马尔可夫模型和大语言模型在防汛巡检中的证据分析
2026.04.22点击：
摘要：<正>洪涝灾害是我国最为频繁且破坏力最大的自然灾害之一，对社会经济和公共安全造成长期影响。防汛基础设施如堤坝、水库、泵站及闸门等承担着防洪、排涝及调蓄任务，其安全运行直接关系到人民生命财产安全及区域稳定。防汛巡检的核心在于通过连续观测设施状态，识别潜在风险并在问题演化为严重隐患前采取干预措施。然而，随着水文气象事件的高变异性、设施规模扩大及数据来源多样化，传统人工巡检和阈值规则方法逐渐显露局限：一是信息滞后，难以实现实时预警；二是覆盖不足，无法量化潜在风险点；三是证据支撑薄弱，巡检报告信息缺乏标准化和可量化度量。本文融合马尔可夫模型与大语言模型（LLM），构建“证据抽取-状态建模-风险预测-解释支持”体系，以提升预测精度，降低告警冗余，为防汛巡检智能化提供科学支撑。
基金资助： 江西省水利厅科技计划项目“基于ChatGLM的水利知识智能化应用探索”（202425YBKT36）；
专辑： 信息科技;基础科学;工程科技Ⅱ辑
专题： 数学;水利水电工程;自动化技术
分类号： TV87;TP18;O211.62
- 上一篇：基于数字孪生技术的计算机系统故障预测与智能运维分析 2026/4/22
- 下一篇：共偏移距域大船噪音衰减方法分析与应用 2026/4/21