教学课程资源库 更多>>

关键词： 大数据分析   桥梁健康监测   时间序列分析   数据预测   缺失数据填补  

摘要： 桥梁作为生命线的关键节点,其实用性和安全性关系到人们的日常生活和国民经济的发展。在其使用寿命期间,任何损坏或故障都可能会导致交通瘫痪,造成灾难性的财产损失,甚至是人员伤亡。因此,为了保证桥梁的安全性和耐久性,并掌握其健康状况,桥梁监测系统应运而生。目前,桥梁健康监测系统已被广泛安装于国内外各类桥梁之中。随着服役时间的增加,桥梁监测系统积累的大数据很多未被有效使用,有的由于传感器损坏或外部因素影响造成数据无法利用。因此,大数据分析方法处理桥梁健康监测数据被业内人士广泛关注。论文以桥梁健康监测大数据为研究对象,提出了两个组合模型,在预测桥梁健康状态的同时提高了预测精度,解决了监测数据中存在的异常值、噪声、缺失值等问题,并在工程实例分析中验证了方法的可行性和准确性。具体内容如下: (1)详细综述了大数据分析方法及其在桥梁监测数据预测中的应用现状,指出了大数据分析在桥梁健康监测中存在的问题,进而确定了文章的研究内容。 (2)基于实桥的健康监测数据,分析了存在的问题和验证了常见的解决方案,进一步确认在进行桥梁大数据分析前对监测数据进行预处理的必要性,为后文的桥梁状态预测分析研究奠定了基础。 (3)在SSA分解、重构、外推预测能力和SARIMA模型的基础上,提出了SSA-SARIMA预测模型,并研究了SSA模型的实际去噪能力和组合模型的选择。然后通过结合HW模型扩展了最优权重组合模型。应用实际工程证明了SSA-SARIMA组合模型和扩展的最优权重组合模型的预测能力比单一模型的预测能力有显著的提升。 (4)基于岭回归模型和SARIMA模型,建立了组合预测模型,解决了桥梁监测数据缺失和未来健康状况预测的问题。利用岭回归模型解决不同测点传感器数据之间的共线性,建立传感器之间的关系,对已知样本内的数据进行回归,结合SARIMA模型对样本进行外推预测,并设定合理的预警区间。该方法的有效性和准确性通过工程实例得到了验证。 (5)对研究成果进行了总结,并提出了进一步的研究方向。

摘要： 本文以财政重点领域——财政局部门汇总预决算报表为切入点，结合事业单位的预决算报表与企业财务会计报表的相似之处，选取广州、深圳、珠海、佛山、中山、惠州、江门、肇庆等大湾区八市，对2018年、2019年的预决算报表数据进行整理，借助EXCLE数据透视功能，把八市的预决算相关指标纳入一个分析模型里，设计以图表的形式展现指标，从宏观层面实现各市级单位同一部门范围内的财务预决算横向对比及自身预决算情况的纵向对比。

