智慧城市_智慧水務0_智慧水務-人工智能深度學習在智慧水利中應用研究

1、2 人工智能發(fā)展-深度學習 大數據時代的人工智能 實踐研究 應用展望“業(yè)務管理一體化業(yè)務管理一體化水利監(jiān)控可視化水利監(jiān)控可視化水利信息規(guī)范化水利信息規(guī)范化水利資源共享化水利資源共享化水利決策科學化水利決策科學化3 人工智能發(fā)展-深度學習 大數據時代的人工智能 實踐研究 應用展望人工智能系統(tǒng)具有自我學習、推理、判斷和自適應能力。主要應用在優(yōu)化設計、故障診斷、智能檢測、系統(tǒng)管理等領域。借助于人工智能技術優(yōu)勢, 優(yōu)化水利工程管理的流程, 提升管理工作效能, 統(tǒng)籌提升智慧化管理和服務水平，對水利行業(yè)“補短板、強監(jiān)管”發(fā)揮積極作用。4 智慧水利業(yè)務需求 大數據時代的人工智能 實踐研究 應用展望5 智慧水

2、利業(yè)務需求 大數據時代的人工智能 實踐研究 應用展望6 智慧水利業(yè)務需求 大數據時代的人工智能 實踐研究 應用展望7 智慧水利業(yè)務需求 大數據時代的人工智能 實踐研究 應用展望深度學習是通過構建包含多個隱含層的神經網絡模型，以更少的單層參數與更深的網絡結構，通過海量訓練數據，來學習特征的多層抽象表示，從而最終提升分類或預測的準確性。）強調模型結構的深度；）突出特征學習。8 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 實踐研究 應用展望大數據真正價值不在于大數據本身，而在于數據內容的分析和價值發(fā)現。大數據:指大小超出了常用軟件工具在運行時間內可以承受的收集、管理和處理數據能力的數據集。9 智慧水利

3、業(yè)務需求 人工智能發(fā)展-深度學習 實踐研究 應用展望1. 大數據規(guī)模當前數據規(guī)模：從數十TB到十幾PB級2. 處理大數據的可等待的合理時間地震數據預測要求在幾分鐘內才有效氣象數據應該在小時級別數據挖掘一般要求在12小時內10 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 實踐研究 應用展望1. 能適應反映大數據分布的抽樣方法2. 基于大數據分布的算法3. 追求高效并行的人工智能算法4. 反映全量特征的人工智能算法大數據完全顛覆了傳統(tǒng)的思維方式：1. 全樣而非抽樣2. 效率而非精確3. 相關而非因果11 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 實踐研究 應用展望12 智慧水利業(yè)務需求 人工智能發(fā)展

4、-深度學習 大數據時代的人工智能 應用展望134.1 平原水庫智慧化大數據管理系統(tǒng)平原水庫智慧化大數據管理系統(tǒng) 通過對水庫水文氣象、調度實施、安全監(jiān)測、水質監(jiān)測、生態(tài)監(jiān)測等信息的快速采集、傳輸、分析處理，構建能夠快速查詢和分析的信息平臺，利用物聯網、大數據分析、云計算等技術實現水庫調度水庫調度和健康管理健康管理的實施決策，為水庫管理人員提供信息管理服務 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望144.1 平原水庫智慧化大數據管理系統(tǒng)平原水庫智慧化大數據管理系統(tǒng) 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望154.1 平原水庫智慧化大數

5、據管理系統(tǒng)平原水庫智慧化大數據管理系統(tǒng) 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望164.1 平原水庫智慧化大數據管理系統(tǒng)平原水庫智慧化大數據管理系統(tǒng) 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望174.1 平原水庫智慧化大數據管理系統(tǒng)平原水庫智慧化大數據管理系統(tǒng) 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望184.1 平原水庫智慧化大數據管理系統(tǒng)平原水庫智慧化大數據管理系統(tǒng) 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望194.1 平原水庫智慧化大數據管理系統(tǒng)平原水庫智慧化大數據管

6、理系統(tǒng) 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望204.1 平原水庫智慧化大數據管理系統(tǒng)平原水庫智慧化大數據管理系統(tǒng) 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望214.1 平原水庫智慧化大數據管理系統(tǒng)平原水庫智慧化大數據管理系統(tǒng) 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望224.1 平原水庫智慧化大數據管理系統(tǒng)平原水庫智慧化大數據管理系統(tǒng) 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望234.1 平原水庫智慧化大數據管理系統(tǒng)平原水庫智慧化大數據管理系統(tǒng) 智慧水利業(yè)務需求 人工智

7、能發(fā)展-深度學習 大數據時代的人工智能 應用展望244.1 平原水庫智慧化大數據管理系統(tǒng)平原水庫智慧化大數據管理系統(tǒng) 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望254.1 平原水庫智慧化大數據管理系統(tǒng)平原水庫智慧化大數據管理系統(tǒng) 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望264.1 平原水庫智慧化大數據管理系統(tǒng)平原水庫智慧化大數據管理系統(tǒng) 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望274.1 平原水庫智慧化大數據管理系統(tǒng)平原水庫智慧化大數據管理系統(tǒng) 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人

8、工智能 應用展望284.1 平原水庫智慧化大數據管理系統(tǒng)平原水庫智慧化大數據管理系統(tǒng) 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望294.2 水庫健康監(jiān)測大數據清洗水庫健康監(jiān)測大數據清洗 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望 30 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望31 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望根據監(jiān)測數據的結構特征將水庫健康監(jiān)測數據分為三類：第一類是水庫健康監(jiān)測數據變化微小的數據，如工程地質及水文地質、壩基質量評價、壩體質量評價等；第二類是數據

