关键词： 数字人文   人工智能   数据处理   情报分析  

摘要： 在数字化时代背景下，人工智能（AI）与数字人文的融合为情报分析与处理领域带来了革命性的变化，本文旨在探讨这一交汇点，分析AI技术如何助力数字人文在情报分析与处理中开拓新型领域。首先对AI技术进行概括，特别是大型语言模型（如ChatGPT）在数字人文领域的应用潜力。通过具体案例分析，展示了AI技术在图书情报学中自动化文献分类、精准检索、智能问答和咨询服务等方面的实际应用，本文还讨论了在这一过程中可能遇到的挑战，如数据安全、知识产权、学术伦理等问题，并提出了相应的对策。文章还特别强调，在AI技术应用中坚持以人为本、以法为基、以管为核、以容为向的重要性，以确保技术进步与人文价值的和谐共生。

关键词： 七孔探针   插值方法   神经网络   数据处理   风洞试验  

摘要： 多孔探针由于其在流场测量领域的多种优势,应用较为广泛,其中七孔探针相比于五孔探针可测量的角度范围更大,但是由于七孔探针的校准和插值更复杂、对校准试验设备要求更高,所以应用不够广泛。 为解决七孔探针插值复杂、校准难的问题以及研究七孔探针高精度插值方法,本文基于MATLAB编程,利用三维数值模拟与试验相结合的方式完成如下工作: 1.对七孔探针进行数值模拟,内区与外区角度全部采用俯仰角θ与方位角Φ,并对得到的模拟数据进行分区以及对模拟的待测点进行多项式插值以及线性插值验证,结果证明:数值模拟得到的数据理想、结果合理,内区使用俯仰角与方位角的角度定义也可以正常进行插值计算,线性插值角度误差在0.2°以内,多项式插值在部分点误差超过0.5°。 2.在采用俯仰角θ与方位角Φ的基础上,提出七孔探针双转台整环形校准方案与双转台及半圆形校准方案,成功搭建这两种试验台并完成探针的校准,这两种校准方案相比于现有方案可以降低校准试验的复杂度,降低对校准试验台的要求。对校准数据处理发现:两种校准方案得到的校准数据可靠,校准曲线顺滑且不存在坏点。 3.提出采用鲸鱼优化算法的神经网络模型对探针数据进行插值计算,并使用griddata函数、神经网络工具箱模型、BP神经网络模型以及采用鲸鱼优化算法的神经网络模型对Ma=0.3下的探针校准数据进行数据插值计算,结果证明:两种线性插值方法在七孔探针领域表现较好,俯仰角误差以及方位角误差均稳定在0.3°以内;优化后的两种神经网络插值误差在0.3°以内,在绝大部分点,其精度优于线性插值。使用线性插值与优化神经网络插值对待测点总静压进行计算,结果发现:线性插值总压误差在1%以内,优化后的神经网络总压误差也在1%以内,但是比线性插值总压误差更低,马赫数误差在0.001以内。两种方法均可以用作七孔探针总压、静压以及马赫数的插值。 4.在俯仰角间隔为4°时,采用不同方位角间隔(4°与6°)对七孔探针进行校准,探究方位角间隔对角度插值的影响,结果发现:对同一个待测点数据进行插值时,无论是使用线性插值还是优化神经网络插值,角度误差均在0.2°以内。在不同马赫数下对七孔探针进行校准,结果发现:随马赫数由Ma=0.1提高至Ma=0.35,校准曲线变得更加顺滑,且俯仰角插值误差降低0.2°左右,方位角插值误差降低0.1°左右。 5.分别使用五孔探针与七孔探针对某叶栅进行三个攻角下的尾迹测量,结果发现:对于同一组七孔探针测量得到的压力数据,使用线性插值进行角度以及总静压的计算与使用优化神经网络进行角度以及总静压的计算得到的结果高度一致,证明优化神经网络插值方法的可行性。对比七孔探针与五孔探针线性插值计算得到的总压损失系数以及角度可以发现,两者的总压损失云图趋势一致,但在迎角方向,五孔探针最大测试角度为30°,该叶栅存在迎角超过30°的测试点,五孔探针无法准确测量此区域,但是七孔探针最大测试角度超过55°,可以进行该区域的测量,证明七孔探针在角度测量领域的优越性。

