊断和治疗过程,提高了医疗服务效率和准确性。同时,数字介入也带来了与数据安全和隐私等相关的挑战。面对这些挑战,未来发展方向应当更加注重技术与伦理间的平衡,确保数字介入可持续、安全发展。

浅谈一种基于多传感器技术的AI交通监控管理场景的智能教育环境

本文模拟实际智慧交通监控管理场景设计了一款基于智慧交通场景的智能教学系统。系统涉及技术包括传感器技术、人工智能物联网(AIoT)技术、RFID技术、微处理器控制技术、5G无线通信技术等,能够实现智慧交通的无人驾驶小车交通灯自动启停车、ETC缴费、公共汽车报站、自动泊车、自动无线充电,机器狗24h自动巡逻等功能,贴合实际生活应用,体验感强。本系统可用于高等教育中物联网、人工智能相关专业学生的学习系统,也可以用于中小学信息技术通识课程的教学用具。系统各功能模块可以按照需求进行DIY设计,方便学员的二次开发和个性化设计。

基于对比学习的暴力检测算法研究

针对现有暴力检测模型实际部署中存在数据标注成本高,提出基于对比学习的半监督模型训练框架,利用对比学习训练模型的表征能力,对比样本采用基于速度和基于全局和局部对比生成方式,对比框架在大量正负样本对比基础上增加正例样本间对比数量,同时利用伪标注对模型进行微调。实验结果显示,对比学习能够帮助模型在RWF2000和RVLS 5%训练数据下提升了3.9%,2.55%准确率,微调阶段能在RWF200025%训练数据下帮助模型进一步提升约3%准确率。

基于工作流的无服务边缘计算框架设计与实现

边缘计算具有高性能、体积小、计算力超强等优点。但云设计的边缘计算函数链存在调用时延较长的问题,导致大规模部署和存储能力以及云端和设备端协同困难、无缝对接效果较差。为解决上述问题,基于开源无服务平台OpenFaaS设计了一个无服务边缘计算框架(SECP),为边缘侧提供基于无状态函数的计算服务。对计算服务调用过程采用建模分析,采用了工作流模型对为云设计的无服务计算在边缘侧存在的函数链式调用时延放大的问题改进。性能测试结果表明,SECP在边缘计算场景下有良好的性能表现,降低了边缘计算平台中服务请求的响应时间,解决了无服务计算函数功能单一问题,提高了边缘侧资源的利用率,并改善了边缘侧计算服务部署、维护繁杂的问题。

基于数据中台的高校数据服务体系及快速应用构建研究

针对目前高校在数据集成、数据治理和数据服务等方面的问题,提出了基于数据中台的解决方案,在数据的采集和加工处理中引入数据湖、主题层和专题层,并对数据中台的整体架构设计、中台内数据的分层设计、数据模型的构建、数据服务体系的设计进行了详细阐述;对基于数据中台的快速应用构建,提出了采用大中台、微服务的系统建设方式,通过对系统进行解构,重新根据不同业务逻辑进行模块化组装,实现快速灵活构建业务系统。经过实际案例验证,该研究对于高校如何建设数据中台以及如何在中台上开展各类数字应用建设提供了很好的范例。

数字孪生水网建设应着力解决的几个关键问题

数字孪生水网建设涉及多学科交叉、新技术融合,有诸多重点和难点,应着力把握好坚持问题导向、夯实算据基础、优化算法核心、强化算力支撑、着力业务应用、加强网络安全等关键问题。结合数字孪生水网建设先行先试经验,围绕工程安全、供水安全、水质安全,提出了数字孪生水网建设的关键问题及解决思路:围绕建设目标确定建设内容和重点,以问题为导向开展需求分析;打造“天空地”一体化监测感知体系,完善地面监测站网、提升新型监测感知能力、强化数据治理与运用、推进数据资源共享夯实算据基础;完善模型平台,开发知识平台,优化算法核心;建设信创云平台和高性能计算集群,扩充计算资源、升级通信网络强化算力支撑;提升水网智慧调控能力,着力实现业务“四预”;构建网络安全体系,保障网络和数据安全;理清数字孪生流域、数字孪生水网、数字孪生工程的关系,提升整体效能。

时序模型ARIMA在数据分析中的应用

时间序列是进行趋势分析的方法之一。随着大数据时代的到来,经济趋势、企业经营、市场预测和天气预测等常常需要进行预测和分析。本文对某知名化妆品公司2010年至2018年间的2122条股票数据,采用ARIMA模型进行趋势分析,预测未来的发展趋势。通过模型的拟合与效果考核,所得到的结果说明了应用ARIMA模型对股票进行趋势分析时,可以取得较好的预测效果。

时频域多尺度交叉注意力融合的时间序列分类方法

针对时间序列子序列间的潜在信息交互不足导致分类准确率低的问题,提出时频域多尺度交叉注意力融合的时间序列分类方法TFFormer(Time-Frequency Transformer)。首先,将原始时间序列的时频域谱分别划分为等长子序列,经线性投影后加入位置信息解决时间序列的点值耦合问题;其次,通过改进的多头自注意力(IMHA)模块使模型关注更重要的序列特征,解决长时间序列的前后依赖问题;最后,构造多尺度时频域交叉注意力(CMA)模块增强时间序列在时域和频域之间的信息交互,使模型进一步挖掘序列的频域信息。实验结果表明,在Trace、StarLightCurves和UWaveGestureLibraryAll数据集上,相较于全卷积网络(FCN),所提方法的分类准确率分别提高了0.3、0.9和1.4个百分点,验证了通过增强时间序列时域和频域间的信息交互,可以提高模型收敛速度和分类精度。

基于卷积神经网络的预警震级分段估算方法

针对地震预警震级估算问题,提出一种基于卷积神经网络(convolutional neural network,CNN)的震级分段估算方法,该方法以单台站的P波初至后3 s时间的波形作为输入,输出结果为地震波形所属的震级区段(大地震,近震震级M_(L)≥5.0;小地震,M_(L)<5.0).如果波形属于大地震区段,直接发出警报;如果波形属于小地震区段,再进行具体震级的估算.对于震级区段估算,CNN模型的准确率可达98.04%.根据震级估算参数τ_(c)和P_(d)估算的小地震震级平均绝对误差(mean absolute error,MAE)分别为0.20和0.31.结果表明,预警震级分段估算方法可以准确预警大地震,减少大地震漏报率;同时使得小地震震级估算结果更为准确.