基于人工智能的堤防工程大数据安全管理平台及其实现

doi:10.11988/ckyyb.20190948

院报 ›› 2019, Vol. 36 ›› Issue (10): 104-110.DOI: 10.11988/ckyyb.20190948

• 堤防工程安全运行与监测预警 • 上一篇下一篇

基于人工智能的堤防工程大数据安全管理平台及其实现

饶小康^1,2,3, 马瑞^1,2,3, 张力^1,2,3, 义崇政^1,2,3

1.长江勘测规划设计研究有限责任公司,武汉 430010;
2.长江空间信息技术工程有限公司(武汉),武汉 430010;
3.湖北省水利信息感知与大数据工程技术研究中心,武汉 430010

收稿日期:2019-08-05 出版日期:2019-10-01 发布日期:2019-10-21
作者简介:饶小康(1985-),男,湖北黄冈人,高级工程师,硕士,研究方向为水利水电工程施工数字化、数据挖掘。E-mail:283139246@qq.com
基金资助:
国家重点研发计划项目(2017YFC1502604,2018YFC0407904)

Big Data Safety Management Platform for Dyke Engineering Based onArtificial Intelligence: Research and Implementation

RAO Xiao-kang^1,2,3, MA Rui^1,2,3, ZHANG Li^1,2,3, YI Chong-zheng^1,2,3

1.Changjiang Institute of Survey, Planning, Design and Research Co., Ltd., Wuhan 430010, China;
2.Changjiang Spatial Information Technology Engineering Co., Ltd., Wuhan 430010, China;
3.Hydronformation Perception and Big Data Engineering Technology Research Center ofHubei Province, Wuhan 430010, China

Received:2019-08-05 Online:2019-10-01 Published:2019-10-21

摘要/Abstract

摘要： 针对堤防工程综合安全监测体系,基于物联网技术,建立堤防工程海量数据资源的采集、汇集、交换与共享云平台;同时针对堤防工程质量、险情演化、致溃机理,基于大数据和人工智能技术,构建堤防工程大数据开放平台和人工智能计算平台,提供海量、多源、异构数据的融合、共享,实现风险识别、评估、预警模型的构建、运算。针对堤防工程安全防护、加固中填筑石料粒径级配要求,利用堤防工程物联网监测平台进行数据采集汇集,在堤防工程人工智能计算平台构建砂石爆破开采级配预测模型,解决多层非线性问题,进行爆破开采优化设计和石料粒径级配控制。实例证明,基于人工智能的堤防工程大数据安全管理平台可将堤防填筑石料开采级配平均相对误差率控制在21%以内,满足开采级配设计要求,控制石料块度,从而保障了堤防工程质量,实现了堤防工程的安全管理。研究成果可为堤防工程填筑石料开采设计提供技术参考,保障工程质量。

关键词: 堤防工程, 安全管理平台, 大数据, 人工智能, 深度学习, 物联网, 开采级配设计要求

Abstract: A big data safety management platform for dyke engineering is presented in this paper. The internet of things (IoT) technology is adopted to build a cloud platform for the monitoring, collection, exchange, and sharing of massive data in the monitoring system. Meanwhile, big data and artificial intelligence technologies are employed for the fusion and sharing of massive, multi-source and heterogeneous data to identify and evaluate risks and construct early-warning model. Through the data acquisition and collection by the IoT monitoring platform, the model predicting the gradation after sandstone blasting is built to design the optimum blasting scheme and control the particle gradation of sandstone material. Engineering practice has demonstrated that the average relative error rate of controlling the gradation is within 21%, which meets the requirement and guarantees the dyke construction quality.

Key words: dyke engineering, safety management platform, big data, artificial intelligence, deep learning, IoT, design requirements of gradation

中图分类号:

TV871

饶小康, 马瑞, 张力, 义崇政. 基于人工智能的堤防工程大数据安全管理平台及其实现[J]. 院报, 2019, 36(10): 104-110.

RAO Xiao-kang, MA Rui, ZHANG Li, YI Chong-zheng. Big Data Safety Management Platform for Dyke Engineering Based onArtificial Intelligence: Research and Implementation[J]. JOURNAL OF YANGTZE RIVER SCIENTIFIC RESEARCH INSTI, 2019, 36(10): 104-110.

[1]	程风雯, 甘进, 李星, 吴卫国. 基于DCGAN的水下结构物表面缺陷图像生成[J]. 院报, 2023, 40(9): 155-161.
[2]	陈文龙, 杨云丽, 张煜, 胡祖康. 基于天地协同与深度学习的灌区地下水位模拟[J]. 院报, 2023, 40(7): 88-95.
[3]	黄远远, 彭潜, 徐兵. 一种考虑遮挡物的地铁隧道表面裂缝识别方法[J]. 院报, 2023, 40(5): 145-152.
[4]	徐健, 徐坚, 魏思奇, 赵保成, 肖潇, 李国忠. 区块链技术在智慧水利体系建设中的应用展望[J]. 院报, 2023, 40(4): 150-54,163.
[5]	赵科锋, 曹慧群, 林莉, 靖争, 罗平安. 人工智能视频识别在水利数字孪生中的典型应用[J]. 院报, 2023, 40(3): 186-190.
[6]	宋佳, 白杨, 王小林. 基于深度学习的黄土干湿循环损伤分析[J]. 院报, 2023, 40(2): 87-94.
[7]	邵琥翔, 丁凤, 杨健, 郑子铖. 基于深度学习的黑臭水体遥感信息提取模型[J]. 院报, 2022, 39(4): 156-162.
[8]	张颖, 支欢乐, 蒋水华. 基于极限学习机的堤防工程多元风险指标评价方法[J]. 院报, 2021, 38(11): 80-85.
[9]	陈喆, 魏思奇, 吴仪邦, 文雄飞, 向大享, 李经纬. 基于互联网社交媒体的“河湖长制”舆情分析系统构建[J]. 院报, 2021, 38(10): 174-179.
[10]	黄跃文, 牛广利, 李端有, 韩笑, 周华艳. 大坝安全监测智能感知与智慧管理技术研究及应用[J]. 院报, 2021, 38(10): 180-185.
[11]	贾宝良, 罗熠, 张慧, 郭亮. 灌浆工程自动监测技术进展与展望[J]. 院报, 2021, 38(10): 186-191.
[12]	蒋水华, 黄中发, 江先河, 吴海真, 黄劲松. 堤防工程标准化管理体系风险评估方法[J]. 院报, 2020, 37(5): 180-186.
[13]	牛广利, 李端有, 李天旸, 何亮. 基于云平台的大坝安全监测数据管理及分析系统研发与应用[J]. 院报, 2019, 36(6): 161-165.
[14]	黄跃文, 周芳芳, 韩笑. 无线低功耗安全监测采集系统设计与研究[J]. 院报, 2019, 36(6): 153-156.
[15]	易华, 韩笑, 王恺仑, 牛广利, 黄跃文. 物联网技术在大型水电站安全监测自动化系统中的应用[J]. 院报, 2019, 36(6): 166-170.

基于人工智能的堤防工程大数据安全管理平台及其实现

Big Data Safety Management Platform for Dyke Engineering Based onArtificial Intelligence: Research and Implementation

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价