关键词： ERP上线   中小企业   数据处理   信息滞后  

摘要： 我国中小企业基于成本费用控制的考虑，往往通过手工台账方式来实现内部信息管理，普遍不会选择使用ERP。多数中小企业在业务达到一定规模后，业务量大幅度增长带来数据量剧增，导致内部管理混乱和信息滞后，逼不得已才选择仓促上线ERP项目来解决问题。这种情况下往往会在上线过程中产生一系列重大问题，如ERP上线失败、项目持续延后等。基于此，本文就ERP上线过程中的问题和对策进行研究，以期为我国广大中小企业ERP上线提供参考和帮助。

关键词： 缺失值插补   特征选择   乳腺癌(BC)   堆叠模型   集成学习  

摘要： 乳腺癌(Breast Canner,BC)的发病率不断升高,且乳腺癌已不仅仅局限于中老年人群之间,患者正在趋于年轻化。早期和中期乳腺癌患者及时发现和治疗可以争取治愈,对于晚期乳腺癌患者可以延长寿命,改善其生活状态。但是,目前缺少能够有效协助医生对乳腺癌进行诊断的研究。在对乳腺癌进行数据诊断之前,对乳腺癌数据的处理也是至关重要的,需要在一定程度上补充原始数据集中的缺失值和选择适合的特征子集对乳腺癌进行辅助诊断建模。对于解决数据缺失问题,本研究首先从纵横两个方面对原始数据集的缺失机制进行分析,然后从原始数据集中提取完整的数据子集,对完整的数据子集设置5%、10%、20%、30%以及40%的随机缺失比例。对不同缺失比例数据集中的每个特征使用K近邻(K-Nearest Neighbor,KNN)、随机森林(Random Forest,RF)、多重插补(Multiple Imputation,MI)和中心趋势值插补(Central Trend Value Imputation,CTVI)进行缺失值估计。最后融合不同缺失比例下不同方法每个特征的秩从而选出最适合的插补方法。为了解决乳腺癌超声数据集的特征不相关以及特征冗余问题,首先使用方差法、信息增益法以及相关系数法对特征进行排序,对特征分配权重进行结果融合,得到最终排序结果。最终排序后的特征根据专家知识、重要性、皮尔逊相关系数删除不相关特征和冗余特征。把序列向前选择和朴素贝叶斯(Naive Bayes,NB)、决策树、RF结合得到不同方法对应不同特征子集的准确率。最后依据准确率选出最优特征子集。超声检查是乳腺癌诊断在临床医学界公认的可靠标准,但是传统的人工检测可能误诊或漏诊。利用机器学习辅助诊断建模,由于单个模型无法确保其泛化性,不足以辅助临床诊断。因此,本文提出了一种基于堆叠的集成学习模型,该模型具有两层学习结构,通过所提出的堆叠方法确定两层结构的分类器组合。根据实验结果可知,本研究所提出的模型在一定程度上提高了乳腺癌的预测准确率,可以为医生诊断乳腺癌提供理论上帮助。

关键词： FY-3D对月定标   中分辨率光谱成像仪   月球预报模型   月球校正模型  

摘要： 风云三号气象卫星在我国气象卫星事业中起着至关重要的作用,用于提供气象参数、监测大范围自然灾害和地表生态环境。搭载于风云三号D星(FY-3D)的中分辨率光谱成像仪(Medium Resolution Spectral Imager,MERSI)是卫星上的一个遥感地球大气、陆地、海洋数据的关键遥感器。由于星载遥感器的精度对后续观测数据的定量化应用尤为重要,本论文基于FY-3D/MERSI对月观测数据对遥感器进行分通道、逐探元定标,对国产卫星定标方法进行了改进。具体研究内容和创新点如下:(1)针对实际地月空间物理情景,在满足四个观月条件下通过Python程序计算给出了月球可被观测的时间点,并通过卫星仿真软件STK对所得可观测时刻进行反向检验且四个条件均检验正确,说明本预报模型与实际情况具有很高的拟合度,可为接下来运行校正模型和辐照度定标模型做好准备。(2)对月球观测时间预测完成后,应用预测模型的结果对月球图像进行筛选提取,通过Python程序对观测结果进行校正,结合月球校正模型输出的校正系数,在月球辐照度模型的基础上对遥感器进行定标工作,最后得到MERSI 250分辨率与1000分辨率下的月球观测结果的定标系数长时间序列。结果表明MERSI 250分辨率与1000分辨率下定标系数长时间序列虽然在某些区域存在一些波动,但总体上趋于稳定。

