关于大坝监测数据质量评价因子及算法研究

大坝监测数据是判断大坝运行安全的主要依据,为了鉴别数据优劣并选择出可信度较高的数据,文中构建一个大坝监测数据质量评价框架。针对测点之间的相关性、监测项目及仪器的特点,利用Kshape算法找出具有强相关性的测点,再通过相对偏移率、相对平滑率、周期波动程度和精度修正率等评价因子对大坝监测数据进行评价;其次,结合混合蝙蝠算法优化后的长短期记忆网络对大坝监测数据进行分类,构建了大坝监测数据质量评价算法流程。以新疆某大坝监测数据为研究对象进行试验,结果表明所提出的大坝监测数据质量评价算法的准确率为94.33%,可为评价大坝监测数据质量提供有效的解决方法。

高校智慧教育环境中网络数据安全防护面临的挑战与应对策略

随着智慧教育的发展,高校网络数据面临着前所未有的安全挑战。围绕数据治理、技术基础设施的安全性、混合式教学环境下的网络边界防护、高级持续性威胁(APT)的网络防御,以及校园网络安全文化和行为管理等关键问题,提出了一系列综合性防护策略。这些策略涉及加强数据治理体系、提升技术基础设施安全、优化混合教学环境中的网络边界防护措施、有效应对高级持续性威胁(APT),以及培育校园网络安全文化和行为管理。强调构建持续监控与评估的策略体系,动态调整安全措施,以确保高校智慧教育系统的稳定运行。

面向煤矿安全监测边缘计算的YOLOv5s剪枝方法

目前,边缘计算与机器视觉相结合具有较好的煤矿安全监测应用前景,但边缘端存储空间和计算资源有限,高精度的复杂视觉模型难以部署。针对上述问题,提出了一种面向煤矿安全监测边缘端的基于间接和直接重要性评价空间融合(IDESF)的YOLOv5s剪枝方法,实现对YOLOv5s网络的轻量化。首先对YOLOv5s网络中各模块的卷积层进行结构分析,确定自由剪枝层和条件剪枝层,为后续分配剪枝率及计算卷积核剪枝数奠定基础。其次,根据基于卷积核权重幅值和层相对计算复杂度的卷积核权重重要性得分为可剪枝层分配剪枝率,有效降低剪枝后网络的计算复杂度。然后,基于卷积核直接重要性评价准则,将卷积层的间接输出重要性以缩放因子的形式引入直接重要性空间中,更新卷积核位置分布,构建包含卷积核输出信息和幅值信息的融合重要性评价空间,提高卷积核重要性评价的全面性。最后,借鉴topk投票的思想对中值滤波筛选冗余卷积核的流程进行优化,并用有向图的邻接矩阵中节点的入度来量化卷积核的冗余程度,提高了冗余卷积核筛选过程的可解释性和通用性。实验结果表明:①从平衡模型精度和轻量化程度的角度出发,剪枝率为50%的YOLOV5s_IDESF是最优的轻量级YOLOv5s。在VOC数据集上,YOLOv5s_IDESF的mAP@.5和mAP@0.5∶0.95均达到最高,分别为0.72和0.44,参数量降至最低2.65×10^(6),计算量降低至1.16×10^(9),综合复杂度也降至最低,图像处理帧率达到31.15帧/s。②在煤矿数据集上,YOLOv5s_IDESF的mAP@.5和mAP@0.5∶0.95均达到最高,分别为0.94和0.52,参数量降至最低3.12×10^(6),计算量降低至1.24×10^(9),综合复杂度也降至最低,图像处理帧率达到31.55帧/s。

基于生成对抗网络的驾驶行为风险监测方法

针对真实驾驶场景下驾驶行为风险难以准确判断的问题,提出一种基于生成对抗网络的生成序列评估框架,旨在通过车辆行驶状态数据与驾驶场景信息匹配度评估来提高驾驶行为风险判断的准确性。构建真实驾驶场景数据匹配序列框架,利用生成对抗网络增加不同驾驶场景的数据量,提出一个驾驶员个性化情景感知样本数据集,对比分析真实数据和生成数据,并验证生成对抗网络检索与生成框架在匹配车辆行驶状态数据与驾驶场景信息方面的有效性和准确性。采用无监督学习生成评估框架,结合自回归模型中的监督训练控制策略来解决数据扩增问题,并通过迭代更新样本序列进行策略集成以保持模型鲁棒性。实验结果表明,相较于现有方法,所提研究框架在识别危险驾驶状态方面具有明显优势,为车辆行驶状态数据与驾驶场景信息的匹配评估提供了一种新的视角。

