基于柔性位移感知SAA技术的库岸边坡变形监测与预测模拟研究

基于柔性位移感知SAA技术,应用大数据聚类和预测预报算法,开展了库岸边坡变形时空演化规律、预测预报和预警体系研究,应用大数据聚类和灰色理论算法,开展库岸边坡变形聚类分级和预测预报分析。滑坡体内测斜孔深部相对变形主要受库水位、时间的影响,浅部相对变形主要受降雨、时间的影响。在水利水电工程实践安全监测设计、施工、观测及分析建立了基于位移量和位移速率的变形预警体系。

基于深度学习的智能电网电力运行状态监测与预测研究

在智能电网的电力运行状态监测与预测领域,实时性和准确性是评估系统性能的关键指标。传统方法在处理大规模、高维度的电网数据时面临着效率和精度的双重挑战。本研究提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)的方法,旨在提高状态监测的实时响应能力和预测的准确度。通过设计一个多层次的CNN架构,该方法能够有效地提取电网数据的时空特征,并通过深层网络结构实现复杂模式的识别。实验结果表明,与传统机器学习算法相比,所提方法在电力系统状态分类准确率和预测时间序列未来趋势方面均展现出显著的性能提升。

基于云+本地多端部署的光伏监测与预测系统设计

为满足集中式和分布式光伏电站的集中管理需求,从系统整体架构、硬件结构、软件功能3方面进行考虑,设计了一种基于云+本地多端部署的光伏监测与预测系统。系统试运行结果表明,系统设计上具备对各类光伏电站的数据统一汇聚和集中管理功能,解决了以往分布式光伏和集中式光伏电站在系统功能和数据上相互独立的问题。测试结果显示,HTTP接口平均响应时间均<500 ms,数据库平均响应时间<200 ms,本地端服务器硬件的整体CPU负荷率,在24 h测试时段内,峰值负荷率<18%,系统具有较好的并发处理能力和抗压能力。项目自上线试运行以来,取得了良好效果,对公司的光伏电站管理具有重要意义。

基于遥感技术的小麦和玉米种植面积监测与预测

随着信息技术的飞速发展,遥感技术在农业监测领域的应用日益广泛。然而,传统的监测方法在小麦与玉米种植面积方面存在时效性差和精度不高的问题。基于此,文章针对小麦与玉米种植面积的遥感监测与预测展开分析,构建了一套有效的监测与预测体系,以期达到提高监测精度和预测效率的目的。

基于深度学习的煤矿地面电气设备状态监测与预测

针对煤矿地面电气设备的状态监测与预测问题,本研究提出了一种结合全连接神经网络和门控循环单元的深度学习方法。在状态监测方面,利用FCNN的强大特征学习能力,通过处理传感器收集的一维特征向量,实现了对电气设备当前状态的准确判断。在预测方面,采用门控循环单元来处理时间序列数据,凭借其简化的循环结构和高效的信息传递机制,成功预测了电气设备的未来状态。通过这两种方法的结合,本文不仅实现了对煤矿地面电气设备当前状态的实时监测,还能有效预测其未来状态,为设备的维护和故障预防提供了强有力的技术支持。

基于应变监测数据预测值的藏式古建筑木结构健康状态评估

为增加藏式古建筑木结构的安全冗余度,该文提出了短期应变监测数据预测方法,以此对藏式古建筑木结构健康状态进行预判性评估。以回廊结构为对象,利用Sobel算子与卷积神经网络方法处理传感器带来的多种数据异常。通过多项式回归和功率谱密度的方法确定应变监测数据组分。引入变分模态分解法对数据进行解耦,以Prophet算法预测短期温度监测应变,以Gumbel极值理论预测不同重现期下的人群监测应变。以不同重现期下的应变监测数据预测值的叠加结果确定需重点关注的结构位置和需立即修缮的结构位置,以满足藏式古建木构的预防性保护要求和最小扰动原则。

