供水调度应急、预警信息平台的设计与实现
这是一篇关于structs,hibernate,webgis,神经网络算法,预测,预警的论文, 主要内容为目前，日新月异的信息技术正不断推动着时代的发展，各行各业都借助信息技术的力量极大地提高了生产效率，创造出更多的社会价值。为了应对上海市供水调度突发状况，保障上海市饮用水供水，为此建立了应对供水调度突发状况的应急、预警信息平台，构建了相应的应急管理系统与辅助决策系统，加强组织管理与能力建设，提高应对各类供水调度突发事故的应急响应和处置能力，保证快速、有效地进行科学决策，保障发生突发性事故时的供水安全。 本次课题是根据上海市供水的基本情况，开发供水调度应急、预警信息平台。在对整个上海市供水行业调查研究和需求分析的基础上，对系统进行开发、设计。 供水调度应急、预警对于城市规划、供水系统的管理以及指导城市供水设施的建设有着重要的意义。随着我国城市与工业生产的规模不断扩大,水已作为城市生存和发展的制约性因素。因此合理预测供水压力变化、咸潮入侵时间、原水水质变化以及城市近远期的供水量，为合理分配现有水资源、新建或改扩建水厂提供可靠的依据，使其与城市发展实际相接近，保证城市、经济的可持续发展具有极其重要的意义。本次课题核心技术基于神经网络算法以及支持向量机算法。人工神经网络是基于神经科学的研究成果并高度综合了计算机科学和数学等众多学科发展起来的新兴边缘学科。预测是人工神经网络应用领域中的一个重要分支。支持向量机算法是通过非线性映射将输入向量映射到高维特征空间构造最优决策函数，利用原空间的核函数取代高维特征空间的点积运算。 本系统采用了B/S三层体系结构，并采用了WEBGIS技术以及采用了UML标准建模语言，形成易于系统扩充、升级和维护的良好软件构架，基于J2EE和组件复用技术的解决方案，保证了系统的可移植性。在对系统的需求、用例进行分析之后，建立了良好的可扩展性、可维护性的系统框架结构体系。 针对系统主要实现预测各区域的压力分布值、咸潮入侵时间、原水水质数据以及近远期的供水量，开发了数据库查询、信息浏览、用户管理等组件。在系统的开发过程中，通过对这些组件的复用，加快了系统开发的速度，并且为系统复用部分提供了稳定性、可靠性的保证，从而提高系统质量。 本文中描述的是一个基于J2EE、STRUCTS以及HIBERNATE技术，并采用WEBGIS技术、神经网络算法以及支持向量机算法的供水调度应急、预警信息平台，也就是供水数据信息预测库，它采用SQL Server2005作为后台数据库。本系统主要功能：(1)压力预警模块。(2)咸潮预警模块。(3)原水水质预警模块。(4)水量预测模块。
基于神经网络的锦屏水电站日径流预测系统开发
这是一篇关于神经网络算法,径流预测,组合预测模型的论文, 主要内容为电力作为社会经济发展的重要能源,是人们生产生活不可或缺的组成部分,在国家经济发展过程中处于举足轻重的地位。水电作为清洁能源备受推崇,锦屏水电站作为国家“西电东送”的重要工程,为解决华东电力短缺做出了巨大贡献。径流预测是充分利用水资源、真正实现水库优化运行、发挥电站经济效益的有力手段和重要环节。拥有准确可靠的径流预测系统就可以运用确定性的预测值及其估计误差来快速高效的描述未来径流,最终有效拟定接近实际的电站运行策略,它将为水电站短期水库运行方式的制定、日发电电量计划的编制提供决策依据,从而为水电站参与期货电力市场发展预计划的编制、提高发电效益提供依据,其中日径流预测是水电站径流预测的重要组成部分。目前人工神经网络在人工智能领域成为研究热点。正因如此,本课题提出以人工神经网络模型为基础通过建立组合预测模型,通过建立、验证、改进的研究路径,最终得到适用于锦屏水电站的日径流预测系统。本文从预测算法和程序设计两个方面对锦屏水电站日径流预测系统进行了研究,文章首先阐述了课题的主要研究背景,指出了研究本课题带来的重要意义和影响,探讨了国内外研究现状,明确了课题研究思路。