山塘 海塘 水库 智慧水利全过程管理平台 泵站 水闸 农电 河湖 灌区 农饮 水文 引水 圩区 目 录 1 公司介绍 2 3 4 5 研发思路 总体构架 核心体系 应用案例 公司介绍 公司位于美丽的杭州钱塘江畔，是一家专注智慧水利的国家级高新科技技术企业。 员工总数 60 余人，博士 3 人，硕士 12 人， 90% 以上员工拥有本科以上学历。 企业秉 研究成果沉淀，结合物联网、云技术、大数据、移动互联网等最新开发，针对智慧水 利领域，自主研发了针对水利工程建设和运行管理的全生命周期系列平台，包括省级 水库工程协同管理平台、省级防汛物资与抢险队伍管理平台、水利工程建设管理平台、 流域水利枢纽综合管理平台、县市区水利工程运行管理平台、智慧灌区综合管理平台、 智慧泵闸站综合管理平台、智慧水电站大运维集管控一体化平台等，其中 8 项平台产 品荣获水利部先进适用技术（产品）推广证书，核心技术获自主知识产权 浙江工业大学研究生实习基地 浙江水利水电学院禹润学院 浙江同济科技职业学院校企合作基地 企业资质 电子与智能化承包资质 信息系统集成与服务资质 浙江省软件企业认定 3A 级企业信用等级认证 5 项 ISO 管理体系认证 5 项软件产品评估认证 2 项国家大禹水利科学技术奖 8 项国家水利部先进技术推广证书 46 项自主知识产权 5 项市厅级科学技术奖 1 项浙江省大学生创新创业银奖 研发思路

AI 赋能—石化装备智能化管理实践 背景简介 平台赋能石化装备 AI 管理 石化领域创新实践应用 平台赋能石化装备 AI 管 理 5 石化行业装备智能化运营管理需求迫切 泵 压缩机 汽轮机 风机 石化行业是典型的重资产行业代表，设备性能直接关系到生产装置的投资、产能、 质量、安全、能耗及成本，设备运行状况将直接影响装置安全稳定运行。然而，采 用传统的设备建模方式，存在模型构 用传统的设备建模方式，存在模型构建复杂、构建的数学模型通常不完善、存在诊 断滞后等问题。 炼化设备在石化生产中具有 至关重要 的作用 6 AI 技术的快速发展为石化装备智能管理提供了可 能 交互查询 批查询 机器学习 实时分析 振动 温度 压力 转速 载荷 ETL 工 具 定义的主题 查询 结果呈现 关系型数据 LOB 应 用 流量 元数据及关联性 数据预处理 人工智能处理结果展示 物联 度 网 赋能 大 数平 据台 处理能力 平台 工业 互联网 深 物 联度 网 赋能 人物联 工网 智能 核心算法 石化装备 AI 管理—工业互联网平台深度赋能 石化装备 AI 管理—工业互联网平台深度赋能 实时数据 离线数据 • Modbus 协议 • JT/T808 协议 • MQTT 协议 • 提供其他协议转 MQTT 协议的 SDK

ഀ� ******** 自动智慧运维管理平台 技术方案 ഀ� 目 录 目 录.....................................................................................................................................................2 1. ........................................................................................10 1.1. 运维管理的三个转变.............................................................................................. .......................11 1.2.1. 落实等级化管理.........................................................................................................11 1.2.2. 落实管理经验积累...................................

大模型在宁波市自然资源规划管理中的 探索与实践 宁波市自然资源和规划大数据中心朱锦辉 2025 年 4 月 17 日 血山 山 nmm 而皿 业 mml 01 基本概况 02 总体设计 03 实践探索 0 4 总结展望 汇报提纲 03 实 践 探 索 02 总 体 设 计 04 总结展望 01 基本概况 我市既有技术力量，构建各领域 AI 大模型。 以空间对象为核心、以空间治理支撑为目标的“跨模态”大模型 “ 后土”名称取自中国上古神话里掌管山岳土地变化的中央之神，寓意助力国土空间治理和自然资源管理 自然资源部信息中心与阿里云联合研发自然资源行业大模型一 —“后土”大模型。一个“跨模态大模型” , 在通用大模型基础 上， 通过海量自然资源行业数据训练，在自然资源知识问答、 影像视频智能解 保后土 面广市 后 hou tǔ 8 2 6 2 个 6 个 01% 1.1 工作背景 DeepSeek 的出现，加速了业务处室思考对如何沉淀业务智慧 口业务传承性困难：国土空间规划管理涉及大量的业务规则和经验，工作相关背景情况不依赖数 字化支撑，严重依赖个人经验、手 头 资料和能力，导致人员变动或岗位调整时，业务连续性受 影 响 。 口分析决策支持不足：大量的数字化应用场景