关键词： Data curation  

摘要： To verify the rationality of the passive side bias speed limiting mechanism in small and medium-sized wind turbines, a data processing method was proposed for the processing of the measured data of small and medium-sized wind turbines, which adopts the isolated forest method to screen out the error-distorted data for pre-processing, and then applies Bion's method for the selection of the data, and uses the polynomial fitting method for the curve-fitting method, with polynomial fitting coefficients determined by the least-squares method. Obtain the processing method for the wind power curve of WTGs with passive side biased speed limit. The passive side deviation speed limiting FD4. 0-2kW / 10 WTG was selected for example analysis to demonstrate the validity of the data processing method, and the relationship between the wind energy utilization rate and the tip speed ratio was established, and the performance of FD4. 0-2kW / 10 WTG was analyzed and it was concluded that the output power of the unit starts to decrease when it is above 13 m / s, which indicates that the design of the side deviation speed limiting mechanism of the unit is reasonable and the security is. It shows that the unit's side deviation speed limiting mechanism is reasonably designed and has high safety. © 2024 Beijing Kexue Jishu yu Gongcheng Zazhishe. All rights reserved.

关键词： 数据处理技术   数智化运营   5G时代  

摘要： 随着第五代移动通信技术（5G）技术的快速发展和普及，人类正迅速进入一个全新的信息时代——5G时代。在5G时代中，公众用户的通信需求与行为模式正在发生深刻的变化，运营商、企业和组织需要采用更加智能化的策略来满足公众用户的个性化需求，实现精准营销和高效运营。而如何在海量的用户数据中挖掘出有价值的信息，以及如何利用这些信息更好地服务公众用户，成为了业界关注的焦点。本研究旨在分析5G时代公众用户数智化运营的策略，并研究其数据处理技术，以期为企业提供可操作性的建议和指导。

关键词： 智能电网   内存数据网格   内存计算   潮流计算   关键节点识别  

摘要： 随着电力系统的数字化和智能化进程不断加速,智能电网成为电力系统领域研究的热点,并且受到了各国政府和企业的广泛关注。智能电网对海量数据的处理、分析能力,对电力系统的可靠性、安全性和可持续发展能力具有至关重要的影响。为了提高智能电网的运行效率和响应能力,本文结合内存数据网格(In-Memory Data Grid,IMDG)、潮流计算和关键节点识别等方法,探索了一种综合应用的解决方案。其中,IMDG用来实现数据存储和处理的高效性和可扩展性,潮流计算方法用于分析复杂的电力系统状态,关键节点识别方法用于确定系统中的重要节点。而且每个环节都与前后环节紧密关联,构成了一个完整的解决方案。 首先,本文利用内存数据网格技术,搭建了一个高性能、高可扩展性的分布式存储和计算框架。该框架在采用分布式架构的同时引入了内存计算的概念,能够将序列化的电网数据对象提前存储在分布式内存中。这一框架不仅能够满足电网大规模数据存储和处理的需求,还能够实现数据的高可靠性和高可用性,为后续的数据分析和挖掘奠定了基础。通过对IEEE 57节点系统进行实验,结果证明该框架成功克服了访问数据时遇到的一些“I/O瓶颈”问题,显著提高了数据处理的效率和速度。 其次,潮流计算是电力系统分析和规划的重要工具,通过对电网中各节点之间的功率流动进行分析,可以了解电网的潮流分布情况,发现潜在的风险。因此,本文在内存数据网格服务集群中部署了大量的电网运行数据对象,并采用了P-Q分解法来分析各时刻电网中的潮流分布,为智能电网的运行和调度提供重要参考。东部沿海某地区实际电网数据的实验结果表明,将潮流算法部署在本文所搭建的框架中,能够实现大规模潮流任务的并行计算。 最后,在潮流计算结果的基础上,本文结合泰尔熵标准和复杂网络理论方法,提出了一种综合的关键节点识别方法。该方法综合了4项指标。其中,线路相角差正弦波动泰尔熵和贡献加权度是本文首次提出的指标。本文通过熵权法和层次分析法对4项指标结果进行加权,得到节点的综合指标,然后根据综合指标大小识别出电网中具有重要影响和关键作用的节点。与此同时,本文也利用了前述框架对综合指标计算流程进行了加速。IEEE 30节点系统和实际电网的测试结果表明,本文所提的关键节点识别方法行之有效。 综上所述,本文提出的综合应用方案将内存数据网格、潮流计算和关键节点识别方法有机结合,为智能电网的实时监测和分析提供了新的思路和方法。通过对智能电网关键技术的深入研究和探索,有望进一步推动智能电网的发展,为电力系统的安全稳定运行提供更加可靠的保障。

