摘要：由于基坑降水引起周围土体应力的重新调整,造成基坑相邻建筑物地基不均匀沉降,情况严重则造成相邻建筑物破坏,因此对不均匀沉降量的预测具有现实意义。利用地下水动力学的非稳定流原理及土力学基本理论,介绍了基坑降水设计中引起周围地面沉降的实时预测方法,探讨了不同土层在降水过程中孔隙水压力消散对土层固结的影响,通过实例分析了公式中不同参数的取值合理性,编制了相关程序。该方法对分析、预测由于基坑降水所引起的周围地面沉降有一定参考价值。

摘要：为了应对全球性能源危机和环境污染,各国争相开发利用可再生能源,目前风能是最具大规模商业化开发利用潜力的可再生能源之一.在利用风能进行发电时,开发一个针对风速和气温的实时预测系统对于风电场电力系统的调度和安全稳定运行具有重要意义.本文介绍了基于清华大学建筑设计院楼顶的单台聚风型风力机的一个实时预测系统,此预测系统使用时间序列法中的ARMA(Auto Regression Moving Average)模型对风速和气温进行预测,其可靠性和精确度通过比较预测结果与超声波风速仪的测量数据得到验证.

摘要：长江三峡工程导流明渠已于2002年11月6日顺利截流。截流过程中,由于实际水流条件、截流方案在实施过程中的变化及人为因素的影响等,原设计和物理模型试验的水文水力学成果对截流指导作用被大大削弱。因此,明渠截流水文水力学实时预报的作用显得尤为重要。通过在长江截流过程中的体验,总结了水文水力学方法在明渠截流全过程中的实践和经验。

摘要：为解决大数据条件下,预测空气质量指数AQI存在计算耗时长,不能进行实时预测等问题,提出一种基于Storm的AQI实时预测模型S-OKNN。使用Storm计算框架,对KNN算法进行分布式拓展;利用Storm实时流数据计算特点,使模型能够实时预测AQI。实验结果表明,在保证预测精度的前提下,基于Storm的AQI实时预测模型S-OKNN比普通的KNN算法具有更快的处理速度、更高的吞吐量、更能满足实时预测AQI的需求。

摘要：提出了一种VLSI热载流子退化的嵌入式实时预测方法,并在0.18μm CMOS混合信号工艺下完成了预测电路设计。当VLSI热载流子退化引起的瞬态性能退化超过预设的界限时,预测电路会发出一个报警信号。它只占用很小的芯片面积,同时它几乎不与被测电路共用信号(除上电复位信号和电源信号外),从而不会给被测试系统带来任何干扰。

摘要：为了解基坑降水过程中周围地下水的动态变化情况,根据地下水动力学的稳定流和非稳定流原理,介绍了干扰群井基坑降水设计中基坑及周围地下水位实时预测方法,并编制了相关程序。实例分析表明:降水井的布置位置对降水结果影响较大;预测基坑最终地下水位降深,可按稳定井流和非稳定井流2种方法计算,但降水过程的地下水位实时预报必须采用非稳定流的方法。

摘要：为监测建筑火灾事故区域的危险程度,实现更加安全、高效的火灾应急救援,以通廊式建筑为研究对象,基于转置卷积神经网络及数值模拟方法开发1种可实时预测走廊位置处烟气扩散和温度分布的神经网络模型。首先,依托Python建立包含全连接、转置卷积、反池化等在内的19层神经网络模型的整体架构;其次,建立包含99个火灾场景,共7920组图像数据的火场信息数据库用于模型训练;最后,使用测试集对模型进行可靠性验证。研究结果表明:烟气(温度)预测模型在不同火灾场景下的预测精度达到95%,训练完成后模型的预测时间一般为1~2 s。研究结果可为应急策略的快速制定提供数据参考。

摘要：汽轮机超速保护系统可靠性预测是保障机组安全运行的重要方法之一。针对静态可靠性分析方法不适于系统有缓慢渐变故障的可靠性预测,提出一种GO法和NARX神经网络相结合的超速保护系统可靠性实时预测方法。该方法采用GO法计算系统可靠度,然后结合系统可靠度和状态参数,利用NARX神经网络的时间关联性,进行汽轮机超速保护系统可靠度实时预测。以某核电机组汽轮机超速保护系统的一些设备渐变故障引起油压状态变化为例,通过仿真验证了该方法能实时有效预测系统可靠性。

摘要：对电网运行产生的时间序列数据展开实时预测研究,提出基于Storm平台和ARIMA模型的预测框架。分析不同类型电网时序数据的特点,预设拟合模型以降低模型构建的盲目性,缩短预测时间,同时设计基于HBase的新型时序数据存储模式加快数据检索速度。通过对海量的时序数据源进行并发预测,比较不同数据样本对预测值的影响并实时分析预测误差。经实例从预测精度、运算速度、占用资源3个角度验证了该框架的有效性与实用性。

摘要：混流制排水管网雨天放江污染严重,影响河道水质。针对漕河泾排水系统,研究管网蓄水量数据并建立预测模型,提出混流制排水系统管网运行调度技术措施,设计雨天放江监控系统,监测雨天放江水量和水质,有效削减了混流制雨污水管网的放江污染。