自然资源保护区大数据信息化管理平台建设方案 自然资源保护区 大数据信息化管理平台 建设方案 1 自然资源保护区大数据信息化管理平台建设方案 2 自然资源保护区大数据信息化管理平台建设方案 目 录 第 1 章 概述.................................................................................... ...............................................................................36 3 自然资源保护区大数据信息化管理平台建设方案 3.2.4 工作原理................................................................................. ...................................................................................59 3.5.3.2 综合安防管理系统.........................................................................................59 3.5.3

.......................................................................................12 2.1 当前数据管理现状..............................................................................15 2.2 省级数据共享需求... .......................................................................................50 4.1 数据质量管理......................................................................................52 4.1.1 数据清洗与预处理 .....................................56 4.2 数据生命周期管理..............................................................................58 4.2.1 数据采集与存储策略..................................................

....15 2.1.1 处理器与加速器选择..................................................................18 2.1.2 存储系统设计.............................................................................19 2.1.3 网络架构与接口. ...24 2.2.1 操作系统与虚拟化技术..............................................................25 2.2.2 数据中心管理软件......................................................................27 2.2.3 算法优化与集成.......... 数据采集与预处理..............................................................................34 3.2 大数据存储与管理..............................................................................36 3.3 深度学习模型训练....

1 视频数据采集 ............................................................................ 19 2.1.2 数据存储与管理 ......................................................................... 22 2.1.3 实时处理与分析 ..... ....................................... 86 5.2 数据加密与存储安全 ......................................................................... 88 5.3 用户权限管理 ..................................................... 随着社会经济的发展与城市化进程的加速，公共安全问题日趋 复杂化。各种突发事件的频发，如自然灾害、交通事故和公共卫生 事件等，给社会的安全管理带来了巨大的挑战。传统的公共安全监 控手段往往依赖于人工观察和经验判断，难以及时、准确地应对突 发情况。因此，亟需引入现代化的科技手段来提升公共安全管理的 效率和准确性。 人工智能（AI）技术的迅速发展，尤其是大模型技术的成熟， 使得视频内容的智能挖掘成为可能。通过对视频监控数据的深度学

...........36 4.3 数据存储与管理.............................................................39 4.4 公共数据集建设.............................................................41 五、AI 模型部署与管理..................... .........44 5.2 模型训练与优化.............................................................46 5.3 模型生命周期管理.........................................................49 六、可信管控与安全保障........................... .........................69 7.4 省应急管理厅：灾害预测预警 .....................................72 7.5 省教育厅：智能招生咨询..............................................74 7.6 省市场监督管理局：智能监管..............................

规模的增长存在剪刀差，推动了超大规模智算集群的 建设。 作为基础设施建设者和新质生产力的推动者，电 信运营商正积极推进智算布局。本文基于大模型的 发展趋势和需求，结合运营商的特定优势，提出了智 算集群布局以及算力、存储、网络和维护管理方面的 关键词： 人工智能；智算中心；基础设施；建设思路 doi：10.12045/j.issn.1007-3043.2024.09.012 文章编号：1007-3043（2024）09-0068-06 要满足智算算力的需求，其布局、建设及维护方案与传统的云资源池存在较大 差异，当前运营商对智算中心的布局以及详细方案并没有统一的建议和参考。 分析了大模型发展带来的算力、存储、组网的需求挑战，对运营商智算布局以及 算力、存储、网络、维护管理等提出了相应的策略和方案建议。 Abstract： The computational complexity of AI training has been increasing ［5］。参数量剧增导致训练所需的数据量越来 越大，有预测认为，到 2026年文本数据将被训练完，图 像数据将在 2040年前后被用完，合成数据将会是未来 数据的主要来源 ［6］，数据量规模会再一次量级跃迁，对 存储的规模和性能带来更大的挑战。此外，智算集群 的规模也从百卡发展到万卡，甚至十万卡级别，对网 络通信的带宽和时延要求越来越高。 1.2 算力需求和挑战 在 Transformer 模型结构中，算力需求与模型参数