深度学习技术在农业干旱监测预测及风险评估中的应用

人工智能技术的发展,特别是深度学习的出现,推进了农业新发展,是农业现代化生产的新方向。深度学习具有学习能力强、覆盖范围广、适应力强、可移植性好等优点,其开发模拟数据集可以解决实际问题,在农业干旱的监测预测及风险评估中的应用越来越广泛。本文采用文献综述方法,归纳农业干旱监测预测评估技术的发展与应用,总结深度学习模型的原理、优势和不足,概述深度学习模型在农业干旱监测预测及风险评估方面的实际应用,探讨深度学习数据集要求大、数据预处理耗时长、预定义类别范围窄、遥感图像复杂的问题,并对未来研究方向进行展望。结果表明,近年来农业干旱监测预测及风险评估技术取得重要进展,然而由于农业系统的非线性及干旱灾害发生的复杂性,现有技术在适用地域、对象和精准性等方面仍难以满足新形势下实际农业生产的需求。深度学习方法为农业干旱研究提供了新手段,但深度学习模型无法准确表达作物生长具体过程与机理,可尝试探索通过深度学习模型和作物生长模型的耦合来确保深度学习模型的可解释性。对于修正预测序列中存在的误差,可建立基于深度学习模型与大气环流模式的耦合模型,进一步提升模型对中长期农业干旱的预测能力。针对灾害样本容量有限问题,加强基于深度学习和迁移学习的农业干旱监测与评估研究,可进一步提高农业干旱精细化监测与评估精度。针对影响农业干旱形成的因子具有数据量大、类型多样、非线性的特点,采用深度学习与信息融合相结合的方法,可进一步提高区域农业干旱监测预测及风险评估精度。因此,深度学习模型与作物生长模型的耦合、融合深度学习模型和大气环流模式的农业干旱预测、基于深度学习与迁移学习的农业干旱精细化监测与评估、深度学习与信息融合技术相结合的区域农业干旱监测预测及风险评估是未来深度学习技术在农业干旱监测预测及风险评估中应用的发展趋势。

结合Prophet-CNN模型的多轨时序InSAR矿区三维形变监测预警

绝大多数矿区由于矿床的地质条件及特殊的采矿方式,推进开采容易引发矿区地质应力失衡,造成不同程度的变形破坏。为探究采矿活动下大红山矿区地表稳定性,本文通过对覆盖大红山矿区2021—2023年的三轨SAR影像进行联合解算矿区三维形变场,分析矿区形变特征;在此基础上,运用Prophet-CNN模型对形变时序进行训练,构建形变预测模型对矿区的三维形变趋势并进行预测;结果表明,矿区在开采活动的影响下地表持续发生形变,形变主要分布于硝水箐—南部废石场、露天采区及铜矿采区,最大垂直形变速率为-51.22 mm/a;采用Prophet-CNN组合模型对矿区地表三维形变进行时序预测,3个方向预测结果的RMSE与MAE分别在2.90和1.85 mm以下,充分证明了本文方法能够运用于矿区沉降趋势预测,为防灾减灾工作提供技术依据。

基于人工智能技术的矿山水文地质预测与监测方法研究

矿山水文地质预测与监测对于矿山运营的安全性和可持续性至关重要。矿山地下水、地质条件和地下空间稳定性的变化,对矿山工作和环境保护产生深远影响。然而,传统的矿山水文地质预测与监测方法往往昂贵、繁琐且不能满足实时需求。本研究将探讨如何基于人工智能技术改进矿山水文地质预测与监测。

大数据下青海省经济监测预测思考

随着信息技术的蓬勃发展,大数据与农业、工业、服务业等领域的融合日益广泛与深入,信息技术成为经济社会高质量发展的重要驱动力。结合青海省发展实际,分析经济运行大数据存在的困难和问题,并提出意见建议,为青海省经济管理部门提高决策的科学性、时效性、针对性和提升政府宏观经济治理能力提供参考。

以高频数据为特色 打造经济监测预测杭州样板

为增强经济运行研判的预见性和有效性,2020年4月,在杭州市发展改革委指导下,杭州市经济信息中心探索构建了以高频数据为特色的经济监测预测体系,通过全方位跟踪高频指标趋势,提升经济运行态势感知时效性。该体系运行三年来,持续为杭州经济复工复产、打好经济翻身仗等攻坚行动贡献力量,在全国的影响力不断扩大。

