高速公路隧道智能管控现状及管控模式需求分析

针对目前高速公路隧道管控系统设备信息采集功能单一,设备数字化率低以及与各平台之间的相关数据互通性差、安全事故检测手段单一、应急管控效率低等现状进行分析,并针对高速公路隧道智能管控模式和需求进行研究,提出了基于高速公路隧道运行状态监测、交通监控、安全管控、应急管控和智慧运维的智能管控模式,以及隧道内设施设备全要素实时动态监测、全生命周期设施设备运维管理和全过程事件事故跟踪处理的高速公路隧道智能管控需求。

基于Zabbix架构的预警系统智能监控平台

介绍了吉林省地震局烈度速报与预警系统的建设:利用Zabbix开源监控解决方案对该系统进行实时监控以及故障消息自动化处理。重点阐述了JOPENS系统、MySQL数据库等重要应用的监控、企业微信自动告警配置,实现烈度速报与预警系统网络智能监控与自动化处理,有效保障了台网业务的连续性和可靠性。

水工建筑物安全监控深度分析模型及其优化研究

随着水工建筑物安全管理自动化技术的发展,以丰富性、多样性、复杂性为特点的大数据逐渐成为水工建筑物安全监控体系的显著特征。常用安全监控数学模型(三大常规模型、浅层学习算法)难以从大量数据中自动提取深层次潜在信息,即浅层模型与大数据挖掘分析不相适应。深度学习算法由多重非线性映射层构成,能够逐层学习输入数据本质特征并完成高级抽象,但也存在工程适用性不佳等问题。为解决这方面的难题,本文总结安全监控大数据特性,引入长短期记忆深层网络(Long Short-Term Memory,LSTM),提出了适用于不同类型水工建筑物的安全监控深度分析模型,并对算法进行了优化。该模型以竞争学习机制为核心,采用数字滤波、限定区间、滚动迭代等策略,从前端处理、网络结构和外延预测三方面对LSTM算法进行了改进,并通过随机搜索和步进式验证实现了最优化建模。结合实际工程选取了多组不同效应量实测数据作为典型应用场景,通过仿真对比实验对所提方法的有效性进行了验证评估。结果表明,与常规、浅层模型相比,多数场景下深度模型更适合用于安全监控大数据处理,以期为水工建筑物安全运行提供决策支持。

电子信息玻璃生产线一体化大屏监控系统

电子信息玻璃生产线一体化大屏监控系统,通过与生产信息化管理系统、故障报告、数据分析系统等玻璃生产线的智能设备的通信,实现生产数据可视化、信息交流数字化及调度指挥集中化等功能。