检索结果-维普期刊中文期刊服务平台

考虑子序列特征的大坝位移组合预测模型: 1; 作者林宏恩赵二峰 +1 位作者刘峰宋桂华《水力发电》 2025年第3期113-118,共6页; 针对多尺度分析模型处理子序列时,预测模式单一、泛化能力不足、易出现偏差等,提出了基于奇异谱分析与Bagging集成学习的大坝位移多尺度预测模型。首先,利用奇异值分解对实测数据进行分解,得到趋势项、周期项等子序列,考虑到周期项对时... 展开更多; 关键词多尺度奇异谱分析 Bagging集成学习大坝位移预测; 在线阅读下载PDF 职称材料

基于MSSQL数据库实现数据容灾备份的最佳实践: 2; 作者赵康王顺波 +2 位作者吕昂张礼兵熊心雨《科学技术创新》 2025年第6期93-96,共4页; 数据资产的备份是确保业务连续性和数据安全的关键措施,采用高效的备份策略可以显著降低因数据丢失或损坏带来的风险。Microsoft SQL Server通过其先进的订阅发布功能,提供了一种高效的数据复制解决方案。这项技术能够实现数据的即时或... 展开更多; 关键词数据资产 MSSQL数据库订阅发布数据同步数据备份; 在线阅读下载PDF 职称材料

流域地质灾害监测平台构建与研发: 3; 作者张晓光唐季王子成《云南水力发电》 2025年第2期55-58,共4页; 流域地质灾害监测平台以云计算、物联网、人工智能等数字化技术为手段,以实现数据采集、整理、分析、评判、决策智能化,分析结果可视化为目标,提升滑坡体、危岩体、泥石流、塌岸4类地质灾害在线监测、诊断分析、预警预报智慧化水平,为... 展开更多; 关键词流域地质灾害监测平台; 在线阅读下载PDF 职称材料

基于EEMD-WOA-SVM的土石坝渗流量预测: 4; 作者杨石勇傅蜀燕 +2 位作者赵定柱高兰兰欧斌《三峡大学学报（自然科学版）》 CAS 北大核心 2024年第5期7-12,共6页; 为准确预报土石坝渗流量的变化趋势,针对传统的时间序列模型存在非线性处理能力较差、捕捉序列依赖关系能力不足等问题,建立了基于EEMD-WOA-SVM的土石坝渗流量预测模型.该模型采用集合经验模态(EEMD)有效分解土石坝渗流时间序列,引入鲸... 展开更多; 关键词集合经验模态分解鲸鱼优化算法支持向量机土石坝渗流量预测; 在线阅读下载PDF 职称材料

红石岩堰塞坝运行初期防渗系统监测成果分析: 5; 作者黄张霖冯燕明施俊稳《云南水力发电》 2024年第12期32-36,共5页; 红石岩堰塞坝为云南鲁甸“8·03”地震灾害经应急处置与整治利用后形成的综合水利枢纽工程。通过对红石岩堰塞坝防渗系统进行防渗墙内渗透压力、绕坝渗流和坝后渗流量监测,表明防渗系统运行正常,无异常渗流变化,堰塞坝总体防渗效果... 展开更多; 关键词堰塞坝防渗系统渗流监测成果分析; 在线阅读下载PDF 职称材料

基于ACNN-VAR的特高拱坝变形深度学习预测模型: 6; 作者钟桥俊赵二峰 +2 位作者胡灵芝刘峰宋桂华《水电能源科学》 2025年第4期163-167,共5页; 变形是大坝服役性态的直观表现,对其进行分析与预测是科学诊断大坝健康的关键措施。为解析特高拱坝变形性态,利用基于注意力机制优化的卷积神经网络(ACNN)对实测数据进行局部时间特征提取,引入变分自编码器(VAE),将回归器嵌入到VAE构建... 展开更多; 关键词变分自编码器注意力机制深度学习潜在特征向量; 在线阅读下载PDF 职称材料

