关键词： BIM技术   建筑数据   交换平台   数据处理   平台设计   自动化控制  

摘要： 当前建筑数据交换平台的转换指令多采用单向执行模式，对于数据的处理以及覆盖范围十分有限，导致数据统一交换单元耗时增加，为此提出基于BIM的建筑数据统一交换平台的研究与实现。结合建筑实况，简要分析平台设计需求，设计DDR SDRAM数据采集模块，并在基础的电路内部接入GMII+FBX协同数据转换接口，完成平台硬件的设计。随后，采用多目标数据转换指令代替单向执行指令，构建动态化的建筑数据覆盖范围，并完善BIM多目标数据转换指令，以轻量化BIM数据库作为数据转换的搭接，完成平台软件的设计。平台测试结果表明：通过对3个建筑数据的采集，最终得出的数据统一交换单元耗时均控制在0.5s以下，表明在实际的应用过程中，其对于庞大数据的采集和交换效果更佳，交换速度快，转换偏差可控，具有实际的应用价值。

关键词： 医药行业   数据采集   数据清洗   精准营销  

摘要： 近年来,我国医药行业越来越多地暴露出药企营销模式单一、药品流通低效、监管滞后等问题。药企为了持续稳定发展,亟需数字化转型。因此,本文面向药企分析并设计了能够全面协同大数据分析与医药行业数据融合的智慧医药平台。本平台分为三个子系统:分布式流向数据管理子系统、医药行业数据管理子系统、医药终端智能分析子系统,分别用于数据采集、预处理、存储;数据清洗、主数据管理;数据计算及可视化。在数据采集方面,为了获取更全面的药品流向,在常规的客户端采集程序的基础上,开发了多种数据采集方式,如FTP、SFTP等,降低了药品经销商上传数据的门槛。在数据存储方面,结合传统数据库技术与内存存储、对象存储、实时数仓等技术,设计了更适合业务数据使用的方案。在数据清洗方面,针对清洗医药终端脏数据要耗费大量时间及人力的问题,在使用历史匹配经验的基础上,本文首先设计了模式匹配算法实时学习人工处理规则,然后采用自然语言处理的Word2vec等技术进行语义分析,最终降低了人工作业量,保证准确率的同时提升了数据清洗效率。在主数据管理方面,整合了流向数据与地理、工商等信息,定义多维度的医药终端及产品主数据;通过数据去重、质检等形成了更准确、更规范的行业主数据。在数据计算及可视化方面,构建了面向医药领域特定的终端画像,设计了终端结构、药品流通渠道等评估体系。经过测评和线上使用,本平台实现了预期功能,服务持续稳定运行;为中国医药商业协会提供了管理标准行业数据的解决方案;与多家药企深入合作,调整营销模式,实现了药企的医药终端覆盖率快速提升和主导产品市场占有率的显著提高,解决了药品流通渠道混乱的运营痛点。

