期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Vue.js+Django的大坝安全监测信息管理系统开发
1
作者
尹光景
李晨玉
+3 位作者
曾子彬
赵芃芃
雷鹏
常留红
《软件》
2024年第1期47-49,82,共4页
随着大坝安全监测向自动化、智能化和高精度化发展,统一管理监测数据,提升系统的跨平台性、兼容性和易维性已成为提高大坝安全监测信息化管理水平的关键。归纳分析大坝安全监测常用的电阻式、差阻式、振弦式等传感器参数及监测变量信息...
随着大坝安全监测向自动化、智能化和高精度化发展,统一管理监测数据,提升系统的跨平台性、兼容性和易维性已成为提高大坝安全监测信息化管理水平的关键。归纳分析大坝安全监测常用的电阻式、差阻式、振弦式等传感器参数及监测变量信息,设计数据标准化导入模板。基于前后端分离开发模式,采用Vue.js+Django框架,运用RESTful API统一功能接口。开发集多类型数据源的导入、预处理、查询及报表快速生成等功能的信息管理系统,实现监测数据的集中规范化管理。研究成果已应用于某水电站,显著提高了大坝安全监测信息管理的效率,可在类似工程中推广应用。
展开更多
关键词
大坝安全监测
信息管理系统
前后端分离
Vue.js
DJANGO
下载PDF
职称材料
基于WOA-VMD-XGBoost的混凝土坝变形预测
2
作者
常留红
李晨玉
+3 位作者
曾子彬
尹光景
赵芃芃
薛雄
《水利水运工程学报》
2024年第3期146-157,共12页
建立混凝土坝高精准变形预测模型是掌握坝体结构服役性态的关键,而其变形监测数据具有复杂的非线性和非平稳特征,会影响预测模型的精度及泛化能力。针对上述问题,引入鲸鱼优化算法(WOA)和包络熵理论自适应寻优变分模态分解(VMD)参数,根...
建立混凝土坝高精准变形预测模型是掌握坝体结构服役性态的关键,而其变形监测数据具有复杂的非线性和非平稳特征,会影响预测模型的精度及泛化能力。针对上述问题,引入鲸鱼优化算法(WOA)和包络熵理论自适应寻优变分模态分解(VMD)参数,根据最佳参数组合多尺度分解变形数据,得到多个不同特征尺度的本征模态函数(IMF)。通过重构分量为新分量,将新分量分别输入极端梯度提升(XGBoost)模型中进行预测,叠加各预测结果得到最终预测值。基于山口岩碾压混凝土拱坝变形监测数据,开展支持向量回归机(SVR)、随机森林(RF)、XGBoost、WOA-VMD-XGBoost等4种模型的精度、泛化能力对比研究。结果表明:相比于单一预测模型,组合模型有效挖掘了变形信号多尺度特征,降低了非线性、非平稳性对模型性能的影响,在精度、泛化能力中表现出更高性能。该组合模型为大坝变形监测提供了理论依据和应用参考。
展开更多
关键词
混凝土坝
变形预测
鲸鱼优化算法
包络熵
变分模态分解
极端梯度提升
下载PDF
职称材料
深圳市坪山街道社区残疾人生活质量调查分析
被引量:
1
3
作者
黄新民
陈文
+9 位作者
赖中华
李云标
陈惠明
罗建业
曾子彬
刘勇生
陈先辉
邓健忠
李程
许燕边
《实用心脑肺血管病杂志》
2009年第1期9-10,共2页
目的了解坪山街道社区残疾人的生活质量状况,为社区康复需求服务提供依据。方法对辖区内966例残疾人进行情况调查与量表评定,包括个人基本情况、文化程度、经济收入、医疗类型、残疾情况。结果辖区内残疾人群的残疾情况并不乐观,生活质...
