关键词： 大数据技术   企业   财务风险   数据处理  

摘要： 本文阐述大数据技术背景下企业财务风险的创新管理，从机遇和挑战两方面深入分析了大数据对财务风险管理的影响，并基于财务风险的成因提出优化措施，包括深入应用大数据分析工具、完善风险预警和监督机制、强化内部控制、提供针对性的培训教育等。

关键词： 测绘产品   质量监控   数据处理  

摘要： 本文通过分析测绘产品生产过程中质量管理的现状，指出了存在的主要问题及其对生产流程的影响。同时，还详细介绍了质量监控系统的建立过程，并强调了其关键功能。最后探讨了这些功能如何提升整个测绘产品的质量和生产效率，展示了系统在提高操作透明度和支持决策制定中的重要作用。

关键词： 医疗数据仓库   数据处理   SQL分组聚合   小文件合并  

摘要： 在科学技术迅速发展的今天,现代医疗系统作为信息技术在医疗领域的重要应用,致力于通过技术手段提高医疗服务效率与质量,而对其数据的分析处理在提升医疗技术水平、优化资源配置、提高患者满意度等方面起着至关重要的作用。本文主要针对医疗系统中所产生的数据进行相关数据仓库的设计,其中对数据采集存储、数据仓库设计实现及数据可视化等关键过程展开深入研究,最后构建了一个高效、可靠、易于管理的医疗数据仓库,支持复杂数据分析处理和实时数据可视化,在此过程中对所面临的SQL分组聚合与小文件合并问题进行细致研究并给出相关解决算法。具体完成以下几个方面工作: (1)医疗数据仓库的需求研究与分析设计。首先分析了本文的研究背景和研究现状,然后对数据仓库理论及所用技术进行阐述,特别提出了SQL分组聚合与小文件合并问题是如何产生的。随后对本数仓的业务需求分析与整体架构设计,从分析功能、业务和性能需求出发,设计出相关的模型结构与功能模块,选取必要的技术栈,并对实现环境与集群资源进行详细规划。 (2)医疗数据仓库系统详细设计实现。依据前期的需求分析与总体设计,首先从异构数据同步方式着手,获取到了结构化与非结构化数据,包括ETL与拉链表的实现,然后完成了对已采集数据的存储,尤其是Hive数据装载。在此基础上,通过大量的研究执行维度建模、数仓结构分层和构建流程等核心工作,最终实现了医疗数据仓库,并设计对应测试来验证数仓的功能与性能。 (3)SQL分组聚合与小文件合并问题研究。随着数据量的急剧增加,而导致SQL分组聚合成为性能瓶颈,主要表现为大数据量处理效率较低与数据混洗高负载,本文从聚合逻辑的角度出发,首次提出了Map-Side聚合化算法,并通过实验证明了该算法的有效性。就小文件合并问题而言,在HDFS不论文件大小,Name Node启动时都会加载其属性和分块信息至内存,在面对高数据量时,易造成固定内存容量很快耗尽,极大限制了系统存储容量的扩展。本文根据小文件存储优化分析,创新性的研究出基于小文件体积大小的合并算法,并在传统HDFS架构中新增设了一个文件预处理模块用于执行文件合并任务。在此过程中,细致考量了各文件的大小,以确保数据块的空间被最大化利用,进而降低了合并后的文件总数,通过对比实验证明了优化方案的有效性。 本文基于Hadoop框架对医疗数据仓库各项功能进行研究实现。并在此基础上,通过研究查询优化策略,提升了该数据仓库的分组聚合查询效率。同时,对小文件合并进行深入研究,提高了HDFS中小文件的空间占用率。