鲁南地区流体监测台网优化与监测效能评估

结合鲁南地区地质构造背景,通过自主研发的高精度水位水温实时监测仪器,对地下流体监测站点软硬件设施进行升级改造,建设鲁南地区地下流体数字化监测台网。同时,构建基于层次分析法的鲁南地区地下流体监测效能评价体系,利用模糊综合评价法对各观测站点进行量化的效能评估,为进一步提升该地区地下流体监测台网监测能力提供参考意见。

我国市县地球物理监测资源评估

我国地球物理监测站网主要由GNSS、定点形变、重力、地电、地磁、地下流体六大观测站网组成,由国家站、省级站和市县站构成基本监测单元。市县站观测手段多、站点数量庞大,是地球物理监测站网的重要组成部分。为摸清市县站监测资源底数、统筹利用市县监测数据,中国地震局历时2年完成了我国市县地震监测资源评估工作。基于此项工作,本文从观测环境、观测系统、数据质量和预报应用四个方面对我国市县地球物理监测资源进行简要分析,评估结果显示:37.8%的测项评估为合格,可直接纳入国家地球物理数据库管理,47.9%的测项评估为基本合格,可纳入国家市县数据库管理,14.3%的测项评估为不合格,需要停测或者优化改造。针对评估结果,简要分析了市县监测运维工作存在的主要问题并提出具体可行的解决建议,为提升市县站监测质量提供参考。

槐树关水库大坝渗流安全评价与预测

为评价槐树关水库大坝的渗流稳定性,收集大坝近年来面板周边缝与坝基监测点处渗压计数据,库水位、气温、降雨量、坝后渗流的监测数据及大坝工程建设与地质资料,先将监测点处渗压计值和坝前水位进行Pearson相关性分析,再根据大坝工程建设及地质资料绘制大坝断面模型并导入Autobank7.7软件计算坝后渗流量,最后将气温、库水位、降雨量等影响因子代入PCA BP神经网络与随机森林、BP神经网络模型对坝后渗流量进行预测。结果表明:除P_(3)、P_(6)、P_(9)外的监测点渗压计值、坝后量水堰监测渗流量值与库水位相关性较强,符合大坝渗流场的一般规律,初步判定大坝较稳定;实际监测的坝后渗流量是Autobank软件模型理论计算值的8倍,判定大坝有出现渗流破坏的可能,后续应采取相应措施除险加固加强监测以保证大坝的稳定性;PCA BP神经网络与随机森林、BP神经网络3种模型最佳预测准确度分别为83.20%、79.35%、69.41%,其中PCA BP神经网络的预测效果最佳,通过模型预知渗流量防止渗流破坏对保证大坝的安全运行具有重要意义。

Energy Disaggregation of Industrial Machinery Utilizing Artificial Neural Networks for Non-intrusive Load Monitoring

This paper explores the application of non-intrusive load monitoring techniques in the industrial sector for disaggregating the energy consumption of machinery in manufacturing processes. With an increasing focus on energy efficiency and decarbonization measures, achieving energy transparency in production becomes crucial. Utilizing non-intrusive load monitoring, energy data analysis and processing can provide valuable insights for informed decision-making on energy efficiency improvements and emission reductions. While non-intrusive load monitoring has been extensively researched in the building and residential sectors, the application in the industrial manufacturing domain needs to be further explored. This paper addresses this research gap by adapting established non-intrusive load monitoring techniques to an industrial dataset. By employing artificial neural networks for energy disaggregation, the determination of energy consumption of industrial machinery is made possible. Therefore, a generally applicable cross-energy carrier method to disaggregate the energy consumption of machinery in manufacturing processes is developed using a design science research approach and validated through a practical case study utilizing a compressed air demonstrator. The results show that the utilization of artificial neural networks is well-suited for energy disaggregation of industrial data, effectively identifying on and off states, multi-level states and continuously variable states. Non-intrusive load monitoring should be further considered in the research of emerging artificial intelligence technologies in energy consumption evaluation. It can be a viable alternative for intrusive load monitoring and is a prerequisite to installing energy meters for every machine.

