教学课程资源库 更多>>

关键词： 大数据分析   小数据分析   相关关系   因果关系   用户画像  

摘要： [目的/意义]本文从融合大小数据分析的角度,深入用户偏好形成的内部机理,构建包含因果关系标签的用户画像,提高其在应用中的预测能力。[方法/过程]通过大数据分析获取用户偏好的关联关系,为量表式小数据分析提供理论假设素材并获取用户偏好的因果关系,通过语义集成形成完整的用户偏好标签体系。[结果/结论]以互联网股票投资领域进行数据实验,本文所提出的理论框架和方法能够深入用户偏好形成的心理,提高用户画像分类预测的能力。

关键词： 大数据分析   造纸企业   仓储物流   智能化   物流管理   自动化  

摘要： 经济高速发展,使得纸张需求量急剧加大,对造纸企业的生产效率与仓储物流能力提出了更高的要求。现有仓储物流系统存在着空间利用率低、作业效率低等问题,无法满足造纸企业的需求,提出基于大数据分析的造纸企业仓储物流系统设计研究。设计系统硬件单元包括射频识别设备选型单元、温湿度传感器设计单元与仓储物流装载容器设计单元;软件模块包括仓储物流节点设置模块、仓储物流数据整合存储模块及其仓储物流调度优化模块。通过上述硬件单元与软件模块的设计与开发,实现了造纸企业仓储物流系统的运行及其应用。实验结果显示:与对比系统相比较,应用设计系统获得的仓储物流空间利用率更高,作业效率更快,充分证实了设计系统仓储物流性能更优质,适合大力推广与应用。

关键词： 税收风险   风险管理   大数据   Hadoop分布式文件系统   大规模数据处理引擎  

摘要： 为实现更好的税收风险管理,提高税收风险的科学性和可应用性,完善税收风险管理基础,提出了税收数据库和税收风险管理相结合的支撑着风险排序、风险查询和风险指标管理的税收风险管理平台。该平台能解决税务部门在现有税收风险分析平台无法处理大量数据的问题,有利于税务部门从大量数据中找出税收过程中可能出现的各类风险,从而可以根据风险提示避免、减少和预防此类风险的发生。

关键词： 光缆检测   大数据分析   实时检测   设备性能  

摘要： 为提升电站光缆检测自动化水平,以Spring框架和MyBatis框架作为系统开发框架,高级着色语言GLSL和C++作为服务开发语言,从系统模块、通讯模块及数据3方面设计了基于电力通信动静态资源的光缆数据实时在线监测系统。系统采用B/S架构来实现,并对海量光缆历史数据进行分析及拓扑图绘制,实现光缆数据的实时检测、设备性能分析、系统管理等功能,指导和建议运维人员进行相关操作,进一步提升电站的智能化水平。

关键词： 合理范围   大数据分析   线损分析   用户用电行为   台区线损   违约用电   反窃电工作   耗时费力  

摘要： 随着反窃电工作的持续开展,国网株洲供电公司10千伏配电线路线损日益趋于合理范围之内,台区线损下降至一定空间,很难继续降低。同时用户违约用电、窃电手段多样且极其隐蔽,地毯式的全台区排查耗时费力,降损工作进入瓶颈阶段。为了寻求突破,达到规范用户用电行为、降低台区线损、提质增效的目的,该公司启动了“破冰”行动,大数据分析数据、人工进行研判、仪器进行认定。如此往复,通过长期的摸索和大量实践,该公司研究出分支线损分析法适合当前线损形势和现状,该方法已在低压和高压用户反窃查违中得到广泛应用,并取得了良好成效。

关键词： 数据安全治理   大数据分析   工伤保险系统  

摘要： 在数字化转型背景下,工伤保险系统的智能化升级已成为优化服务效能与风险管理的重要路径。本研究以电子工程技术为核心,结合人工智能与大数据分析,构建多维度技术框架,重点突破数据安全治理、业务流程自动化及跨系统协同等关键问题。通过引入区块链技术强化数据可信度、搭建智能决策模型提升风险预警能力,并结合移动化服务优化用户体验。实证分析表明,技术融合可显著提高工伤认定效率30%以上,降低管理成本25%,为工伤保险系统的现代化转型提供理论支撑与实践参考。

关键词： 校园大数据分析   可视化   信息化  

摘要： 校园信息化的实现,可将数据处理系统与基层数据产出端进行对接,分析出不同数据比对下的差异问题,进而为后续校园教育管理工作的开展提供数据支撑。基于此,本文以校园大数据预处理工序为切入点,对学生数据库建设及可视化的实现进行研究。

关键词： 纯电动城市客车   能耗   影响因素   大数据  

摘要： 基于20余万辆纯电动城市客车的日常运营监测数据,分析纯电动城市客车的实际能耗情况,以及车辆质量、交通拥堵程度、环境温度和地域分布等因素对能耗的影响程度。

关键词： 大数据分析   随机矩阵理论   态势感知   智慧电网  

摘要： 当任务是态势感知时,数据驱动的方法适用于具有大量数据集的复杂电网。然而,如何有效地将这些海量数据集转化为有用的大数据分析是一个问题。为了解决该问题,基于随机矩阵理论,提出了一种不需要物理模型参数的知识的数据驱动的方法。该方法将大量数据集建模为大型随机矩阵,通过对矩阵进行计算实现对电力系统的分析。通过实验表明,结合模拟数据和现场数据,验证了所提出的新算法的有效性。

关键词： 新能源汽车   充电桩   云计算   大数据分析   深度学习   随机森林算法   模型优化  

摘要： 目前新能源汽车充电桩的测试和运维仍采用工程师进行现场测试和维护的传统方式,这已无法满足充电桩爆发式增长的检测和运维需求。另一方面,虽然充电桩TCU单元可以与充电控制器进行CAN通信,并记录数据,但由于硬件设计缺陷无法进行高速采集,记录的信息十分简单,因此无法反映充电细节,更无法记录新能源汽车与充电桩之间真实的交互过程和信息。文中介绍了采用高速数据采集技术、机器学习技术对新能源汽车充电故障进行采集和识别,实现故障在线诊断、故障预测等功能。设计了一种安装在充电桩内部的故障监控系统,该系统采集电压、电流、门禁、急停等信号,并通过IoT技术上传到云服务器。结合数据处理技术,随机森林分类算法提出了一种充电桩在线诊断故障方法,最终实现充电桩的智能运维。文中简要介绍了随机森林思想及其核心算法,及其拓扑和训练过程,分析了训练结果的均方误差和训练损耗,并对模型进行优化,以提高精度,同时对避免过拟合等问题进行了探索,最后通过项目实际应用对比了故障预测与真实情况的误差,得到故障识别准确率超97%的结论。