关键词： 轨道控制网   概略坐标   秩亏网平差  

摘要： 轨道交通控制网也称CPIII控制网，高速铁路当中的CPIII控制网主要是为轨道的铺设和后期的运营管理维护提供坐标基准。轨道铺设的好坏决定了高速铁路是否具有合理的平顺与列车的稳定。通过对CPIII控制网获取数据的测量方法与测量数据如何处理能得到合理的坐标的研究，采用Python程序设计语言编写程序代码，进行数据处理并评定精度和绘制出误差椭圆。采用无定向导线方法计算概略坐标，由于CPIII控制网网形特殊，数据处理时在间接平差方法的基础上引入秩亏网平差，进行数据处理、评定精度并绘制误差椭圆。

关键词： 短期风电功率预测   数据处理   MIBWO算法   LSTM神经网络  

摘要： 在能源革命和“双碳”战略目标的背景下，风电产业加速发展，装机规模增长迅速，绿色低碳发展已成为不可逆转的大趋势。本文以提高短期风电功率预测精度为目标，以长短期记忆神经网络（LongShort-TermMemory,LSTM）为基准，建立组合模型对风电功率进行短期预测，主要研究工作如下：　　（1）为确保风电场数据的可靠性，深入分析了风电场数据中包含的异常数据类型及分布规律，提出了一种“预清洗-主体清洗-缺失数据重构”的多段组合数据清洗与重构方法对风电场异常数据进行处理，为之后的预测模型构建高质量数据集。　　（2）针对风电场输出功率波动性大的问题，利用改进的自适应噪声完备集合经验模态分解算法（ImprovedCompleteEnsembleEmpiricalModalDecompositionAdaptiveNoise，ICEEMDAN）将原始功率数据序列分解为若干个子序列，为了进一步分析子序列之间的特征联系，提出一种DE-ZCR相关性重构方法评估各个子序列的复杂性，在此基础上重构为振荡序列、规律序列、稳定序列，对原始数据进行了平稳化处理，同时采用对比实验验证了本文所提相关性重构方法的有效性。　　（3）针对LSTM神经网络参数难以确定的问题，设计了一种多策略改进的白鲸算法（Multi-strategyImprovedBelugaWhaleOptimization,MIBWO）。利用SPM混沌映射初始化种群、改进平衡因子控制策略和自适应更新策略对白鲸算法进行改进，通过实验验证了改进后的算法在收敛速度和寻优精度方面均有一定的提升。将MIBWO算法应用于对LSTM神经网络的参数寻优中，构建了MIBWO-LSTM短期风电功率预测模型。通过与不同优化算法结合LSTM模型进行对比实验，相较于其中的最优结果，MIBWO-LSTM的均方根误差下降了76%，平均绝对误差下降了58%，验证了MIBWO-LSTM模型能够有效地降低了预测误差，并且具有更好的学习效率和泛化性。　　（4）为了进一步提升风电场短期风电功率的预测精度，通过对风电功率的时序分解与相关性重构，确定了重构后的序列具有特征差异化的特点。通过引入注意力机制（AttentionMechanism,AM）深入挖掘高频、高复杂振荡序列中的关键信息，在振荡部分建立MIBWO-LSTM-AM模型，通过在振荡序列上的仿真结果表明，相较于MIBWO-LSTM，MIBWO-LSTM-AM的均方根误差下降了9%，平均绝对误差下降了6%，验证了该模型的有效性，同时在规律和稳定序列部分建立MIBWO-LSTM模型，最终构建了ICEEMDAN-DE-ZCR-MIBWO-LSTM-AM的组合预测模型。经过实验分析，所提组合模型在小风季和大风季的各项评价指标上的表现均优于其他模型，充分证明了本文所提组合模型在短期风电功率预测任务上能够有效提高预测的精度。

关键词： 煤矿大数据   云计算   决策支持系统  

摘要： 以云计算为基础，设计了一套煤矿大数据处理与决策支持系统，实现对煤矿数据的深度分析与处理。结合网络通信、云计算、前后端技术，对煤矿井下数据进行自动巡检监测，解决了管理系统之间数据传输不及时、不共享、数据存储功能不全等问题。

