供水管网DMA优化分区设计方案

实施独立计量分区(district metered area,DMA)是辅助供水管网管理和漏损识别的重要手段.图划分算法是进行DMA分区的方法之一,常规图划分算法应用中,存在解空间受限、分区后原水流状态易发生较大改变、形成较多串联分区(对流量计算不利)的缺点.在常规图划分算法基础上进行了改进:粗化阶段按照特定规则匹配、合并非输水干管两端的节点,形成简化的管网拓扑结构;分区阶段得到管网初步分区方案;细化阶段提出基于贪心算法、枚举算法、蒙特卡洛算法的分区调整方法,结合改进的仪表安置方法、水力模拟、优劣解距离法(technique for order preference by similarity to an ideal solution,TOPSIS),对分区方案进行调整.将该方法应用于YX市供水管网,成功进行了分区.     

凌庄子水厂保水堰流量系数试验

凌庄子水厂蓄水池进水口处有一保水堰,为非标准薄壁堰,不能使用已有堰流公式对其过流量进行准确计算。为了得出较为精确的过流流量,按照重力相似准则制作几何比尺为1∶5的模型进行试验研究。在已有自由出流公式的基础上,对自由出流流量系数进行修正并对淹没情况下流量变化过程进行研究。对该非标准堰自由出流流量系数的实测值与经验值进行分析比较,发现堰板槽降低了实际自由出流过流能力。淹没出流的流量系数主要与下游尾水位有关,试验中形成的淹没式堰流受实际堰型尺寸影响,下游尾水位和堰上水位近似相等,不完全适用已有淹没出流流量公式,通过试验给出了修正淹没系数随h/p的变化关系。结果表明利用堰前、堰后水位初步计算过流流量是可行的,可为该工程提供参考,也可为实际工程中非标准矩形堰的流量计算提供思路。     

基于测绘地理信息技术的涉地税源风险识别模式应用研究

为解决沧州市涉地税源管理手段单一等问题,文中提出以测绘地理信息技术为支撑,通过对多源数据组织管理,建立风险分析指标,采用多种GIS空间分析方法构建了涉地风险税源识别模式并在沧州进行应用。结果表明:该模式能有效识别多种涉地风险,为涉地税源管理提供了支撑。     

基于双目标优化遗传算法和支持向量机的旋转机械退化状态识别

退化特征提取是机械健康状态监测的重要组成部分,伴随旋转机械长时间连续运转,退化特征出现性能波动甚至下降,给退化特征提取和选择造成了困难.首先利用一个特征映射算法库对振动信号提取特征,并基于Kolnogorov-Smirnov (KS)检验和Benjamini-Yekutieli过程对原始特征集进行过滤,然后利用双目标优化遗传算法(Bi-objective Optimization Genetic Algorithm,BOGA)结合支持向量机分类器(Support Vector Classifier,SVC),在有监督的环境下搜索出最佳特征子集,其中BOGA设置了SVC分类精确度和特征子集维数两个目标函数,前者进行最大化,后者进行最小化.通过在液压泵退化状态数据集上进行实验和在凯斯西楚大学轴承数据集与FRESH_PCAa、ReliefF、JMIM三种方法进行对比,验证了该方法在退化状态识别上的较好性能.     

化工工艺安全设计中危险识别和控制策略研究

随着我国经济实力不断提升,化工行业的发展速度也在不断加快,越来越多的新技术被应用在整个生产过程当中。如何确保化工生产的安全,就成为了很多人关注的问题。化工生产安全问题研究,将会对保证生产质量,维护工作人员生命安全起到关键作用,对社会发展产生积极向上的意义。本文将会结合实际工作经验和化工工艺中可能涉及的安全隐患进行分析和讨论,为化工生产的安全维护提供工作帮助和支持。进一步提高化工工艺危险识别和控制能力,保证化工企业的安全生产。     

一种广播电视音频语种识别方法

介绍一种广播音频语种识别方法、装置、设备及存储介质,用以解决现有技术中广播音频语种识别准确性低的不足,降低噪音对识别结果的影响,提高语种识别的准确性.     

基于检修要素感知的检修方案智能生成模型研究

水电站检修是电力安全生产中不可或缺的一环,现有检修模式是提前确定检修项目以及工期,项目和工期编排,关系着检修质量、成本以及进度等多方面因素,其中检修方案的制定直接决定了检修工作的成效。本课题主要通过收集历年检修数据,建立检修知识库,通过检修需求画像、模糊聚类、寻优算法建立一套检修方案智能生成模型,可根据生产管理系统下达的消缺通知或检修通知,通过智能匹配知识库中关键字,对检修人员、工器具、消耗性材料、防范措施、工期、成本等检修要素寻优,生成检修方案,对完成的检修工作生成检修绩效指标进行后评价,可通过检修数据存储并输出最优流程,不断实现检修流程最优化迭代,有利于智慧检修知识库建立,体现智慧检修决策支持。     

基于GR4J-LSTM混合模型的洪水预报研究

为提高洪水过程预报的准确性，将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中，构建了GR4J-LSTM混合模型，并与GR4J、LSTM模型进行对比。基于2012～2019年陆水水库汛期与洪水事件相关的数据集，并结合欧洲中期天气预报中心的3 h预报降水产品，驱动GR4J-LSTM混合模型，预报陆水水库3～12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明：GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力，但GR4J-LSTM混合模型的预报性能最优，既可以学习GR4J模型的产汇流过程，又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。     

贵州水利工程运行期生态流量下泄过程中存在问题及对策探讨

为确保水利工程在运行期间能足额下泄生态流量，整理了贵州目前水利工程常采用的４种生态流量下泄方式，并分析了各自下泄方式适用范围及存在问题。针对中小型水利工程运行期生态流量下泄存在的问题，提出了应加强恒生态流量自动控制阀的研究与应用，推动智慧水利平台建设，强化生态用水调度运行管理，完善相关行政管理部门生态流量监控管理平台，同时结合国家近期出台的有关生态流量管理的法律法规、条例、政策增强生态流量在线监测监控的管理力度等5条对策建议，以实现生态流量实时足量下泄的技术支撑，并以现行有关生态流量下泄的法规条例为抓手加强管理，可保障河流水资源开发与生态环境保护的协调发展。此结论可为贵州仍至全国其他省（自治区、直辖市）水利工程下泄生态流量方式的选取及生态流量监控监管提供参考。     

基于音频特征的工程车辆工况识别研究

高效率地使用工程车辆是工程项目管理中节约成本的有效方法，无人监管环境下工程车辆的工况识别，是实现工程车辆高效率使用的有效手段。目前以GPS等技术为核心的车辆智能管理系统未对工程车辆进行工况识别，提出一种基于GRU循环神经网络的工程车辆工况识别方法，通过对工程车辆在不同工况下产生的音频信号进行分析，从中提取Mel倒谱系数作为主要特征，构建GRU循环神经网络模型进行训练和识别。实验结果表明，该方法可以实现对工程车辆工况的有效识别。