9、評分跨度較小，離散程度較小的監(jiān)測指標數據，如壩基抗液化安全、最小生態(tài)需水量指標等；第三類數據是評分跨度較大，離散程度較大的數據。如地下水動態(tài)指標、水資源利用指標、可用水量指標等。32 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望一.基于多種距離的K均值算法 在處理大數據集時聚類效果好，可以最大程度上保證填補缺失數據的真實性；收斂速度快，可以快速的處理海量、雜亂無章的水庫健康監(jiān)測數據；具有伸縮性，充分挖掘數據內在的信息。二.基于多種距離的K最近鄰算法 運用最近鄰算法復雜函數的預測功能，最終采用的是最大類或者均值對缺失值進行填補，并且該方法具有合理的數據縮放量，這樣就避

10、免了水庫大數據指標多樣、結構復雜帶來的不便，有效提高了填補精度，該方法的在線技術能彌補水庫健康大數據監(jiān)測周期長這一弊端，新的監(jiān)測數據可以實時添加進來，而不用重新進行訓練。33 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望在以上的兩種聚類算法中依次引入的度量距離：在以上的兩種聚類算法中依次引入的度量距離：歐式距離（Euclidean Distance）曼哈頓距離（City Block Distance）余弦距離（Cosine Similarity）切比雪夫距離（Chebyshev Distance）相關距離（Correlation Distance ）斯皮爾曼相關系數

11、（Spearmans Rank Correlation Coefficient）杰卡德距離（Jaccard Distance）閔氏距離（Minkowski Distance）漢明距離（Hamming Distance）馬氏距離（Mahalanobis Distance）34 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望35 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望 基于距離的異常值檢測方法：偏離大部分樣本的對象即可判定為異常值。該方法普遍性和具體操作性效果好，并且可用于多維屬性數據的檢測。因為該類算法將異常值形式化定義，因此在不知道數

12、據分布的情況下檢測精度依然很好。 假設數據對象集為D，給定一個距離閾值r來定義對象的適當距離。對于每個對象，可以考察o的鄰域r-中其他對象的個數。如果D中大多數對象都遠離o，即都不在o的r-鄰域中，則o可以被視為一個離群點。令是距離閾值，是分數閾值。 Ddist( ,)r36基于深度降噪自編碼網絡的物聯網監(jiān)測數據修復基于深度降噪自編碼網絡的物聯網監(jiān)測數據修復 針對大規(guī)模物聯網監(jiān)測系統(tǒng)中經常出現的監(jiān)測點失效、數據異常等問題。 采用深度降噪自編碼網絡對監(jiān)測數據進行修復，通過構造深度降噪自編碼網絡來提取監(jiān)測點之間隱含的深層關聯關系，進而訓練一種支持向量回歸模型以預測待修復的監(jiān)測數據。 相比傳統(tǒng)數據修

13、復方法，具有更好的精度。 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望374.3 數據數據-模型融合的水庫虛擬健康運行模型模型融合的水庫虛擬健康運行模型 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望考慮水庫健康多源數據的時空特點，運用有限元方法建立水庫多耦合數值模擬模型。在數值模型的動態(tài)運行過程中融合物聯網實時監(jiān)測數據。生成具有時間、空間和物理一致性的數據集。對水庫運行方式進行虛擬仿真，完善補充實際運行中罕見的病變或危情狀態(tài)數據，構成并動態(tài)更新大數據驅動分析的完整數據集。384.4 水庫運行期健康綜合診斷方法與預測水庫運行期健康綜合診斷方

14、法與預測 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望394.4 水庫運行期健康綜合診斷方法與預測水庫運行期健康綜合診斷方法與預測 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望404.5 基于深度學習方法提取水庫健康特征因子基于深度學習方法提取水庫健康特征因子 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望對水庫虛擬健康模型中海量數據進行預處理，采用深度學習的降噪自動編解碼過程，利用貪婪逐層訓練算法，通過無監(jiān)督訓練挖掘各健康因子對水庫健康狀態(tài)的深層影響，選擇出更有利于評估的數據特征。414.6 基于深度學習方法建

15、立水庫健康狀態(tài)的自動識別和預測模型基于深度學習方法建立水庫健康狀態(tài)的自動識別和預測模型 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望 針對水庫健康診斷多變量、非線性、強耦合、大時滯的復雜時序特點，難以建立精確模型的問題。采用逐層預訓練和參數優(yōu)化相結合的訓練算法，構建基于深度學習深度置信網絡的水庫健康自動識別模型。424.6 基于深度學習方法建立水庫健康狀態(tài)的自動識別和預測模型基于深度學習方法建立水庫健康狀態(tài)的自動識別和預測模型 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望 采用具有記憶功能的適合處理時間序列數據的深度學習模型長短期記憶網絡 (LSTM)，構建水庫健康評價指標體系預測模型。仿真對比結果表明，有效的減小誤差，預測時間范圍長，自適應高。 43 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 應用展望44 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 實踐研究45 智慧水利業(yè)務需求 人工智能發(fā)展-深度學習 大數據時代的人工智能 實踐研究 人工智能是人工智能是發(fā)掘大數據金發(fā)掘大數據金礦的鑰匙，數礦的鑰匙，數據資源