关键词： 大数据处理   课程思政   教学改革  

摘要： 大数据技术对改造传统农业、发展新型农业具有重要的作用，因此迫切要求农林院校学生具备处理大数据、利用大数据的能力。《大数据处理》是大数据类课程中的核心课程，传统的授课往往以讲授大数据处理的基本技术为主，对于价值引领和能力培养相对较少涉及。本文以福建农林大学数学与应用数学专业的《大数据处理》课程思政建设为例，讨论了在智能大数据时代引导学生如何深度理解现有大数据处理的知识体系、必备技能和职业道德，并在此基础上外化、提升。在专业课教学中，从知识传授这一单维度目标向知识应用、能力培养、价值重塑多个维度的综合目标发展，培养学生探索未知、追求真理、勇攀科学高峰、科技报国的责任感和使命感。

关键词： 热带果树   寒冻害   深度学习   门控循环单元（GRU）   不平衡数据   气温预测  

摘要： 在机器学习的许多实际应用中,存在着许多数据不平衡的问题。传统机器学习算法往往以总体的分类准确率为目标,在对不平衡数据分类时容易忽略少数类。虽然当前对分类任务的数据不平衡问题研究较多,但对于回归任务的数据不平衡问题的研究较少。而在热带果树寒冻害预警问题中,气象数据集通常是不平衡的,即对热带果树造成寒冻害的天数较少,果树正常生长的天数较多。故针对传统机器学习算法在分类不平衡数据时容易忽略少数类的问题,提出了一种多策略处理不平衡数据的Ms Boost算法（Multistrategy imbalanced data processing with Boosting）。针对传统热带果树寒冻害预警的不足和气象数据不平衡的问题,将不平衡数据处理策略和GRU相结合,构建了热带果树寒冻害预警模型——IBDP-GRU（GRU with imbalanced data processing）。该模型通过预测次日的日最低气温,并结合相关热带果树的寒冻害指标,从而判断果树在次日是否会受害。主要的研究工作如下:1.为提升传统机器学习算法对类不平衡数据的分类性能,提出了一种针对不平衡数据的多策略处理算法Ms Boost。该算法首先对数据进行聚类;其次对少数类样本进行过抽样,对多数类采用提出的“三合一”算法进行欠抽样;然后采用代价敏感的思想,为抽样后的训练样本按不同类赋予不同的权重作为Ada Boost算法中训练样本的初始权重;最终将少数类样本和多数类样本结合,输入到模型中训练。将Ms Boost算法与Ada Boost、Rus Boost、Smote Boost和Cus Boost算法进行了性能比较。结果表明,Ms Boost算法在比较的多数数据集上都优于其它算法,因此Ms Boost是一种处理类不平衡数据的有效算法。2.因气象数据多为不平衡的时间序列数据集,即果树受寒冻害影响的天数远低于不受害的天数,故将提出的面向不平衡数据分类任务一些策略加以修改,使其能处理回归任务涉及的数据不平衡问题。将修改后的不平衡数据处理策略和GRU相结合,建立了面向不平衡时间序列数据的热带果树寒冻害预测模型——IBDP-GRU模型。首先,按照设定的低温阈值,将数据样本按其日最低气温分为两类,高于阈值（称为多数类）和低于阈值（称为少数类）;然后利用修改后的“三合一”欠抽样算法,对多数类样本进行欠抽样,降低训练数据集的不平衡率;接着通过为少数类训练样本赋予一个大于多数类训练样本的权重,使模型更加关注少数类样本;再将训练样本输入到搭建的GRU神经网络模型中进行训练;最后结合神经网络的日最低气温输出结果和果树的寒冻害指标,判断果树在次日是否会受害。在模型的有效性验证实验中,结果表明,IBDP-GRU模型在不显著影响多数类样本预测的情况下,能更好地预测少数类样本,验证了IBDP-GRU模型的有效性。在南宁热带果树寒冻害预警实验中,结果表明,IBDP-GRU模型对香蕉和莲雾在次日的寒冻害预警在误报率不显著增加的情况下,具有更高的正报率和更低的漏报率。其中,模型对香蕉寒冻害预警的正报率分别比GRU、LSTM、CNN-GRU和BP模型高16.4%、19.3%、20.3%、31.3%;模型对莲雾的寒冻害预警的正报率分别比上述模型的高18.7%、18.6%、20.5%、32.2%。实验结果验证了IBDP-GRU模型对热带果树寒冻害预警的有效性和可靠性。

