关键词： MathStudio   硅光电池   数据处理  

摘要： 利用MathStudio对硅光电池特性研究实验的数据进行了处理,并与其他文献的数据结果进行比较,发现用MathStudio可以高效、准确地绘制曲线,其误差更小且精度更高。同时,在硅光电池的负载特性数据处理过程中,发现即使2个物理量没有函数关系也可以用MathStudio绘制散点图。文中在用MathStudio获得短路电流与开路电压时采用了一种新方法,为太阳能电池的电学性能研究提供了新的思路。

关键词： 数据处理   亚马逊公司   网络攻击   天气情报系统  

摘要： 美国空军变革天气情报系统美国空军气象局毎天要处理约80TB数据,相当于亿页丈本。这是一个潜在的网络攻击目标。为了增强网络安全,也为了更高效地支持空军、太空军、陆军及情报部门的行动,该机构正在全面应用云计算和云存储技术。最近,他们与亚马逊公司签约,准备到2026年把存储在内布拉斯加州奥夫尤特基地的服务器群上的数据全部转移到亚马逊提供的云存储平台上。与气象服务相关的高性能计算能力则迁移至田纳西州的橡树岭国家实验室。

关键词： AI   质量提升   专业建设   数据处理   人才培养  

摘要： 近年来,随着人工智能(以下简称“AI”)技术的飞速发展,其在各个领域的应用日益广泛,特别是在金融领域,AI技术以其强大的数据处理能力和智能决策支持功能,正在逐步改变金融行业的发展。AI技术的引入,提高了金融服务的效率,降低了运营成本,并推动了金融产品和服务的创新。在这样的背景下,“AI+金融学”专业的兴起,成了培养适应新时代金融行业发展需求的高素质、复合型人才的重要途径。

关键词： 人工智能   电力负荷预测   需求响应   机器学习   数据处理   策略优化  

摘要： 电力需求日益增加,人工智能技术的引入为负荷预测带来了新的解决方案。本研究对人工智能进行了深入分析,探讨了机器学习模型在负荷预测中的实际应用。在需求响应领域,文章设计与优化了需求响应机制,并结合真实案例分析了人工智能在需求响应策略中的应用效果,为提升电力系统运行效率和可持续发展提供了参考。

关键词： 测绘系统   云-边-端   无人机航测   开源欧拉操作系统(openEuler)   容器引擎(iSula)   轻量级容器编排平台(K3s)   深度推理  

摘要： 面向无人机航测与城市建模中实时性、精度及多源协同的挑战，本文提出一种“云-边-端”混合部署的测绘数据处理架构。在该架构中，端侧采用瑞芯微芯片平台（RK3588）结合开源欧拉操作系统（openEuler）执行影像与点云的预处理；边缘侧通过容器引擎（iSula）搭配轻量级容器编排平台（K3s）承担正射纠正与三维建模任务；云端则借助私有链路与推理服务器完成结果融合及可视化展示。系统融合多级差分同步协议与任务智能调度机制，支持异构环境下的高效协同处理。在城市新区航测实测中，任务耗时减少39%，均方根误差（RMSE）降低14.3%，数据丢包率降至0.8%。该系统显著提升了测绘流程的整体性能，具备良好的实时性、精度与扩展性，适用于多源系统协同测绘场景。

关键词： 叶绿体基因组   测序技术   数据处理   物种鉴定   系统发育分析  

摘要： 植物叶绿体基因组作为一种独立的细胞器基因组，在植物物种鉴定、基因工程和系统发育分析等方面发挥重要作用。随着高通量测序技术发展，叶绿体基因组序列更易获得，全球范围内已测序并发布超万种植物叶绿体基因组序列。然而，叶绿体基因组研究中出现许多需要密切关注的问题，例如，叶绿体基因组研究忽视植物样本进行物种鉴定的描述，缺乏对叶绿体基因组拼接结果的实验验证，忽略对基于叶绿体基因组高变区开发特异DNA条形码扩增及鉴定效率验证。本研究追溯植物叶绿体基因组研究历程，概述近年来叶绿体基因组研究进展，总结叶绿体基因组在植物研究中的应用，提出未来植物叶绿体基因组研究应进行综合验证、将特异DNA条形码应用于植物产品全产业链溯源以及基于叶绿体基因组开创植物资源研究和保护新前景。本研究有助于揭示植物演化奥秘，探索植物环境适应性机制，并为植物资源研究、保护和利用提供新方向和可能性。