关键词： 温致响应   数据清洗   损伤评估   贝叶斯推理   张量学习  

摘要： 随着服役年限的增长,桥梁的关键受力构件病害频发。损伤不断在桥梁结构中累积,最终甚至会导致桥梁坍塌等恶性事件,因此在役桥梁健康运维的重要性逐渐显现。为了及时发现桥梁损伤并评估损伤程度,本文以贝叶斯鲁棒张量学习和贝叶斯时间自回归张量学习为基础,提出了一种由数据清洗和损伤评估组成的两阶段桥梁状态评估方法,并采用有限元模型的模拟温致挠度数据和铜陵公铁两用长江大桥六个月的实测温致挠度数据验证了方法的有效性。本文取得的成果如下: (1)根据数据清洗和损伤评估的需求,引入贝叶斯鲁棒张量学习和贝叶斯时间自回归张量学习,介绍了两个模型的建模和推导过程,并使用Gibbs采样作为模型求解的方法。此外,为了捕捉多测点监测数据的对称性,本文将贝叶斯鲁棒张量学习拓展至贝叶斯鲁棒高阶张量学习,以实现更高精度的数据清洗。 (2)总结了4种实际监测数据中常见的异常数据类型,然后使用小波包分解从铜陵桥实测挠度数据中提取出温致挠度数据,并按照设计的多种异常工况将模拟异常数据添加至实测温致挠度数据中,实现了多种复杂异常工况下基于贝叶斯鲁棒张量学习的数据清洗。研究了张量预设秩对数据清洗效果的影响,得出为了平衡清洗效果和计算效率应设置较小张量预设秩的结论。本文进一步研究了贝叶斯鲁棒张量学习清洗能力的极限。此外还使用贝叶斯鲁棒高阶张量学习实现了相同工况下精度更高的数据清洗。 (3)研究了基于贝叶斯时间自回归张量学习的桥梁损伤评估方法。首先提出基于贝叶斯时间自回归张量学习的桥梁温致响应预测方法。桥梁损伤后桥梁多测点温致响应之间相关性将发生变化,而通过对比实测温致响应和预测温致响应可以捕捉这种相关性的变化。因此根据实测温致响应和预测温致响应之间的差异构建了4个损伤评估指标。随后使用有限元生成桥梁无损和有损状态下的模拟温致挠度数据集,并使用模拟无损数据集验证了损伤评估指标在桥梁无损状态下的稳定性;使用模拟有损数据集研究了损伤评估指标在桥梁不同程度损伤状态下的变化特征,验证了损伤评估指标在桥梁有损状态下的有效性。最后为了消除单测点损伤评估指标在不同测点上的离散性,建立了多测点损伤评估体系,设定同时有2/3以上多测点损伤评估指标超限的损伤预警条件。 (4)针对桥梁长期实测温致响应数据中存在的季节性,提出了适用于长期监测数据的桥梁损伤评估方法。设计了新的时滞向量以充分学习桥梁长期温致响应数据中的时空相关性。然后通过利用桥梁温致响应数据的季节性解决了基于贝叶斯时间自回归张量学习的预测方法中存在的因测试集和训练集数据温度荷载明显不同导致预测效果变差的问题,以确保所提桥梁损伤评估方法的准确性和有效性。最后使用铜陵桥六个月的实测温致挠度数据验证了所提损伤评估方法在实际应用中的稳定性。

关键词： 物联网   大数据分析   图像识别   数据预测  

摘要： 贫困问题一直是人类共同关注的核心问题,脱贫攻坚是习总书记亲自部署的重点民生工程,与国家进步、民族发展密不可分。西安电子科技大学作为中央直属高校,积极响应党和国家号召,参与扶贫事业。2013年起,根据国务院扶贫办、教育部党组统一安排部署,定点帮扶陕西省蒲城县。本论文依靠学校科技扶贫项目,结合蒲城县实际情况,搭建基于大数据、物联网的智慧农业监测平台。为了顺利完成蒲城县的脱贫攻坚任务,本论文主要从降低成本、提高效率、增加利润三个方面进行研究,帮助农民脱贫致富。 首先搭建了基于光伏发电的智慧农业监测系统,主要包括数据采集系统和回传系统两部分。数据采集系统采集环境数据信息及监控图像,回传系统则将信息经4G网络上传云端,为后续的病虫害检测系统和价格预测系统提供数据保障。 在目标检测领域,主流的目标检测算法主要包括Yolo算法以及CNN卷积神经网络算法,针对小目标检测的问题,Yolov5算法具有较高的精度和更快的速度。因此,本论文选用Yolov5算法对金银花进行病虫害检测。然而,在金银花生产用地复杂的情况下,Yolov5算法精准度还有较大的提升空间。基于此,本论文以Yolov5算法为基础,对其进行研究,对原有模型进行改进。首先在原始的Mosaic增强方式上进行改进,将原始的通过四张图像进行随机裁剪、旋转、缩放等操作拼接图像改为九张,减小了数据量,丰富了检测目标的背景,另一方面,本论文采用候选框加权融合的方法确定最终的候选框,减小直接舍弃得分较低的候选框导致部分目标特征信息缺失带来的影响。通过对比实验证明,改进的目标检测算法对金银花病虫害检测的准确率更高,检测速度更快。 为了提高农户的净利润,本论文设计了金银花价格预测分析系统。首先分析了金银花价格的波动特征,结合波动特征,对影响金银花价格波动的影响因素进行了量化研究,建立影响因素指标体系,主要包括历史价格、病虫害情况以及气候因素等。为了解决随机变量导致的误差增大等问题,本文通过AHP层次分析法计算各影响因素对金银花价格波动所占的权重,建立基于ARIMA模型与指数平滑模型的组合预测模型,实证分析金银花价格的波动情况。实验结果证明,建立的组合预测模型对金银花价格预测的误差值比单一模型的误差值低,预测效果更好。最后,本文基于Android系统研发移动终端app,用户可以直接在移动终端查看农业生产用地的环境数据信息,根据数据信息及时调整生产进度。