关键词： 窃电行为检测   机器学习   控制图   数据处理  

摘要： 现代电力系统中部署了大量的智能硬件设备，如智能电表等。智能设备在提供更多先进技术的同时，也给电力系统带来了很多漏洞，导致恶意窃电用户可以随时随地发动各种网络/物理攻击来窃取电力。窃电不仅给公共事业公司带来了巨大的经济损失，还可能引发火灾等事故，危害公共安全。所以，智能电网邻域网中窃电行为检测的研究目的就是及时发现邻域网中的窃电行为，并识别出所有的窃电用户。　　窃电用户识别的主要难点和挑战在于:如何设计数据组织方式来处理一维历史用电量序列，使得输入数据包含更多规律信息;如何更高效、更全面地从输入数据中提取用户的正常用电模式特征;对于新样本数据，如何设计检测算法，以尽可能低的成本、尽可能高的准确率、尽可能低的误报率和漏报率，来区分用户的正常/异常行为。目前提出的窃电检测方法仍存在一些不足之处。本文的主要贡献总结如下:　　(1)针对现有基于机器学习的窃电检测方法没有充分学习用户用电模式的周期性特征且检测准确率相对较低、误报率相对较高等问题，提出了一种基于卷积长短期记忆神经网络的高精度窃电检测方法（Electricity Theft Detector based upon Convolutional Long Short-Term Memory，ETD-ConvLSTM）。对于社区中的可疑用户，首先将具有时间相关性的一维用电量时间序列重构成具有时空相关性的二维矩阵数据。然后将该矩阵划分为一系列子矩阵序列，并输入到ETD-ConvLSTM网络中。该网络模型融合了长短期记忆神经网络和卷积机制的优势，不仅可以捕捉矩阵行向量中包含的时间依赖特征（即全局特征），而且能够学习用户在相邻日期和时间段内用电量差异的空间特征（即局部特征）。实验结果证明，所提出的ETD-ConvLSTM能够更有效的捕捉输入数据中的用电量周期性特征，检测准确率高达93％;与现有算法相比，检测精度更高，而漏报率和误报率相对较低。　　(2)针对现有检测方法一般都有假设恶意用户窃电量较大，而在小规模窃电（Small-amount Electricity Theft, SET）情形下检测准确率大大降低甚至失效的限制，提出了一种能够有效处理小规模窃电攻击的基于休哈特-累积和联合控制图的SET攻击检测方法。该方法由窃电检测阶段和恶意用户识别阶段组成。窃电检测阶段应用休哈特和累积和控制图来分析中央观测仪表的供电量测量值与所有用户上报用电量总和之间的差异变化。如果休哈特控制图检测到异常，表明至少有一个恶意用户发起了大规模窃电（Large-amount Electricity Theft，LET）攻击和/或多个恶意用户发起了SET攻击。如果累积和控制图检测到异常，表明至少有一个恶意用户发起了SET攻击。恶意用户识别阶段结合两个控制图来分析每个用户日用电量的波动情况，旨在准确定位社区中所有窃电用户。综合来看，如果休哈特/累积和控制图检测到异常，对应用户就是发起LET/SET攻击的恶意用户。大量的实验证明，该方法能够快速高效地检测到SET攻击，且比现有算法具有更低的误报率和漏报率。

关键词： 膝关节能量回收   STM32处理器   惯性传感器   姿态解算   卡尔曼滤波   人体活动识别  

摘要： 在户外或野外情况下,一些设备的供能可以来自于人体在运动中产生的能量。采用介电弹性体(DE)材料的膝关节能量回收装置,其发电原理是根据材料的拉伸与压缩形态周期性的充电与放电,将机械能转化为电能。实现高效率能量回收的关键之一在于估计人体姿态,即膝关节的角度,并根据该角度的变化确定能量回收电路的充放电时间,从而精确控制电路的充放电。根据膝关节能量回收的要求,本课题采用惯性传感器感知人体腿部的运动数据,基于这些数据,采用姿态解算算法得到人体姿态信息。同时,设计了基于STM32处理器(STM32F405)的控制电路,能够基于得到的姿态信息实现能量回收电路的充放电控制。本课题完成的主要工作如下:(1)设计了以STM32F405处理器为核心的主控电路,能够实现充放电控制功能,以及传感器数据的采集与传输。(2)选用了惯性传感器(MPU9250)对人体运动信息进行采集,对传感器的系统误差分别进行了误差建模,通过电动转台实验计算出各个传感器的标定参数,为人体运动姿态计算建立了基础。(3)采用了基于四元数的扩展卡尔曼滤波算法进行人体姿态解算,使用MATLAB软件实现了扩展卡尔曼滤波的模型,对传感器数据进行了计算,并且将该模型在STM32处理器上编程实现,完成了实时的姿态计算。(4)进行了基于惯性传感器数据的人体活动识别方法研究,提出了一种结合卷积神经网络与深度前馈序列记忆网络的混合网络结构,实现了较高的人体活动分类准确度,为姿态解算与控制性能的进一步提升提供支撑。论文的研究工作得到了令人满意的实验结果,所设计的电路与数据处理方法可以应用于膝关节能量回收装置,对于高效能量回收具有一定的应用价值。