国家气候中心MJO监测预测业务产品研发及应用

热带大气低频振荡(MJO)和北半球夏季季节内振荡(BSISO)对全球范围天气气候事件有重要影响,是次季节-季节(S2S)预报最主要的可预报性来源之一。国家气候中心(BCC)基于我国完全自主的T639全球分析场数据、风云三号气象卫星射出长波辐射(OLR)资料以及BCC第2代大气环流模式系统的实时预报,发展了MJO实时监测预测一体化业务技术,建立了ISV/MJO监测预测业务系统(IMPRESS1.0),已投入实时业务运行,在全国气象业务系统得到应用。该文着重介绍该系统提供的MJO和BSISO指数监测预测数据和图形产品,并描述了这些业务产品在2015年对MJO典型个例的实时监测预测应用情况。监测分析和预报检验表明,基于我国自主资料的监测结果能够较为准确地表征MJO和BSISO指数的振荡和演变过程,该系统对MJO和BSISO事件分别至少具备16 d和10 d左右的预报技巧。因此,基于IMPRESS1.0的MJO/BSISO监测预测一体化业务产品可为制作延伸期预报提供重要的参考依据。

天然草地牧草产量遥感综合监测预测模型研究

利用天然草地牧草光谱观测资料、牧草产量资料、气象资料和NOAA/AVHRR资料 ,建立了天然草地牧草产量光谱植被指数和卫星遥感监测模型、气象监测模型 ,提供及时准确地掌握牧草产量变化的科学手段。建立了天然草地牧草产量遥感预测模型及气象预测模型 ,可以根据需要提供不同时效的卫星遥感预测结果和气象模型预测结果。气象模型精度较高 ,但气象站点有限 ,往往以点代面 ;遥感技术宏观性强 ,空间信息丰富 ,可以弥补气象模型的不足 ;两者既可以互相验证 ,又可以取长补短。 1995年以后服务表明 ,这些模型达到牧业气象业务服务的要求。

20世纪以来中国蝗虫监测预测研究动态进展

中国草原占国土总面积约42%,是畜产品的重要基地,具有重要的生态功能和经济价值。蝗虫是草原主要生物灾害之一,当其达到一定密度时,由于大量啃食植物,对草原畜牧业和生态环境造成极大的危害,甚至成灾。近年来,气候变化、过牧和不合理的人为活动等导致中国草原蝗虫大面积发生,因此,防蝗减灾成为科研业务部门的一个重要课题。根据近几十年文献资料,归纳了中国20世纪以来不同时期蝗虫和蝗灾监测预测的主要研究内容和研究重点,概述了蝗虫监测预测技术方法、相关研究成果和动态进展,展望了未来研究发展趋势,为相关领域的进一步深入研究提供理论基础和参考依据。

基于作物生长模型的东北玉米冷害监测预测

在全球气候变暖背景下,东北地区的气温明显上升,但由于存在玉米相对晚熟品种越区(北扩)种植现象,区域性和阶段性的玉米低温冷害仍时有发生。因此,开展东北玉米低温冷害监测预测研究仍十分必要。本文首先利用东北玉米生长模型(NEC_MaGM)构造冷害监测指标,然后开展玉米冷害监测预测方法研究并进行个例分析。结果显示,从不利天气条件和玉米对低温响应两方面遴选的8个单项指标中,以指标2(DC_Tas9,抽雄期到9月底的累积热量单位与同期多年平均值的差值百分率)和指标1(DN_Tas,当年抽雄期与多年平均抽雄期的差值)对历史玉米冷害的概括能力最强;根据冷害致灾机理、单一指标的历史概括能力及其独立性等因素,构建了由指标1、2以及指标4(DW_GrS,水分适宜条件下模拟穗重与多年平均穗重的差值百分率)和指标7(DW_Fro,初霜冻日时模拟穗重与模拟成熟时穗重的差值百分率)组合而成的东北玉米低温冷害综合指标;基于NEC_MaGM和冷害综合指标进行单点冷害监测,确定了若45%以上站点出现玉米冷害即为区域性冷害的标准,独立样本监测检验与实际情况一致;利用NEC_MaGM在网格尺度上的监测可以得到更详细的冷害空间分布状况,有利于开展农业气象业务服务工作;根据前期天气实况加上区域气候模式预测的气象要素数据,再结合预报时效之后的多年平均气候数据,在格点尺度利用NEC_MaGM可以实现对东北玉米低温冷害的预测。预测个例表明,该方法能够反映冷害的形成过程和严重程度,但其准确性不仅与作物模型有关,还依赖于区域气候模式的模拟能力。