然后从自然地理、气候特性、径流特性、暴雨洪水特性等方面对雅砻江流域概况进行概述。之后对径流预测方案进行设计,重点探讨了基于BPNN、GRNN、RBFNN神经网络组成的的组合预测模型,对锦屏水电站日径流进行预测,介绍了预测区域概况和相关基本资料,构建了预测模型。最后分析了锦屏水电站日径流预测系统的业务需求,指出了系统设计原则和功能构成,从逻辑结构、物理结构、技术架构等方面设计了系统总体架构,介绍了系统开发工具,对基于神经网络的组合预测模型后台程序和SSH的前台程序进行设计和实现。本课题研究的基于神经网络的锦屏水电站日径流预测系统,通过提高流域的日径流预报精度,有效帮助电站有效拟定接近实际的电站运行策略和调度计划,提高发电效益,并达到为下游河道防洪度汛安全服务的目的。实现了对水能资源系统优化调度,是发挥水电站经济效益的有力手段和重要环节,对社会和经济发展都有着非常重要的意义。
基于神经网络的探空湿度太阳辐射误差预测及查询网站设计
这是一篇关于高空探测,计算流体动力学,太阳辐射偏干误差,神经网络算法,Web网站设计的论文, 主要内容为当前越来越多的数字探空仪被广泛的使用在大气探测中,相比于气压、温度、风速等高空气象要素的准确测量,湿度测量的精度有待提高。湿度测量数据精度的误差不仅仅来源于湿度传感器自身的误差,更易受环境中其他因素的干扰,而太阳辐射对湿度测量的影响却往往被忽视。目前这方面的研究也相对匮乏,本文首先结合太阳辐射偏干理论对湿度传感器辐射升温现象进行研究;其次采用流体动力学(CFD)软件获取数据样本集;然后将数据集通过神经网络算法进行了优化对比,精准的预测湿度测量中的太阳辐射误差;最后以Web Storm为开发工具,采用Vue.js、Koa、Mongo DB、Redis等多种前后端技术开发一款供科研工作者和高空气象探测爱好者查询、修正、学习的多功能网站。具体研究的内容如下:首先,围绕GTS1-1型和GTS1-2型探空仪展开国内外调研研究,为了防止高空中云雨的干扰,大都数湿度传感器外层都佩戴防雨帽。受气压、太阳高度角和太阳辐射量等因素的影响,防雨帽内部的空气升温导致湿度传感器感湿膜周边的温度会大于实际的大气温度,从而导致湿度测量值偏干。其次,基于南京大桥的GTS1-2测量系统模型,采用计算流体动力学(CFD)软件验证了太阳辐射偏干现象的存在,然后通过PRO/E建模、ICEM划分网格及FLUENT仿真,以高空实际探测中典型气压、太阳高度角和太阳辐射量为变量仿真出2530组湿度测量中的温度误差数据样本。通过BP、PSO-BP、GA-BP、RBF神经网络算法进行了优化对比,最终采用RBF神经网络算法构建预测模型,其可预测出不同环境下探空湿度的太阳辐射误差,且预测值与仿真值一致性较好。最后,使用Nuxt、Vue、Koa、Mongo DB、Redis等多种前后端技术全栈开发一款供科研工作者和高空气象探测爱好者查询、修正、学习的网站。网站具有用户登陆注册功能,用户可以在线了解当前高空气象探测的相关知识;在线查询当前我国的各省份高空气象探测站的分布;查询各地区天气情况;计算各地区太阳辐射的漫射和直射;在线查询探空湿度的太阳辐射误差;在线对探空仪湿度廓线进行修正。
基于离散傅里叶变换的振动监测系统研制
