基于Attention+LSTM的供水管网漏损识别方法

0引言大数据与人工智能等技术近年来正在促进传统基础设施转型升级,使传统与创新融合,如智慧能源基础设施、智慧城市基础设施等。在城市基础设施建设中,城市地下供水管网建设是一个重要的组成部分,其负责着整个城市用水的供应,对城市的居民生活工作、工业生产等许多方面有着非常大的影响。随着城市的不断发展,地下管道网络越来越复杂,而其中的安全隐患也愈发严重,建设良好的管理城市地下供水管道网络,构建科学的管网系统是城市建设中亟待解决的难题。在智慧城市建设的语境下,物联网和人工智能技术为传统地下供水管网问题提供了新的解决思路。本文主要探讨了传感器网络部署与机器学习算法在供水管网中应用的问题和挑战,提出了使用传感器融合模型解决管网漏点识别的问题,并基于管网漏点检测的场景设计实验进行了可行性验证,最终得出对利用多视图学习模型构建智慧供水管网漏损识别方法的可行性分析。

基于IBM车库创新的可视化订单平台研究——以广东肯富来泵业股份有限公司为例

以广东肯富来泵业股份有限公司为例进行分析,发现销售部门、技术团队和生产人员等对于订单的交互需求各异,传统的内部制造系统面临着无法快速定位风险环节和缺乏标准化管理的窘境。针对这些问题,文章创新性地提出采用基于IBM车库创新方法论,以内部孵化的方式设计最小化可行性产品;同时,建立起集信息咨询、订单需求与产能动态估算和辅助排产为一体的可视化订单管理平台。此外,详细介绍了车库方法论的应用过程、可视化订单管理平台的系统架构、供需动态匹配算法及全局订单共享等功能的实现。实证表明,可视化订单管理平台上线后成功运行,大大提高了订单和库存的管理效率,让企业具备了直观预见风险、直击风险根源,以及在线评估订单生命周期的能力。