关键词： 乳腺癌   癌症预诊断   不平衡数据   多组学数据   数据处理   随机森林   深度学习  

摘要： 乳腺癌作为全球范围内女性最常见的恶性肿瘤之一,其诊断与治疗已成为医学研究的重点。在乳腺癌的预诊断过程中,准确性和早期发现对于提高患者的生存率至关重要。随着机器学习的飞速发展,二分类和亚型多分类算法被广泛应用于乳腺癌的早期诊断和分型。二分类算法主要用于区分乳腺癌患者和健康个体,这对于早期发现乳腺癌患者并进行干预至关重要。而亚型多分类算法则进一步在乳腺癌恶性肿瘤中进行细分,根据肿瘤的分子特征将其分类为不同的亚型,从而为患者提供更为精准的治疗方案。尽管机器学习技术的应用前景广阔,但乳腺癌数据的天然不平衡特性及该疾病的生物学复杂度仍然为当前的诊断方法带来了一系列的挑战,对此,本研究主要研究结果如下: （1）乳腺癌的早期发现会大大提高治疗的成功率。在乳腺癌的早期筛查中,数据往往呈现出不平衡的特点,即健康样本的数量远远大于患病样本的数量,但准确识别患病样本却非常重要。因此,提出了一种基于聚类和双层过采样的不平衡乳腺癌数据处理方法（CDLS）。通过聚类将数据分成不同的簇,并在簇内和簇间进行新的少数类样本的合成,并且对于簇边缘上重叠不可分的样本对进行删除,以此来平衡数据。实验结果表明,该方法提高了乳腺癌不平衡数据的分类准确率,在公开的 Breast Cancer Wisconsin、Breast Cancer Coimbra 和 Mammography三个乳腺癌数据集,23352个乳腺癌样本上取得了最好的分类结果。三个数据集的 Sensitivity 指标分别为 100%、89.5%和 78.9%,F1 score 指标分别为 97.1%、90.3%和 63.1%,AUC 指标分别为 98.1%、91.1%和 88.2%。 （2）基于乳腺癌早筛数据的不平衡处理,对从常规血液分析中收集的参数（葡萄糖、胰岛素、瘦素、脂联素、抵抗素等）进行了进一步的分类研究。为了进一步提高乳腺癌分类的准确率,提出了一种基于随机森林和粒子群算法的乳腺癌二分类方法（RFPS）,通过优化所提方法的性能,实现了更高的分类精度。该方法通过粒子群优化算法,初始化粒子群代表随机森林超参数组合,通过迭代更新寻找最优组合,提高模型适应度。在11600个乳腺癌数据样本中进行方法的实验,在 Accuracy、F1 score 和 AUC 指标上分别达到了 92.6%、93.3%和 94.8%,相比于随机森林提升了 9.7%、14.7%和12.6%,有效提升了随机森林的分类准确性,并且该方法在其他20个数据集上的表现也十分优异。 （3）近年来,随着基因组学、表观遗传学、转录组学等多组学研究的快速发展,乳腺癌亚型分类研究成为了解乳腺癌异质性、指导精准治疗的关键环节。因此,提出了一种基于深度神经注意力网络的乳腺癌亚型多分类方法（DNAM）,通过整合TCGA数据库中的mRNA、DNA甲基化和CNV组学数据对乳腺癌的亚型进行准确划分。利用特征选择和降维技术,从复杂的组学数据中提取关键基因表达信息,并通过神经聚焦注意力模块赋予关键特征更高的权重,进一步通过特征融合模块对来自不同组学信息通路的数据进行高维特征表示,最后通过前馈神经网络进行亚型的分类。实验结果表明,相较于其他多分类方法,本方法在Accuracy、F1macro和F1weighted这三个关键性能指标上均达到了优越的表现,分别为89.6%、86.5%及79.5%,显著优于其他方法,有效地提高了乳腺癌亚型分类的性能。此外,通过结合特征选择和神经聚焦注意力模块,能显著改善乳腺癌亚型的分类性能。进一步分析显示,通过结合多种组学数据进行分析,与单独使用mRNA、DNA甲基化和CNV组学数据相比,Accuracy指标分别提升了 9.0%、5.7%和21.8%。这一结果凸显了多组学数据在乳腺癌诊断和治疗领域中潜在的重要价值。 综上所述,本文提出的三个方法有效提高乳腺癌不平衡数据处理水平及早期诊断和亚型分类的准确度。这不仅为乳腺癌的早期筛查和精准治疗提供了新的思路,而且展现了人工智能技术在处理复杂医学数据方面的潜力。未来,这些方法的进一步优化和应用将对乳腺癌的管理产生更深远的影响。