摘要： 一、引言当前，大数据、人工智能、区块链等新技术成为掀起数字化转型浪潮的关键变量，万物互联，数字时代的到来，对各行各业的诸多方面产生了深远影响。特别是“云大物移智链边”的结合对社会中任何实体的活动和行为数据化、模型化都成为可能，而从中抽取出的结构化信息，在市场预测、工业自动化等众多领域创造出了前所未有的价值。科技能力的极大丰富，数据价值日益凸显，全息画像、精准监测、风险预警、辅助决策等等，正在打破传统的业务模式，催生出更加共享的经济生态，通过与传统产业的融合实现价值增量，为各行各业赋能，推动高质量的发展。

关键词： 移动式   全直径岩心   核磁共振   纵向分辨率   数据处理  

摘要： 为克服核磁共振测井技术纵向分辨率不足、实验室柱塞样岩心储层特征代表性不强等问题,实现对结构致密、强非均质性储层进行精细评价,移动式全直径岩心核磁共振扫描技术迅速发展。该技术将核磁共振扫描仪器运输至钻井现场,在岩心出桶的第一时间进行无损、快速测量,采集T2一维信息和T2-T1、T2-D二维信息,为页岩油等非常规储层评价提供关键参数,目前已经成为页岩油、致密油等非常规储层评价的重要手段。 目前,我国在移动式全直径岩心核磁扫描仪器研发方面发展迅速,但不同仪器的工作频率、磁体结构、测量模式、数据存储格式等存在差异,导致配套的数据处理技术发展滞后,缺少成熟的软件对移动式全直径岩心核磁扫描数据进行精细处理。因此,在对各厂家所研制仪器的采集方法、测量模式、关键参数、数据存储格式等进行系统分析的基础上,开展了以下工作: 首先,本文统一了移动式全直径岩心核磁扫描数据的处理流程,主要包括数据解析、回波标定、数据反演、物性参数计算、综合分析解释等步骤。其次,提出了一种提高移动式全直径岩心核磁扫描结果纵向分辨率的数据处理方法,通过标准样品刻画仪器磁场敏感区内的信号响应特征之后,对仪器输出数据进行全局反演,从而求解出全直径岩心内部的真实信号分布特征,得到更为准确可靠的高分辨率处理结果,并通过数值模拟和物理实验验证了该方法的可靠性。最后,基于该高分辨率处理方法,结合T2谱反演方法、二维谱反演方法以及物性参数计算方法,形成了操作便捷、交互友好的移动式全直径岩心核磁扫描数据处理软件。 现场实测数据处理结果表明,本文所研制的移动式全直径岩心核磁扫描数据处理软件达到了良好的应用效果,能够满足实际生产的需求。

