-
题名水库大坝安全信息三维可视化系统开发
被引量:12
- 1
-
-
作者
王士军
董福昌
崔信民
孟波波
-
机构
南京大学地球科学系
南京水利科学研究院
江苏南大先腾信息产业有限公司
-
出处
《水电自动化与大坝监测》
2008年第2期50-51,84,共3页
-
文摘
利用网络、三维地理信息系统、数据库、虚拟仿真以及OpenGL等技术,结合水利工程及大坝安全监控专业知识,以水库大坝枢纽工程为对象,开发了水库大坝安全信息三维可视化系统。通过与水库大坝实时安全监控综合数据库连接,将水库场景、枢纽结构和大坝安全信息及分析成果等以图像、文字、表格等多种方式实时、动态、直观地展现,实现枢纽结构及大坝安全信息的数字化和可视化。
-
关键词
大坝
监测信息
安全预警
三维可视化
-
Keywords
dam
monitoring information
safety alarm
3D visualization
-
分类号
TV698.1
[水利工程—水利水电工程]
-
-
题名水库大坝震损基础数据平台
- 2
-
-
作者
谷艳昌
王士军
孟波波
葛从兵
-
机构
南京水利科学研究院
水利部大坝安全管理中心
江苏南大先腾信息产业有限公司
-
出处
《水利水运工程学报》
CSCD
北大核心
2012年第6期28-32,共5页
-
基金
国家科技支撑计划课题(2009BAK56B04)
江苏省自然科学基金项目(BK2010125)
南京水利科学研究院青年基金项目(Y712001)
-
文摘
我国是地震频发国家,震损水库是国家与社会关注的重大公共安全问题.研发震损水库基础数据平台,实现震损水库大坝基础信息管理、大坝震损定量综合评价、震损特征统计分析、震损影响因素分析等,对辅助政府部门决策与管理以及指导今后抗震救灾工作等具有重要意义.水库大坝震损基础数据平台,采用了应用层、平台层及数据库等3层结构,设计了6大类基础信息数据架构,具有信息查询、定量综合评价、统计分析、信息管理、知识库管理、相关链接以及系统设置等7大功能.
-
关键词
水库大坝
震损
基础数据
平台
-
Keywords
reservoir dam
seismic damage
basic data
platform
-
分类号
TV697
[水利工程—水利水电工程]
-
-
题名基于交叉路口的定时信号控制的研究
被引量:1
- 3
-
-
作者
王丽娜
陈慧
王小祥
-
机构
南京信息工程大学电子与信息工程学院
江苏南大先腾信息产业有限公司
-
出处
《福建电脑》
2008年第3期135-137,共3页
-
文摘
随着社会经济的高速发展及自动化水平的不断提高,城市交通拥挤问题日趋严重。大量数据表明交叉口问题是解决城市交通的关键。本文介绍了交通信号控制的基本理论、交叉口的交通特征、信号控制设计理论等,在此基础上研究了孤立交叉口的信号相位方案设计及信号配时模型,提出了基于交叉口混行交通流的特征的信号控制方案。它在相位设计中合理地调整了相序组合,彻底消除了各交通流间的冲突点和合流点,本文以实例验证了其有效性。
-
关键词
交通流
线性规划
平均车辆延误
交通流模型
-
分类号
U491.51
[交通运输工程—交通运输规划与管理]
U491.23
[交通运输工程—交通运输规划与管理]
-
-
题名基于信用管理的海事公共服务平台研究及应用
被引量:1
- 4
-
-
作者
葛鸣明
孟波波
-
机构
镇江市地方海事局
江苏南大先腾信息产业有限公司
-
出处
《数字通信世界》
2016年第5期40-42,共3页
-
文摘
目前政府公共服务以信息查询服务为主,而业务申请和办理类的公共服务受制于身份认证和有效性确认等问题还处于线上和线下并行的方式进行处理。本文针对互联网服务的特征,结合信用管理体系和可信的基础数据的应用,构建一个包括互联网、移动互联网、微信、短信等多种服务手段在内的海事公共服务平台,实现业务的全网络化的办理。针对互联网应用的特征,设计适合于互联网应用的海事公共服务的体系,能够充分的发挥已有信息化建设成果的效益,真正的实现优质高效的社会服务。
-
关键词
公共服务
海事管理
信用体系
-
Keywords
public service
The maritime management
Credit system
-
分类号
TN929.53
[电子电信—通信与信息系统]
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进DenseNet模型的船舶图像分类
- 5
-
-
作者
居云龙
周怡君
罗晨
孟波波
-
机构
东南大学软件学院
-
出处
《船舶标准化工程师》
2024年第5期80-86,共7页
-
文摘
为了改善执法监管工作中人工查看视频方式的不便性,使用改进的DenseNet201模型依据是否悬挂国旗这一指标对船舶图像进行分类。在此过程中,以DenseNet模型为基础,首先在DenseNet模型网络结构中融入了注意力机制SENet模块,以提升船舶图像重要特征提取的指向性;其次使用亮度、对比度增强等方式扩充船舶图像数目并进行类别标注;最后使用ImageNet数据集下预训练的DensenNet201模型,使用迁移学习方式在预训练模型下使用船舶数据集进行参数微调,提升模型对于船舶图像的泛化能力。经试验验证,使用DenseNet模型以及改进DenseNet模型分别做图像分类,在验证集上准确率分别为85%和93%,提高了约8%的准确率,说明改进的DenseNet模型在船舶数据集上具有良好的分类性能。
-
关键词
图像分类
DenseNet模型
注意力机制
迁移学习
改进DenseNet模型
-
Keywords
image classification
DenseNet model
attention-mechanism
transfer learning
improved DenseNet model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-