关键词： 平行因子   大数据   卷积神经网络   模式识别  

摘要： 为满足机械化、智能化的时代要求,工业系统逐渐走向精密化和复杂化。反映机械系统运行机理和状态的数据具有海量、不确定、多源异构、价值低等“大数据”特征,传统的信号处理办法对于机械故障信号往往是从时频域信息去构造特征实现故障诊断,具有一定的空间局限性,无法从复杂、高维的大数据信号中提炼出有价值的特征。针对这一问题,本文研究在机械故障领域的大数据挖掘技术,以机械设备中常用的离心泵为研究对象,采用平行因子分析算法(PARAFAC)对离心泵故障数据进行特征工程处理,根据深度学习理论构建卷积神经网络(CNN),实现离心泵模式分类诊断。具体工作内容如下:(1)针对传统时频处理方法在复杂多维的非线性信号特征提取上存在忽略时空信息的局限性,采用平行因子分析对多通道离心泵信号进行特征提取,引入核一致性估计法确定三维平行因子模型的组分数,减小数据处理的误差。其次,采用可视化降维技术t-SNE将平行因子分析提取特征进行聚类展示,以及改进的粒子群优化算法(IPSO)优化概率神经网络(PNN)参数对离心泵模式识别分类,结果表明基于平行因子对离心泵系统整体信号分解提取的故障特征与离心泵各故障模式在时间、频率、空间上呈现出映射关系,验证了平行因子算法在复杂信号非线性特征提取上的可行性。(2)针对复杂机械系统运行工况下采集的信号具有多源多维的特性,结合深度学习理论中的卷积神经网络对离心泵信号进行分类诊断。首先,从原始振动信号上采用一维卷积神经网络对离心泵模式识别,详细分析不同的卷积网络深度对信号特征处理的表现效果,实验结果表明含有3层隐藏层(两层卷积、一层池化)的卷积神经网络在离心泵故障模式的诊断中效果良好。基于该卷积网络结构和平行因子分析算法搭建的PARAFAC-2DCNN离心泵故障诊断模型,在分类效果上较传统的神经网络取得不错的提升。

关键词： 软件化雷达   算法组件   跟踪滤波   显控应用  

摘要： 雷达数字化技术的发展,为软件化雷达的诞生奠定了技术基础。软件化雷达硬件可重组、软件可重构、需求可定义的特点成为现代雷达未来发展的必由之路。本文以软件化雷达为研究背景,以组件为研究单元,设计并实现了数据处理与显控组件,扩充了软件化雷达系统的丰富度与完备性。本文对软件化雷达国内外研究现状及发展成果进行了深刻调研,并对显控与组件发展成果与方向进行了阐释,表明了显控与组件在软件化雷达中的重要意义。以调研结果为依据,依托于CPU软件化雷达系统平台,基于软件化雷达层次化结构,重点阐述了各层功能技术需求。再者基于软件雷达算法组件规范标准,给出了算法组件三层设计结构,依次对各层接口功能进行了介绍。基于对数据处理算法原理的分析研究,依照算法组件结构设计了构件与复合组件相结合的数据处理组件实现方案,依据该方案对数据处理跟踪滤波组件进行具体实现与算法逻辑验证。此外,本文还提出了MVCI显控组件设计模式,阐释了显控组件不同层功能以及层级交互关系。以显控组件通用和扩展作为设计目标,设计可支持显控组件显示与数据交互的窗体容器与数据管理接口。本文介绍了P显、地图显、SAR显、存储回放组件的实现,依赖于上述组件,对自定义雷达显控应用方案完成实现与验证。最后,论文对C波段相控阵雷达系统体制参数与数据处理流程展开介绍,依据其处理流程利用CPU硬件平台,对该雷达系统业务流程应用方案进行搭建,并对其组件运行资源占用与处理耗时进行评估与分析,展现了软件化雷达系统稳定性、可靠性、实用性等诸多优势。

