复合多尺度注意熵在旋转机械多工况损伤识别中的应用

针对传统旋转机械损伤识别方法存在模型精度低和抗噪性差的问题,提出了一种基于复合多尺度注意熵(CMATE)和随机森林(RF)的旋转机械多工况损伤识别方法。首先,提出了一种新的测量时间序列复杂度的非线性动力学工具——复合多尺度注意熵;然后,利用CMATE提取旋转机械振动信号的损伤特征,其表征了旋转机械不同工况下的损伤特性;接着,将损伤特征输入至基于随机森林构造的多类别分类器中,进行了损伤识别;最后,采用滚动轴承-齿轮箱、齿轮箱和离心泵3种旋转机械数据集,并分别构造了9种工况和20种工况的多工况损伤数据集,对该损伤识别方法进行了实验研究。研究结果表明:该旋转机械损伤识别方法分别取得95%、97%和100%的识别准确率,在准确率和特征提取效率两方面优于其他的非线性动力学工具;并且在0 dB、1 dB、2 dB和3 dB这4种不同信噪比的噪声干扰下,依然取得了不错的损伤识别结果,证明了该模型具有可观的抗噪性;同时,该损伤识别方法能够稳定地识别旋转机械的不同负载和转速下的损伤,平均识别准确率分别达到了97.2%和93.5%,具有较好的实际应用潜力。

基于改进ABC算法的电梯群控调控系统在智能化建筑中的应用

针对智能建筑中电梯调度的能源浪费问题和服务体验差的问题,研究改进ABC群体智能算法应用于电梯群控系统中。通过构建电梯群控的能耗函数和时间函数最为优化调度的指标,研究划分了电梯的交通模型,并采集数据构建了仿真数据集。通过仿真实验证明,改进ABC电梯调度方法下,乘客的平均等待时间和评价乘坐时间分别比PSO算法少4.9s和0.9s;下行模式的能耗和层间模式能耗分别比PSO算法减少了0.280kwh和0.947kwh。实验表明,改进的ABC电梯群控算法可以有效减少乘客的电梯交通时耗与能耗,该方法下,建筑运行更符合绿色低碳经济发展的要求。

大数据背景下国际贸易面临的挑战与对策研究

大数据是国家高效率治理发展的一种重要手段,可运用在很多领域。国际贸易的广泛开展对企业带来了新的挑战,企业在国际贸易的过程中不仅要高效率地收集数据,保证数据量的多元化,也要保障各有关部门之间信息资源共享的开放程度,以及职权部门信息的安全交换等,这样才能促进国际贸易的创新与发展。大力投入新型的分析系统建设,进行信息数据的高效分析,不仅能实现数据资源的高效利用,最终还是能惠及到普通人民,提高大家的生活质量和经济水平,实现国家经济上的发展和全民生活水平的提高。因此,本文围绕大数据,论述大数据背景下国际贸易面临的挑战与对策。

基于大数据背景的计算机网络信息安全与防护探讨

伴随着我国社会经济的快速发展,计算机网络在人们日常生活与工作、社会生产中的作用越来越明显,然而计算机网络在为社会带来便利的同时,其信息安全问题也越来越突出。提高计算机网络信息安全性不仅关乎到人们的隐私安全,同时还关系到国家的网络信息安全,不断加强计算机网络信息安全十分有必要。大数据时代,影响计算机网络信息安全地因素有自然灾害、网络开放性、操作失误以及黑客攻击,为了进一步提高计算机网络信息安全水平,需要应用防火墙技术、安装杀毒软件以及重视网络监管,从多个方面入手全面提升我国计算机网络信息安全性。

基于大数据的计算机实验室实践教学管理探讨

在当前大数据技术快速发展的时代背景下,学校教育工作开展也发生了较大的变化,基于大数据的计算机实验室教学管理逐渐受到人们的关注和重视,为促进教学工作的顺利开展,必须对教学管理工作进行优化和完善,以提升其在实际教学中的作用。对大数据计算机专业实验室应用的作用展开分析,在此基础上探讨大数据计算机专业实验室实践教学管理,希望能够促进大数据计算机专业实验室实践教学工作的开展。

大数据时代统计专业人才培养方式的研究

大数据时代的发展离不开统计专业人才,如何培养统计人才以适应大数据时代的要求,已成为高等学校经济统计专业面临的重要问题。该文对大数据时代统计专业人才培养方式进行研究,同时分析了大数据时代对统计专业人员的要求及工作中存在问题,有针对性地提出一些解决方案,希望提升统计专业人才培养效果。