南水北调中线工程水位的水动力-神经网络耦合预测模型

南水北调中线工程通常以闸前常水位调度运行,而水位在闸门调控影响下多数处于非平稳状态,探索其变化规律对于监测数据和研究方法均有一定限制和要求。监测数据方面,针对大量的高频监测数据选取均值滤波、滑动平均值滤波、递推中位值平均滤波法、滑动小波变换进行数据预处理,提高数据质量、增强数据预测的可行性。研究方法层面,以BP神经网络模型和长短期记忆(long short-term memory,LSTM)网络模型为主体框架,以水动力模型的模拟数据为辅助支撑,对比单神经网络在不同工况下的预测效果,输出水动力-神经网络组合预测结果。结果表明:数据预处理是数据分析和预测的必要环节,高频数据滤波处理再预测可以提高数据预测的精度;均值滤波、递推中位数均值滤波方式对数据预处理的效果最好,指标合理时滤后决定系数(R^(2))精度均超过0.95,且均方根误差(RMSE)和平均绝对误差(MAE)不超过0.02,准确性高;基于滤后数据进行模型构建,通过对比数据驱动模型和数据-机理双重驱动模型的计算结果,R^(2)维持在0.98附近,RMSE、MAE维持在0.01左右,耦合模型具有更好的稳定性和准确性。

低成本远传网络组建方案——VPN原理分析和组建实例及配置方法

随着企业的发展和计算机网络系统使用的日益普及 ,企业与分支机构间需要交换的信息数据越来越多 ,一大批企业需要组建自己的数据远传网络系统 .怎样合理地组建数据远传网络 ,是一个急需解决的问题 .当前一般有三种方案 .一是电信专线 ,二是长途拨号 ,三是通过互联网来传输 .利用电信专线传输 ,虽然安全 ,但成本太高 ;长途拨号 ,数据信息传输量和速度又受到极大的限制 ;利用互联网传输 ,数据安全隐患很难排除 .本文讲述一种利用日益成熟的虚拟专用网络 ( Virtual Private Network,简称 VPN)技术 ,组建异地数据远传网络 ,它可以满足降低成本和保障数据安全两方面的要求 .可谓是“鱼与熊掌兼得”

UNet++和迁移学习相结合的复杂断裂识别方法研究

随着计算机和人工智能技术发展,卷积神经网络(Convolutional Neural Networks,CNN)在断层识别中的应用越来越广泛.但是常规CNN网络难以获得大量实际的断层样本,只能依赖人工合成的断层数据训练网络,导致预测模型难以满足不同类型断层的识别要求.为此,本文提出了一种结合UNet++网络和迁移学习的复杂断裂系统识别方法,该方法首先利用大量合成的断层样本训练UNet++网络,然后利用少量人工标注的实际断层样本通过模型微调的方式实现迁移学习,使网络学习到更多的实际断层的特征.将方法应用到大港油田自来屯三维工区进行断层的识别,应用效果证明迁移学习后的UNet++网络能大大减少断层漏识别和错误识别的情况,提高断层识别的准确性,这也验证了本文方法的有效性和可行性.