关键词： 边缘计算   云计算   数据处理  

摘要： 现如今,物联网和5G技术发展非常迅速,电子化信息技术的有效发展也使得各种数据量飞速地增长,而这些数据对于计算能力和计算速度也提出了更加严格的要求。云计算技术的有效应用能够利用数据中心当中的各种有效服务器,基本上可以达到无限的计算能力,这也是大数据对数据进行分析时非常有效的方案。然而,云计算在进行应用时也存在着网络延时较大、成本较高等特点,无法真正地适应所有的大数据分析处理要求。

关键词： 风电机组   风功率   数据处理   异常数据识别   组合算法  

摘要： 新能源风电机组在日常运行过程中,数据采集与监视控制系统存在大量的异常数据,这些异常如不加以处理,将直接影响风功率曲线建模、风力机运行状态监测以及运行数据中有用信息的提取。因此,采用数据处理技术辨别风功率异常数据是十分必要的。通过比较分析DBSCAN法与四分位法在风功率异常数据识别与清洗方面的优势与不足,为克服单一算法局限性,提出将两种算法优势结合形成组合算法,并以某风场实测运行数据为例,验证该方法的可行性与准确性。实例证明通过算法组合与改进可提高算法泛化能力与适用性,对风功率数据清洗效果优于单一算法。

关键词： 自动控制   水浸聚焦   无损检测   数据处理  

摘要： 采用超声水浸聚焦法,通过PLC自动控制机构夹持探头,使用MATLAB软件对处理后的数据进行缺陷三维重构,并采用线性插值法和局部加权线性回归法进行优化。结果表明,PLC能够精准稳定地控制探头移动;使用聚焦探头杂波更少,有利于缺陷检测;使用MATLAB对该数据进行三维重构并优化,缺陷图像和实际人工缺陷相吻合。本文所述方法能够很好地实现对单层板材的缺陷重构,在超声无损检测领域有重要意义。

关键词： GeoEast   辅助软件   数据处理   数据可视化   Python  

摘要： 为更好地服务于GeoEast用户,解决用户痛点问题,我们结合需求调研结果,开发了一款GeoEast工具箱软件,扩充GeoEast边缘功能,辅助用户提升工作效率。经过实际生产测试发现:(1)软件功能丰富全面,对于GeoEast辅助应用具有重要意义;(2)软件由Python3编写,便于快速实现需求,使用Qt6设计,界面简洁直观;(3)软件达到了辅助应用、降本增效、提升用户体验、提高灵活性、提升推广应用效果的目的;(4)在软件功能的逐步扩充下,未来会面向所有油气勘探开发领域的工作人员,将更好地为找油找气做贡献。

关键词： 水电站监测   无人机巡检   机器学习应用   物联网技术(IoT)   数据处理  

摘要： 本文综述了水电站智能化巡检技术的现状、存在的挑战及未来发展趋势。首先概述了现有技术,包括基于无人机的巡检、多元异构数据融合、端边协同计算以及知识图谱和数字孪生的新技术,指出尽管这些技术提高了巡检效率,但仍面临技术成熟度、数据处理复杂性、高成本等困难。探讨了智能化巡检在实践中的主要问题,并展望了无人机自动巡检、人工智能和物联网等技术在未来水电站巡检中的潜在应用,自动化和智能化是未来的主要发展方向。研究展望通过技术创新和策略调整,推动智能化巡检技术在水电站中的应用,期为水电站智能化巡检的未来发展提供了策略指南和实践视角。

关键词： 大豆基因填充   随机森林算法   GPU加速   数据处理  

摘要： 基因型填充(Genotype Imputation, GI)是一种利用现有的基因型信息来推断未测定或不完整基因型的技术。为了探索在大豆基因组测序中处理不完整数据的高效填充方法,以提高数据处理速度和效率,本研究采用真实的大豆参考面板基因型数据,通过对数据进行2%、5%、10%和25%的完全随机缺失处理,利用GPU加速的随机森林机器学习算法构建填充模型,并对不同缺失比例的数据进行填充。同时,对比分析了不同处理器的准确性和性能。结果显示:基于GPU加速的随机森林算法在大豆基因组中实现了优秀的填充精度。与主流基因填充软件相比,该方法至少提供了4倍以上的运算时间优势。因此,GPU加速的基因型填充策略可应用于大规模基因型数据处理中,提高大豆基因型数据处理的速度和效率,同时减少计算时间和资源消耗。

关键词： 全日制研究生   实验技能   数据处理  

摘要： 近几年来,我国研究生的数量激增,我校在校研究生的人数也在成倍增加,然而对研究生人才培养的质量却 没有显著提升。研究生要高质量的完成毕业论文,不仅需要好的科研思路和创新性,还需要熟练的实验操作能力和 较好的数据分析能力,该能力对研究生人才的培养至关重要。本文就目前研究生培养在实验技能和数据处理能力方 面存在的问题进行总结,并提出相应的解决措施,以期为提高全日制研究生培养的质量提供理论依据。

关键词： 多光谱辐射测温   发射率   粒子群算法   遗传算法  

摘要： 多光谱辐射测温技术获取真实温度时,目标发射率信息是温度求解的关键。一般解决的方法是基于发射率与波长或温度之间的函数关系建立发射率假设模型。然而,当假设模型与实际情况存在偏差时,会造成较大的温度测量误差。因此,消除目标未知发射率的干扰,减少对发射率模型的依赖,增加测温算法的通用性,是多光谱辐射测温技术亟需解决的难题。提出了改进的粒子群与遗传混合优化算法(HPSOGA),算法的核心思想是将多波长辐射测温问题转化为约束优化问题。首先根据约束条件所设置的范围,在可行域内生成若干个群,每个种群对应一组满足条件的光谱发射率,然后通过HPSOGA算法不断地进化、迭代操作,最终寻得最优适应度值的对应解。该算法实现了在不需要假设发射率模型的情况下,同时反演出目标的光谱发射率和真实温度。通过对六种典型的发射率模型进行仿真,验证了新算法对不同分布趋势的光谱发射率反演的适应性。结果表明,在真温800和900 K的情况下,反演温度的平均相对误差小于0.73%。最后,将该算法应用于火箭发动机羽焰温度测量数据的处理。结果表明,当设计温度为2 490 K时,反演温度的相对误差均小于0.65%。仿真与实验均表明,新算法可求解出满足一定精度要求的发射率和真温。因此,提出的HPSOGA算法是可靠的、有效的,为多光谱辐射测温技术测量目标真实温度提供了一种新的思路。

关键词： 分布式光纤传感   轨道交通   算法   数据处理  

摘要： 随着轨道交通行业的发展,各国建设并投入运营的轨道交通里程数急剧增多,车辆、轨道等基础设施的健康状态及运营安全状态受到广泛关注。分布式光纤传感技术具有监测距离长、实时性强、经济性好等特点,在轨道交通应用中具有广泛前景。文章针对实际应用中出现的数据量巨大、信噪比受限、交叉敏感、数据的非线性响应等问题,调研了目前国内外针对分布式声波传感和分布式应变传感在处理算法方面的研究。从原始数据的处理与增强、数据的特征提取与事件识别两个层次对传感算法进行了分析归纳。