这是一篇关于电机振动信号,多参数综合分析,神经网络算法,电机状况评估,电机振动监测系统的论文, 主要内容为随着科学技术的逐渐发展,各行业开始大量引入电机设备来提高工作效率,对电机设备的振动监测对于工厂的生产安全保障有着重要的作用。目前的振动监测大多是通过人工巡查电机表面的检测装置,了解电机的振动状态,但就多数的电机运行环境来说,人工巡查存在效率低下、时间和人力成本高等缺点,无法满足大批量电机监测的要求。本文针对煤矿开采使用的刮板运输机设备中的电机振动监测的实际需求,设计多电机振动监测系统,对被测区域内的多台刮板运输机内部的电机进行振动监测,实时获取电机的振动加速度信号,并通过对电机振动加速度信号的分析实现电机的振动状况评估,判断电机是否产生故障及故障类别。电机振动监测系统的研制对生产设备现代化有着切实的社会效益和经济效益,具有重大的意义。目前对于电机振动信号分析方法多使用时域分析方法或频域分析方法,频域分析方法是通过分析电机振动信号的频谱图进行故障识别,通常准确率较高,但对信号频谱图分辨率要求较高,时域分析方法通过分析电机振动信号的时域指标来评估电机的振动状况,运算简便但评估准确性较差。针对上述缺陷本文提出了一种时频域综合分析的振动监测方法来实现对电机振动的监测。通过对采集到的电机振动加速度信号预处理得到信号的周期,以此为依据设计离散傅里叶变换的数据采样频率。通过对傅里叶变换得到的振动信号频谱图的分析得到时域下的电机振动主加速度函数,并积分得到电机的振动位移,作为后续多参数综合分析中的重要参数,同时对离散化后的电机振动加速度信号进行时域指标提取,并设计了时域指标的选择方法,完成了后续多参数分析中所用时域指标的选择。设计基于多分类神经网络的多参数综合分析方法,以电机振动加速度信号的时域指标及电机的振动位移作为输入参数,以电机的振动状况作为输出参数,完成BP神经网络的结构设计及网络的训练学习,并加入分类层,对BP神经网络的多个输出数值进行概率化处理,实现多分类的神经网络,基于多分类神经网络的多参数综合分析方法实现对电机振动状况的评估。本研究设计了一个多电机振动监测系统,完成了系统的硬件设计和软件设计。硬件设计包括电机振动加速度信号采集模块设计、数据处理模块设计及数据传输模块的设计,完成了电机振动信号的采集、分析和上传功能。软件设计包括离散傅里叶变换、时域指标提取、信号频域分析、多参数综合分析方法的算法实现,完成电机振动状况评估的功能,软件设计还包括上位机的通信模块设计及数据读取模块设计,完成数据的传输及显示功能。并进行了电机振动状况的评估测试,测试使用正常振动状态下的电机振动加速度信号及轴承内外圈故障的电机振动加速度信号,测试结果显示本设计中的多参数综合分析方法可以实现对电机振动状况的准确评估,通过上位机接收并显示监测装置所上传的数据,完成监测系统的数据传输及显示功能的测试。
企业安全隐患排查系统的设计与实现
这是一篇关于安全生产,隐患排查,信息系统,数据分析及分类,神经网络算法的论文, 主要内容为随着我国经济持续向好发展,企业产能增速的同时,日常生产中存在的危机隐患也不容小觑,安全生产形势仍然严峻。一方面,企业自身整改不到位,容易造成安全隐患;另一方面,政府指导文件下发与企业对接不同步,也会导致重大风险的产生。对安全细节的忽略往往会带来难以承受的人员和经济损失。诚然,杜绝安全隐患要从源头着手,也就是要加强对企业的监管和问责,但企业由于自身原因,往往对隐患排查整治力不从心。为了解决以上问题,开发一个功能完备的自动化隐患排查系统就显得尤为重要,以期通过该系统为安全隐患排查工作提供统一的协同工作平台,实现对安全隐患信息的登记、审查、评估、分类、统计、分析和处理,覆盖各类安全隐患的排查整治监控体系,及时排查、跟踪、整治各类隐患信息并进行统计数据上报,形成各级政府、安全监管职能部门的“群防群控”信息化控制体系。论文基于数据库理论和深度学习算法,设计和实现了安全隐患排查系统的解决方案。首先,以需求分析入手,在对企业安全隐患排查工作流程及依然存在的薄弱环节进行深入分析的基础上,从功能需求和非功能需求两方面开展系统总体功能设计,并论证其可行性。其次,基于B/S架构和Java EE技术进行系统总体架构设计,基于数据库理论和Oracle数据库实现系统数据逻辑设计和存储设计,基于CNN卷积神经网络的深度学习算法实现安全隐患的智能分类。