题名考虑子序列特征的大坝位移组合预测模型: 1; 作者林宏恩赵二峰刘峰宋桂华; 机构河海大学水资源高效利用与工程安全国家工程研究中心云南省水利水电工程安全重点实验室上海勘测设计研究院有限公司; 出处《水力发电》 2025年第3期113-118,共6页; 基金国家自然科学基金资助项目(52079046) 云南省水利水电工程安全重点实验室开放课题基金(202302AN360003) 上海勘测设计研究院有限公司科研项目(2021SD(8)-2009)。; 文摘针对多尺度分析模型处理子序列时,预测模式单一、泛化能力不足、易出现偏差等,提出了基于奇异谱分析与Bagging集成学习的大坝位移多尺度预测模型。首先,利用奇异值分解对实测数据进行分解,得到趋势项、周期项等子序列,考虑到周期项对时间依赖性较强,将其作为单时间序列进行预测以消除非关键因素的影响。其次,利用Bagging集成学习,结合支持向量机与随机森林模型,构建大坝位移组合预测模型。在此基础上,将趋势项和周期项的预测结果累加后得到大坝位移预测结果。应用实例表明,所建模型能够充分挖掘实测数据蕴含的趋势性和周期性变化物理机制,为大坝长效服役性态诊断提供了新思路。; 关键词多尺度奇异谱分析 Bagging集成学习大坝位移预测; Keywords multi-scale singular spectrum analysis Bagging ensemble learning dam displacement prediction; 分类号 TV698.11 [水利工程—水利水电工程]; 在线阅读下载PDF 职称材料

题名基于MSSQL数据库实现数据容灾备份的最佳实践: 2; 作者赵康王顺波吕昂张礼兵熊心雨; 机构中国电建集团昆明勘测设计研究院有限公司云南省水利水电智能建造工程研究中心云南省水利水电工程安全重点实验室; 出处《科学技术创新》 2025年第6期93-96,共4页; 基金 “2023年云南省工程研究中心创新能力建设和提升专项(水电工程智能建造关键技术研究与应用)”、“流域梯级水电站物联网信息融合技术、设备与平台研发(DJ-HXGG-2022-03)”资助。; 文摘数据资产的备份是确保业务连续性和数据安全的关键措施,采用高效的备份策略可以显著降低因数据丢失或损坏带来的风险。Microsoft SQL Server通过其先进的订阅发布功能,提供了一种高效的数据复制解决方案。这项技术能够实现数据的即时或定时同步,确保在主数据库遭遇故障时,能够迅速地切换到备份数据库,从而最小化业务中断的时间,确保业务流程的顺畅和数据的安全性。; 关键词数据资产 MSSQL数据库订阅发布数据同步数据备份; Keywords data assets MSSQL database subscription publishing data synchronization data backup; 分类号 TP393.0 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名流域地质灾害监测平台构建与研发: 3; 作者张晓光唐季王子成; 机构华能澜沧江水电股份有限公司中国电建集团昆明勘测设计研究院有限公司云南省水利水电智能建造工程研究中心云南省水利水电工程安全重点实验室; 出处《云南水力发电》 2025年第2期55-58,共4页; 基金云南省科技攻关计划项目(202203AA080009、202203AA080010) 华能集团科技项目(HNKJ20-H46、HNKJ23-H1、HNKJ23-H24)。; 文摘流域地质灾害监测平台以云计算、物联网、人工智能等数字化技术为手段,以实现数据采集、整理、分析、评判、决策智能化,分析结果可视化为目标,提升滑坡体、危岩体、泥石流、塌岸4类地质灾害在线监测、诊断分析、预警预报智慧化水平,为安全建设、安全生产、防洪度汛、防灾减灾等提供科学依据,预防和减免区域性、累积性、潜在性的不利影响。; 关键词流域地质灾害监测平台; Keywords watershed geological hazard monitor platform; 分类号 TV221.2 [水利工程—水工结构工程]; 在线阅读下载PDF 职称材料

题名基于EEMD-WOA-SVM的土石坝渗流量预测: 4; 作者杨石勇傅蜀燕赵定柱高兰兰欧斌; 机构云南农业大学水利学院云南省水利水电工程安全重点实验室水灾害防御全国重点实验室; 出处《三峡大学学报（自然科学版）》 CAS 北大核心 2024年第5期7-12,共6页; 基金国家自然科学基金项目(52069029,52369026) 云南省水利水电工程安全重点实验室开放课题基金(202302AN360003)。; 文摘为准确预报土石坝渗流量的变化趋势,针对传统的时间序列模型存在非线性处理能力较差、捕捉序列依赖关系能力不足等问题,建立了基于EEMD-WOA-SVM的土石坝渗流量预测模型.该模型采用集合经验模态(EEMD)有效分解土石坝渗流时间序列,引入鲸鱼优化算法(WOA)寻找支持向量机模型(SVM)的最优超参数组合,再将各模态分解分量代入组合模型预测并重构预测结果.案例分析结果表明,所建EEMD-WOA-SVM模型与传统的SVM模型相比,其拟合优度R2提升了19.8%,均方误差EMS、均方根误差ERMS、平均绝对误差EMA和平均绝对百分比误差EMAP分别降低了76%、50.3%、45.2%和43.2%.另外,与GA-SVM和WOA-SVM模型相比,R2值达0.9486,EMS、ERMS、EMA和EMAP分别降低至0.0012、0.0352、0.0289和0.0176,进一步说明了该组合模型具有较高的预测精度,为土石坝渗流量的精确预测提供了新途径.; 关键词集合经验模态分解鲸鱼优化算法支持向量机土石坝渗流量预测; Keywords ensemble empirical modal decomposition whale optimization algorithms support vector machine earth and rock dams seepage predication; 分类号 TV698.1 [水利工程—水利水电工程]; 在线阅读下载PDF 职称材料

