-
题名基于深度学习的水利工控网络流量异常检测方法
- 1
-
-
作者
马剑波
左翔
丛小飞
叶瑞禄
刘威风
-
机构
江苏省秦淮河水利工程管理处
水资源高效利用与工程安全国家工程研究中心
南京中禹智慧水利研究院有限公司
-
出处
《水利水电技术(中英文)》
北大核心
2025年第4期167-178,共12页
-
基金
国家重点研发计划(2023YFC3006500)
江苏省水利科技项目(2022052,2022064)。
-
文摘
【目的】针对水利工控网络流量数据集不平衡、特征维数多和检测效率低等问题,提出一种结合改进条件生成对抗网络(ICGAN)、深度残差收缩网络(DRSN)、长短期记忆网络(LSTM)的流量异常检测方法。【方法】利用ICGAN构建了网络流量平衡数据集,利用DRSN-LSTM混合深度学习模型对网络异常流量数据进行检测,其中DRSN负责提取数据的空间特征,其残差连接可以解决网络退化与过拟合问题,压缩和激励网络可自动为每个特征图分配权重系数以提高检测效果,LSTM负责提取数据的时间特征。【结果】以秦淮河武定门闸站为应用场景对该方法进行测试,结果表明采用ICGAN优化后的数据集训练的各类检测模型,其流量分类精度高于原始数据集。DRSN-LSTM的网络流量异常检测的总体准确率达到了98.76%,其中正常数据分类的P、R和F1值,分别达到了99.22%、99.69%和99.46%,在评价指标上优于比较模型。【结论】融合ICGAN、DRSN和LSTM算法优势的水利工控网络流量异常检测方法,能够有效改善原始数据集中的类别不平衡性问题,提高对异常工控网络流量的检测能力,保障水利工程安全稳定运行。
-
关键词
水利工控
网络流量异常检测
深度学习
条件生成对抗网络
深度残差收缩网络
长短期记忆网络
评价指标
-
Keywords
water conservancy industrial control
network traffic anomaly detection
deep learning
conditional generative adversarial networks
deep residual shrinkage network
long short-term memory network
evaluation indicator
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名考虑时空特征的城市内涝智能预报模型研究
被引量：1
- 2
-
-
作者
赵杏杏
左翔
蔡文静
刘修恒
-
机构
南京河海智慧水利研究院
南京中禹智慧水利研究院有限公司
河海大学计算机与信息学院
-
出处
《人民长江》
北大核心
2024年第7期20-28,共9页
-
基金
国家重点研发计划项目(2021YFB3900601)
江苏省水利科技项目(2022050,2022064,202304)。
-
文摘
针对传统城市内涝预报模型计算耗时长、实测内涝样本少、内涝特征因子欠考虑等问题,通过耦合SWMM模型和LISFLOOD-FP模型搭建了城市内涝机理模型,利用不同重现期下的设计暴雨进行数值模拟并生成内涝样本;基于样本和内涝特征因子构建了三维时空矩阵,实现对内涝特征因子数据的有序组织;在此基础上,将卷积神经网络(CNN)与长短时记忆网络(LSTM)进行耦合,构建了一种考虑多时空特征的城市内涝智能预报模型(CNN-LSTM);最后以三维时空矩阵为驱动,对该智能模型进行训练,选取广州市天河区的实测样本对其性能进行评估。结果表明:CNN-LSTM模型可以快速预报淹没水位和淹没范围,易涝控制点水位过程模拟的纳什效率系数在0.9以上,各个时刻淹没面积的平均匹配率达到92.2%,相对于机理模型的模拟效率提高了近70倍。该智能模型具有良好的预报精度和效率,可有效支撑城市防灾减灾工作。
-
关键词
城市内涝预报
智能模型
时空特征
卷积神经网络
长短时记忆网络
-
Keywords
urban waterlogging forecast
intelligent model
spatio-temporal characteristics
convolutional neural network
long short term memory network
-
分类号
TU992
[建筑科学—市政工程]
P338.6
[天文地球—水文科学]
-
-
