数字孪生在智慧水务领域的应用

综合运用新技术,提升信息整合共享和业务智能管理水平,推进涉水业务的智能应用,实现对各类水安全要素进行预测预报、对各类危害及次生灾害进行预警、对典型历史事件或未来预报场景的模拟进行仿真预演、为事件提供处置措施预案等功能,提高水务数字化、网络化、智能化水平,是智慧水务的重要发展方向。

城市小流域综合治理方法研究与实践——以成都市九道堰河流域为例

受全球气候变化与水土资源开发的影响,城市洪水与内涝风险不断加剧,湖泊富营养化、水质污染、河湖生态系统退化等问题给城市小流域的水环境和水安全带来了严峻的挑战。按照"问题识别→技术研究→示范应用"的思路,创新提出了适用于城市小流域的水灾害防控、水环境治理、水生态修复与智慧管控的成套技术,并以九道堰河流域为应用示范区验证其治理效果,为破解城市小流域水问题提供新的思路与路径。

基于深度强化学习的公共安全领域文本关键词抽取方法

在国内政务大数据高速发展的背景下,充分利用大量无标注的公共安全领域政策公文文本数据,有效提取文本的关键信息,对提升城市安全治理能力有重要意义。因此,提出一种基于深度强化学习的公共安全领域文本关键词提取模型,通过无监督的方式快速实现文本内容的标签化,以提升用户对公共安全领域文件或事件的检索能力。文章以log-sum范数正则项作为该模型损失函数的稀疏约束,以引导策略网络学习到保留重要词汇、舍弃非重要词汇的策略。同时设计了一种mini-batch大小可变的模型训练方法,通过设置不同的mini-batch大小控制策略网络学习的难度,从而提高策略网络的泛化能力。性能对比结果显示,该模型在测试集的关键词提取任务上优于传统无监督关键词提取方法。