摘要： 一、教材分析“数据处理与应用”是继“认识数据与大数据”“算法与程序实现”后兼具应用性以及实践操作性的内容。该模块主要讲述了数据处理的概念内涵、提炼数据的方式以及处理数据的原理等，着重培养学生利用各类技术工具分析并处理数据的能力，进而完成分析报告，有效提高学生的数据安全意识以及可视化表达技能。二、学情分析高一学生具有较强的思维能力与自主探究能力，更倾向于在真实体验中学习理论知识。

关键词： 噪声测井技术   数据处理   漏窜识别   机器学习   软件实现  

摘要： 部分油田存在开采条件差,地质条件复杂,地下断层较多,地层水矿化度较高的情况,以及对油水井进行压裂、酸化及射孔等措施作业,会造成油水井套管及油管出现破损,油水井出现“窜漏”的情况越来越多,严重影响注水效果,无法实现精细注水。因此,油水井找漏测井成为当务之急。利用测井技术进行油水井找漏,可以找准漏失位置并采取相应措施,不仅可以提高注水开发效果,提高水驱动用储量,减少无效注水,而且还可以及时恢复油水井的正常生产。针对国内外先进的水泥胶结测井RIB八扇区测井技术[1],开展了一些井下水泥胶结测井分析工作,但由于仪器本身的设计缺陷、仪器的适用范围较小、以及测井解释欠缺等多种原因,最终都无法实现在生产情况下进行检漏找窜。因此我们急需引进一种新的测井技术来完善现有的找窜测井工艺系列,解决这一生产难题。目前国内油水井找漏测井技术主要有井温、流量、放射性同位素、噪声、氧活化、中子寿命测井等,这些测井方法只能定性分析漏失大概位置,对于漏失原因、注入水所到位置无法准确判断,而噪声测井可以识别水泥环窜槽、储层吸水情况,便于直观明了的分析判断水流去向。 本文采用噪声测井数据,将噪声数据根据不同的噪声道,分为高、中高、中、中低、低频五个频率段,方便进一步的计算与处理。每个频率段代表了50个噪声道所累加得到的数据。再进一步对这些数据进行定量计算,最终得到所选层段的相对流量。利用不同方法分别对储层高频率噪声和漏窜中频率噪声进行半定量分析,以估计射孔层段相对流量和单相流体注入量。分层段分频率对噪声数据进行处理,可以很好的弥补各个计算方法的不足之处。用不同方法处理之后,比较其不同之处,选取最优方法作为相对流量计算结果。对噪声频谱测井资料进行数据处理并完成井下噪声的定量评价,基于噪声数据每个深度点的噪声信号特征的不同,确定各深度点或井段的流量比例,并基于求出的流量比例对总流量进行流量分配,并根据每个层所选频率段的相对注入量是否存在较大差值,判断该层段的漏窜情况。利用机器学习方法,对管中流动、储层流动、漏窜噪声等处在不同频率段的噪声研究分析,进一步缩小其频率范围。最终编写软件,方便后续观察噪声图像和减少计算相对注入量的工作量。