应用模糊理论的空间物体协同监测系统效能评估方法

随着人类太空探索活动的日益频繁,在轨航天器和碎片的数量迅速增加,监测设备也相应增多。因此,通过优化调度模型来实现监测系统的组网优化成为未来关注的重点之一。文中提出了一种基于模糊理论的空间物体协同监测系统效能评估模型的构建方法。根据系统的监测功能和性能,建立相应的系统评价指标体系;依据评估模型的因素权重集计算效能值,并构建遗传算法优化的误差反向传播神经网络效能评估元模型,通过迭代优化权值以获得最优权重集。利用模糊评估方法和最大隶属度原则来评估空间物体协同监测系统的效能,并与现有评估方法进行比较,验证了提出的基于模糊理论的模糊评判模型具有更高的准确率和灵敏度。该模型为监测设备系统建设方案的设计和设备优化运行提供了技术支持,能够使监测网络的运行效能达到最优。

基于在线监测与模拟优化雨水截流设施运行应对内涝风险的应用

基于在线监测和排水模型对平原河网地区雨水管网及截流设施开展系统评估分析。研究区域的雨水管网受末端闸门井的控制,旱天均存在一定的水深,部分闸门井降雨后开启不及时,开启水位与旱天水位相差较大,可能导致上游排水不畅和内涝风险,也会影响下游污水系统运行。通过模拟分析得到积水风险分布图,并与闸门井及其上游管网分布图进行叠加,识别了对上游内涝积水及下游污水泵站抽排负荷冲击影响较大的闸门井,提出了以应对内涝风险为主要目标的闸门井运行调度建议。结合在线监测与模型模拟评估可有效支撑排水管网运行诊断评估、规划改造和管理维护决策等。

基于计算机视觉的石化火灾智能监测研究

针对火灾现场干扰因素复杂、传统火灾报警方式相对滞后的问题,提出了一种基于YOLOv5改进的火灾识别算法。首先,通过改进激活函数提升模型非线性表达及泛化能力,改进损失函数,减少模型对非必要特征的学习;然后,通过引入注意力机制CBAM,增强模型在通道和空间的双向感知力;最后,设计改进YOLOv5算法与其他识别算法对比实验。通过定性及定量分析证明改进算法的有效性,与原YOLOv5算法相比,模型平均精准率AP提高了5.85%,整体网络性能有了较明显的提升,满足了火灾图像检测准确度、实时性的需求,测试结果证明其具有良好的性能以及应用价值。

基于5G通信技术的智能配电网实时监控系统

本研究聚焦于智能配电网实时监控系统的性能优化,通过引入5G通信技术,构建仿真实验环境进行全面评估。研究对比分析了基于5G通信技术与4G通信技术的智能配电网实时监控系统在数据传输延迟、数据丢失率、系统稳定性、处理能力以及资源利用率等关键指标上的性能差异。实验结果表明,5G通信技术显著提高了智能配电网实时监控系统的整体性能,具有更低的延迟、更高的稳定性和效率。

网络仿真软件ns的结果输出和分析

为了在仿真环境下对网络协议进行性能评价，必需对仿真结果进行有效的分析和处理．介绍了ｎｓ的两层体系结构及安装过程，描述了ｎｓ的跟踪和监视机制，并在分析ｎｓ的跟踪和流监视输出格式的基础上讨论了仿真结果的处理．除ｎｓ提供的标准输出外，还以实例说明了如何根据自己的需要在仿真脚本中对数据进行处理，只输出感兴趣的结果．

遥感与GIS支持下的基于网络的洪涝灾害监测评估系统关键技术研究

以对中国的洪涝灾害监测评估为例 ,介绍了以遥感与GIS支持下的基于网络环境的洪涝灾害监测评估关键技术系统的工作环境、关键技术流程和技术方法。该关键技术系统以遥感和GIS为基础 ,快速将多源数据复合 ,通过网络集成了多种技术成果和数据 ,进行快速、准确、连续、动态与全天候的洪涝灾害的监测与评估 ,为有关部门快速了解灾情、制定救灾方案以及灾后规划等提供了重要的决策支持手段 ,已在抗洪救灾工作中发挥了重要作用。

BP神经网络在大坝安全综合评价中的应用

提出了基于改进的BP神经网络的大坝安全综合评价方法.将改进的BP神经网络应用于大坝综合评价,意在建立更加接近于人类思维模式的定性与定量相结合的综合评价模型.通过对给定学习样本模式的学习,获取学习样本中所体现的评价专家的经验、知识、主观判断及对目标重要性的倾向.当需对评价对象作出新的综合评价时,该方法便可再现评价专家的经验、知识和直觉思维,从而实现定性分析与定量分析的有效结合,较好地保证评价结果的质量.示例表明,这一评价方法是合理、可行的.

