基于云平台的径流泥沙含量远程监测系统研究与实现
这是一篇关于径流泥沙,远程监测,云平台,BP神经网络,远程无线传输的论文, 主要内容为泥沙含量是反映水土流失、泥沙淤积程度的重要指标,对径流泥沙含量进行监测是水土保持工作的重要内容。然而,当前广泛使用的“称重”测量方法普遍存在数据采集效率低下、无法远程传输等问题,难以满足对径流泥沙含量远程实时监测的要求。针对此问题,本文设计了一套基于云平台的径流泥沙含量远程监测系统。该系统采用激光法对径流泥沙含量进行实时测量,并通过4G远程通信技术将数据传输至云平台数据库。在此基础上,设计了径流泥沙大数据系统,实现对泥沙数据的查看、分析、统计管理等多种功能,有效提升了径流泥沙含量监测的信息化水平。论文主要研究内容如下:(1)径流泥沙含量远程监测系统总体设计。从功能性、非功能性两个角度对径流泥沙含量远程监测系统需求进行分析。在此基础上,设计了包含数据采集层、网络传输层、数据支撑层、功能逻辑层、用户表现层的五层整体结构,并对其中涉及到的数据采集、数据传输、数据存储等关键技术进行了研究。(2)径流泥沙含量远程监测硬件系统设计。采用激光法对径流泥沙含量进行测量,并采用BP神经网络构建泥沙含量估计模型。在此基础上,设计了基于激光法的径流泥沙含量测量硬件系统,并从硬件和软件两方面对数据采集、中央处理器、电源、存储、通信五大子模块进行了设计与实现。(3)径流泥沙含量远程监测云平台软件系统设计。选用4G作为系统通信方式,并结合TCP/IP传输协议对数据传输方式进行了设计与实现。利用SSM开发框架,对数据显示模块、设备管理模块、系统管理模块进行了详细设计,实现了系统中数据与设备的各项业务功能。(4)径流泥沙含量远程监测系统测试及应用。对径流泥沙远程监测系统硬件、软件部分分别进行测试,测试结果显示各个功能工作正常。此外,在天水水土保持科学试验站的实际应用结果表明,本系统各模块工作良好、性能稳定,能够满足用户在径流泥沙含量监测中的各项需求。
室内环境与能耗监测系统设计
这是一篇关于环境与能耗,物联网技术,云服务器,BP神经网络,前后端分离的论文, 主要内容为室内环境与能耗监测对提高人们的身体健康、工作效率及节能减排等具有重要意义。目前,室内环境监测系统主要针对室内温湿度、气压和空气质量等要素进行实时采集存储及显示,室内能耗监测系统主要针对房间运行能耗进行采集存储及显示,两者各成一体。空调能耗受环境因素会产生较大波动,传统室内能耗监测系统由于缺乏环境数据导致无法对空调能耗准确预测。本文设计了一种室内环境与能耗监测系统,该系统对室内环境和能耗数据通过传感器加以采集和利用,并在仿真数据的基础上,设计了一种空调能耗预测算法。首先,对室内环境与能耗监测系统进行需求分析,提出从四个层次进行系统平台的搭建,感知层负责对室内外环境与能耗数值的实时采集,网络层包含TPC/IP、HTTP等通信协议,服务层包含云端的业务逻辑处理功能和数据存储能力,应用层包含Web客户端和微信小程序客户端,负责与终端用户进行交互。为实现室内环境与能耗的数据采集,本文搭建了室内数据采集硬件系统和室外数据采集硬件系统。此系统对室内外温湿度、气压和电表能耗的数值进行采集,通过WiFi模块统一将数据发送至云端服务器,硬件系统为整个系统的感知奠定了物理层基础。室内空调能耗占住宅总能耗比重较大,利用环境因素预测空调能耗对系统运行和管理起着重要作用。本文通过建筑综合能耗仿真软件DeST对房间进行模拟仿真,得出全年工况下的空调能耗值后,又提出一种采用BP神经网络对实验结果进行拟合的方法,获得了预测空调能耗公式。仿真结果百分比误差在[-1.688%,1.761%],证实了方程的有效性,为实际应用提供了一定的依据。通过对软件的需求分析,本文采用MVVM前后端分离的B/S架构开发模式,分别开发出软件系统的后端程序和客户端程序。本文选取阿里云服务器对项目后台进行自动部署,结合Spring Boot和Hibernate等Java框架进行后台的开发,后台程序提供出RESTful接口便于客户端通过URL进行资源访问。然后,通过Vue.js Web前端框架和MINA微信小程序框架,分别对实时数据显示模块、历史数据显示模块和房间管理模块等功能模块进行客户端的设计与实现。