关键词： 路面使用性能   预测模型   S型模型   家族预测模型   数据处理  

摘要： 路面性能预测是路面管理系统举足轻重的组成部分,是路面管理系统至关重要的基本功能,是对路面使用性能变化规律的科学总结。通过对路面使用性能进行预测,评估路面性能发展趋势,精准制定养护方案,科学合理制定和分配养护资金,具有极其重大的现实意义。本文的主要目的是建立适用于山西省高速公路网的沥青路面使用性能S型预测模型。首先,搭建山西省高速公路基础信息库,收集了山西省高速公路路桥隧基础数据、路面性能检测数据、养护历史数据、交通量数据、温度和降水数据等等,并对收集的数据进行预处理,包括数据清洗、缺失值处理和异常数据修正等等,并利用处理后的数据,对山西省高速公路路面使用性能的现状进行细致分析。之后,确定路面使用性能S型预测模型的方程形式。本文先阐述了选取S型预测模型的原因,包括主流的三类路面使用性能预测模型的优缺点、山西省高速公路养护管理现状以及山西省高速公路实际现状。接着,介绍了S型预测模型的发展历史,并选取国内较为常用的两种S型预测模型作为参考,考虑路面性能指标的实际特点及衰减规律,提出了三点路面性能S型预测模型应当满足的条件,通过数学分析与图像研究,分别对两种预测模型进行修正,提出新的模型方程。然后,开发山西省高速公路沥青路面使用性能S型家族预测模型。家族预测模型可以有效地处理在建立某些具体约束下开发路面性能模型数据量缺乏的问题。家族预测模型分为母预测模型和子预测模型。母预测模型充分利用丰富的路网多年性能数据进行模型参数标定研究,可以预测该地区路网路面性能的发展趋势,对路网状况进行宏观把握,同时可以通过参数修正的方式,辅助开发子预测模型,以解决开发子预测模型存在的数据量不足的问题。子预测模型通过不同的分组原则,分组原则由实际需求而定,将路网数据进行划分,分别开发预测模型。为保证预测模型的稳健性,本文提出一系列的建模数据处理方式。本文利用Python的Pandas库开发了一种路面性能数据的记录格式。该数据记录格式可以将某条路多年的路面性能检测数据、路龄、养护类型、养护措施以及交通量等汇总成一条记录,极大地减轻了数据处理难度;后续在提取开发子预测模型的路面性能时十分快捷有效。首先,提出数据处理原则,包括路龄不宜过大、排出养护历史干扰、剔除异常衰减数据以及各路龄下数据量的差异不宜太大等;其次,根据上述原则,依次提出相应的数据处理方法,如路龄筛选规则、路面性能衰减逻辑检验、K均值聚类分析以及等间距剔除数据等;最后,采用路面性能检测数据的箱形图和数据处理前后的标准差折线图对数据处理结果进行评估。采用上述的建模数据处理方式,利用路网数据,采用Python的Fitter库开发了两种路面性能S型母测预测模型并分别进行评价。对于S型预测模型一,整体路网的MAE为3.46,RMSE为5.34,相关系数为0.80。对于S型预测模型二,整体路网的MAE为2.64,RMSE为4.23,相关系数为0.82。S型预测模型二拟合效果更优,将作为山西省高速公路S型母预测模型。最后,阐述了如何利用母预测模型进行子预测模型的开发,并给出具体开发示例。示例一根据养护类型对路网数据划分,分别开发预防性养护子预测模型和修复性养护子预测模型。过程中发现,路段经预防性养护后的路面性能变化规律较为复杂,无法使用S型预测模型进行预测;路段经修复性养护后的路面性能衰变速率要快于原路面。示例二考虑运营公司、养护类型和交通量等级等因素对路网数据进行划分,养护类型可以分为日常养护、预防性养护和修复性养护三类,交通量等级分为轻、中和重三级,分别开发相应的子预测模型。结果发现,路段经修复性养护的路面性能衰减速率要大于日常养护;交通量等级越高,路面性能衰减速率越快。