关键词： 交通数据恢复   时空约束   异常检测   张量理论   深度展开  

摘要： 随着科学技术的进步,机动车的数量持续增加,交通问题日益明显。由于传感器的故障和网络延时,数据缺失和异常是智能交通系统中越来越常见的问题。数据缺失和异常对智能交通系统在交通管理和规划方面的应用影响巨大,例如交通数据采集和交通疏导,数据污染会降低智能交通系统进行交通指导和规划的准确性和可靠性。虽然基于矩阵和张量的方法在数据恢复方面取得了有效的成果,但这些方法某些情况下不能挖掘数据的高维特征和缺乏相应的约束条件,恢复精度还是受到了不同程度的影响。利用完整的交通数据可以准确的对交通状况进行分析,减缓城市道路拥堵状况,方便人们的出行。因此,研究出一种精确且高效的交通数据恢复方法是具有现实意义和学术价值的。 针对以上问题,本文提出了一种基于张量理论的交通数据恢复算法,将交通数据构造成一个三阶张量,交通数据存在明显的时空相关性,构造相应时空约束可以提高交通数据的恢复性能。另外提出了一种基于深度展开的交通数据恢复方法,将提出的算法展开到神经网络中训练,从训练中获取最优的参数,进一步提高数据的恢复精度。本文的主要研究内容如下: (1)为有效挖掘交通数据潜在的时空相关性并提高数据恢复精度,提出一种时空张量鲁棒主成分分析算法。首先利用拉普拉斯矩阵和托普利兹矩阵分别构造空间约束张量和时间约束张量,然后基于张量鲁棒主成分分析方法,建立凸优化数学模型,同时引入低秩张量分解降低算法的复杂度。最后利用交替方向乘子法对所提出的优化问题进行迭代求解,将复杂的求解问题转化成多个具有封闭解的子问题,并设置异常阈值来实现数据异常检测。实验表明,本文提出的算法即使数据严重损坏也具有最佳的数据恢复和异常检测性能。 (2)为充分利用神经网络高效的学习能力和进一步提升数据恢复精度,提出基于深度展开的交通数据恢复方法,该方法将迭代算法与神经网络相结合。本文将提出的算法展开到神经网络中训练,将时空约束的构造用卷积层代替,通过优化损失函数调整网络参数,最后将训练的模型用于交通数据的恢复和异常检测。实验表明,相较于传统的迭代方法,深度展开神经网络中训练的模型具有更高的数据恢复精度和异常检测性能,同时可以实现快速的实时交通数据恢复,而且具有层级结构的深度展开网络相较于深度神经网络有很好的可解释性。

关键词： 神经科学   可视化   实时协同   数据处理   移动平台  

摘要： 发展神经科学离不开对神经元影像数据的处理分析,功能强大的数据处理分析平台将能极大地助力科研工作,目前市面也已经有了许多基于PC平台的处理分析工具。近些年来,随着移动终端性能的不断提高和智能手机的快速普及,在移动平台进行科研办公成为可能,也兼具自己的优势。因此,设计开发神经元影像数据的移动平台不仅极具创新性,也有着现实的应用价值。本文以脑科学为背景,充分调研了用于神经元影像数据处理分析的工具,总结了当前生物学科研工作者的核心需求,并详细研究了用于数据可视化、数据标注和分析的方法,设计了一套可以支持多用户实时协同标注的数据处理分析平台。本文的一些主要研究贡献如下:1)基于Android平台,利用Java和Open GL ES实现了基于GPU的光线投射渲染方法。并且采取了空体素跳跃的思想,通过快速行进算法实现了体素值的距离变换,对传统光线投射算法的进行加速,显著提升了体绘制的帧率表现(40%以上的提升)。2)本文在数据处理分析平台中集成了Virtual Finger方法中的PPA(point-pinpointing algorithm)和CDA(curve-drawing algorithm)两种标注算法,并根据移动平台的交互特性对两种算法进行优化和适配,设计了准确性更高的MSMS-PPA方法和用户体验更好的CDA方法。除此以外,本文还实现了GD(graph-augmented deformable model)和APP2(all-path pruning 2)两种自动追踪算法,并针对移动平台硬件资源性能比较有限的问题,适配了原有算法的流程,提高了算法在移动平台运行的效率。标注生成的曲线标注对象可以直接通过内置的算法进行分析,算法将对其树状结构的22个特征进行分析,并将结果通过用户友好型的UI实时展示。3)最后,为了提升用户在面对复杂图像时的工作效率,本文设计了一个实时协同标注的模块。基于前后端分离的方式实现了协同模块,将数据被部署在云端,移动平台通过一定的数据访问策略来和服务器进行数据交互。在协同标注模式下,用户可以选择文件创建属于自己的协作空间,邀请自己的好友参加实时协同工作。