土压平衡盾构机远程监控与故障诊断方法研究
这是一篇关于土压平衡盾构机,OPC技术,ASP.NET技术,BP神经网络,PSO算法的论文, 主要内容为盾构机是专门用来在地下、山体中为地铁、火车等大型交通工具挖掘隧道的设备。由于盾构机的运行环境恶劣、检修难度大而且一旦发生故障停机将会对工程进度和工程成本的影响极大,所以对盾构机的运行监控和故障诊断是十分重要的。本文以直径6.28m的土压平衡盾构机为研究对象,具体对挖掘土层为软土或粘土的土压平衡盾构机工况进行研究,主要的研究内容如下:(1)本文首先对6.28m的土压平衡盾构机的组成结构、工作流程进行分析,并以推进系统为例对盾构机运行中可以采集的数据进行介绍,最后将盾构机故障与可采集数据联系起来综合分析。(2)实现盾构机运行数据的远程传输。由于盾构机的施工地点偏远、分散所以运行数据的远程传输十分必要。本文采用的是SCADA的数据采集结构,用OPC通讯技术开发OPC客户端来实现数据的远程传输。OPC通讯系统具有良好的通用性可以减少系统的开发难度和开发时间。(3)监控软件的设计。本文采用的是ASP.NET技术开发WEB界面来实现监控功能。在实现数据远程传输的基础上将采集到的数据显示在监控软件中,以便监控人员监控。WEB界面的特点就是采用的是B/S(浏览器/服务器)架构,该架构的优点是可以在不安装软件包的情况下在浏览器上进入系统。这样就可以使登入地点更加灵活,而且可以减少软件更新的麻烦。(4)盾构机部件故障诊断的方法研究。盾构机是个复杂、高度集成的系统,对每个部件进行故障分析的工作量过于繁重。本文以推进系统千斤顶压力异常故障为例,采用PSO算法优化后的BP神经网络算法进行故障分析,即分别对BP神经网络的学习算法、学习率、动量项等对BP神经网络的学习效率和效果的影响进行分析,并对PSO算法对BP神经网络的影响进行分析。
基于HP滤波和BP神经网络的小麦产量预测与可视化系统
这是一篇关于小麦,气候年型,产量分离,HP滤波法,BP神经网络,可视化的论文, 主要内容为小麦是世界三大粮食作物之一,其产量约占我国粮食总产量的三分之一。河南作为中原粮仓,保持种植面积和产量的稳定对保障国家粮食安全具有重大意义。科学准确的产量预测,可以为相关部门制定粮食生产目标,指导农业生产,促进农民增收提供依据,为扛稳粮食生产重任提供技术保障。本文利用河南省15个气象站点1984-2018年35年的温度、降雨量等数据,划分了由积温年型和降雨年型组合的气候年型,依据小麦产量资料划分了产量年型,然后总结分析气候年型和产量年型之间的一般规律。依据河南省豫北麦区、豫中东部麦区、豫西麦区、豫南麦区和南阳盆地五大麦区基础,利用HP滤波法分离出小麦生产过程中的气象产量和趋势产量,以气象因子驱动并利用BP神经网络方法构建气象产量预测模型,利用线性回归模型预测小麦的趋势产量,再把两者预测产量叠加获得小麦产量预测值,实现对小麦产量的预测,最后采用可视化技术,研发了小麦产量预测与可视化系统。主要研究结果如下:1.通过对河南省积温年型、降雨年型和产量年型的划分,分析了不同气候年型的差异及其对产量年型的影响。结果表明,河南省15个气象站点1984-2018年的35年间积温年型中暖温年有99年、平温年有314年、冷温年有112年;降雨年型中湿年有159年、平水年有183年、干年有183年;产量年型中丰产年有145年、平产年248年、低产年有132年。分析发现河南省积温年型以暖温年、平温年型为主,降雨年型分布比较均匀。