基于Deepseek的水土保持智能助手的开发与研究

陈 珏1, 罗 国平1, 陈 志1, 陈 向1, 龚 博宇2
1、湖南省水利水电科学研究院
2、湖南省水利水电科学研究院;湖南南方水利水电勘测设计院有限公司

摘要


本研究紧密围绕《关于加强新时代水土保持工作的意见》中结合人工智能（AI）、大数据等现代技术与水土
保持相关技术及政策的要求，深入剖析水土保持监管需求，精心设计水土保持智能助手架构。在系统搜集并整编水
土保持相关数据资料的基础上，构建水土保持专业知识库。通过将Deepseek R1-32B离线模型与本地知识库有机结
合，部署适用于水土保持监管专业的本地离线智能助手。同时，依据实践情况，分析了现有水土保持智能助手搭建
过程中在知识库解析训练、算力约束、模型运行等方面存在的问题，并针对上述各方面问题提出了相应的解决策略，
为后续进一步完善水土保持智能助手提供参考依据。

关键词


水土保持；人工智能；AI；Deepseek

全文:

PDF


参考


[1]卢慧中，卞雪，金秋，等.基于深度学习的生产

建设项目扰动图斑提取算法和识别策略[J].中国水土保持，

2024，（08）：23-28.DOI：CNKI：SUN：ZGSB.0.2024-

08-007.

[2]赖杭，张永占，赵旭升，等.深圳市水土保持智

慧监管平台研发及应用[J].水利信息化，2024，（03）：

90-96.DOI：10.19364/j.1674-9405.2024.03.016.

[3]南帝，杨宇，杨植林，等.智慧水利水土保持分

系统构建及应用[J].水上安全，2024，（06）：7-9.DOI：

CNKI：SUN：SSXF.0.2024-06-003.

[4]陈妮，赵勇，杨凯，等.新昌县水土保持监管数

字化改革探索与实践[J].中国水土保持，2023，（03）：

62-65.DOI：10.14123/j.cnki.swcc.2023.0058.

[5]Abhilash S, J. A, Jaiprakash N, et al. A deep learning

approach to predict the number of [formula omitted]-barriers

for intrusion detection over a circular region using wireless

sensor networks[J]. Expert Systems With Applications, 2023,

211 DOI:10.1016/J.ESWA.2022.118588.

[6]Matthew S, Christophe M, Cristián B. The value of

text for small business default prediction: A Deep Learning

approach[J]. European Journal of Operational Research, 2021,

295(2): 758-771. DOI:10.1016/J.EJOR.2021.03.008.

[7]白贺伊.基于卷积神经网络的健康大数据智能分

析方法研究[J].电子设计工程，2021，29（10）：10-14.

DOI：10.14022/j.issn1674-6236.2021.10.003.

[8]李刘霞.陕西清涧县水土保持监管现状与信息化

技 术 应 用[J].农 业 工 程 技 术，2020，40（32）：47-48.

DOI：10.16815/j.cnki.11-5436/s.2020.32.027.


Refbacks

  • 当前没有refback。