关键词： 地震观测   数据处理   深度学习   震相拾取  

摘要： 地震所激发的地震波沿着多种路径在地球内部传播，携带了震源及传播路径上介质的物性信息，最终被地震台站所接收，形成地震记录。地震学是一门观测的学科，旨在分析地震记录以研究震源和地下介质的性质。因此，地震学与实际观测及数据处理联系紧密。在其逾一百年的发展历程中，其重大进展往往伴随着观测手段或者计算能力的突破。近年来，随着地震台网的不断加密，地震数据总量逐年呈指数增加。此外，强震仪、光纤地震仪、手机加速度计的发展和利用更是令传统的数据存储、传输和处理手段难以应对。亟需采用更高效、精细的方法，对大量观测波形数据所携带的有效信息进行挖掘和分析。　　在天然地震数据处理任务中，存在一些难以建立明确的数学物理模型，但研究人员直观上容易理解和判别的任务，例如地震检测、震相拾取、质量控制等。在地震学发展早期，这些任务由专家依据经验人工处理。后来研究人员根据地震记录的振幅、频率等特性发展了一系列自动处理方法。这些传统方法只利用了地震波形的部分属性，在处理海量复杂的地震记录时需要设置大量的超参数或者结合专家经验进行人工后处理，存在耗时长、精度较低等问题。近年来，随着高性能计算设备和深度学习方法的快速发展，天然地震数据处理研究也迅速转向智能化。　　本文将基于深度学习的天然地震数据处理按研究内容分为模型、数据集和实际应用三个层面。深度学习模型是深度学习方法的“躯干”，负责构建输入和输出间的映射关系。本文在模型层面:(1)发展了结合深监督机制和侧输出网络的深度学习震相拾取方法PickNet，其获取的震相可以直接用于地震层析成像研究;(2)发展了首个利用地震信号在深度学习隐空间中相似性进行地震检测和震相拾取的方法S-EqT，有效提高了对弱地震信号的召回率。数据集是深度学习方法的“血液”，由于深度学习方法受数据驱动，数据集从根本上影响其性能。本文在数据集层面整理构建了首个中国区域大型天然地震数据集“谛听”，有利于增强深度学习方法对中国区域地震数据的泛化能力。实际应用是天然地震数据处理的研究目的。在应用层面，本文结合自身与前人的工作构建了基于深度学习的自动编目流程ESPRH，并应用于马里亚纳海沟、婆罗洲和缅甸区域，验证了深度学习流程在实际科学研究中的有效性。此外，本文还尝试利用深度学习开展地震初动极性判别、SKS震相拾取和接收函数质量控制研究，初步成果展示了深度学习在多个地震数据处理问题的巨大潜力。　　在这一轮天然地震数据智能处理的研究热潮之下，本文谨结合自身相关工作探讨了深度学习在天然地震数据处理中的优势和缺陷。本文的研究成果有助于以天然地震数据处理为基础的科学研究和防震减灾工作。