关键词： 果园监测   传感器标定   数据处理   时空变异   关联性  

摘要： 苹果园农业生产过程具有季节性、分散性、多样性和变异性的特点,而我国果园监测起步较晚,存在着苹果园生产过程监测不全面、传感器精度低、传感器布设冗余等问题,大量传感器的布设,导致了苹果园生产过程监测数据繁杂冗余、孔洞缺失、关联性程度低等问题异常突出。为此,以南疆沙地苹果园健康生产过程为基础,以果实生长过程关键指标监测为对象,通过理论分析、数据处理与试验研究相结合的方式对苹果园生产过程关键指标监测展开研究,主要研究结论如下: （1）明确了南疆沙地苹果园生产过程及关键监测指标和监测方法。利用重复访问方法,明确了苹果园关键生产过程,分别对土壤、作物与气象三类对象的关键监测指标进行了优选,确定了土壤、茎流、气象的关键指标和监测方法,提出土壤电导率非线性耦合标定方法以及土壤含盐量测量ECWS模型方法。 （2）研究了南疆沙地苹果园土壤与气象关键指标的时空变异特征及优化布设方法。基于克里斯琴森均匀系数与CV评价方法,分析了苹果园土壤与气象关键指标的时空变异性,结合差分法采用线性与非线性布设方法,并对土壤、气象关键指标监测传感器在垂直与水平两个方向进行了优化布设。 （3）设计了南疆沙地苹果园数据可视化系统与苹果园无线传感网络分级节能系统。无线传感器网络分级节能系统设计为数据采集模块、数据传输模块、远程控制模块、可视化模块、故障诊断模块及供电模块。苹果园可视化系统设计为用户管理模块、主界面模块、数据分析模块、数据展示模块。 （4）提出了苹果园传感器监测数据问题的三级数据处理机制,采用灰度关联法分析了土壤、茎流、气象关键指标相关性。针对具有时间序列特征的苹果园监测数据所存在的孔洞、冗余与异常问题,在滑动时间窗口算法基础上对上述三个问题进行了处理;针对孔洞数据在时间上连续和不连续两种不同的特征,提出了孔洞数据统计分析与回归分析的两级处理方法;针对数据冗余问题,提出了结合滑动时间窗口方法的去重处理方法,并采用参数化的SES方法处理了冗余参数的不稳定问题;根据土壤、作物、气象监测数据的变异系数,采用Z分数方法进行处理。土壤温度与气象温度、土壤电导率与气象温度之间为正相关;土壤电导率与气象CO2为负相关性;茎流与土壤温度相关系数为0.62,与光照相关系数为0.51。 （5）采用GDH模型与随机森林算法,分析了土壤热积量与气象热积量对果实生长发育的关系。在不同生育期,土壤在总热积量范围在6035.24 GDH～45519.95 GDH之间;气象总热积量范围7188.85 GDH～33862.38 GDH之间。土壤温度与气温GDH对于幼果发育期、果实膨大期与全生育期预测2不小于0.63。 综上所述,针对南疆沙地苹果生长过程的关键指标监测方法展开理论分析与试验研究,明确了苹果生长过程的关键指标,优化了传感器布设方式,设计了分级节能系统与数据可视化系统,提出了监测数据的处理方式,有效解决了苹果监测中存在在问题,推动了果园监测技术在苹果生长中的应用与发展。

