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 大水利核心业务和 1 套工作机制。 u 禹贡科技公司：建立了”五横四纵”的智慧水利”全过程“管理体系，“五横”包括多元异构采集体系、多元 异构接口体系、云数据仓库体系、应用支撑体系、智慧水利应用体系；“四纵”包括多元异构水利数据汇集体 系、 3T 融合水利工程管理模型、 AI 智慧化水利专业模型库、智慧水利全过程管理云平台 研发思路 坚固基础 打通数据 智慧应用 统一平台 泛在服务 JAVA ：功能 APP 、巡查 APP 、微信端 720 全景：全景图 某 水 库 工 程 为 例 IT “AI” 智慧化水利专业模型 库 动态规划法 遗传算法 蚁群算法 过程参数 编 组 库 洪水风险图模型 （ 1 ）系统结构模型 （ 2 ）计算模型 （ 3 ）大数据分析模型 q y N x M t H = ¶ + ¶ ¶ + ¶ ¶ ¶ ( ) (

焦炭生产.....................................................................................19 2.2 炼铁过程.............................................................................................21 2.2 23 2.2.2 炼铁炉炉料组成.........................................................................25 2.3 炼钢过程.............................................................................................27 2.3 提升产品质量......................................................................................45 3.4 实现生产过程优化..............................................................................47 4. 数据收集与管理.....

69 4.2 训练过程监控......................................................................................71 4.2.1 训练损失与评价指标跟踪..........................................................73 4.2.2 训练过程中的异常检测... 需具备 多语言处理能力，能够支持不同语言环境下的政务处理需求。 为实现上述目标，项目将基于现有的 DeepSeek 大模型架构， 结合政务领域的特定语料和知识库，进行模型的微调与优化。微调 过程中，将重点解决以下几个问题： 1. 数据来源与质量：政务数据涉及多个领域，数据来源多样且质 量参差不齐。项目将建立统一的数据清洗和标注流程，确保训 练数据的准确性和一致性。 2. 模型泛化能 力，能够适应不同的政务任务和场景。为此，项目将采用多种 数据增强技术和多任务学习策略，提升模型的适应性和鲁棒性。 3. 安全性保障：政务数据涉及敏感信息，模型在处理过程中需确 保数据的安全性和隐私性。项目将引入加密技术和访问控制机 制，确保数据在处理和传输过程中的安全性。 通过以上措施，项目将打造一个高效、智能、安全的政务大模 型，为政府机构的数字化转型提供强有力的技术支持。 1.1 项目背景 随着

下，建设省级可信数据空间显得尤为重要。省级可信数据空间是指 在特定省域内，依托先进的技术手段，实现跨部门、跨行业的数据 共享、交换与协同应用的平台，它将为政府决策、经济发展与社会 治理提供强有力的数据支撑。 在推动数据互联互通的过程中，数据安全和隐私保护成为亟需 解决的问题。信任是数据共享的基础，而可信数据空间则是构建信 任的重要保障。通过建立完善的数据治理机制、标准和技术保障， 省级可信数据空间可以确保数据的真实、完整和安全，从而提升各 数据安全保障：建立完善的数据安全管理机制，对数据的存 储、传输、使用等环节进行全方位的保护，确保数据不被滥用 或泄露。 4. 监管与合规机制：建立数据使用的监管机制，确保所有参与单 位在数据使用过程中遵循法律法规，保障数据的合法性与合规 性。 5. 推广与应用：通过典型案例的推广与应用，引导和鼓励各级单 位和社会主体积极参与数据共享，提高全社会对数据价值的认 知和利用能力。 这一切措 险评估体系，提升数据空间的安全韧性。 3. 共享性：建立统一的数据共享机制，鼓励政府部门、企事业单 位以及社会组织之间的数据互联互通，实现信息的流动与共 享。制定相关政策和标准，促进数据的集成与交互，并保障数 据使用过程中的合法合规。 4. 互操作性：不同系统、平台及应用间的数据能够无缝对接。通 过采用标准化的数据格式和接口，确保各种应用和系统之间的 良好协作，提高数据利用效率。 5. 可用性：数据空间应能够支持多种数据分析与应用，包括业务