关键词： Bayesian statistics   Big data   Biomedicine   Machine learning  

摘要： Pregnancy is a fascinating biological process in which the best theory and evidence suggest that the mother and newborn form two divergent processes which are themselves integrated into the surrounding environment. Thus, the early life health profile of a newborn depends closely on that of their mother as well as environmental factors during pregnancy. While many previous studies have provided evidence for such associations, they either tend to have small sample sizes and hence limited statistical power, or only have studied a few of the factors in isolation. In this study, we systematically probed the associations by means of principled Bayesian data analysis on a very large commercial insurance claims dataset based in the United States. After a brief exposition of the prerequisite of the statistical models employed in our study, we first identified newborns in the dataset with potential mothers using appropriate diagnostic codes, which served as the foundation of our subsequent work. Using this matched newborn--mother cohort, we first re-examined more than a hundred previously reported associations between the sex ratio at birth, also known as the secondary sex ratio, with environmental, socioeconomic and other stress factors. By showing that these association did not form discernible patterns that popular adaptive theories of sexual selection predict, we provided further evidence against these theories and call for a reformulation of this particular area of evolutionary theory for humans. To demonstrate further use of the matched cohort, we performed a large cohort study on the associations between early-life neurodevelopmental disorders and maternal immune activation, use of anti-infective prescription and various adverse birth conditions. Echoing recent results suggesting a common aetiology of early life immune system diseases and neurodevelopmental disorders as disruptions to modules of the microbiota--gut--brain axis, our results demonstrated that many risk f

关键词： 学生画像   大数据分析   事件类型   高校育人  

摘要： 大数据作为一场技术革命，促进了高校育人机制的革新。本文依托大数据平台，运用MySQL、Redis、Python、pandas等软件开发与数据分析工具，以某一个高职院校学生数据为研究样本，建立身份类型，事件类型、业绩信息等标签模型，形成重点帮扶、潜在问题、励志模范等分层学生画像，通过分析数据相关性、关联关系、趋势动态，构建“学生个体画像与群体画像”。研究发现：不同时间段有对应较高的事件类型，反映了学生群体画像的发展趋势；身份类型与事件类型存在关联，体现了学生群体的个性特征；事件类型中的干部培养类别、师生关系类别、违纪违规类别与业绩信息中的成绩、奖惩呈现相关关系。