接着,对安全隐患排查系统进行详细功能模块设计和实现,并充分考虑系统部署、系统安全和系统备份的方案和实现。最后,采用模拟数据对系统核心功能模块进行了功能测试和性能测试,验证了系统的实用性和可行性。论文设计的安全隐患排查系统,基本涵盖了企业安全隐患排查整治工作的各项基本内容,主要功能模块包括:系统信息管理模块,实现数据存储、查询及展现功能,并通过增删查改进行数据管理;隐患上报处理模块,通过企业自助上报现有的隐患信息,对政府的反馈做到及时整改,争取从源头消灭隐患;业务数据统计分析模块,通过数据可视化,处理并呈现系统内隐患数据的分布及特点,令有关部门对于隐患一目了然,做到有的放矢;政府指导文件下发功能模块,通过对政府指导文件的下发及管理,让企业能够及时有效地查看政府的最新要求,从而建立起一座连接企业和政府之间的“桥梁”;系统安全管理模块,通过系统管理员管理用户权限,做到对系统安全的维护。该系统由网页端与移动端APP共同构成了一套完整的自动化安全隐患排查体系,可以全方位精准地监管、定位、跟踪企业安全隐患,能够将日常管理、安全监督、应急辅助、应急决策及监控预警融为一体,迅速、合理的调配资源,极大地提高了企业安全生产管理效率,具有较高的实际应用价值和社会经济意义。
多传感器数据融合方法在隧道监控系统中的应用
这是一篇关于多传感器数据融合,自适应加权,神经网络算法,D-S证据理论,火灾预警的论文, 主要内容为我国隧道监控系统中所使用的方法主要有人工巡察和实时监控两种方式,其中,人工巡察方式进行监控效率低下且得到的结果误差相对较大,因此,目前隧道监控系统多使用实时监控,而实时监控需要依托传感器技术实现。由于传感器的专一性和隧道环境的复杂性,使得传感器输出的信息表现出复杂、多维、不确定、非精确等特性,为了保障监控的准确,需要对传感器采集的数据进行处理,本文主要采用数据融合的方法处理传感器数据以实现对隧道环境及隧道火灾情况进行估计评价。本文针对传感器对隧道中数据进行采集的特点,使用二次数据融合的技术,实现多传感器数据融合方法在隧道监控系统中的应用,能够得出一个对隧道环境情况总体评价的结果,并设计基于神经网络的隧道火灾预警方法,提高监控系统对火灾事件的预警能力。本文研究的多传感器数据融合方法在隧道监控系统的应用中,采用二次数据融合技术,分别对相同种类传感器数据和不同种类传感器数据进行融合处理。首先,设计一次数据融合方法,使用自适应加权算法,分别对温度、一氧化碳和二氧化碳这三种单一种类的传感器采集数据进行融合处理,解决原始采样数据存在信息冗余、不确定性、异常性等问题。然后,设计了 BP神经网络与D-S证据理论相结合的数据融合方法,对经过一次融合处理后的不同种类传感器数据进行二次融合处理,根据融合结果对隧道环境状况进行准确评估。为完善隧道监控系统对火灾事件的监控能力,本文采用神经网络模拟隧道火灾不同进程时的温度、一氧化碳和二氧化碳之间的数据变化关系,建立火灾进程神经网络数据关系模型,采用数据关系模型对一次融合处理后的传感器采样数据进行火灾进程概率计算、统计,依据火灾进程概率统计结果实现隧道火灾预警决策。本文最后设计了隧道环境监测硬件电路,完成了隧道环境参数的采集及二次融合处理,实现了对隧道环境状况的评估测试;利用阳东等对隧道火灾各气体浓度分布规律和张甲雷著作中对长通道火灾各气体浓度分布规律,模拟出的火灾进程数据,完成了基于神经网络的火灾预警仿真测试。仿真及实验结果表明,本文设计的隧道环境监控数据融合方法实现了对隧道环境状况的准确评估,提出的隧道火灾预警决策方法实现了对火灾进程的准确判断。
基于激光诱导荧光的湖泊水质污染检测研究
