基于字词向量的BiLSTM-CRF水利工程巡检文本实体识别模型

命名实体识别是构建水利知识图谱的核心技术。水利工程巡检文本是水利工程最为常见的数据类型,以文本形式记录,没有固定格式与结构,但其包含水利工程安全潜在风险信息,具有价值密度高的特点。针对水利工程巡检文本命名实体识别问题,提出字词向量融合的BiLSTM-CRF模型,首先将巡检文本分别在字维度和词维度进行向量化处理,合并字词向量获取字词向量特征;然后利用BiLSTM神经网络获取序列化后的上下文特征;最后通过CRF进行解码并提取相应实体。以南水北调中线工程巡检文本为例,实验结果表明:字词向量结合之后的方法能有效提高识别性能,对实体边界的识别效果更优,模型准确率、召回率和F1值分别可以达到93.79%、93.06%、93.42%;时间效率较BERT-BiLSTM-CRF模型的时间效率提高82.86%。基于字词向量的BiLSTM-CRF模型可为水利工程知识图谱的快速构建提供技术支撑。

知识驱动的南水北调工程巡检信息推荐方法

基于南水北调工程巡检专报结合专家经验构建巡检知识图谱概念模型,在此基础上利用实体关系联合抽取框架进行巡检知识抽取,并以Neo4j图数据库为载体进行巡检知识图谱可视化。基于巡检知识图谱进行南水北调工程巡检信息推荐,利用BERT(Bi-directional encoder representation from transformers)预训练模型设计BERT孪生网络,通过知识检索及字符串相似度计算等技术,实现关联工程风险信息推荐,以辅助巡检人员进行工程风险等级诊断。通过实验评估了知识抽取及字符串相似度计算模型的准确性,知识抽取F1值达到88.42%,字符串相似度计算F1值为86.00%。该方法可提高南水北调工程风险管理能力、推动工程运维的数字化发展。

知识驱动的水利工程应急方案智能生成方法—以南水北调中线工程为例

水利工程传统应急方案存在数字化程度低、内容关联性差、智能辅助决策不足等问题。本文利用知识图谱和深度学习技术,创建一种水利工程应急方案智能生成模式。首先基于风险防控手册及险情抢险应急方案等文本,提出应急方案知识图谱本体模型,构建应急方案知识图谱,实现应急方案文本中非结构信息的结构化表达。其次,基于水利工程巡检文本,利用BERT(Bi-directional Encoder Representation from Transformers)+BiLSTM+CRF(Bi-directional Long Short Term Memory with Conditional Random Fields)实体识别模型,智能识别巡检文本中的风险事件、工程等实体。最后,设计应急方案智能生成模板,通过多特征融合的实体对齐技术、知识检索与推理技术,实现应急方案的智能生成与推送。通过模型准确性分析以及“渠道渗漏”等实例验证,本文方法识别准确率高(F 1值为96.21%),生成的应急方案可靠,可推广到水利工程应急抢险以及应急预案智能生成等应急管理工作中。

水利工程文本中抢险实体和关系的智能分析与提取

水利工程抢险措施是防汛应急预案的重要组成部分。本文旨在运用信息抽取技术从各种无结构文本源中抽取出水利工程抢险知识,并将其转化为〈实体,关系,实体〉三元组结构,为应急预案智能生成提供结构化知识支撑。本文将异构的水利工程抢险实体抽取和关系抽取视为从序列到序列的生成任务,并提出了基于大型预训练语言模型(T5)的水利工程抢险实体和关系联合抽取框架(Water Project Rescue Entities and Relationships Joint Extraction,WRERJE)。WRERJE是同时进行实体抽取和关系抽取的多任务框架,该框架使用动态提示引导T5进行实体和关系的联合抽取。研究特定于水利工程抢险领域的文本数据增强方法,在使用少量标注样本对WRERJE进行初步微调的基础上,通过数据增强方法获得更多描述模糊但标注正确的数据进一步微调WRERJE,提高了其对水利工程抢险实体和关系抽取的性能。通过实验对WRERJE性能进行评估,结果表明在水利工程抢险实体和关系联合抽取任务上,WRERJE表现出了较高的抽取性能(实体和关系抽取F1值分别达到78.42%、78.22%),验证了动态提示和联合抽取方法的有效性。