配变低压无功补偿装置的运行状态评估指标体系

由于配变低压侧负荷的不对称性及多样性,基于简单导则规定及工程经验所设计的低压无功补偿装置很难满足配变负荷实时的无功补偿需求,严重影响了无功补偿的调压降损效果。根据装置每日间隔5 min的三相量测数据,建立一套配变低压无功补偿装置的运行状态评估指标体系,其评估结果能够明确配变低压侧的电压无功问题及其原因,可为控制策略及容量配置的优化规划提供决策依据。基于所建指标体系开发低压无功补偿装置的广域状态监测评估系统,实际运行表明所提系统可取得良好的效果。

基于BP神经网络与变形监测成果的隧道安全状态评估

隧道变形监测周期长、内容多且影响因素复杂,因此需要对隧道监测方法进行不断的改进,对隧道的健康状态进行实时评估。研究变形监测范畴内基于BP神经网络的隧道安全状态评估模型,组建集卫星定位技术、测量机器人、传感器技术、移动网络通信等为一体的现代化物联网模式下的隧道变形监测系统,分析多源数据的变形特征,结合专家经验知识,实现基于BP神经网络与变形监测成果下的隧道安全状态评估,为隧道变形监测及安全状态评估提供一种新颖而有效的方法。

基于能量监测的传感器信任评估方法研究

目前解决无线传感网节点安全的方式多种多样,无线传感器也将随着物联网的发展而呈现多样化.根据物联网传感层的特点和其特有的安全问题,本文提出了一种基于能量监测的信任评估方法来解决无线传感网节点的信任问题.该方法首先针对无线传感器能耗情况,创建了传感器能量监测机制;然后,根据监测能量机制中的监测信息,通过互相关系数方法分析计算,得出传感器所处的几种信任度;最后,对传感器进行信任评估,并给出评估结果.仿真对比结果表明,本文提出的方法具有较高的准确性.

页岩油水平井体积压裂及微地震监测技术实践

为探索和解决准噶尔盆地吉木萨尔区块页岩油藏水平井体积压裂和平台式拉链压裂过程中人工裂缝网络的成像问题,储层改造方案采用高密度密集切割体积压裂充分改造储层,大排量施工满足多簇、多缝充分开启,滑溜水和胍胶逆混合压裂工艺实现高效造缝携砂,结合多种粒径支撑剂有效充填微细裂缝及主体人工裂缝。通过微地震井中监测技术识别页岩油水平井人工裂缝网络。结果表明:断层和天然裂缝带对微地震事件属性特征有影响,同时事件属性特征也能表征断层和天然裂缝的发育程度。在大规模体积压裂改造下,研究区内4口井的人工裂缝横向相互连通,形成了复杂的裂缝网络。压后投产初期的日产油量得到了较大提升,为该区页岩油的长期高效开发提供了技术依据。

区域空气质量监测网络优化布点方法研究

通过分析区域空气质量监测网络(RAQMN)优化布点的各种限制因素,利用空气质量模型模拟数据构建综合评价浓度,建立以最大贴近度为优化目标,以建设成本、地形、行政区域、人口布局和空间覆盖率等为约束条件的RAQMN优化布点方法.以珠江三角洲为案例背景,利用此方法分析了考虑常规污染物(SO2、NO2和PM10)、区域特征污染物(O3和PM2.5)和同时考虑包括常规、区域特征污染物等多种污染物组合3种情景下的RAQMN的优化布点.结果表明,该方法能够成功地应用于RAQMN的优化选址.与仅考虑常规污染物和仅考虑区域特征污染物的优化结果相比,同时考虑多种污染物优化结果的空间代表性更好,更能满足RAQMN的监测目标与优化布点的要求.