关键词： 基因大数据分析与应用   隐私保护   安全多方计算   恶意模型安全   联邦学习  

摘要： 对基因数据的深度挖掘与分析对人类疾病预防与治疗有着至关重要的作用。近年来,随着基因测序技术的快速发展和基因测序的成本不断降低,基因数据量得到了巨大增长,大规模的数据量有利于促进对基因数据的精准分析和利用。基因数据拥有高敏感和维度庞大两个特性,因此实现隐私保护且高效的基因数据分析与利用是一个重要研究方向。由于使用隐私保护技术实现高维度基因数据统计分析会导致巨大开销,使得应用过程中存在着安全性和效率之间的难平衡问题。鉴于此,本文以基因大数据分析和利用过程中存在的安全性和效率为切入点,通过结合安全多方计算和联邦学习等技术,旨在针对基因数据使用过程中的多种分析与利用场景构造安全性更强、效率更高的技术方案,促进隐私保护的基因大数据研究落地应用。具体来说,本文的主要研究内容和创新成果总结如下: ·高效隐私保护全基因组关联性研究方案。针对全基因组关联性研究中存在的隐私和效率问题,研究一种隐私保护且高效的全基因组关联性研究方案,基于安全三方计算技术为全基因组关联性研究涉及的几个主要流程设计了相应的半可信安全协议,包括安全质量控制协议、安全主成分分析协议、安全Cocharan-Armitage趋势性检验协议和安全逻辑回归协议,其中设计了效率更高的安全比较协议用于提高方案整体效率。为了实现更强的安全性,进一步设计了恶意模型下安全比较协议,并实现恶意模型下安全的全基因组关联性研究方案。安全性分析证明本文所设计方案满足数据隐私保护需求,实验分析结果表明本文所设计的隐私保护全基因组关联性研究方案效率得到提升。 ·面向疾病诊断模型训练的隐私保护且拜占庭鲁棒联邦学习方案。联邦学习可用于多个数据拥有者合作训练疾病诊断模型且保护数据拥有者的数据,促进医疗数据的安全共享和分析。为了解决联邦学习中现存的隐私泄漏问题以及保证联邦学习的鲁棒性,利用安全三方计算技术实现对模型的增强隐私保护,同时在保护隐私的情况下实现对恶意参与者攻击的有效防御。具体地,为了提高方案效率,针对防御方法中涉及的大量top-k操作,设计了基于安全三方计算的高效安全top-k协议和安全置乱协议,以此作为基础模块实现了隐私保护且拜占庭鲁棒的联邦学习方案,为基于基因数据的疾病诊断模型训练提供增强隐私保护和保证可用性的技术支撑。安全性分析证明本文所设计方案满足隐私性。实验结果表明所设计的方案在存在恶意联邦学习参与者时具有鲁棒性,进而保证训练模型的可用性,适用于面向疾病诊断模型训练的基因数据安全共享。 ·面向基因数据应用的抗恶意服务器安全预测方案。随着机器学习相关算法性能的不断提升,机器学习即服务这种方式近年来受到广泛应用,在这种模式中,一个拥有已训练模型的服务提供商为用户们提供直接的预测服务从而提供便利。为了解决基于基因数据的疾病诊断服务场景中存在的隐私和结果可用性问题,研究一种恶意模型下安全高效的模型预测服务,提出了在机器学习预测服务中同时实现隐私保护、模型准确率和计算正确性验证的更优效率安全预测服务方案。通过提出Mix-and-Check方法,以高效的方式实现对计算正确性和模型准确率的验证,确保服务提供商使用高质量模型为用户提供预测服务并且正确遵守计算协议,从而保证预测结果的可用性。安全性分析证明了所设计的安全预测方案满足上述三个安全目标。实验结果表明,本文所提出的安全预测方案在计算和通信开销方面具有明显优势,展现了实用效率,适用于面向基因数据的疾病预测服务,能够保证数据隐私性和结果可用性。

关键词： 铝电解   大数据分析   可视化技术   决策树   平行坐标  

摘要： 铝电解生产过程会产生大量数据,这些数据作为工业4.0创造价值的原材料隐含着大量有价值的信息,有效分析这些数据信息能提高生产效益。但是,铝电解数据存在规模大、种类多、流转快、价值密度低等分析难点,企业传统的数据分析方式无法满足需求,而良好的可视化分析技术能够从海量数据中挖掘隐含信息,进而解决该难题。因此,本文以铝电解生产数据为研究对象、以可视化技术设计为研究目标、以基本参数的异常与关联性可视化分析技术、关键参数的决策方法、关键参数整体可视化分析技术为研究内容展开,旨在直观呈现铝电解大数据背后的价值,帮助铝电解企业科学、有效的决策。本文的主要工作包括:(1)针对传统方法无法有效分析铝电解基本参数的问题,设计多种可视化技术,用来分析参数的异常与关联性。首先,从静态分析的层次针对单参数、多参数的特点设计了7种可视化技术进行分析。然后,从动态分析的层次设计监控大屏,实现多角度、多视图协同动态分析。最后,结合多种算法与可视化技术,初步处理分析结果反映出的异常、挖掘参数间的关联性。(2)针对人为对铝电解关键参数无法及时做出科学决策的问题,改进ID3与C4.5两种机器学习算法,用来构建结合专家经验与机器推理的决策方法。首先引入AF关联机制、Gini指数改进原始的ID3、C4.5算法,解决原始算法分析铝电解大数据时运算效率低、决策效果差的问题。然后,利用关联性分析后的数据训练改进的算法,对出铝量、电解温度、分子比的值进行决策,相较于原始算法,改进算法的决策正确率最高分别提升了2.12%、1.43%、1.39%。最后,设计树状图可视化分析形成的决策规律。实验结果表明,企业管理者能够通过该方法科学有效的决策铝电解生产的关键参数。(3)针对现有可视化技术无法有效分析铝电解多个不同关键参数的问题,改进平行坐标可视化技术,以一种可视化技术分析多个处理后的关键参数的整体规律。首先,针对性的引入KPCA降维技术、谱聚类技术解决原始技术可视化铝电解大数据时可视性低、规律不明显等问题。然后,融入轴排序技术、贝塞尔曲线化技术增强折线的聚集性与视觉的连续性。最后,融合交互技术分析多个关键参数的整体规律。实验结果表明,所提方法改善了可视化效果、提高了管理者分析、获取数据整体规律的效率,增强了企业挖掘铝电解大数据背后价值的能力。