目的了解坪山街道社区残疾人的生活质量状况,为社区康复需求服务提供依据。方法对辖区内966例残疾人进行情况调查与量表评定,包括个人基本情况、文化程度、经济收入、医疗类型、残疾情况。结果辖区内残疾人群的残疾情况并不乐观,生活质量有待于进一步提高。结论加大居民健康教育,加大残疾人"人人享有康复服务"的宣传力度,扎实做好残疾人的各项工作,是落实保障残疾人"人人享有康复服务"的有力保证。
展开更多
关键词
残疾人
生活质量
数据收集
下载PDF
职称材料
题名
基于Vue.js+Django的大坝安全监测信息管理系统开发
1
作者
尹光景
李晨玉
曾子彬
赵芃芃
雷鹏
常留红
机构
中国水利水电第八工程局有限公司
长沙理工大学水利与环境工程学院
出处
《软件》
2024年第1期47-49,82,共4页
基金
湖南省水利科技项目(XSKJ2021000-21)。
文摘
随着大坝安全监测向自动化、智能化和高精度化发展,统一管理监测数据,提升系统的跨平台性、兼容性和易维性已成为提高大坝安全监测信息化管理水平的关键。归纳分析大坝安全监测常用的电阻式、差阻式、振弦式等传感器参数及监测变量信息,设计数据标准化导入模板。基于前后端分离开发模式,采用Vue.js+Django框架,运用RESTful API统一功能接口。开发集多类型数据源的导入、预处理、查询及报表快速生成等功能的信息管理系统,实现监测数据的集中规范化管理。研究成果已应用于某水电站,显著提高了大坝安全监测信息管理的效率,可在类似工程中推广应用。
关键词
大坝安全监测
信息管理系统
前后端分离
Vue.js
DJANGO
Keywords
dam safety monitoring
information management system
front and back-end separation
Vue.js
Django
分类号
TV698.1 [水利工程—水利水电工程]
TP274 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于WOA-VMD-XGBoost的混凝土坝变形预测
2
作者
常留红
李晨玉
曾子彬
尹光景
赵芃芃
薛雄
机构
长沙理工大学水利与环境工程学院
出处
《水利水运工程学报》
2024年第3期146-157,共12页
基金
湖南省自然科学基金资助项目(2021JJ30703)。
文摘
建立混凝土坝高精准变形预测模型是掌握坝体结构服役性态的关键,而其变形监测数据具有复杂的非线性和非平稳特征,会影响预测模型的精度及泛化能力。针对上述问题,引入鲸鱼优化算法(WOA)和包络熵理论自适应寻优变分模态分解(VMD)参数,根据最佳参数组合多尺度分解变形数据,得到多个不同特征尺度的本征模态函数(IMF)。通过重构分量为新分量,将新分量分别输入极端梯度提升(XGBoost)模型中进行预测,叠加各预测结果得到最终预测值。基于山口岩碾压混凝土拱坝变形监测数据,开展支持向量回归机(SVR)、随机森林(RF)、XGBoost、WOA-VMD-XGBoost等4种模型的精度、泛化能力对比研究。结果表明:相比于单一预测模型,组合模型有效挖掘了变形信号多尺度特征,降低了非线性、非平稳性对模型性能的影响,在精度、泛化能力中表现出更高性能。该组合模型为大坝变形监测提供了理论依据和应用参考。
关键词
混凝土坝
变形预测
鲸鱼优化算法
包络熵
变分模态分解
极端梯度提升
Keywords
concrete dam
deformation prediction
whale optimization algorithm
envelope entropy
variational mode decomposition
extreme gradient boosting
分类号
TV698.1 [水利工程—水利水电工程]
下载PDF
职称材料
题名
深圳市坪山街道社区残疾人生活质量调查分析
被引量:
1
3
作者
黄新民
陈文
赖中华
李云标
陈惠明
罗建业
曾子彬
刘勇生
陈先辉
邓健忠
李程
许燕边
机构
广东省深圳市龙岗区坪山人民医院社康办
出处
《实用心脑肺血管病杂志》
2009年第1期9-10,共2页
文摘
目的了解坪山街道社区残疾人的生活质量状况,为社区康复需求服务提供依据。方法对辖区内966例残疾人进行情况调查与量表评定,包括个人基本情况、文化程度、经济收入、医疗类型、残疾情况。结果辖区内残疾人群的残疾情况并不乐观,生活质量有待于进一步提高。结论加大居民健康教育,加大残疾人"人人享有康复服务"的宣传力度,扎实做好残疾人的各项工作,是落实保障残疾人"人人享有康复服务"的有力保证。
关键词
残疾人
生活质量
数据收集
Keywords
Disabled persons
Quality of life
Data collection
分类号
R195 [医药卫生—卫生统计学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Vue.js+Django的大坝安全监测信息管理系统开发
尹光景
李晨玉
曾子彬
赵芃芃
雷鹏
常留红
《软件》
2024
0
下载PDF
职称材料
2
基于WOA-VMD-XGBoost的混凝土坝变形预测
常留红
李晨玉
曾子彬
尹光景
赵芃芃
薛雄
《水利水运工程学报》
2024
下载PDF
职称材料
3
深圳市坪山街道社区残疾人生活质量调查分析
黄新民
陈文
赖中华
李云标
陈惠明
罗建业
曾子彬
刘勇生
陈先辉
邓健忠
李程
许燕边
《实用心脑肺血管病杂志》
2009
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部