关键词： 双目标定   点云预处理   点云配准   缺陷检测  

摘要： 薄壁件是一种用于覆盖和保护其他部件的薄型外壳或罩子,在航空航天领域、汽车工业领域、船舶建造领域等得到了广泛应用,其状态良好与否直接关系到零件或设备的结构完整性、性能稳定性和安全性。由于薄壁件直接暴露在外部环境中,会出现冰雹、碎石等碰撞导致其出现凹坑损伤,针对人工目视和二维图像等传统缺陷检测的不足,提高薄壁件损伤检测的检测速度与检测精度,本文利用薄壁件缺陷点云数据完成缺陷部位测量,为以后的薄壁件修复奠定基础。论文完成了以下研究内容: (1)依据双目结构光视觉测量的原理,对采集系统中的工业摄像机、投影等硬件设备选型,搭建了一套双目结构光视觉系统,并对双目摄像机的成像原理进行分析,研究了相机成像所涉及到的四个坐标系间的转换,构建合适的成像模型,并分析了相机标定的原理,相机的标定实验采用了张正友标定法,获得了相机的内、外参数,并得到左右摄像机的相对位置关系,并对摄像机重投影误差进行分析,结果表明标定精度满足要求。 (2)对点云数据预处理技术进行研究。本文使用直通滤波算法和统计滤波进行去噪,结果发现滤波效果较差,特别是对边缘区域去噪能力存在的不足,因此本文重点研究了双边滤波器算法并做出改进,实验结果表明既删除了边缘噪声点,又保持了边缘特征。其次,针对被测物体点云数据量较多会产生计算量较大的问题,使用体素网格下采样方法对点云进行精简处理,以提高点云数据处理的效率。 (3)点云配准是缺陷检测的重要步骤,首先利用缺陷点云拟合出标准平面点云,并将拟合平面与点云平面进行配准操作,本文针对常用的PFH(Point Feature Histograms)特征描述子在点云配准操作效果并不理想的问题,提出了FPFH(Fast Point Feature Histogram)特征描述子与SAC算法相结合的粗配准算法,再利用迭代最近点ICP(Iterative Closest Point)精配准算法方法完成了点云匹配。通过实验结果发现,本文所提出的改进算法,该方法的配准效果较好。 (4)针对本文的缺陷检测,提出了在配准完成后,再计算缺陷点云上的点到标准点云的欧式距离,从而对缺陷数据点进行标记并提取出缺陷的检测方法;最后利用贪婪投影三角化曲面重建法完成了缺陷点云的曲面重建,达到了可视化的效果,并对缺陷点云进行了量化处理,从而更有利于对损坏程度进行判断。

关键词： 空气质量   时空特征   数据处理   深度学习   长短期记忆神经网络   季节性分解   主成分分析   卷积神经网络  

摘要： 近年来，郑州市通过实施大气污染综合治理攻坚行动，空气质量得到了持续改善。然而，秋冬季节重污染天气问题依然存在，空气质量改善成果仍需巩固，这不仅关乎人民群众身体健康，也直接影响“十四五”空气质量改善目标任务的完成。因此，对空气质量影响因素及其预测研究至关重要，本文对此展开研究，主要工作内容有:　　首先选取2016年1月1日至2023年12月31日空气质量指数、空气污染物、气象因素的3h观测数据，并对数据进行缺失值、数据标准化等预处理和可视化分析;其次通过相关系数研究影响空气质量指数的显著因素，6种空气污染物中，与空气质量指数相关性最大的是PM2.5和PM10,4个气象因素中，与空气质量指数相关性从大到小排序分别是气温、气压、风向、风速;再是对空气质量指数进行时空分析，通过莫兰指数研究空气质量指数的空间相关性;然后根据空气质量指数序列的非线性、趋势性、季节性等时间序列特性，提出了基于季节性分解的STL-LSTM模型，实验结果证明，引入STL分解的预测模型在拟合精度和鲁棒性上都有所提升;最后基于空气质量指数的多变量特性和空间相关性，分别建立 Bi-LSTM、CNN-LSTM、PCA-Bi-LSTM 和 PCA-CNN-LSTM 模型，经过实证对比分析，PCA-CNN-LSTM模型对本文空气质量指数预测准确性最高。