题名基于并行自适应遗传算法的水文模型率定研究
- 3
-
-
作者
左翔
马剑波
丛小飞
-
机构
南京中禹智慧水利研究院有限公司
江苏省秦淮河水利工程管理处
河海大学计算机与信息学院
-
出处
《水利水电技术（中英文）》
北大核心
2024年第3期102-112,共11页
-
基金
国家重点研发计划(2021YFB3900601)
江苏省水利科技项目(2022050)
江苏省水利科技项目(2022064)。
-
文摘
【目的】参数率定是影响水文模型预报精度的重要因素,采用人工智能算法可以有效提高水文模型参数的率定效果。【方法】采用基于种群离散程度的自适应算子,对GA算法的交叉、变异和迁移过程进行自适应优化,并利用粗粒度并行计算模型提高种群进化效率,综合以上手段研究了一种基于自适应策略的并行遗传算法。将传统遗传算法(GA),串行自适应遗传算法(AGA)和并行自适应遗传算法(PAGA),应用于屯溪流域新安江模型的参数率定,从率定效率、率定收敛性、率定稳定性和率定效果四个方面,验证PAGA算法的综合性能。【结果】结果表明:PAGA算法的计算加速效果显著,在10核环境下相对于AGA算法计算时间减少了87.9%;在进化后期,PAGA算法能够更加稳定的收敛于最优解,收敛后的目标函数值具有更好的稳定性;在验证期的场次洪水模拟中,采用PAGA算法率定的模型模拟效果最优,总体洪水合格率大于90%,确定性系数均值为0.85。【结论】PAGA算法能够明显降低模型参数寻优耗时,改善模型率定效果和收敛性能,为水文模型参数的率定提供了新思路。
-
关键词
水文预报
遗传算法
自适应策略
新安江模型
并行计算
人工智能算法
径流
数值模拟
-
Keywords
hydrological prediction
genetic algorithm
adaptive strategy
Xin′anjiang model
parallel computing
artificial intelligence algorithms
runoff
numerical simulation
-
分类号
P333.9
[天文地球—水文科学]
-
-
题名基于改进自适应遗传算法的新安江模型参数率定研究
被引量：3
- 4
-
-
作者
左翔
赵杏杏
叶瑞禄
丛小飞
刘修恒
-
机构
南京河海智慧水利研究院
南京中禹智慧水利研究院有限公司
河海大学计算机与信息学院
-
出处
《中国农村水利水电》
北大核心
2023年第11期10-18,26,共10页
-
基金
国家重点研发计划(2021YFB3900601)
江苏省水利科技项目(2022050)
+1 种基金
江苏省水利科技项目(2022064)
江苏省水利科技项目(2021065)。
-
文摘
模型参数率定是提高水文模型模拟效果的重要手段,通过研究一种改进的自适应遗传算法(IAGA)对新安江模型参数进行优化率定,解决传统遗传算法初始种群质量不高、容易早熟收敛、局部搜索能力差等问题。该算法利用混沌变量遍历性特点,随机生成初始种群并选优,提高初始种群的个体质量;针对交叉与变异的进化过程,设计了反映种群离散程度的种群目标函数离散系数,利用该系数构建了自适应调整交叉与变异概率算子,防止遗传算法过早收敛;依托环形交叉算子,提高算法全局搜索能力;采用自适应非均匀变异算子,实时优化算法的局部搜索能力,避免陷入局部最优。将自适应遗传算法、传统遗传算法(GA)和自适应遗传算法(AGA)应用于秦淮河流域新安江模型的参数率定,并从率定的收敛性、耗时、稳定性和效果方面进行算法的性能比较,结果表明:IAGA算法具有更优的寻优能力,更好的收敛结果,更高的稳定性和精度,场次洪水的模拟效果优于GA算法和AGA算法,率定期与验证期确定性系数(R2)均在0.85以上,纳什效率系数(NSE)均在0.8以上,总体达到了水文预报的乙级标准。结果表明采用上述的综合手段改进传统遗传算法是可行的,改进后的IAGA算法具有良好的应用前景,为新安江模型的自动率定提供了一种有效的途径。
-
关键词
参数率定
遗传算法
自适应
新安江模型
-
Keywords
parameter calibration
genetic algorithm
adaptive
Xin′anjiang model
-
分类号
P333.9
[天文地球—水文科学]
-
-
题名CASC2D分布式水文模型异构并行算法研究
被引量：1
- 5
-
-
作者
左翔
