排序方式: 共有96条查询结果,搜索用时 0 毫秒
91.
大坝安全监测自动化系统的选型与考核 总被引:12,自引:0,他引:12
系统地研究了大坝安全监测自动化系统的选型和考核问题,列举了相关方法和指标,为设计及电站运行管理单位的选择自动化系统时提供了有益的参考。 相似文献
92.
分析了工作于水工环境下大坝安全监测自动化系统所受的干扰 ,提出了一系列抗干扰方法 ,对总结大坝安全监测系统自动化的成功经验及提高系统的稳定性、可靠性具有一定实际意义。 相似文献
93.
对大坝安全监测自动化系统的成功经验进行总结和对大坝安全监测自动化系统运行的管理现代化手段进行探讨具有非常重要的意义。系统地总结了大坝安全监测自动化系统的运行管理的经验和方法,就自动化系统安装调试后的运行管理进行说明,明确其中每个环节的工作和意义,以供电站管理部门参考。 相似文献
94.
试论大坝安全监测自动化的发展方向 总被引:2,自引:0,他引:2
根据工业自动化发展的一般过程,结合大坝安全监测的具体情况,阐述了大坝安全监测自动化的发展方向,为大坝安全监测自动化向规范化、标准化、网络化发展指明了方向。 相似文献
95.
通过十三陵水库上池水工建筑物自动监测系统的设计,探讨了抽水蓄能电厂水工建筑物监测自动化系统设计应注意的问题,具体包括系统的兼容性、环境适应性、运行周期和准确性要求等。设计时应该考虑的因素和具体方案为类似工程提供了参考。 相似文献
96.
为了提高大坝变形预测模型精度和泛化能力,建立了一种基于卷积神经网络(Convolutional neural networks, CNN)与深度学习长短期记忆(Long short-term memory, LSTM)神经网络的组合预测模型CNN-LSTM。该模型先利用CNN提取大坝变形监测时间序列的特征,再利用LSTM生成特征描述,该模型精度高、泛化能力强。以柏叶口水库混凝土面板堆石坝为例,经过CNN-LSTM模型计算,将模型变形预测值与原型监测资料进行对比,再与LSTM模型及CNN模型的预测结果进行对比。结果表明,CNN-LSTM模型预测值最接近监测资料实测结果。 相似文献