排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
为了进一步提高水位预测的准确性,本文提出一种融入改进注意力机制的长短期记忆网络(Long Short Time Memory,LSTM)预测模型。该模型将输入序列拆分为时间序列和特征序列,在LSTM网络模型前引入注意力机制对两个序列分别进行注意力计算,然后再进行融合,LSTM网络能够根据重要程度自适应地选择最重要的输入特征,注意力机制层的参数通过竞争随机搜索算法获取,从而进一步增强了模型的鲁棒性。最后在鄱阳湖的水位数据上进行预测实验,结果表明:相对于支持向量回归(SVR)、LSTM等模型,本文提出基于改进注意力机制的LSTM模型具有更好的预测精度,可为水位预测和水资源的精准调度提供技术支持。 相似文献
2.
3.
4.
5.
6.
7.
8.
随着水利工程建设及现代信息技术的发展,水利物联感知设备存在厂商多样、品牌繁杂、协议多元等特点,给前端站点、设备的统一管理及运维、监测数据的统一接收等带来了更大的挑战。为此,江西水利相关部门深入分析已建站点设备资源、新建站点设备融入、水利监测数据共享等问题后,设计研发了支持行业标准协议与具体水利业务场景自定义协议的水利物联感知平台,有效提升了水利物联感知设备及不同来源的数据汇聚能力和共享协同效率。本文主要从物联感知平台的整体设计思路、关键技术、核心功能等几个方面进行分析,对各级水利部门物联感知平台的建设具有一定的参考意义。 相似文献
9.
针对水利政务各部门存在业务纵向独立,跨部门数据共享与业务协同困难等问题,为提升水利政务办事效率与群众满意度,研究并实现一种基于区块链技术的水利数据共享平台。利用区块链分布式共享、不可篡改等特性,将水利数据去中心化存储;采用应用服务与数据管理分离的架构模型与一致性访问接口,解决各水利应用间的数据共享问题;结合智能合约与数字签名技术,实现数据访问与共享的去信任化和智能化。该研究已应用于围绕电子采砂证照的水利数据共享场景中,应用分析表明:平台可实现水利数据去中心化存储与访问,实现水利数据的跨部门安全可信共享,提高水利政务协同工作效率,研究成果可为各地方、 部门和层级间政务数据的安全互通起示范作用。 相似文献
1