赵杏杏
丛小飞
刘修恒
-
机构
南京河海智慧水利研究院
南京中禹智慧水利研究院有限公司
河海大学计算机与信息学院
-
出处
《水利信息化》
2023年第5期41-47,共7页
-
基金
国家重点研发计划(2021YFB3900601)
国家重点研发计划(SQ2018YFC150032)
江苏省水利科技项目(2022064)。
-
文摘
针对CASC2D模型精细化水文模拟时面临的计算耗时长、效率低等问题,在保持产汇流算法和流域拓扑结构的基础上,采用CPU+GPU的异构并行算法对CASC2D模型程序进行重新设计和优化,模型程序中的降雨、产流、坡面汇流和河道汇流过程均优化为并行计算,以提高CASC2D模型的计算效率。将优化后的CASC2D模型应用于前毛庄流域的洪水流量过程模拟,计算结果与原CASC2D模型保持一致。在栅格分辨率为30 m,计算步长为3 s时,与原CPU串行计算方法相比,并行加速比达到34倍以上,并且栅格单元数据精度越高,加速比提升越明显。异构并行算法可在不降低模拟精度的条件下显著提升CASC2D模型的计算效率,满足实时水文预报的应用需求。
-
关键词
异构并行算法
分布式水文模型
CASC2D
水文预报
-
Keywords
heterogeneous parallel algorithm
distributed hydrological model
CASC2D
hydrological forecasting
-
分类号
P33
[天文地球—水文科学]
P338
[天文地球—水文科学]
-
-
题名数字孪生秦淮河流域防洪四预平台建设与应用
被引量：11
- 6
-
-
作者
叶瑞禄
左翔
刘修恒
-
机构
南京河海智慧水利研究院
南京中禹智慧水利研究院有限公司
-
出处
《人民长江》
北大核心
2024年第3期13-20,共8页
-
基金
国家重点研发计划项目(2021YFB3900601)
江苏省水利科技项目(2022050,2022064,2021065)。
-
文摘
为实现秦淮河流域水灾害防御精准化预报预警和智能化调度决策,在梳理秦淮河流域防洪现状的基础上,对照水利部数字孪生流域先行先试建设要求,利用空天地立体监测、数据规律挖掘与知识发现、水利动态知识图谱、水文-水动力多要素过程互馈机制与模型耦合、模型参数优选与动态校正、多目标动态决策与方案智能生成、洪水风险分析评估等关键技术,将防洪四预过程贯穿于业务流程中,建立了面向流域防洪减灾的四预平台,并利用流域历史洪涝场景及防汛演练过程验证了平台的可用性。结果表明:防洪四预平台能够实现对秦淮河流域的实时监控、发现问题、优化调度,达到风险提前发现、预警提前发布、方案提前制定、措施提前实施的目的。研究成果可为其他数字孪生流域防洪建设提供思路和参考。
-
关键词
数字孪生流域
防洪减灾
四预平台
秦淮河
-
Keywords
digital twin basin
flood control and disaster reduction
four pre-caution platform
Qinhuai River
-
分类号
TV87
[水利工程—水利水电工程]
-
-
题名建设数字孪生秦淮河实现流域管理“四预”能力
被引量：6
- 7
-
-
作者
朱跃龙
冯钧
李致家
张珂
左翔
刘修恒
-
机构
河海大学计算机与信息学院
河海大学水文水资源学院
南京中禹智慧水利研究院有限公司
-
出处
《江苏水利》
2022年第S02期1-4,共4页
-
文摘
数字孪生秦淮河通过高效获取海量流域数据,对物理流域进行网格划分,构建河流、湖泊、水库、水闸等水利对象的关联网络,形成面向业务主题的知识图谱,支撑物理流域到数字镜像空间的映射;依托多模型解耦与耦合技术,实现面向多业务场景的模型灵活组装和网格嵌套计算;通过知识驱动的“四预”智能应用,实现传统的要素预报向影响预报转变,传统的阈值预警向风险预警转变,预演过程的正向推演反向溯源,基于预演形成多个预案并选择最优预案,支撑流域精细管理和精准决策。
-
关键词
秦淮河
数字孪生流域
数据组织
模型解耦与耦合
知识驱动
-
Keywords
Qinhuai River
digital twin basin
data organization
model decoupling and coupling
knowledge-driven
-
分类号
TV317.1
[水利工程—水工结构工程]
-