大学生网络信息安全意识教育现状分析及教育对策——以河南地区为例

大学生网络信息安全教育是国家安全教育战略的重要组成部分。本研究从防护、责任和教育三个维度设计了针对河南地区五所高校的大学生网络信息安全意识现状调查问卷。调查数据显示,总体上河南地区大学生大多具有良好的网络防护意识和责任意识,能够在保护个人隐私的同时承担网络行为责任,所属高校也对网络信息安全教育给予了足够重视。本研究对调查结果进行了分析,并针对不足之处给出了三点建议。

水利水电类高校《计算机文化基础》教学改革探析

作为一门水利水电类高校的公共基础课程,《计算机文化基础》是水利水电专业学生学习和掌握计算机基础知识的入门课程之一。水利水电类高校的《计算机文化基础》教育教学工作就显得尤为重要。该文首先探讨了水利水电类高校《计算机文化基础》课的特点,然后根据计算机文化基础教学授课对象,提出了"因材施教,重在实验,结合项目,培养素质",的指导思想,并从教学目标、分层次教学、信息素养、考试模式等几个方面论述了新的教学模式与教学改革思路。

解决复杂工程问题能力培养的计算机网络课程实践教学设计与评价

针对计算机网络实践教学的不足,从创新挑战性实践教学内容设计、能力培养目标的支撑、成果导向的教学评价3个维度,阐述解决复杂工程问题能力培养的计算机网络实践教学,介绍基于虚实互补的实验环境项目实施的教学组织方式,通过问卷调查数据说明实践教学效果。

新工科背景下的电子信息工程专业创新人才培养模式探讨

电子信息工程教育专业认证有助于新一代信息技术人才的培养,促进电子信息工程专业教学质量的提升。本文以华北水利水电大学的"电子信息工程专业"工程教育专业认证为例,从4个方面来探讨电子信息工程专业的创新人才培养模式,并对产学研多平台协同育人模式进行了实践。创新人才培养模式可以进一步提升电子信息工程专业的工程教育认证质量,建设具有水利特色的应用型本科专业,为开展华北水利水电大学电子信息工程专业认证打下坚实的基础。

基于BERT-BiLSTM模型的输水工程巡检文本智能分类

长距离输水工程线路长,沿线环境复杂,在输水工程日常运行过程中,工程安全巡检是维护生产安全的重要手段。在工程巡检中产生了大量的巡检文本数据。在传统生产管理过程中,巡检文本依赖于管理人员人工按照出现问题的严重程度进行分类,效率低下且容易出现主观性问题分类出错,不足以良好管理长线路,沿线环境复杂的输水工程。针对这一问题,提出一种结合双向长短期记忆神经网络(Bi-directional Long Short-Term Memory)和BERT神经网络的混合深度学习模型对巡检文本智能分类方法,模型使用BERT作为输入层将巡检文本转化为特征向量,再将结果输入到BiLSTM模型挖掘文本特征,实现巡检文本智能分类。以南水北调中线巡检文本为算例,实验结果表明:该模型与主流深度学习模型文本卷积神经网络(TextCNN),BERT,BiLSTM模型相比,准确率、召回率和F1值分别达到92.30%、92.32%、92.30%,模型性能优于其他深度学习模型。

面向水利监管的违采事件检测并行化方法研究

现有卷积神经网络检测方法不能满足高检测精度和速度的要求。针对此不足,利用卷积神经网络选取目标检测算法,以DarkNet53网络模型为基础,结合黄河流域违采事件特点,对模型加入并行化设计,以检测速度和检测精度为评价指标,利用对比实验验证并行化后的HO-DarkNet网络模型的加速效果。结果表明:并行化前HO-DarkNet模型的精确率约75%、召回率约96%、mAP@0.5为98.58%、mAP@0.5∶0.95为64.25%,与DarkNet53模型相比,并行化前HO-DarkNet模型的mAP@0.5、mAP@0.5∶0.95值分别提升了7.98%、8.79%;与并行处理前HO-DarkNet模型相比,并行处理后HO-DarkNet模型的mAP精度值未发生太大变化,但其加速比提高了2.32,对于视频图像的处理速度为21 fps/s,达到视频图像处理速度标准。