这是一篇关于激光诱导荧光,浑浊度,特征峰,神经网络算法,叶绿素的论文, 主要内容为水是生命之源,人们日常生活用水大多数来自河流湖泊,而湖泊水质近几年由于各种因素遭受大面积污染,使得生态环境严重被破坏。为此国家高度重视,出台了各项湖泊水质管理的政策,以减少湖泊水质污染给人们带来的危害。本文以激光诱导荧光(Laser Induced Fluorescence,LIF)技术为基础开展一系列的湖泊水质研究,主要工作如下:(1)本文基于激光诱导荧光技术在光学平台上搭建了一套光谱检测系统,通过对检测系统温度、功率、曝光时间的测试,完成对检测系统的调试工作。用搭建好的激光诱导荧光检测系统完成对水藻叶片、湖泊水质以及叶绿素a和叶绿素b的光谱检测。(2)以近红外发光二极管(LED)作为光源,结合TSW-30光电浊度传感器和STC89C52RC单片机设计了一款简单的水质浑浊度检测器。通过设计好的水质检测器分别对不同湖泊区域的水质浑浊度进行测量,测得每个区域水质的浑浊度。同时通过检测系统也采集到相同湖泊区域的水质荧光特征峰;对比分析发现水质浑浊度越高的水质区域其荧光特征峰也越高,进而可以通过检测湖泊水质的荧光特征峰高低来判断湖泊水质的污染情况。(3)由于叶绿素是评判湖泊水质富营养化的重要指标,故分别对叶绿素a和叶绿素b进行光谱信息采集,用BP神经网络(Back Propagation Neural Network,BP)和RBF神经网络(Radial Basis Function Neural Networks,RBF)建立叶绿素的预测模型,通过两种算法对比分析,发现BP神经网络更适合用来预测叶绿素的浓度。本文开展对湖泊水质污染一系列的研究分析,对湖泊水质管理提供可靠的依据,为今后湖泊水质污染深入研究奠定基础。
基于服务链业务数据资源的服务业务成本分析与管控的研究与实现
这是一篇关于汽车制造企业,售后服务业务成本,分析,神经网络算法,可视化的论文, 主要内容为随着中国的经济社会不断进步,商用车需求持续增长,不仅促进了国内各商用汽车制造企业的快速发展,同时还吸引了国际知名汽车制造商纷纷进入中国,提升制造业智能化的水平,抢占工业互联网的制高点成为各方新的竞争方向。工业互联网给制造企业带来了新的思维模式,这对于国内汽车制造企业来说即使机会也是挑战。随着技术的发展,企业产品之间的区别越来越小,汽车的生命周期重心后移,售后服务的地位越来越重要,这也使得汽车制造企业在三包期内的售后服务资金投入越来越高。但是汽车产业链协同平台上的各个小微型汽车制造企业售后服务业务成本分析仍处于空白状态。完善汽车售后服务业务成本分析和对售后服务业务成本的实时监控逐渐成为企业发展的重中之重。为企业提供全面的售后服务业务成本分析,给企业多年积累的业务数据带来更高的附加价值,支撑制造企业做出的战略决策,成为增强企业竞争力的有效手段。本文以KM企业为原型,对其售后服务业务模式进行了研究,发现制造厂和服务商之间的售后服务业务数据交换机制较为完善,但缺少售后服务业务成本数据分析。企业售后服务业务成本的监控和分析是企业战略管理中的关键,通过售后服务业务成本分析、管理、预测,给汽车制造企业管理层决策提供更多真实数据支撑,辅助决策。本文对企业多年积累的服务业务数据库中的售后服务业务成本相关的数据进行抽取、筛选,形成分析报告,帮助企业及时把握市场需求。通过多方面的分析,为车型、服务商、地区、零配件评价提供参考,为车型改款提供建议支撑。本文使用C#语言,采用基于B/S模式的三层架构,根据系统需求实现了系统管理模块、售后服务业务成本分析报告、售后服务业务成本查询、售后服务业务成本管理模块等功能,并且在系统中采用Echarts前端实现数据可视化,让企业更加容易把控售后服务业务成本现状,及时做出生产方案的调整,并为企业的战略调整提供参考。
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：毕设项目助手 ，原文地址：https://m.bishedaima.com/lunwen/47052.html