关键词： IPD   研发管理   项目进度管理   大数据分析平台  

摘要： 随着企业数字化转型的不断推进和数字经济的持续增长,数字化转型已成为不可阻挡的趋势。在这一转型过程中,大数据平台作为关键的底座平台直接影响着企业数字化转型的成功与否。随着业务场景的多样化,大数据平台研发项目变得更加复杂,这一复杂性给项目进度管理带来了巨大挑战,因此对大数据平台研发项目的进度管理研究显得尤为重要。A公司是一家企业级大数据平台软件厂商,专注于为企业提供全面的数字化转型服务,以满足其业务需求。大数据分析平台作为该公司的核心研发项目,目前面临严重的项目进度管理问题,可能导致项目延误。这个项目规模庞大,包含17个子系统,且存在的进度问题有突出的代表性,具备高度的研究价值。论文以A公司大数据分析平台研发项目进度管理作为研究对象,以研发管理、项目进度管理和IPD方法为理论基础,通过对A公司大数据平台开发项目的现状进行调研,提炼出项目进度管理现存的问题,并对关键问题进行深入的原因分析。通过引入IPD方法,从研发项目组织结构与研发管理流程两个维度提出了项目进度管理优化方案。最后,将优化方案进行了实施,评估效果验证了基于IPD方法搭建研发项目管理体系对项目进度管理具有科学性与可行性。本研究通过改进大数据分析平台研发项目的进度管理问题,优化了 A公司研发项目管理体系,使其更加适应复杂、多变的项目环境。研究结论对于其它数字化转型领域企业的研发项目进度管理具有一定的参考和借鉴意义。

关键词： 入境旅游   目的地评估   概率语言术语集   多属性决策   大数据分析  

摘要： 入境旅游在扩大外汇、增加就业、提升国际知名度等方面具有积极意义,因此拓展入境旅游市场成为各城市提升自身竞争力和扩大对外经济贸易优势的重要手段。随着我国经济发展水平和旅游资源禀赋的提升,入境游客偏好逐渐多样化,从而导致入境旅游规模差异不断扩大。因此,为了加强世界旅游建设,构建合理和科学的评估模型对各旅游地进行竞争力分析是非常必要的。然而,在决策过程中,存在某些很难用具体数字表达决策者偏好的情况,为了突破这一困境,基于概率的语言词汇系统应运而生。概率语言术语集是决策理论中的一项重要内容,它通过语言标度和对应的概率将决策偏好转化为定量信息,使评价结果更易于接受。基于以上分析,本文在概率语言环境下对入境旅游目的地选择这一多属性决策问题进行了深入地思考和探讨,通过多种影响因子和评估方法对旅游地进行综合评估。本文取得的研究成果如下:(1)基于我国入境旅游目的地选择的相关研究现状,识别有关入境游客选择的影响因素并构建合理的入境旅游目的地评估指标体系;(2)针对入境旅游目的地竞争力评估信息为概率语言术语集,且属性权重未知的入境旅游目的地选择问题,分别提出了概率语言MAUT评估模型、概率语言PROMETHEE II评估模型、概率语言PAMSSEM II评估模型,并将MAUT和PAMSSEM II方法组合应用于概率语言环境;(3)将本文构建的四个评估模型应用到入境旅游目的地选择算例中,并对大量旅游样本进行大数据分析。同时,利用有效性检验和对比分析来验证以上四个模型的性能,并指出方法组合应用的优势。本文的创新之处在于:(1)对多属性决策方法进行组合设计,从而提高方法的整体性能;(2)构建以定性指标为主的旅游目的地评估指标体系,以拓展传统的入境旅游目的地评估方法。