气候年型中以正常年和干年为主,暖湿年小麦易获得高产,丰产年出现频率为76.9%,冷湿年小麦不易获得高产,低产年出现频率为67.9%;气象数据中积温是影响小麦产量波动的主要因素,暖年年型下小麦更容易丰产,冷年时小麦低产概率较高。2.通过对河南省小麦气象产量和趋势产量的分离、构建了小麦产量综合预测模型,并对河南五大麦区小麦产量进行了预测。结果表明,降雨和水分管理不同,对小麦产量的预测效果不同,与实际产量比较,对豫西旱作麦区的预测误差最大,相对误差为0.58%,对豫北麦区的预测误差最小,为0.31%,其他三个麦区豫中东部麦区、豫南麦区和南阳盆地麦区预测的误差分别为0.36%、0.48%和0.38%,说明利用HP滤波和BP神经网络技术预测小麦产量是可行的。3.研建了小麦产量预测与可视化系统平台。利用并行计算的Map Reduce技术实现积温、降雨的计算,结合农作物气候年型国家标准实现气候年型的判定及其分析;利用Python编程HP滤波法,通过数据移动平均法原理设计一个高通滤波器,实现小麦产量分离的功能;利用Java编程的Encapsulation封装技术把产量预测的训练模型封装打包,通过Spring Boot服务端的Restful接口调用封装打包的模型在系统中实现产量预测。采用Echarts框架构建了Map()、Bar()、Pie()、Line()方法实现积温降雨、产量分离及预测功能结果的可视化展示,用户可以进行相关的功能操作并实时可视化查看。
基于电商平台用户行为的推荐模型研究
这是一篇关于电商推荐,用户画像,基于项目的协同过滤,BP神经网络的论文, 主要内容为伴随着电商行业的迅猛发展,信息过载带来了用户决策效率低下、用户黏度降低等问题,推荐系统的产生可以有效消除这些信息壁垒,因此,提高电商推荐系统的性能是电商行业蓬勃发展的必经之路。目前的推荐系统主要是基于经典的推荐算法,随着相关学者对各类经典推荐算法的完善,虽然技术上日趋成熟,但应用场景的多样化仍然使推荐系统无法实现全面有效的推荐,而凭借对数据有强大拟合能力的深度学习算法被应用到各大领域,本文从新的应用场景出发,基于天猫平台“双十一”前六个月及“双十一”当天用户行为数据,对经典推荐算法进行了改进,并对深度学习算法中BP神经网络的推荐技术进行了探索,以推动电商推荐系统全面且有效的应用,具体研究工作及结果如下:(1)电商用户画像研究。本文从用户的基础属性、用户偏好范围、行为习惯及商品热度这几个方面对天猫平台用户的属性、偏好等特征信息进行挖掘,了解用户偏好及决策。分析结果表明:天猫平台的主力军为25-29岁的女性用户,她们的购物偏好范围较小,偏向于选择固定的商家、品牌和商品类别,且复购率最高,平台98.56%的用户为点击达人,0.23%的用户为购买达人,以“67897”、“783997”、“990922”为代表的商品热度高,点击热度较高的商品购买热度较低。(2)推荐模型应用研究。首先构建改进的基于项目的协同过滤推荐模型,以商品特征代替用户对商品的评分来计算商品相似度,再根据构建的用户行为特征,构建基于BP神经网络的推荐模型预测用户决策,模型预测结果为购买的商品对用户进行推荐。计算结果表明:基于项目的协同过滤推荐模型准确率达到88%,推荐成功率为25%;基于BP神经网络的推荐模型准确率达到93.2%,推荐成功率为60%,从推荐效果和实现过程两方面比较,基于BP神经网络的推荐模型优于基于项目的协同过滤推荐模型。
路径选择实验数据收集系统的设计实现与应用
