大坝智能化安全监测新技术简论

提高大坝安全监测的智能化、标准化，增强传感器布置优化的可操作性等是大坝安全监测技术发展所迫切需要解决的问题．材料科学、数学、力学、人工智能、信息技术与传统大坝安全监测技术的多学科交叉渗透已成为大坝安全监测领域新的研究方向．智能传感器、传感器的网络化在解决上述问题中表现出的强大功能，在大坝安全监测领域已引起广泛的关注．人工智能强大的功能和解决某些问题的独特手段，正在加速监测技术高度智能化的进程．文中在对大坝安全监测传感器、数据采集装置的研制以及布置方案拟定等的研究现状进行综述的基础上，从智能传感器、现场总线控制系统和传感器网路化以及布置优化等几个方面，介绍了大坝安全监测技术新趋势和发展方向，并简述了人工智能技术在提高大坝安全监测水平中的应用前景．     

水口大坝监控系统的测值疑点成因分析研究

对疑点测值进行快速、准确的物理成因分析,是水口水电站在线监控及反馈分析系统的关键,基于水口水电站工程监测项目繁多,信息量大,涉及的知识面广以及重力坝的自身工作特点,系统遵循突出重点,兼顾全面,以坝段为单元,以变形异常为重点,水平位移异常为核心,融汇渗流和应力应变,实时在线地分析测值疑点的物理成因。     

数据中心应用感知的动态资源配置研究

面向云计算数据中心,该文研究了应用感知的动态资源配置及其实现方法。采用马尔科夫过程对应用进行建模,并计算各功能模式下资源需求的变化关系。以保证应用执行性能为前提,提出基于执行等待时间期望的资源评估算法。提出应用感知的动态资源配置算法并和静态最大资源配置算法进行了对比实验。实验结果表明,在相同的应用负载下,该文算法相对于最大资源配置算法能够减少49%的物理机使用量;在给定同样的物理机数时,该文算法对应用请求的接受率比最大资源配置算法提高约45%。     

基于SVM理论的大坝安全预警模型研究

大坝安全预警模型可以理解为根据特定的映射关系由影响因素域到大坝性态效应量域的计算求解问题.对于多因素综合影响下的大坝系统,这种映射关系一般为非线性的.从机器学习的角度,本文应用粗集理论和SVM理论,研究了对上述关系的拟合.首先,利用粗集理论智能数据分析方法,对大坝安全监测信息进行预处理,抽取关键成分作为映射关系的输入,从而确定映射关系的初始拓扑结构.在此基础上,应用最小二乘支持向量机算法,以训练误差作为优化问题 的约束条件,以置信范围值最小化作为优化目标,从大坝安全原型观测数据中学习归纳出大坝系统运行规律,从而实现对大坝安全预警模型的构建.实例分析表明,该模型能够有效的模拟和预测大坝工作性态与主要影响因素的关系.     

大坝安全分析和评估资源管理系统

为实现对大坝安全原型观测资料、分析方法以及分析和评估所需的文本、语音、图形和图像等成果的科学管理,开发了一套大坝安全分析和评估资源管理系统.该系统由总控、工程数据库、知识库、模型库和图库等组成,采用数据层、服务层、表示层3层工作模式,应用元数据库技术实现了多个数据库的集成,采用多级链接式方法进行了模型库中大量程序的存储、调用等.建立了一个动态再生系统平台,提高了大坝安全分析和评估资源管理系统的开放性,有利于系统的更新和发展.