【摘 要】
：
安全监测资料整编分析报告作为大坝安全监测工作的主要成果内容，具有覆盖内容广、涉及数据量大、系统性与综合性较强的特点，传统模式主要依靠人工进行编制，工作任务量大、处理效率低，不利于监测工作的及时完成。近年来部分水库大坝相关建设管理单位建立了安全监测信息管理系统，具备一定的资料分析功能，但相应分析报告自动生成功能在稳定性和可靠性方面尚存在一定缺陷。设计了一种基于分布式框架的小浪底安全监测资料整编分析报
【基金项目】
：
国家重点研发计划资助项目（2018YFC0407101）； 中国三峡建工（集团）有限公司项目（JGAJ0421002）； 长江科学院中央级公益性科研院所基本科研业务项目（CKSF2019394/GC）；
论文部分内容阅读
安全监测资料整编分析报告作为大坝安全监测工作的主要成果内容，具有覆盖内容广、涉及数据量大、系统性与综合性较强的特点，传统模式主要依靠人工进行编制，工作任务量大、处理效率低，不利于监测工作的及时完成。近年来部分水库大坝相关建设管理单位建立了安全监测信息管理系统，具备一定的资料分析功能，但相应分析报告自动生成功能在稳定性和可靠性方面尚存在一定缺陷。设计了一种基于分布式框架的小浪底安全监测资料整编分析报告系统，通过各类操作服务的合理拆分和集成部署，实现系统运行负载的分担与均衡，可有效提高整编分析报告的稳定性和可靠性。
其他文献
目的:乳腺癌作为目前全球发病率最高且死亡率排名第五的癌症,受到了全社会的高度关注。医学影像检查是临床上乳腺癌早期筛查及诊断最重要的手段,准确的影像学诊断需要医生具备丰富经验累积,且诊断过程中会耗费医生大量的时间和精力。随着人工智能技术的发展与快速进步,深度学习等智能算法可提取医学图像中包含的大量语义信息,近年来被逐渐应用于医学图像处理方面,并体现出良好的技术优势和应用价值。超声影像是乳腺癌筛查手段
目的:心脏疾病成为人类健康的主要杀手之一,心电图（Electrocardiogram,ECG）反映了心脏的健康情况,但识图工作加大医生工作负担。因此心电图的智能化分析研究有助于减轻医生负担,提高诊断效率,使患者能够得到及时治疗。方法:在命名实体识别与实体关系抽取实验中,本文采用BIO标签体系对心电报告进行标注,不仅标注出报告文本中的实体,也标注各实体间的关系。本文设计了在双向门控循环单元后加入条件
＜正＞小浪底工程是黄河治理保护的关键性控制工程,是国家"八五"期间开工建设的国家重点工程,部分利用世界银行贷款、建设管理模式全方位与国际惯例接轨的大型水利枢纽工程。小浪底工程于1991年9月1日开工,1999年10月25日下闸蓄水投入初期运行,2009年4月7日通过国家发改委会同水利部组织的竣工验收。我大学毕业即到小浪底,全程参加了小浪底工程建设。2008年5月,我借调交流到水利部建设与管理司,专
目的:对于人体动作识别现实性问题,不同位置的相机捕获目标空间状态具有差异性,单视角下的人体动作识别模型的鲁棒性不足,且类间人体各区域运动幅度与贡献度不同,如何突出人体局部运动状态也是影响人体动作识别的关键性问题。本文采用了Kinect深度相机获取的骨骼数据进行人体动作识别研究,对分块化彩色编码骨骼数据在不同视角状态下的动作识别及多角度特征融合进行了实验研究。方法:本文首先对骨骼数据进行了预处理操作
收入确认是企业生存和发展的关键所在，关系到企业的生死存亡。新收入准则下企业选择按时点法还是按时段法确认收入是企业会计实务中的难点与痛点。本文根据收入确认相关理论，结合系统集成业务，以软件和信息技术服务业系统集成业务上市企业收入确认政策及实际业务核算过程，对系统集成业务收入确认进行分析和研究，得出相关结论并提出合理建议。
目的:通过使用龙氏生活自理能力评定量表（简称龙氏量表）（Longshi Scale,LS）和Barthel指数（Barthel Index,BI）评定脑卒中各阶段患者日常生活活动（activities of daily living,ADL）能力,比较LS和临床最常用的ADL评价工具BI的反应性,并观察脑卒中患者ADL能力随时间推移的变化情况,为临床工作ADL评价工具的选择提供依据和参考。方法:选
糖尿病性视网膜病变（DR）是引起人类视觉损伤和失明的主要因素。临床研究显示,只有对糖尿病人进行早期DR筛查和及时诊断,才能预防其视力衰退。目前病变主要通过人工诊断的方式进行治疗,然而随着筛查数量的增加,医生在诊断时非常容易出现漏诊、误诊、反馈不及时等问题,从而错过病情的最佳治疗时机。为此,亟需开发有效的智能技术来进行病变诊断。近年来,机器学习和深度学习等智能技术被广泛应用于糖尿病视网膜病变诊断领域
目的:肺是人体呼吸系统中最重要的器官,胸部X光图像在肺炎的诊断和治疗中扮演了非常重要的角色,但随着胸部X光图像的日益增多以及放射科医生的短缺,使用计算机辅助诊断技术提高对肺部影像的诊断准确率,成为当前智能医学领域的研究热点和难点。深度学习能够从海量的数据中挖掘出有效的病灶信息,提高诊断准确率,缓解误诊漏诊问题。因此,本文围绕基于深度学习的肺部影像分类问题进行研究。方法及结果:（1）本研究提出一种深
目的:乳腺肿瘤严重危害女性群体健康,早发现、早治疗对提高患者生存率具有重要意义。病理检查是肿瘤诊断的“金标准”,其图像可作为确定肿瘤发展程度及预后的指标之一。由于病理图像中组织的多样性为肿瘤分析带来了困难,临床上急需一种智能化辅助算法有效实现肿瘤诊断,并提高图像分析效率。现有算法主要基于病理图像实现细胞分割、乳腺肿瘤的良恶性分类及预后分析等工作,虽然取得了部分成果,但是在特征提取能力、网络参数量及