这是一篇关于逐日路径选择实验,Spring Boot,用户均衡,BP神经网络的论文, 主要内容为随着我国城市化进程的加快,交通拥堵状况日益严峻。目前大多数研究者选择进行路径选择实验,来找到出行者的路径选择或者交通流的动态演化等规律,从而了解造成交通拥堵的原因,找到解决策略。开展以上研究的前提是收集到有效的实验数据,但过去大多使用问卷调查的方式来收集数据,导致实验周期长且数据整理困难,并且目前已知的收集路径选择实验数据的软件,使用方式比较复杂且通用性较差。因此本文针对上述问题设计并实现了路径选择实验数据收集系统。本文主要工作包括:1.系统需求分析及总体功能设计。根据逐日路径选择实验思路以及需要收集的数据信息,对系统进行功能性和非功能性需求分析。系统的主要功能模块包括:登录模块、路径选择模块、实验管理模块和数据统计模块。2.系统的设计与实现。本文使用Spring Boot框架、微服务架构并结合My Batis、Bootstrap、Echarts技术对系统进行设计与实现。对系统的总体架构,数据库表、表间关系,以及对系统的核心功能模块进行了详细的设计与实现。3.实验及数据分析。文中使用本系统执行了4个不同规模路网的逐日路径选择实验,对收集到的出行者路径选择、路径费用及流量数据进行分析,使用统计方法分析发现路网规模对路网达到用户均衡状态、对路网变化流量的影响规律,并使用BP神经网络进行路网流量预测,发现相对有效的预测方法。综上所述,本文设计并实现了路径选择实验数据收集系统,本系统具有自动、通用和数据直观化的特点,能够简单、快速的执行逐日路径选择实验,并准确收集到实验数据。本文将系统应用于实验中进行数据收集和整理,通过统计分析数据发现路网规模对路径费用及变化流量的影响规律,并使用BP神经网络预测,得出预测整个路网流量比预测单一路径流量效果更好等结论,为实际交通流的预测和分配工作提供借鉴意义。
脐橙技术性贸易壁垒信息预警系统的建立
这是一篇关于技术性贸易壁垒,预警系统,脐橙贸易,TBT信息,BP神经网络,网络预警的论文, 主要内容为自从我国成为WTO组织中的一员,各国对我国的贸易设置的壁垒逐渐加剧,使我国出口受到影响,蒙受巨额损失。技术性贸易壁垒成为当地政府保护其自身贸易的重要方式,其巧妙的遮蔽了分配偏颇、地域歧视问题,并且技术标准纷繁复杂样式多样,使出口国疲于应对。为了避免因进口国国家设置技术性贸易壁垒使我国遭受重大损失,对技术性贸易壁垒能及时了解、提早预防,建立相关技术性贸易壁垒预警系统则显得更加必不可少。当前国际上越来越多的国家或地区提倡加大本国出口并保障本国的市场和消费安全,纷纷加快进度建立相应机构或政府实时监测技术性贸易壁垒,以对TBT进行实时监测、准确预警和迅速反应。赣南脐橙种植产业在不断壮大,其种植面积也逐步增大,生产产量也得到相应的改进和提高,使销售压力倍增。国际市场竞争激烈,信息更迭较快,赣南脐橙不仅要在自身产品质量上下功夫,更要注意关注国际市场贸易信息的动态变幻,对国际市场贸易的变化和各国贸易壁垒的形成能够及时发现合理应对。所以我国必须加紧构建脐橙技术性贸易壁垒预警系统。本文在研究了技术性贸易壁垒的概况和国内外的研究现状的基础上,设计了脐橙技术性贸易壁垒预警评价指标体系,利用BP神经网络建立了脐橙技术性贸易壁垒预警模型,并搜集了主要出口国的TBT相关信息,对预警模型进行了训练与测试。通过搜集整理WTO/TBT涉及脐橙贸易的技术法规、技术标准和合格评定程序、卫生与植物卫生措施等关注焦点,及时收集、翻译全球脐橙主要贸易国的各类TBT信息,构建了脐橙技术性贸易壁垒信息预警系统,该系统采用.Net技术进行开发,开发语言为C#,数据库为Microsoft SQL Server2005,系统采用C/S、B/S混合架构,实现了脐橙TBT通报信息的检索系统、TBT卫生信息的检索等,并提供了沟通平台用户与专家之间进行交流;系统也可通过BP神经网络和网络爬虫对脐橙出口技术性贸易壁垒信息进行有效预警,供出口企业决策参考。用户可使用后台管理对系统搜集的信息进行完善和维护。系统可以较好的解决当前脐橙出口中遇到的TBT信息不对称所造成的贸易障碍。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码海岸 ，原文地址：https://m.bishedaima.com/lunwen/45389.html