1.1 以需求为导向 深入开展对新材料企业 、科研机构 、高校等各类创新主体 的 调研， 全面了解其在新材料研发 、生产 、应用等各个环 节的 数据需求 。从材料研发过程中的实验数据采集与分析 需求 ， 到生产过程中的工艺优化和质量控制数据需求， 再 到市场应 用中的需求预测和产品反馈数据需求， 进行细致 梳理 。以这 些实际需求为出发点 ，精准确定数据空间的功 能模块和建设 内容 搭建数据空间的技术支撑体系 。通过大数据技术 实现海量数据的高效存储和处理 ，利用人工智能技术挖掘数 据背后的潜在价值 ，借助区块链技术保障数据的可信性和可 追溯性 ，依靠隐私计算技术确保数据在共享过程中的安全 性。 另一方面， 建立健全数据共享 、交易 、管理等相关制度 和规 范 。明确数据的所有权 、使用权 、收益权等权益关 系， 制定 数据接入 、存储 、使用 、流通等环节的操作规 将数据安全置于首位， 采用多重先进的安全防护措施， 构建 全方位的数据安全保障体系 。在数据存储环节， 运用加密算 法对敏感数据进行加密存储， 防止数据被窃取或篡改；在数 据传输过程中， 采用安全的传输协议， 确保数据传输的机密 性和完整性； 通过严格的访问控制机制， 根据用户的角色和 权限， 精准授予数据访问权限， 防止未经授权的访问 。建立 完善的数据安全监测和预警机制

、技术及应用系统的一门新的技术科学 。随 着进一 步发展， 人工智能逐渐向增强或应用智能的形式转变 。如今， 人工智能理论和技术日益成熟， 技术和应用程序的范围也不断 扩 大， 广泛应用于医疗 、 自动化 、游戏 、过程控制等领域。 图表：人工智能在工业中的应用 人工智能 在工业中 的应用 请务必阅读报告附注中的风险提示和免责声明 6 资料来源：《 Machine Learning an Intelligent and Overview 》 -Nadia Khan ，国海证券研究所 在工艺数据上训练 AI 模型进行工艺预 测 训练 AI 以设置和调 整工艺参数达到预 期目标 训练 AI 在实时过程 中优化过程目标参 数 比较显式方法和隐 式方法在异常检测 方面的性能 化工行业推入人工智能势在必行 人工智能应用于化工行业， 具有客观必然性 。化工行业作为流程工业的典型代表， 其特点是系统规模大， 非线性程序，基于 方程和顺序模块的 仿真，数学方程优 化 流程网络调度，数 据协调，实时优化 能源装置和多产品 间歇装置的设计， 能源回收系统 预测模型控制和 过程优化 支撑 工具 过程 设计 过程 控制 过程 操作 人工智能赋 能 材料研发与合成 材料是人类用以制造基本元件 、构件 、机器以及更复杂材料产品的物质基础 。如今， 在 5G 和物联网时代， 材料的研发与 合成也

通过融 合多模态数据（如文本、图像和三维模型），大模型可以辅助设计 方案的生成与优化，提升设计师的工作效率。其次，基于强化学习 和生成对抗网络（GAN）的技术，模型能够模拟人类设计师的创意 过程，生成多样化的设计方案。此外，大模型还可以用于智能化的 空间规划、建筑材料选择和环境分析，进一步推动建筑行业向智能 化、数字化方向发展。 大模型技术的发展趋势主要体现在以下几个方面： 1. 大模型的应用设计方案需要 从多个维度进行需求分析，以确保方案的可行性和高效性。首先， 建筑设计过程中涉及大量的数据分析和模拟计算，包括结构分析、 节能优化、材料选择等，这些工作通常需要耗费大量时间和资源。 通过引入 DeepSeek 大模型，可以显著提升数据处理和模型模拟的 效率，减少人工计算和验证的时间。 其次，建筑设计过程中需要处理多种复杂的约束条件，如法规 要求、客户需求、预算限制等。DeepSeek 习算法，快速识别和优化这些约束条件，帮助设计师在满足所有要 求的前提下，找到最优设计方案。例如，在节能设计中，模型可以 根据建筑的地理位置、气候条件和建筑材料，自动生成最节能的设 计方案。 此外，建筑设计过程中常常需要进行大量的图像处理和三维建 模工作。DeepSeek 大模型在图像识别和生成方面的能力，可以大 幅提高这些任务的效率和质量。例如，模型可以根据设计师的手绘 草图，自动生成精细的三维模型，并生成相应的施工图纸。

