期刊文献+

水质在线监测中的大数据应用探讨 被引量:2

下载PDF
导出
摘要 在当前高速发展的经济和科学技术带领下,环保技术发展也呈现一片繁荣。国内的水质监测工作中,一方面是需要大量实时而准确的水质监测数据为基础支撑,同时另一方面也对这些海量的水质监测数据的统计和分析技术提出了高要求。这些海量的水质数据既是长期的环保监测工作积累的成果,更是推动水质监测工作开展、提高环保行业主管部门管理水平和科研成果的重要数据资源。本文简单阐述目前国内水质监测技术中大数据的一些特点,分析大数据在水质在线监测中的一些应用,为相关环保从业者提供参考借鉴。
作者 秦渤
出处 《低碳世界》 2019年第6期30-31,共2页 Low Carbon World
  • 相关文献

参考文献3

二级参考文献20

  • 1万本太,蒋火华.论中国环境监测发展战略[J].中国环境监测,2005,21(1):1-3. 被引量:77
  • 2但德忠.我国环境监测技术的现状与发展[J].中国测试技术,2005,31(5):1-5. 被引量:100
  • 3张江龙.在线水质自动监测系统的基本构成和功能[J].厦门科技,2007(3):54-55. 被引量:15
  • 4刘青松.环境监测[M].北京:中国环境科学出版社,2003..
  • 5Tsang S,Kao B,Yip K Y ,et al. Decision trees for uncertaindata[J]. Knowledge &Data Engineering IEEE Transactions,2 0 0 9 ,2 3 (1 ):64 -7 8.
  • 6Hulten G , Spencer L , Domingos P. Mining time changingdata stre a m s[C]// Process of the Seventh ACM SIGKDDInternational Conference on Knowledge Discovery and DataMining. [S .l.] : ACM, 2001:97 -106.
  • 7Qin B , Xia Y , Li F. DTU: a decision tree for uncertain data[J]. Advances in Knowledge Discovery and Data Mining,2009,5476:4 -1 5 .
  • 8Gao C , Wang J. Direct mining of discriminative patterns forclassifying uncertain data [C] / / Proceedings of the 16thACM SIGKDD International Conference on KnowledgeDiscovery and Data Mining. [S. l.] ACM,2010:861 -870.
  • 9Cao K Y , Wang G , Han D. An algorithm for classificationover uncertain data based on extreme learning machine[J].Neurocomputing,2016,174:194 -202.
  • 10Liang C , Zhang Y , Shi P , et al. Learning very fast decisiontree from uncertain data streams with positive and unlabeledsamples [J]. Information Sciences, 2012, 213 ( 23 ):50 -6 7 .

共引文献68

同被引文献31

引证文献2

二级引证文献10

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部