1、 20201112 人工智能发展-深度学习 大数据时代的人工智能 实践研究 应用展望“业务管理一体化业务管理一体化水利监控可视化水利监控可视化水利信息规范化水利信息规范化水利资源共享化水利资源共享化水利决策科学化水利决策科学化3 人工智能发展-深度学习 大数据时代的人工智能 实践研究 应用展望人工智能系统具有自我学习、推理、判断和自适应能力。主要应用在优化设计、故障诊断、智能检测、系统管理等领域。借助于人工智能技术优势,优化水利工程管理的流程,提升管理工作效能,统筹提升智慧化管理和服务水平，对水利行业“补短板、强监管”发挥积极作用。4 智慧水利业务需求 大数据时代的人工智能 实践研究 应用展望2、5 智慧水利业务需求 大数据时代的人工智能 实践研究 应用展望6 智慧水利业务需求 大数据时代的人工智能 实践研究 应用展望7 智慧水利业务需求 大数据时代的人工智能 实践研究 应用展望深度学习是通过构建包含多个隐含层的神经网络模型，以更少的单层参数与更深的网络结构，通过海量训练数据，来学习特征的多层抽象表示，从而最终提升分类或预测的准确性。）强调模型结构的深度；）突出特征学习。8 智慧水利业务需求 人工智能发展-深度学习 实践研究 应用展望大数据真正价值不在于大数据本身，而在于数据内容的分析和价值发现。大数据:指大小超出了常用软件工具在运行时间内可以承受的收集、管理和处理数据能力的数据集。93、 智慧水利业务需求 人工智能发展-深度学习 实践研究 应用展望1.大数据规模当前数据规模：从数十TB到十几PB级2.处理大数据的可等待的合理时间地震数据预测要求在几分钟内才有效气象数据应该在小时级别数据挖掘一般要求在12小时内10 智慧水利业务需求 人工智能发展-深度学习 实践研究 应用展望1.能适应反映大数据分布的抽样方法2.基于大数据分布的算法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数据完全颠覆了传统的思维方式：1.全样而非抽样2.效率而非精确3.相关而非因果11 智慧水利业务需求 人工智能发展-深度学习 实践研究 应用展望12 智慧水利业务需求 人工智能发展-深度学4、习 大数据时代的人工智能 应用展望134.1 平原水库智慧化大数据管理系统平原水库智慧化大数据管理系统 通过对水库水文气象、调度实施、安全监测、水质监测、生态监测等信息的快速采集、传输、分析处理，构建能够快速查询和分析的信息平台，利用物联网、大数据分析、云计算等技术实现水库调度水库调度和健康管理健康管理的实施决策，为水库管理人员提供信息管理服务 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望144.1 平原水库智慧化大数据管理系统平原水库智慧化大数据管理系统 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望154.1 平原水库智慧化大数据管理系5、统平原水库智慧化大数据管理系统 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望164.1 平原水库智慧化大数据管理系统平原水库智慧化大数据管理系统 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望174.1 平原水库智慧化大数据管理系统平原水库智慧化大数据管理系统 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望184.1 平原水库智慧化大数据管理系统平原水库智慧化大数据管理系统 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望194.1 平原水库智慧化大数据管理系统平原水库智慧化大数据管理系统 6、智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望204.1 平原水库智慧化大数据管理系统平原水库智慧化大数据管理系统 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望214.1 平原水库智慧化大数据管理系统平原水库智慧化大数据管理系统 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望224.1 平原水库智慧化大数据管理系统平原水库智慧化大数据管理系统 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望234.1 平原水库智慧化大数据管理系统平原水库智慧化大数据管理系统 智慧水利业务需求 人工智能发展-7、深度学习 大数据时代的人工智能 应用展望244.1 平原水库智慧化大数据管理系统平原水库智慧化大数据管理系统 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望254.1 平原水库智慧化大数据管理系统平原水库智慧化大数据管理系统 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望264.1 平原水库智慧化大数据管理系统平原水库智慧化大数据管理系统 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望274.1 平原水库智慧化大数据管理系统平原水库智慧化大数据管理系统 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 8、应用展望284.1 平原水库智慧化大数据管理系统平原水库智慧化大数据管理系统 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望294.2 水库健康监测大数据清洗水库健康监测大数据清洗 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望 30 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望31 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望根据监测数据的结构特征将水库健康监测数据分为三类：第一类是水库健康监测数据变化微小的数据，如工程地质及水文地质、坝基质量评价、坝体质量评价等；第二类是数据评分跨度9、较小，离散程度较小的监测指标数据，如坝基抗液化安全、最小生态需水量指标等；第三类数据是评分跨度较大，离散程度较大的数据。