题名红石岩堰塞坝运行初期防渗系统监测成果分析: 5; 作者黄张霖冯燕明施俊稳; 机构中国电建集团昆明勘测设计研究院有限公司云南省水利水电工程安全重点实验室; 出处《云南水力发电》 2024年第12期32-36,共5页; 基金中国电建集团科技项目(DJ-ZDXM-2019-45)。; 文摘红石岩堰塞坝为云南鲁甸“8·03”地震灾害经应急处置与整治利用后形成的综合水利枢纽工程。通过对红石岩堰塞坝防渗系统进行防渗墙内渗透压力、绕坝渗流和坝后渗流量监测,表明防渗系统运行正常,无异常渗流变化,堰塞坝总体防渗效果良好,同时可为后续堰塞坝渗流监测设计提供相关经验。; 关键词堰塞坝防渗系统渗流监测成果分析; Keywords landslide dam anti-seepage system seepage monitoring achievement analysis; 分类号 TV223.4 [水利工程—水工结构工程]; 在线阅读下载PDF 职称材料

题名基于ACNN-VAR的特高拱坝变形深度学习预测模型: 6; 作者钟桥俊赵二峰胡灵芝刘峰宋桂华; 机构河海大学水灾害防御全国重点实验室; 出处《水电能源科学》 2025年第4期163-167,共5页; 基金国家自然科学基金项目(52079046) 云南省水利水电工程安全重点实验室开放课题基金(202302AN360003)。; 文摘变形是大坝服役性态的直观表现,对其进行分析与预测是科学诊断大坝健康的关键措施。为解析特高拱坝变形性态,利用基于注意力机制优化的卷积神经网络(ACNN)对实测数据进行局部时间特征提取,引入变分自编码器(VAE),将回归器嵌入到VAE构建变分自回归器(VAR),提出基于ACNN-VAR的特高拱坝变形深度学习预测模型,该模型综合注意力机制、CNN神经网络、VAE生成模型和回归器,深度挖掘特高拱坝变形性态的特征信息,生成潜在特征向量,实现深层次变化特征提取。实例应用结果表明,建立的预测模型能够准确模拟实测值的年周期变化及局部波动,具有较高的预测精度和稳定的鲁棒性,为特高拱坝变形监测提供了新思路。; 关键词变分自编码器注意力机制深度学习潜在特征向量; Keywords variational auto-encoder attention mechanism deep learning potential feature vector; 分类号 TV698.11 [水利工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	考虑子序列特征的大坝位移组合预测模型	林宏恩赵二峰刘峰宋桂华	《水力发电》	2025	0	在线阅读下载PDF 职称材料
2	基于MSSQL数据库实现数据容灾备份的最佳实践	赵康王顺波吕昂张礼兵熊心雨	《科学技术创新》	2025	0	在线阅读下载PDF 职称材料
3	流域地质灾害监测平台构建与研发	张晓光唐季王子成	《云南水力发电》	2025	0	在线阅读下载PDF 职称材料
4	基于EEMD-WOA-SVM的土石坝渗流量预测	杨石勇傅蜀燕赵定柱高兰兰欧斌	《三峡大学学报（自然科学版）》 CAS 北大核心	2024	0	在线阅读下载PDF 职称材料
5	红石岩堰塞坝运行初期防渗系统监测成果分析	黄张霖冯燕明施俊稳	《云南水力发电》	2024	0	在线阅读下载PDF 职称材料
6	基于ACNN-VAR的特高拱坝变形深度学习预测模型	钟桥俊赵二峰胡灵芝刘峰宋桂华	《水电能源科学》	2025		在线阅读下载PDF 职称材料