关键词： 投弃式温度/温盐剖面测量仪   误差分析   校正方案   数据处理  

摘要： 投弃式温度剖面测量仪（Expendable bathythermograph,XBT）以及投弃式温盐剖面测量仪（Expendable Conductivity-Temperature-Depth profiler,XCTD）是走航观测海洋温深/温盐深剖面的重要仪器,其数据质量是保证其进入业务化系统的关键。国际上针对多公司生产的不同型号的投弃式剖面测量仪产品提出多种有效的数据处理和校正方案。虽然国内XBT/XCTD仪器已步入量化生产并投入大洋调查应用,但在数据质量控制和校正方向的研究极度缺乏,导致我国XBT/XCTD仪器现场测量数据处理和校正方案的研究空缺。因此,开展国产XBT/XCTD仪器的观测数据处理研究,提出数据校正方案,并进行应用具有重要的应用价值和发展意义。本文通过研究分析国内LMT XTD-800型和LMT XCTD-1000型探头在印度洋海域的现场观测数据,以同站位海鸟（SBE 911plus）CTD观测数据为比测基准,开展XTD/XCTD误差分析研究及其数据校正方案设计。本文针对该类型仪器提出完整的数据校正方案,提出并构建了不同型号仪器的下降速率方程（Fall Rate Equation,FRE）,弥补国内该项研究的空缺,并在实际量测数据中得到更加准确的校正结果。本文的主要研究成果如下:（1）针对国内投弃式仪器测量数据准确性不足与校正方案缺失的现状:通过对XTD/XCTD仪器设计方法及其投放环境分析,探讨水面瞬时响应,深度偏差以及纯温度偏差造成的影响。校正方案具体为通过数据质量控制标准筛选,滤波处理毛刺、高频噪音等异常值,校正压力传感器和温度传感器响应延迟。通过上述校正方案处理的两类XTD/XCTD数组校正结果显示:LMT XTD-800型探头温度均方根误差降低0.02℃,准确性提高9.5%;XCTD-1000型探头温度均方根误差降低0.07℃,准确性提高15.6%。同时对校正数据的分析表明,XTD/XCTD传感器响应延迟（深度偏移问题）是产生温度偏差的主要原因,为下一步改进数据校正方案提供了研究方向。（2）针对国内投弃式仪器深度测量准确性不足及缺乏FRE方程研究的问题:构建并确定LMT XCTD-1000型FRE参数方程D=6.7599t-0.000644t2-1.46,在此FRE方程基础上进行深度数据重建以实现深度数据校正。同时引入温度梯度校正方法进行深度和温度数据的重匹配。最终数据校正结果显示:通过FRE校正方法,温度数据RMSE降低0.14℃,整体温度数据RMSE提高31.1%。对比测量深度校正方法,数据RMSE提高18.4%,证明基于FRE方程的校正方法更为有效且广泛适用。最后,本文对目前XBT/XCTD仪器未来的发展趋势进行了进一步地探讨。

关键词： 温度应力观测   密集观测台阵   钻孔灌封   数据处理分析  

摘要： 温度和应力是重要的地震前兆观测物理量,它们能够反应地球的热状态和内部发生的动力作用,同时也反映地震的孕育与发生过程。温度应力连续监测的观测资料在地球科学的许多方面具有重要意义,并为地震预测及相关学科领域的科学研究提供基础观测数据。由于现有的温度应力观测模式所需的仪器成本较高,测点建设难度大,造成温度应力观测台站空间密度偏低,特别是围绕深大断裂和地震重点监视防御区的观测站点布设密度严重偏低,地震监测能力不足。本文基于国家重点研发专项研制的低成本、便携式、易安装的温度应力一体化测量传感器,以小江断裂带南段为监视区,开展温度应力密集观测台阵建设和观测数据质量评估与初步应用分析,主要开展以下研究:(1)研究了低成本目标下台阵测点施工建设方案结合当地的地质环境,在经济快速的目标下,提出温度压力的埋设方案:钻孔孔径不小于传感器及安装辅助器最大直径,钻孔深度达到当地地壳常温带深度,传感器安装到预定深度后,用石英砂或者混凝土填埋至传感器以上30cm处,再进行回填作业。以此测点建设方案,构建了间距为10km、110个测点的全球规模最大的温度应力密集观测台阵。(2)开展台阵观测效能评估针对构建的温度应力密集观测台阵的110个测点连续3个多月的观测数据,完成台阵观测效能评估。结果表明:台阵运行正常,自组网网络通信可满足数据实时传输需求,传输稳定。数据连续率可达99%以上。应力观测数据噪声低、日变显著,表明温度应力密集观测台阵施工建设方案可行,能够满足长期连续观测的需要,观测数据反应了岩石温度和压力的实际状态,可为地震前兆提取提供可靠的观测数据。观测台阵的建设成本低,建设速度快,组网结构简单灵活易于实现,能有效满足局部区域的温度应力观测需要,有效提高监视区温度应力观测数据的时空分辨率。可以为其他重点监视区构建密集综合观测台阵提供技术支撑和应用示范。(3)初步分析研究台阵温度应力的变化通过对台阵产出的温度应力观测数据的初步分析,得到无地震发生时的正常观测状态下:岩石温度观测数据:①自流井与观测点岩石温度无论是短周期(日变、三日变)变化、长周期趋势变化无显著关联性。②非自流井与观测点岩石温度无论是短周期(日变、三日变)变化、长周期趋势变化无显著关联性。③台阵温度数据自身随时间没有明显规律性变化。④台阵温度数据不受地表温度的影响。⑤台阵温度数据不受断裂带的影响。通过对应力观测数据初步分析。岩石应力观测数据:①台阵应力数据自身随时间没有明显规律性变化。②台阵应力数据不受断裂带的影响。通过对岩石温度应力联合分析。①短周期:观测点的温度和应力短周期(日变、连续三日变)无相关性。②长周期:观测点的温度和应力短周期(月变、连续三月变)无相关性。