关键词： 智能决策   数据处理   个人金融信息   法律保护  

摘要： 信息时代,智能决策的应用场景已逐渐覆盖到金融领域,成为各家金融企业推动业务转型升级的重点发展对象。而作为决策产生的基础数据,关乎广大金融消费者切身利益的个人金融信息,是智能决策系统得以顺利运行的重要资源,也是技术运用主体的迫切需求所在。在能够创造巨大价值的金融领域,无论是大型机构还是金融消费者个人,都不愿错过大数据时代的人工智能技术红利所带来的发展机遇。个人金融信息保护区别于一般的个人信息保护。我们需在法律层面明确大数据智能决策中个人金融信息保护的边界,在公共利益例外原则、消费者保护优先原则、保护与利用平衡原则以及全过程保护原则的指导下,探讨保护理念,健全制度规范,完善监管体系,加强大数据智能决策中的个人金融信息保护。大数据智能决策的固有特征,使得其中的个人金融信息面临新的技术性风险,传统保护模式面临挑战。本文将对大数据智能决策中个人金融信息处理的几个典型环节进行分析,在个性中探索共性。首先,大数据智能决策高强度的数据依赖性特征,导致其在信息收集环节中,随意收集和过度收集的可能性大于以往,信息收集主体的鲁莽行为更加普遍。其次,大数据智能决策的分析方式由因果分析向关联分析转变的这一特征,导致其信息加工环节的传统保护模式失效,技术滥用风险显著。最后,大数据智能决策的全局性和动态性特征,导致其信息共享环节的交易行为更具隐蔽性,风险传导更为迅速。大数据智能决策是一个动态的信息利用过程,任何一个阶段和环节都不应当被孤立地看待,如果不对这些问题引起重视,最终的决策结果也将会侵害金融消费者的信息自主权。针对前述问题,本文将提出完善建议,以期实现大数据智能决策中个人金融信息生命全周期的保护。首先,在信息收集环节,建立审慎智能决策规则,规范个人金融信息收集主体行为;重构知情同意规则,明确个人金融信息合理收集范围。其次,在信息加工环节,融入隐私设计理念,防范个人金融信息面临技术性风险;增设公开解释义务和标准,确保个人金融信息处理程序正当;推进网络设施安全建设,保障个人金融信息利用环节安全。最后,在信息共享环节,建立严格信息共享规则,确保个人金融信息流通环节规范;约束第三方信息共享行为,促进个人金融信息安全流通。

关键词： 高速铁路   轨道检测   轨道不平顺   扭曲偏差   轨向不平顺   分割逼近法   高低不平顺   轨道质量指数  

摘要： 随着我国高速铁路技术的日益发展,列车的运行速度变得越来越快,这就不得不对铁路轨道测量的精度提出了更高要求。然而目前国内大部分厂商为轨检仪配套开发的铁路轨道测量数据处理软件中普遍采用近似算法以提高计算效率,但近似算法难以满足日益提高的轨道列车运行速度对更高的平顺性测量精度的要求。基于上述问题,本文开展了关于铁路轨道测量数据处理的相关算法研究。本文首先研究了对由设计单位提供的铁路线形设计文件的预处理计算的相关原理以及其算法结构,主要包括:断链里程的贯通处理、右线并行线设计参数推算、交点式线形设计文件与桩点式线形设计文件的转换、实测轨道点对应里程的计算、轨道中线点的设计坐标和设计高程的计算。在实测轨道点里程计算的研究中提出一种分割逼近法求解缓和曲线段上实测轨道点里程的思路,物理意义清晰便于理解。接着,本文讨论了各项轨道几何平顺性参数的计算方法,重点分析了扭曲偏差、轨向平顺性、高低平顺性三类平顺性参数的近似算法与严密算法的计算原理,并在中长波轨向和高低严密算法的基础上提出了固定第二条检测弦里程的计算方法,解决了因线路检测起点不同造成的轨向和高低不平顺值结果不一致的问题。然后在轨道质量指数计算中对比分析了按照规范中提供的计算公式与标准差的定义公式计算各单项不平顺参数的标准差的差异及各自适用性。最后本文开发了铁路轨道测量数据处理与分析系统,该系统既可以采用近似算法计算轨道平顺性,也可以采用严密算法计算轨道平顺性。本文还以一段实测轨道检测数据为例,对比分析了近似算法与严密算法的差异,得到以下结论:(1)两种算法计算扭曲偏差的较差很小,大部分都小于0.05mm;(2)两种算法计算10m弦、30m弦、300m弦轨向不平顺值的较差相对于其允许值而言较大,不可忽略;(3)两种算法计算10m弦高低不平顺值的较差几乎为零;(4)两种算法计算30m弦、300m弦高低不平顺值的较差相对于其允许值而言较大,也不可忽略。

ISBN: (纸本)9787301325377