关键词： 财务数字化   财务决策效率   数据处理   数据准确性  

摘要： 随着信息技术的飞速发展，财务数字化已成为企业提升管理效率和决策质量的重要趋势。深入探讨财务数字化对企业财务决策效率的影响。通过实证分析发现，财务数字化能够显著提升企业财务决策的效率。具体而言，财务数字化通过优化数据处理流程、提高数据准确性和实时性、加强数据分析能力等方式，降低了财务决策的复杂性，提高了决策的效率和准确性。此外，财务数字化还促进了企业内部各部门之间的信息共享和协同工作，进一步提高了企业的整体运营效率。因此，企业应积极推进财务数字化建设，以提高财务决策效率，进而增强企业的竞争力。

关键词： 无人水面艇   返舱回收   监测系统   惯性测量单元   激光雷达   数据处理  

摘要： 无人水面艇（Unmanned Surface Vessel，USV）是一种能够在水面上自主航行的无人船舶，常用于海洋研究、海上巡逻、反潜搜索、综合作战、物流等领域。随着应用范围越来越广，对USV返舱回收技术要求日益提高。目前，USV返舱回收过程需要人工引导，且容易在母船坞舱内发生碰撞、埋首、倾覆、侧翻等事故，造成巨大的经济损失。故本文针对返舱回收过程，基于惯性测量单元（Inertial Measurement Unit，IMU）和激光雷达（Light Detection and Ranging，LiDAR）两个关键测量元器件设计一套回收监测系统，实现对返舱回收过程中的姿态信息、升沉信息及空间位置信息的实时监测，以保障其顺利返舱，完成回收工作。本文研究内容主要包括以下几个方面：　　（1）坐标系设定与传感器分析。首先，对基本坐标系进行介绍，设定LiDAR坐标系、坞舱坐标系，并选定系统所需坐标系。其次，针对IMU，分析了船舶姿态角的关系，以及如何测量船舶纵倾、横摇和升沉信息，从而为系统提供数据支持。最后，探讨了LiDAR的工作原理，详细介绍了测距方法，并对点云数据进行分析。　　（2）系统设计与实现。首先，分析系统总体业务需求，对系统测量方案进行设计。其次，根据总体业务需求及测量方案，完成下机位硬件选型及设计。最后，根据软件数据应用需求，完成上机位软件功能及界面开发。针对系统各传感器间采集数据时间不同步的问题，本文采取操作系统授时法使系统时间源统一，利用三点插值法对数据进行对齐，实现数据时间软硬件统一。　　（3）数据处理及优化。针对IMU中单独姿态测量元器件获取纵倾、横摇数据精度不足的问题，采取卡尔曼滤波融合加速度计与陀螺仪数据获取纵倾、横摇数据。经实验验证，滤波后的数据明显收敛，满足系统需求。针对IMU测量的升沉信息中存在大量干扰信息的问题，本文设计了一种ⅡR数字高通滤波器用于去除干扰信息，经实验设计出最适合本系统的数字滤波器。针对LiDAR采集点云过大的问题。首先，构建K-D Tree索引结构，方便数据检索。其次，提出了基于自适应半径滤波及局部拟合平面算法去除噪点。最后，提出了基于深度图像的点云边界提取算法，对去噪后的点云数据进行边界提取，检索边界点云获取LiDAR坐标系下的三轴极值点，用于系统空间位置信息的计算。　　（4）实验验证。分别对各模块功能、IMU精度、系统模拟进行试验。经验证各模块功能完好，IMU精度满足要求，水池模拟试验功能正常，系统测量数据满足预期，能够满足USV返舱回收的监测需求。