基于CEEMDAN-QPSO-BLS模型的径流预测研究

准确的径流预测是水资源优化配置和高效利用的前提,是制定防洪减灾决策的基础,然而受到人类活动、环境、气候等因素的影响,径流序列呈现出非线性、非稳态、多尺度变化的特点,这为径流的精准预测增加了难度。为提高径流预测的精准度和可信度,结合自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)方法,量子粒子群优化算法(Quantum Particle Swarm Optimization,QPSO)、宽度学习系统(Broad Learning System,BLS)模型,提出了一种基于CEEMDAN-QPSO-BLS组合式的径流预测模型。该组合模型首先使用CEEMDAN方法对原始径流信号进行分解,得到若干相对平稳的本征模态分量。其次利用QPSO算法对BLS模型的特征层节点组数、增强层节点组数和组内节点数进行寻优,得到最优的宽度学习网络拓扑结构,进而使用最优的QPSOBLS对多个稳态分量进行预测,并对预测分量进行重构,从而获得更高的预测精度。以黄河流域小浪底水库的日径流值为实验数据,将EMD-QPSO-BLS、QPSO-BLS作为CEEMDAN-QPSO-BLS的对比模型,并采用纳什效率系数(NSE)、均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)作为模型预测可信度和精准度的评价指标。实验表明,在预见期4天内,与QPSO-BLS、EMD-QPSO-BLS模型相比,CEEMDAN-QPSO-BLS的预测精准度分别提高了79.87%、19.80%,可信度分别提高了131.2%、10.98%,径流预测精度的提高,可为防洪抗旱保护人民生命财产和可持续发展提供决策支持。

不同工艺渗碳淬火和深冷处理后20CrNi2Mo轴承钢的组织与性能

对正火态20CrNi2Mo轴承钢分别进行渗碳油淬+回火、二次渗碳油淬+回火、渗碳气淬+渗碳油淬+回火等3种渗碳淬火+回火处理以及在上述工艺的回火前增加深冷处理的渗碳淬火+深冷+回火处理,研究了不同工艺处理后轴承钢的显微组织、力学性能和耐磨性能。结果表明:渗碳淬火+回火后轴承钢的组织均为针状马氏体+残余奥氏体+碳化物,渗碳气淬+渗碳油淬+回火后的马氏体更细小,残余奥氏体更少,此工艺下轴承钢的硬度、抗拉强度和断后伸长率均高于其他2种渗碳淬火+回火工艺,磨痕宽度和深度较小;与渗碳淬火+回火相比,渗碳淬火+深冷+回火处理后轴承钢中奥氏体含量减少,硬度提高,磨痕宽度和深度减小,并且在200 N载荷下的磨损质量损失明显减少;较优的工艺是渗碳气淬+渗碳油淬+深冷+回火。

基于云开发的三农信息平台的设计与实现

为满足用户对农产品相关信息查询与咨询的需求,本文设计了基于云开发的三农综合信息服务微信小程序。该系统采用云开发模式,大大节约了开发成本,且稳定可靠,便于维护。为用户随时查询、发布信息提供了一个高效的平台,为管理人员提供了快捷修改、审核、发布信息的内容管理系统,具有一定的实用价值。

面向复杂光照环境的车道线检测方法

在复杂光照环境下由于光照不均匀,导致路面上的光照出现强弱不一的情况,使得车道线的亮度和颜色发生变化,从而对车道线检测造成困难。为了提高对车道线检测的精度,提出了一种面向复杂光照环境的车道线检测算法。算法主要以车道线的纹理特征为依据,借助投票算法对交通道路上的图像消失点位提取特征点,构建出车道线的关键检测区域;设计一种结合梯度和统计平均相对差的蚁群算法用于车道线边缘特征提取,并最终拟合标记出待测车道线。实验结果表明,所提方法在复杂光照环境下检测准确率高,鲁棒性强,显著改善复杂光照条件下的车道检测成功率。

基于残差密集块的激光遥感图像中目标检测方法

为了提高对目标检测的效果,提出基于残差密集块的激光遥感图像中目标检测方法。首先,设计基于残差密集块的卷积神经网络,在设计ReLU激活函数并完成网络训练后,基于含噪激光遥感图像的初步特征提取结果,利用单个卷积展开卷积映射处理,抽取出潜在干净图像。然后,通过聚类处理的方式,得到激光遥感图像中车辆目标的显著图,再利用大律法,通过建立的特征比例关系的方式检测出其中的目标信息。实验结果表明,应用该方法有效滤除激光遥感图像中的噪声,并精准检测出激光遥感图像中的车辆目标。相比于3种传统方法,该方法检测结果均值误差的最小值仅为0.0156,说明该方法有效实现了设计预期。