物的智能行为，而智能行为包括知觉、推理、学习、交流和在复杂环境中的行为。 11 二、 虚拟现实在智能制造中的应用 （一）虚拟制造定义及关键技术 虚拟制造技术涉及面很广，如环境构成技术、过程特征抽取、元模型、 集成基础结构的体系结构、制造特征数据集成、多学科交叉功能、决策支持 工具、接口技术、虚拟现实技术、建模与仿真技术等。其中后 3 项是虚拟制 造的核心技术。 12 （ 1 ）生产模型。可归纳为静态描述和动态描述两个方面。静态描述是指系统 生产能力和生产特性的描述。动态描述是指在已知系统状态和需求特性的基础上预 测产品生产的全过程。 （ 2 ）产品模型。产品模型是制造过程中，各类实体对象模型的集合。目前产 品模型描述的信息有产品结构、产品形状特征等静态信息。虚拟制造下的产品模型 不再是单一的静态特征模型，它能通过映射、抽象等方法提取产品实施中各活动所 建立仿真模型、运行仿真模型——输出结果并分析。 15 产品制造过程仿真，可归纳为制造系统仿真和加工过程仿真。虚拟制造系统中 的产品开发涉及到产品建模仿真、设计过程规划仿真、设计思维过程和设计交互行 为仿真等，以便对设计结果进行评价，实现设计过程早期反馈，减少或避免产品设 计错误。 加工过程仿真，包括切削过程仿真、装配过程仿真、检验过程仿真以及焊接、 压力加工、铸造仿真等。 16

样化的服 务需求。 3. 用户需求多样化：随着公众对政务服务的要求日益提高，单一 的服务模式已无法满足用户需求，亟需个性化、智能化的服务 能力。 4. 信息安全与隐私保护：在数据共享和开放过程中，如何保障数 据安全和用户隐私成为亟待解决的问题。 为应对上述挑战，构建基于 DeepSeek 模型的知识库系统成为 当前电子政务发展的重要方向。该系统将融合自然语言处理、知识 图谱、深度 采用了以下关键技术：  自适应学习率调整：通过 Adam 优化器和学习率调度器，模 型能够根据不同任务和数据集动态调整学习率，提高训练效率 和模型性能。  梯度裁剪：为了防止训练过程中的梯度爆炸问题，模型在优化 过程中引入了梯度裁剪技术，确保训练的稳定性。  混合精度训练：通过使用 FP16 和 FP32 的混合精度，模型在 保持精度的同时，显著提高了训练速度，降低了内存占用。 为了进一步提升模型的实用性，DeepSeek 综上所述，deepseek 模型在电子政务中的应用场景广泛，能 够从多个维度提升政府服务的智能化与效率，为政府决策与管理提 供强有力的技术支持。 1.3 知识库在电子政务中的重要性 在电子政务的推进过程中，知识库的构建和利用具有至关重要 的地位。电子政务的核心目标是通过信息技术手段提升政府工作的 效率和透明度，而知识库则是实现这一目标的关键基础设施之一。 首先，知识库能够系统地整理和存储各类政务信息，包括政策法规、

企业整体经济效益为核心目标 智能制造的手段 在精益管理的基础上，运用先进制造技术与装备，应用先进 数字化技术，支撑企业在制造前中 后段整条价值链上的地位 智能制造能干什么 解决与生产相关的业务过程中复杂的运营、产品与工艺等方面的不确 定性问题 Project Content 发展趋势 2025 年 6 月，工信部在审议《工业和信息化部信息化和工业 化融合 2025 年工作要点》时，明确提出要实施“人工智能 数据和网络，开发设计 AI 算法；  （ 3 ）应用层：利用 AI 技术在制造业生产和服务的各个环节创造价值。 图表：“制造业 +AI” 产业结构 AI 应用于制造业多个环节，在产品设计、生产、销售、售后等过程均有渗透且 成熟度不断提 升。  产品设计：（ 1 ）通过 AIGC 完成工程设计中重复的低层次任务；（ 2 ）通过 AIGC 生成衍生设 计，为工程师提供灵感；  生产计划：需求预测、智能排产。（ 应链建构、产品价格等数据，做出更加准确的需求预测， 从而使企业更好地安排生产计划， 降低库存水平，降低运输、仓储、供应链 管理成本；（ 2 ）在给定工单、可用资源、约束条 件和公司目标多重 条件下，生成最佳生产计划；  生产过程：预测性设备维护、生产工艺优化、智能化产品检测、智能搬运等。 通过挖掘和提炼生产中产生的海量信息，优化设备运转、工艺流程、提高检测 效率、提高自动化程度， 减少设备损耗，提高生产效率；  销售