关键词： 深度学习   地震事件检测   频散曲线提取   地震定位   地震成像  

摘要： 天然地震学是一门以数据观测为基础的科学,它需要经过一系列步骤来处理大量观测数据,从而进行地震定位和地震成像等方面的研究。因此,发展可靠且高效的地震数据处理算法显得尤为重要。近年来,深度学习算法取得了显著的进展,并在地震学领域得到了较广泛的应用。在此背景下,本文将深度学习应用于地震体波和面波数据处理以及成像中,旨在提高地震数据处理的效率和准确率,并进一步探索深度学习成像方法的可行性。具体研究内容包括以下四个方面: (1)基于卷积神经网络的多台站地震事件检测方法 尽管现有的基于深度学习的单台站地震信号检测算法在微弱信号检测方面表现出较强的能力,但其泛化性有待提高,特别是在训练集之外的区域容易出现误检测。利用干扰信号与地震信号在多台站记录中的显著特征差异,本论文发展了基于卷积神经网络的多台站事件检测算法CNNDctector,该网络将来自多台站的地震波形记录作为输入,旨在让网络能够从有标签的数据中学习地震事件和噪声的特征,从而实现对两者的有效区分。本论文通过使用诸如随机排列台站顺序等数据增强策略,提升了 CNNDetector的泛化能力。在实际应用中,尽管东太平洋Gofar数据集和四川长宁数据集的波形特征与训练集的波形特征差异较大,CNNDctector仍然表现良好。测试结果表明,CNNDctector具有较高的检测效率,能够检测到更多的微弱地震信号,同时保持着较低的误检率。 (2)基于深度学习到时拾取的密集台阵地震监测及体波层析成像研究 我们在龙门山断裂带中段及东祁连山北缘断裂带分别布设了两个密集台阵,以监测断裂带的地震活动性,并研究断裂带的浅部精细结构。本论文采用新发展的深度学习地震数据处理算法,对密集台阵数据进行高效且可靠的处理。首先我们使用本文发展的CNNDetector检测地震事件,再使用基于深度学习的到时拾取方法拾取到时,之后使用传统的地震定位方法确定地震位置。在龙门山区域,我们还进行了双差地震成像。结果表明,将深度学习方法用于处理密集台阵数据,极大提升了微地震的监测能力。基于高精度的地震位置和高分辨率的成像结果,本论文进一步探讨了研究区的地震活动性、断层形态以及断裂带的浅部结构等。 (3)基于卷积神经网络的面波频散曲线提取方法 背景噪声成像的关键步骤之一是从背景噪声互相关中提取面波群速度和相速度频散曲线。通常这一步骤需要从频散能量图中手动提取出频散曲线,但随着地震数据量的快速增长,发展一种可靠的频散曲线自动提取方法变得越来越重要。现有的自动提取方法依赖于人工定义的标准来提取频散曲线,但这种方法的可靠性有时并不理想,特别是在提取相速度的时候。本论文发展了一种基于卷积神经网络的面波频散曲线提取算法DisperPicker。我们收集了来自三个密集台阵手动提取的频散曲线来训练神经网络。网络训练完成后,输入频散能量图,网络能够预测出频散曲线概率图。随后我们将预测概率图与频散曲线的先验信息相结合,并进行质量控制,以实现快速且准确的频散曲线提取。我们使用安徽巢湖附近的两个数据集对DisperPicker进行了测试,结果显示,DisperPicker具有强大的泛化能力,无需重新训练即可高效、准确地提取大型数据集的频散曲线。 (4)基于物理信息神经网络的地震成像研究 地震成像是研究地球内部结构最常用的方法之一。传统的地震成像方法存在一定的局限性,其成像结果依赖于初始速度模型和正则化参数的选择。近年来,物理信息神经网络(PINNs)被广泛应用于求解各种偏微分方程,为地震学成像提供了新的思路。基于PINNs的成像网络由两个分支组成,一个分支用于拟合观测走时,另一个分支用于预测台站处的地震波速度。预测走时场的梯度与台站处的速度需要满足程函方程。本论文首先将PINNs用于二维面波各向同性反演,随后考虑到不同方向传播的面波可能具有不同的速度,反演面波的方位各向异性,最后将PINNs用于三维体波走时成像。在大量的合成测试和实际数据测试中,基于PINNs的成像方法展现出自适应分辨率、无需初始速度模型以及无需调整正则化参数的优势。然而,其局限性主要在于计算速度较慢。