技术优势智慧水利大数据平台项目成果包括- -套软件产品“水文与水库大坝安全监测大数据平台”和两类算法，即“水库入库流量预测算法”和“智能水库防洪调度算法”。1)水文与水库大坝安全监测大数据平台:该平台基于传感器网络采集水库水文信息和大坝的各个核心区域的压力、位移、沉降等信息，基于大数据分析技术和可视化方法，设计实现了一种面向水库大坝安全监测的可视分析软件平台。2)水库入库流量预测算法:水库入库流量预测是精细化水库调度的基础，现有的基于水文模型的库流量预测方法对流域的适应能力较弱，预测精度难以满足精细化调度的应用需求。该项目基于历史水文数据，采用深度学习技术，对水库的入库流量进行滚动预测。结合智能化的时间序列决策方法，能够实现对水库的智能化管理调度。3)智能水库防洪调度算法:汛期的水库防洪调度是水库管理中面临的重要问题。该项目针对水库防洪调度中的上下游安全问题建立多目标优化模型，采用计算智能方法对模型求解获得精细化的水库防洪调度方案。与现有工程实践中基于规则的水库防洪调度不同，该方法不依赖于水利专家的经验，能够提供更加精细化的水库防洪调度方案。智慧水利大数据平台——功能模块图大坝安全检测指挥中心数据大屏——水库大坝一张图系统主要功能模块应用前景随着水利信息化的发展，物联网技术、人工智能技术和大数据技术的广泛应用，智慧水利逐渐成为可能，智慧水利大数据平台的建设正处于蓬勃发展的历史时期。该研究成果面向水库管理中的信息化和智能化问题展开研究，提供了基于物联网的大坝数据采集，基于大数据处理和可视分析技术的大坝安全监测和基于计算智能技术的水库入库流量预测与智能水库防洪调度解决方案。项目研究成果包括科研成果论文和软件产品，研究成果成熟度较高,具备良好的市场转化潜力。

新大陆以教育部、人社部提供的大数据岗位技能标准材料文件为指导思想，依托丰富大数据行业经验，构建贯通8大维度完善的人才培养体系，面向职业学校量身定制“大数据专业”,提供应用开发和运维两个方向配套的课程及丰富的教学资源。 产品特点快捷：使用主流的ElasticSearch HDFS大数据分布式全文检索技术，快速定位课程资源，从课前、课中、课后的教学的各个场景出发，围绕着“一人一课表”，避免传统的菜单导航，以工作台引导式的操作体验，方便教师与学生快速定位当前课程入口，进行课前备课与预习、课中教学与实验等操作。方便：一站式大数据实验室，随时随地“做中学”在B/S模式下，可以随时随地通过浏览器进行实验结合教学场景，根据课程自动匹配创建实验环境，极大的减少了实验准备工作 “步骤式”的实验手册，配合自动化实验报告截图，提升效率实验，做到真正的”做中学““坐席式”的实验监控，让老师和学生的实验互动更加容易稳定：根据每门课程的实验规格，提供实验环境所需资源弹性分配与回收能力，同时有效控制了实验服务器成本专业：提供一体化、颗粒化的教学资源，基于教学课程进度，“向导式”的设计课案。

通过对系统日常使用数据的自动抓取，对实验室在日常使用及管理过程中的关键指标进行综合分析。

为了生态环境安全，满足某些区域特殊环境核辐射的监测需要，沈阳理工大学与沈阳某研究所联合开发了核辐射综合检测信息处理系统。该成果利用3G无线网络实现区域环境核辐射的实时监测，实现测量数据和信息无线网络传输与处理，对核辐射参数及相应的环境参数进行实时、综合测量。该系统可以用于涉核区域环境核辐射剂量的无线远程监测，能够将实时数据和辐射剂量的分布情况形象地显示在上位机图形界面上，具有数据无线传输与控制、数据存储、历史数据查询、节点的远程控制等多种功能。该项目已经于2012年底通过部级鉴定并申报科技进步奖。