关键词： 干涉条纹图像   图像质量退化   椒盐噪声   对比度   干涉条纹弯曲  

摘要： 通过观测太阳系外恒星发出光线的多普勒效应来寻找系外行星是天文领域最火热的研究方向之一。目前,已经探测到的疑似宜居带系外行星,大多数都围绕K/M型矮星运行。K/M型矮星的数量非常多,占银河系恒星总量的80%左右,是极其重要的观测目标。基于新型共光路相干色散技术的太阳系外行星搜索探测系统（common-path coherent-dispersion spectrometer,CODES）针对K/M型矮星进行观测,目标是寻找到宜居/类地的系外行星。为了实现这样高精度的视向速度测量,需要给视向速度反演过程提供高精度的观测图像。 然而,即使是最先进的探测器捕获的原始图像也往往面临着仪器固有噪声,图像质量退化和其他缺陷。探测器采集图像是将三维世界场景投射到二维焦平面上的辐射过程和几何过程。望远镜在接收遥远的星光时,在大气层传导和通信传输过程中,聚焦不当、大气散射和设备振动等因素,往往会导致图像质量下降。图像携带的信息不可避免地被扭曲,甚至丢失。图像质量退化通常包含三个方面的内容,分别是噪声干扰、对比度降低和运动模糊。因此,有必要通过消除噪声干扰、低对比度情况和模糊畸变等现象来获得更高质量的观测图像,尽可能地恢复受干扰的图像细节,最终提高视向速度探测设备的探测精度。为了解决这些问题,本论文围绕提高基于相干色散技术的系外行星光谱探测系统采集的干涉条纹图像的图像质量开展了一系列研究工作。噪声干扰部分分析了各种噪声对干涉条纹图像的干扰情况,并针对椒盐噪声设计去噪算法;对比度降低部分分析大光程差导致的干涉条纹对比度降低的过程,并设计对比度提高算法;运动模糊部分分析环境波动和仪器因素等干扰干涉条纹图像的成像过程和采集过程,构建图像质量退化模型。噪声干扰、对比度降低和运动模糊都会导致相干色散系外行星光谱探测系统采集的干涉条纹的相位信息发生偏差,造成视向速度误差。本论文的三个内容的共同目标是通过提高干涉条纹图像质量来提高视向速度的探测精度。 本文主要研究内容和创新点如下: （1）针对椒盐噪声干扰,本文提出了基于次极值的自适应中值滤波算法CODESmF。CODESmF算法主要包括两个模块。基于像素次极值的滤波噪声监测模块:基于滤波窗口内像素的次大值和次小值来判别信号像素和噪声像素。自适应中值滤波噪声抑制模块:信号像素保持原值输出,以噪声像素作为滤波窗口的中心像素,进行多次不同滤波窗口尺寸的自适应中值滤波处理。此外,该算法利用动态滤波窗口和图像边界镜像复制方法,提高中值滤波算法在处理椒盐噪声时的性能。以相位误差校正量、去噪能力和干涉条纹复原能力作为评价标准。针对大多数情况,CODESmF算法可以消除超过90%的椒盐噪声造成的视向速度误差。此外,CODESmF算法更适合处理能量较低的干涉条纹。当处理对象是低亮度干涉条纹,无论椒盐噪声的密度如何变化,CODESm F都能够消除超过70%的相位误差。 （2）针对大光程差导致干涉条纹图像对比度降低的问题,本文提出了一种基于摄影模型的逆色调映射算法CODESCE。CODESCE算法的核心是利用Reinhard算法构建了一种基于摄影模型的逆色调映射算子,利用逆色调映射算子处理输入的干涉条纹图像,将其拓展成高对比度的干涉条纹图像。以对比度提升情况和对干涉条纹相位信息的干扰情况作为评价标准。实验结果表明,逆色调映射算法CODESCE适用于提高大光程差干涉条纹图像的对比度,可以将光程差为64.3 mm条件下的干涉条纹对比度提高三个数量级从0.0001224提高到0.56,满足后续处理对于干涉条纹对比度的要求;同时,CODESCE算法处理后的干涉条纹曲线也处于最优光程差对应干涉条纹曲线范围内,避免了干涉条纹相位信息出现较大误差。 （3）针对干涉条纹弯曲影响干涉条纹形态,并最终干扰视向速度反演的问题。本文对影响干涉条纹形态的干扰源进行分析,将干涉条纹弯曲分为干涉条纹倾斜、干涉条纹像移和干涉条纹畸变三种类型,基于像移路径的仿真方法构建了干涉条纹弯曲—相位偏差—视向速度误差的干涉条纹图像退化模型。同时,针对长曝光过程中仪器微振动导致的干涉条纹像移这一特殊情况,开展了CCD探测器振动实验以分析CCD探测器在工作状态下受自身产生的微振动的干扰情况。并基于微分动态成像方法和像移路径,建立了微振动导致干涉条纹图像质量退化的模型。退化模型表明,无论吸收线还是发射线,干涉条纹弯曲的干扰都是巨大的,偏移量>0.15个像素时CODES的视向速度偏移超过100 ms-1,且吸收线出现的视向速度偏移更大。对于微振动造成的干涉条纹像移,即使其最大幅值仅为0.1个像素,也会造成10 ms-1左右的视向速度误差。为了将视向速度误差降低到1 ms-1以下,需要将CCD探测器工作状态下的最大振幅控制在54 nm以内。 本文面向围绕K/M型矮星运行的系