稻瘟病监测预测方法研究现状及流行风险评估体系构建初探

稻瘟病是水稻生产上最主要的病害之一,对稻瘟病的发生流行状况进行准确的监测预测是有效防治病害的前提和基础。分析了应用菌源信息、气象因子信息和水稻冠层光谱信息3个方面对稻瘟病监测预测的国内外研究现状,总结了现有监测预测方法存在的主要问题和技术难点,从系统研究的角度出发,提出了应用与稻瘟病发生相关多源信息构建病害流行风险评估体系的研究思路。提出的稻瘟病监测预测方法可提高病害的监测预测精度,同时也对其他病害监测预测的理论和方法具有重要的借鉴作用。

“3S”技术在草地鼠虫害监测与预测中的应用

日益严重的草地鼠虫害,己成为引发草原退化、沙化、水土流失的重要因素之一,并威胁我国草地畜牧业的可持续发展。"3S"技术作为一种综合性技术手段,具有探测范围广、信息量大、成本低、受地面条件限制和人为因素影响小等特点,可实现对各种空间信息和环境信息的快速、机动、准确、可靠的收集、处理与更新。这一技术与地面调查资料的结合,不仅加快了对草地资源的宏观监测速度,而且能够快速、准确地反映草地鼠虫害的变化动态。结合鼠虫害发生的特点,重点概述了运用"3S"技术对草地鼠虫害进行监测的原理、方法及存在的问题,并分析了该领域未来的研究重点和"3S"技术的应用前景。

农业气象灾害监测预测技术研究进展

农业气象灾害的监测预测是灾害评估和防控的基础和前提,因此,农业气象灾害的监测预测研究长期以来一直是农业气象研究工作的重点领域。该文系统回顾了我国农业气象灾害的指标、监测技术和预测预警技术等方面的相关进展和成果,提出当前存在的主要问题:农业气象灾害的基础性研究仍然十分薄弱,农业气象灾害指标对致灾因子的概括性尚不足,农业气象灾害监测的精细化程度有待进一步提高,临近预警技术缺乏,气候变化背景下农业气象灾害的新规律揭示不够。该文同时指出未来应加强农业气象灾害综合指标的研究,强化农业气象灾害的预测预报研究,构建农业气象灾害实时预警技术体系,构建农业气象灾害立体、动态监测体系,关注气候变化背景下农业气象灾害风险变化评估研究,加强气象或气候预测信息在农业气象灾害预测中的应用技术研究。

隧道围岩稳定性信息化监测、预测与决策系统

结合川—藏公路二郎山隧道围岩稳定性研究的实践,初步建立了隧道信息化监测、预测和决策系统(TMFS)。阐述了 TMFS 系统的组成、实施和应用效果,提出了围岩稳定性“综合集成分析”的理念。

遥感在松材线虫病早期监测预测上的研究进展

松材线虫病在我国不断扩展蔓延,形势紧迫,其爆发前的早期监测预测已成为当前研究的热点和难点.为了有效发现和控制松材线虫病,将遥感应用于其早期监测预测成为一种快速而且必要的方法.国内外研究进展主要集中在染松材线虫病的病株在光谱曲线上的变化,以及基于"水分含量"指示性因子研究松材线虫病早期遥感监测.结果表明,建设一套完善的、适合中国病虫害发生发展规律的森林病虫害监测预测理论、方法与技术体系是十分必要的.