《变偏移距VSP并行处理系统》是一套基于并行计算的可用于石油天然气开发中的VSP处理系统。该项目属于地球科学学科领域。 针对walk-away VSP技术问世20余年来一直没有得到很好的应用这一现象，其主要原因是波场分离技术和成像技术没有得到很好的解决，传统的计算机算法又不能完全支持新的数学算法。为此，我们在高性能并行计算机上开发了本系统。优良的计算机并行算法使得我们提出的广义拉冬变换能够快速便捷地完成，从而彻底解决了walk-away的波场分离问题；同时，射线成像技术的并行计算格式的研发，保证了我们可以在很短的时间内任意调整地下介质结构并快速形成成像后的地下反射界面，实现了“正反演结合”有约束的射线成像技术。 该系统还包含了谱分析、1-D滤波、2-D滤波、子波整形反褶积等一系列常规的信号分析与处理子模块。 主要研究内容： 1）在理论分析基础上编写程序成功实现了具有复杂波场的变偏移距VSP资料的上下行波分离，为油气、地热和地质矿产资源勘探和开发提供了可靠的技术支持； 2）设计建立射线追踪模型从客观上解决了变偏移距VSP的正演模拟问题，并为射线偏移成像提供了一个有力的工具； 3）采用射线成像技术对变偏移距VSP上行波场进行成像，实现了变偏移距VSP资料在地下空间的准确归位。 4）实现了变偏移距VSP资料的并行处理，解决了超大数据容量的变偏移距VSP资料处理受硬件条件局限的问题。

一种潜流式园林滤池污水处理系统，属污水处理领域。依据村镇地形地势，与绿地或绿化工程实施一体化设计与施工，无需另占土地，包括前处理单元、渗滤调节单元、复合人工湿地单元；复合人工湿地单元由潜流式园林滤池和表面流人工湿地组成。潜流式园林滤池表面覆有粘土层，种植园林湿地植物，处理系统后面连接当地景观水体，作为其主体补水水源。本发明为生物生态组合技术，处理系统流程简单，维护管理方便，工艺灵活，处理效果好，可依据污水水质、水量变化特征，合理分配前处理单元和复合人工湿地单元污染物负荷，优化配置各单元工艺参数，防止

激光制造、增材制造等高端制造技术，在精密加工、航空航天部件加工等众多领域得到大量的应用，可以完成传统加工系统不能完成的大量加工工艺。因为制造工艺复杂，应用涉及众多重要领域，并且所涉及的三维图形处理和控制等核心技术一直掌握在国外厂商手里，因此外国一直将这些高端制造技术对中国进行严格的出口管控，相关技术和系统也成为了中国急需突破的卡脖子工程。其中，三维图形处理系统是高端制造系统中极为核心的功能系统，相关技术也被国外所严格管控，国内有众多技术空白需要突破。 针对该现状，我们对相关核心技术进行了多年的研究，投入了大量的人力物力进行了系统研发，在关键技术上形成了突破，并研制出了可用于替代国外产品的核心系统。也因为我们所形成的技术积累，我们承担了第一批国家重点研发计划项目“航空航天典型部件激光制造”中的三维图形处理系统的研究任务，并在实际应用场景中对我们的技术和系统进行了有效验证。 主要技术指标 （1）可以解析众多主流三维图形文件，读写其中的各种三维模型数据。 （2）可以分析三维对象的拓扑缺陷。 （3）可以多种方式在三维加工对象表面布局复杂加工图案。 （4）可以按照加工工艺参数，完成加工区域划分、图案分割和图元空间投影等复杂的功能。 （5）可完成工件装夹定标、加工区域边界输出、加工路径优化等丰富的功能。 （6）输出可加工的区域图案文件，供 5 轴联动数控中心执行加工操作。 （7）直观的图形操作功能。

本实用新型提供一种宽光谱微型光谱仪信号处理系统，包括 FPGA 主控模块、CCD 模块、CCD 滤 波电路、AD 采样模块、USB 模块和电源，FPGA 主控模块分别与 CCD 模块、AD 采样模块、USB 模块 相连。当光信号由光纤经过分光系统分光后，由通过 FPGA 控制的 CCD 进行光电转化，转化后的模拟 电信号经过CCD滤波电路后由AD采样芯片进行高速采样并转化为数字信号存入FPGA内的缓存模块， 之后由 FPGA 内的 USB 发送

成果与项目的背景及主要用途 我国城市交通基础设施的交通供给能力不能满足现实和潜在的交通需求，基础设施短缺与其利用的低效率并存，交通管理智能化可以提高路网通行效率、提高道路利用率；智能化、全天候的交通信息采集处理系统是实现智能化管理的前提和基础。 本成果发明了一种具有安全、无障碍、全天候、在多车道及各种速度下准确测量车速、流量、车型和道路利用率等多种信息的交通信息采集、信息处理系统，包含激光测量装置和交通信息智能处理软件两个组成模块。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。