关键词： 温室气体   数据处理   小波降嗓   加权Kalman滤波   GA-BP神经网络  

摘要： 甲烷(CH4)、氧化亚氮(N2O)和水(H2O)是温室气体组成成分中的几种主要成分，实现对CH4、N2O和H2O浓度的快速高精度测量对监测温室气体变化具有重要意义。在使用激光吸收光谱法检测三种温室气体光谱时，噪声的存在会导致所检测出的气体浓度精度较低，为进一步提升检测精度，一些滤波降噪算法被运用于温室气体光谱数据处理中。对于所检测的温室气体光谱数据，传统的气体浓度反演算法需要对气体光谱进行深入处理和计算。为能够从光谱数据中反演高准确率的气体浓度，部分神经网络被应用于气体浓度反演中。然而，传统的滤波算法能够提升的精度有限，为进一步提升气体浓度检测精度以及反演出高准确率的气体浓度，对传统的卡尔曼滤波算法进行了改进，同时基于神经网络和气体光谱数据，搭建了神经网络气体浓度反演模型。主要工作如下:　　(1)提出了一种加权卡尔曼滤波算法。传统的卡尔曼滤波算法在提升气体浓度检测精度时需要较大的滤波调节参数，滤波调节参数增大会增加系统对气体浓度变化的响应时间。通过在传统卡尔曼滤波算法中增加一个权值，使得算法能够在使用较小的滤波调节参数，保持快速响应时间的同时，能够进一步提升检测精度。结合水同位素比值测量数据，对比两种卡尔曼滤波算法结果。实验结果表明，该算法能够使用较小的滤波调节参数提升更高的检测精度，证明了该算法优于传统卡尔曼滤波算法。　　(2)实现了对CH4、N2O和H2O三种温室气体光谱同时测量，并将所提出的加权卡尔曼滤波算法应用于温室气体浓度数据处理中提高检测精度。同时为本次测量实验设计并编写了集采集和处理光谱数据一体化的LabVIEW数据采集程序。为提高光谱信噪比，将小波降噪算法应用于采集的三种温室气体吸收光谱数据中。实验结果表明，小波降噪算法能够有效提高温室气体吸收光谱信噪比，进一步验证了提出的加权卡尔曼滤波算法在提升气体浓度检测精度中的可行性与有效性。　　(3)提出了一种基于GA-BP神经网络的CH4气体浓度反演模型。将神经网络与检测的CH4气体光谱数据结合，利用神经网络强大的学习能力，根据气体光谱数据反演出高准确率的气体浓度。分析了 GA-BP神经网络不同参数的取值对反演结果的影响，并与SVM、LSTM、BP、PSO-BP神经网络反演结果进行了对比。实验结果表明，基于GA-BP神经网络的CH4浓度反演模型反演结果准确率最高，达到了 99.985%。