基于逆透视变换的车道线激光精准检测方法

车道线检测作为智能汽车安全驾驶的主要研究方向,能够在汽车偏离车道时及时发出预警,有效缓解交通拥挤、安全问题,但常规方法易受光照强度、阴影等环境因素影响,限制其使用范围,且检测误差较大。为此,提出基于逆透视变换的车道线激光精准检测方法。该方法选用RS-LiDAR-16激光雷达作为车道数据采集装置,借助逆透视变换、顶视图空间坐标系转换各激光点数据,利用最大类间与最小类间方差算法找出激光点反射强度最佳阈值,作为车道表面及车道线数据判断依据,通过二值化算得出车道线各点数据,凭借最小二乘拟合法将这些数据拟合成线,最终检测出车道线。实验结果表明,所提方法车道线检测精准度高,逆透视变换降低了环境对检测结果的干扰。

基于文本计量和知识图谱的武汉市水政策演进研究

构建了基于机器学习、文本计量和知识图谱的水政策演进分析框架,以武汉市2001—2021年出台的252份水政策文件为研究样本,提出了基于Word2Vec模型的关键词词典构建技术及关键词热度计算方法,从政策关键词和政策工具两个维度探究了武汉市水政策演进规律。结果表明:在研究时段内武汉市水政策演进经历了初期探索、综合治理、生态优先3个阶段,形成了较为完善的水政策体系;水政策关注重点由供用水需求逐渐转向生态文明建设;政策工具以命令控制型为主,经济激励型政策工具呈现减少趋势,技术支撑型政策工具和公众参与型政策工具占比有所提升;武汉市水政策发展主要面临系统治理理念相对薄弱、防洪防涝关注不够、政策工具类型结构失衡等问题,未来可以从坚持系统治水、提升防洪防涝能力、完善政策工具结构等方面对水政策制度加以改进。

基于关键点亲和场与支持向量机的人体姿态识别

针对传统动作姿态识别仍需物理数据采集设备或深度体感设备进行手工提取特征的问题,提出一种基于关键点亲和场与支持向量机的人体姿态识别方法。以关键点亲和场为核心进行关节点检测,获取各种姿态下的18个关节点坐标信息,使用标准化后的坐标数据对支持向量机模型加以训练,选择不同的高斯核函数进行对比。实现在没有人体深度信息和无穿戴设备的情况下,只使用普通RGB图片便可对人体姿态进行分类识别的效果。实验表明它在KTH数据集、Weizmann数据集中的识别效果良好;在自采集数据集中与带有传感器的方法相比,缩减操作步骤的同时准确率提高了7百分点。另外,还在保持关节点检测不变的情况下,使用随机森林、KNN算法进行姿态分类对比,实验结果证明该方法优于后两者。

OBE理念下新工科实践教学优化策略研究

新工科建设是主动应对新一轮产业变革与科技革命的战略行动。OBE理念以结果为导向,要求新工科教学以学生为中心,提高学生工程实践动手能力,结合整体优化、未来需求与能力导向三项基本原则,促进OBE理念下实践教学主体的有效参与。通过对教学目标、课程体系、教学资源等方面进行优化,实现实践教学体系机制创新,促使政校企协同参与实践教学环节,科学评价与有效激励有机结合,全方位、多角度监控教学质量。

面向多应用场景的遥感图像LSTM分类模型

遥感图像能够更为丰富地反映地物内部信息,但多种应用场景下会出现时间序列关键特征难以提取,导致图像分类效果不佳的问题。为此,设计一种面向多应用场景的遥感图像长短期记忆(Long Short Term Memory, LSTM)网络分类模型。对场景遥感图像时间序列特征进行表示;改进动态时间弯曲质平均算法,利用改进算法提取场景遥感图像时间序列关键形态特征;构建LSTM模型,利用梯度下降法训练LSTM模型,更新网络的权值与偏置,在训练完成的网络内,输入时间序列关键形态特征,输出遥感图像场景分类结果。实验结果表明,所设计模型可有效分类遥感图像场景,对场景遥感图像分类的Kappa值为0.97,分类耗时5.6 s,分类不同类别遥感图像场景时的预测分布方差最大为0.6,该方法的分类精度较高,且消融实验结果显示所设计模型的召回率高达95%,F1值高达0.96,由此可见,所设计模型对场景遥感图像分类具有显著的有效性。