关键词： 氦检漏设备   时序数据   数据处理   故障诊断   分类   深度学习  

摘要： 氦检漏设备传统故障诊断方法存在无法直观表示故障特征、严重依赖专家经验而准确性有限的问题。针对氦检漏设备传感器数据，提出了一种结合卷积神经网络（CNN）的时间序列图像生成方案，对故障数据进行数据驱动分析和故障分类，从而更准确地诊断故障。首先将一维时间序列信号转换为灰度图像进行形象化表达，以适应不同的氦检漏设备故障诊断场景，然后对LeNet-5 CNN模型进行优化，设计了计算速度更快、识别精度最大化的LeNet-5s CNN模型，并提出了复杂检测任务下的双模型检测方法，最后通过实验验证了算法的有效性。结果表明，模型优化后识别精确度有一定提升，双模型检测方法对复杂检测任务下的三类故障都有较好的识别性能。

关键词： 三维地震勘探   数据处理   时间域成像   煤田  

摘要： 三维地震勘探作为煤田地质构造和煤层赋存状态精细探测的关键技术,对于煤炭勘探开发与安全生产发挥着重要作用。本文针对常规地震数据处理手段对于复杂地质构造成像精度和分辨率受限的问题,开展了煤田三维地震数据高精度处理与成像技术研究。通过融合多域多方法去噪、最大似然预测滤波、组合反褶积、高精度剩余静校正、3D数据规则化、双向拓频等关键处理技术,有效提高了地震资料的信噪比和分辨率。采用弯曲射线Kirchhoff叠前时间偏移方法获得了高精度的时间域成像剖面,明显提高了地震信号分辨能力和地质异常体成像精度。本文研究的方法为煤田三维地震数据精细处理与成像提供一种有效的技术手段,对于保障煤炭资源的安全开采具有重要支撑作用。

关键词： 古滑坡   复活特征   堵河风险   数据处理   变形预测  

摘要： 为准确掌握古滑坡复活特征及其变形规律,基于灾害区地质背景,开展滑坡发育特征分析及失稳堵河风险研究,并结合极点对称模态分解、模糊熵、人工水母搜索法和Elman神经网络构建滑坡变形预测模型,实现滑坡后续变形规律评价。分析结果表明:受滑坡前缘蓄水升降及近年降雨异常影响,古滑坡局部出现复活,且经复活体失稳堵河风险研究,复活体在不利工况条件下均具有较大的失稳概率,一旦失稳,极可能堵塞前缘河流;滑坡地表变形监测结果显示,滑坡变形量间于77.29～170.36 mm,已具有较大变形量,且前缘变形量明显大于后缘变形量,充分说明滑坡前缘水位升降波动对滑坡稳定性具有较大影响;变形预测结果显示滑坡变形仍将持续加剧,滑坡复活体的稳定性将进一步降低,需尽快开展防治处理,其预测结果具有较高的预测精度。

关键词： 数据处理   生成对抗网络   时间序列   异常检测   双重时间卷积网络   注意力机制   动态阈值  

摘要： 随着数字制造化产业的发展，数据安全检测、系统监控分析等应用场景中数据量的不断增加，对于数据异常检测的要求日益提高。提出了一种基于双重时间卷积网络与生成对抗网络（GAN）的异常检测（MdtGAN）算法。首先通过生成对抗网络的设计策略构建其基本结构；其次在全局和局部时间卷积网络（GaL-TCN）生成器中通过设计双重时间卷积网络对时间序列进行历史信息处理，其中的注意力机制和单层Transformer编码器使其能够快速地执行知识推理，实现对于时间序列的分布预测使其能够生成符合真实数据分布的时间序列；最后提出基于极值理论的动态阈值设定方法，减少了需要手动调节的参数量以及对于先验知识的需要。实验结果表明，在4个公开数据集上MdtGAN与近几年优秀的基准方法相比，将F1分数平均提高了1.27%，训练时间减少了70.69%，为无监督异常检测提供了一种新的解决方案。