关键词： 农业面源氨排放   逸散气体通量   激光吸收光谱   垂直径向羽流图   箱式法   机器学习  

摘要： 氨是大气中主要的污染气体之一,其排放不仅与PM2.5的形成紧密相关,还会导致水土生态系统的失衡。随着各种生产活动的增加,世界氨排放总量呈逐年增加态势,这给人类社会的可持续发展带来严峻挑战。农业氨排放是大气中氨的主要来源,占地球氨排放总量的90%以上,主要表现为面源污染形态,因此农业面源氨排放检测已经成为大气污染防治的重要环节。当前,光谱技术是农业面源氨排放检测的主要手段,但仍然面临着户外条件下仪器工作不够稳定、大气环境干扰、浓度反演误差等问题。这些问题是影响氨通量检测系统准确性的主要原因。针对上述问题,结合检测技术向智能化方向发展的趋势,本文开展垂直径向羽流图(Vertical Radial Plume Mapping,VRPM)法和箱式法氨通量检测方法的关键技术研究,目的是提高两种检测系统的工作稳定性、检测精度和自动化程度。主要内容如下: 1.针对VRPM区域源氨通量检测系统在户外开放环境工作时,所存在的扫描光路偏离的问题,开展了 VRPM区域源氨通量检测系统光路智能化校准算法研究。基于强化学习算法,提出了 VRPM通量检测系统多光路扫描切换智能定位算法,以信号电压幅值最大点为目标点,利用光路移动时产生的信号强度变化基于强化学习算法获得云台最优控制路径,实现了多光路扫描切换时光路对准;对系统的性能进行了测试,结果表明,光路扫描系统的扫描误差小于0.1%,当产生光路偏移时,光路校准的成功率大于95%,校准偏差小于2%,耗时小于 10 s。 2.针对受开放光路中多种环境因素的影响,VRPM检测系统可能获取一些在形态上明显失真的异常光谱,从而导致浓度反演错误的问题,开展了基于机器学习的VRPM系统异常光谱智能识别与缺失路径积分浓度(Path Integrated Concentration,PIC)数据修复研究。提出了一种主成分分析(Principal Component Analysis,PCA)与支持向量数据描述(Support Vector Data Description,SVDD)相结合的激光吸收光谱信号质量评估方法,实现了异常光谱样本的智能识别;同时,提出了一种基于双阶段注意力机制循环神经网络(Dual-Stage Attention Based Recurrent Neural Network,DA-RNN)的缺失 PIC 值修复方法,有效地解决了在剔除异常光谱后在时序上留下的PIC数据缺失问题。实验结果表明,SVDD模型对异常光谱样本的识别率达到98.90%;在使用四条光路的PIC值作为驱动序列对目标光路的PIC值进行预测时,DA-RNN模型的平均预测准确率达到92%以上。 3.针对使用箱式法进行氨通量测量时,NH3吸收峰混叠所导致的浓度反演误差问题,开展了基于深度学习的箱式法氨通量检测系统浓度回归算法研究。提出了基于深度置信网络(Deep Belief Networks,DBN)的氨浓度回归算法,建立从光谱数据到浓度的“端到端”回归模型,在输入光谱信号后直接输出气体的浓度,减少了基线拟合、吸光度面积计算等易产生人为计算误差的步骤,有效地提高了微量氨挥发浓度的检测精度。研制了由控制系统和多个测量室组成的激光吸收光谱腔(Laser Absorption Spectroscopy Chamber,LASC)氨通量检测系统,集成了 DBN氨浓度回归算法,实现了氨通量的原位自动化检测。实验结果表明,DBN氨浓度回归算法的测量平均相对误差较直接吸收法降低了81.3%,LASC系统的最低检测浓度可达0.09 ppm。 4.针对农田应用场景,改进了 VRPM检测系统,并联合LASC检测系统开展农田氨排放通量检测系统应用研究。研发了基于MAX1978温控芯片和单片机PID温度控制电路的DFB激光器波长稳定模块,设计了垂直径向羽流系统整体方案,开发了基于Lab View的数据分析软件,最终集成了五光路VRPM检测系统,并开展了氨排放通量检测系统外场实验,以验证开发的垂直径向羽流和箱式法农田氨挥发通量系统的有效性。实验结果表明,两个系统的测量结果与实际排放通量的误差都小于20%,且对同一面源的氨排放通量测量结果表现出了高度的一致性和相关性。

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： 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。