如地下水动态指标、水资源利用指标、可用水量指标等。32 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望一.基于多种距离的K均值算法 在处理大数据集时聚类效果好，可以最大程度上保证填补缺失数据的真实性；收敛速度快，可以快速的处理海量、杂乱无章的水库健康监测数据；具有伸缩性，充分挖掘数据内在的信息。二.基于多种距离的K最近邻算法 运用最近邻算法复杂函数的预测功能，最终采用的是最大类或者均值对缺失值进行填补，并且该方法具有合理的数据缩放量，这样就避免了水库10、大数据指标多样、结构复杂带来的不便，有效提高了填补精度，该方法的在线技术能弥补水库健康大数据监测周期长这一弊端，新的监测数据可以实时添加进来，而不用重新进行训练。33 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望在以上的两种聚类算法中依次引入的度量距离：在以上的两种聚类算法中依次引入的度量距离：欧式距离（Euclidean Distance）曼哈顿距离（City Block Distance）余弦距离（Cosine Similarity）切比雪夫距离（Chebyshev Distance）相关距离（Correlation Distance）斯皮尔曼相关系数（Spea11、rmans Rank Correlation Coefficient）杰卡德距离（Jaccard Distance）闵氏距离（Minkowski Distance）汉明距离（Hamming Distance）马氏距离（Mahalanobis Distance）34 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望35 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望 基于距离的异常值检测方法：偏离大部分样本的对象即可判定为异常值。该方法普遍性和具体操作性效果好，并且可用于多维属性数据的检测。因为该类算法将异常值形式化定义，因此在不知道数据分布的情12、况下检测精度依然很好。假设数据对象集为D，给定一个距离阈值r来定义对象的适当距离。对于每个对象，可以考察o的邻域r-中其他对象的个数。如果D中大多数对象都远离o，即都不在o的r-邻域中，则o可以被视为一个离群点。令是距离阈值，是分数阈值。Ddist(,)r36基于深度降噪自编码网络的物联网监测数据修复基于深度降噪自编码网络的物联网监测数据修复 针对大规模物联网监测系统中经常出现的监测点失效、数据异常等问题。采用深度降噪自编码网络对监测数据进行修复，通过构造深度降噪自编码网络来提取监测点之间隐含的深层关联关系，进而训练一种支持向量回归模型以预测待修复的监测数据。相比传统数据修复方法，具有更好的精13、度。智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望374.3 数据数据-模型融合的水库虚拟健康运行模型模型融合的水库虚拟健康运行模型 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望考虑水库健康多源数据的时空特点，运用有限元方法建立水库多耦合数值模拟模型。在数值模型的动态运行过程中融合物联网实时监测数据。生成具有时间、空间和物理一致性的数据集。对水库运行方式进行虚拟仿真，完善补充实际运行中罕见的病变或危情状态数据，构成并动态更新大数据驱动分析的完整数据集。384.4 水库运行期健康综合诊断方法与预测水库运行期健康综合诊断方法与预测 智慧水利业务14、需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望394.4 水库运行期健康综合诊断方法与预测水库运行期健康综合诊断方法与预测 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望404.5 基于深度学习方法提取水库健康特征因子基于深度学习方法提取水库健康特征因子 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望对水库虚拟健康模型中海量数据进行预处理，采用深度学习的降噪自动编解码过程，利用贪婪逐层训练算法，通过无监督训练挖掘各健康因子对水库健康状态的深层影响，选择出更有利于评估的数据特征。414.6 基于深度学习方法建立水库健康状态的自动识15、别和预测模型基于深度学习方法建立水库健康状态的自动识别和预测模型 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望 针对水库健康诊断多变量、非线性、强耦合、大时滞的复杂时序特点，难以建立精确模型的问题。采用逐层预训练和参数优化相结合的训练算法，构建基于深度学习深度置信网络的水库健康自动识别模型。424.6 基于深度学习方法建立水库健康状态的自动识别和预测模型基于深度学习方法建立水库健康状态的自动识别和预测模型 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望 采用具有记忆功能的适合处理时间序列数据的深度学习模型长短期记忆网络(LSTM)，构建水库16、健康评价指标体系预测模型。仿真对比结果表明，有效的减小误差，预测时间范围长，自适应高。43 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 应用展望44 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 实践研究45 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 实践研究 人工智能是人工智能是发掘大数据金发掘大数据金矿的钥匙，数矿的钥匙，数据资源和智慧据资源和智慧管理任务的不管理任务的不断快速增长为断快速增长为人工智能提供人工智能提供了动力和方向。了动力和方向。46 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 实践研究 深度深度学习技术学习技术的不断发的不断发展为人工展为人工智能提供智能提供了引擎和了引擎和动力。动力。47 智慧水利业务需求 人工智能发展-深度学习 大数据时代的人工智能 实践研究 学科学科交叉与渗交叉与渗透为人工透为人工智能在智智能在智慧水利领慧水利领域的应用域的应用提供了无提供了无限可能限可能