RDF技术资源化处理园林废弃物的应用研究——以佛山市南海区为例

在垃圾分类、碳减排、碳达峰碳中和及无废城市建设的政策导向下,开展园林废弃物资源化利用,建设投资低、运行成本低、资源化产品附加值高的现代化园林废弃物资源化处理系统是当代固废资源化研发工作的重点,也是当今城市发展中急需解决的问题。佛山市南海区园林废弃物资源化利用中心采用垃圾衍生燃料(RDF)技术对园林废弃物进行资源化处理,其主要由粗破碎、粉碎、热源混气、烘干、造粒、冷却打包及降温除尘等处理工序组成,主要资源化产品为垃圾衍生燃料和生物质粉碎料。该中心占地面积为4 667 m2,总投资为1 037.81万元,设计处理规模为120 t/d,年累计处理园林废弃物3.96万t,共生产垃圾衍生燃料1.49万t、生物质粉碎料0.56万t,年经营收入为1 096.92万元。该项目较好地实现园林废弃物的资源化和能源化利用,其成功实施不仅带来显著的示范效应,还为其他城市园林废弃物的资源化利用提供有益借鉴。

RDF替代燃料处置通道优化改造

水泥行业持续下行,深挖燃料替代成为水泥窑协同单位的生存之道。本文通过对大倾角固态处置系统实施RDF处置通道技术改造,总结其输送装置加装及运行过程中存在的问题,并对设备参数进行优化调整,显著改善了RDF输送过程中的堵料及架空问题。该项技改可实现RDF连续稳定投加,且台时最高可达到5 t/h,可节煤3 t/h以上,节能降耗成效明显。

基于RDF的语义知识超图存储研究

针对资源描述框架(resource description framework,RDF)存储效率低、难以存储复杂语义关系等问题,本研究引入超图理论,探索一种融合超图理论的语义知识图谱存储模型,以期实现RDF对超图数据的存储,为其他学者利用RDF构建知识超图提供参考。本研究构建了适用于超图结构的语义知识超图(semantic knowledge hypergraph,SKH)模型,与语义知识图谱(semantic knowledge graph,SKG)进行对比,分析其存储效率与复杂语义关系存储能力,并论述其在知识检索、知识推理、数据转换与可视化等方面的应用。研究结果发现,SKH模型具有比SKG更优的存储效率与复杂语义关系存储能力,SKG的知识检索和知识推理方式也适用于SKH模型,SKH模型数据在一定程度上能与SKG数据相互转换,SKH模型具有更加多元且表意丰富的可视化方式,对于信息资源管理领域复杂语义存储具有重要意义。

基于RDF的生活垃圾生态处置研究

城镇生活垃圾生态处置是目前研究的热点问题,本文主要进行的是RDF能源化转化和垃圾综合利用技术的探索。本文提出了生活垃圾综合处置的创新性方案,并结合RDF工艺方案,成功开发了一套包括生活垃圾处置在内的固体废弃物制备RDF系统,系统包括生活垃圾撕碎机、滚筒筛、正负压风选机等处置装备,可抑制、消除恶臭气味的除臭技术方案等。

RDF数据查询处理技术综述

随着语义网以及信息抽取技术等研究的发展,Web上涌现出越来越多的RDF数据,海量RDF数据的管理,已经成为学术界和工业界研究的热点之一.从RDF数据集形态及RDF数据组织存储两个维度以及查询表述、查询处理、查询优化等方面,深入地分析和比较了RDF数据查询处理方法,并在此基础上提出了未来研究的方向和挑战.

基于关键字的RDF聚合查询研究

目前RDF数据上关键字查询转换为结构化语句的算法主要支持对于一般图元素的查询,而无法转换为包含聚合操作的结构化语句。关键字存在大量候选解释,且可能同时匹配聚合操作或图元素,这导致查询中聚合意图的理解非常困难。对此,提出将关键字查询自动转换为可能包含聚合操作的SPARQL语句的算法。算法对SPARQL所支持的聚合操作进行分类,获得关键字与聚合类别的匹配字典,进行关键字映射,计算关键字可能指示聚合意图的概率,确定候选查询解释,并利用模式图获得查询意图,设计意图分数计算方法和查询转换算法,得到对应的查询语句。LUBM和DBLP数据集上的实验验证了算法的有效性和准确性。

大规模RDF三元组转换及存储工具比较研究

富含语义知识的数据网络是实现大数据智能的基石。资源描述框架(Resource Description Framework,RDF)是用于描述网络资源的W3C标准。大规模转换、存储管理RDF三元组是构建关联数据网络或语义知识图谱,实现数据可查找、可访问、可交互、可再用的重要路径。本文选择国际主流的10种RDF三元组转换工具,以及6种广受欢迎的RDF存储系统,从技术原理、性能特点及应用场景等多个视角进行对比分析,并总结存在问题和不足。提出未来大规模RDF三元组数据转换与存储管理需要实现的目标是实现RDF抽取、转换和加载(ETL)的流程化和集成化,并重点支撑4类典型应用需求场景,包括从非RDF数据到RDF数据的转换,不同RDF数据格式之间的双向转换,RDF三元组在数据库之间的数据迁移,以及RDF数据的动态更新和进化管理。

基于图聚类算法的大规模RDF数据查询方法研究

提出一种针对大规模RDF(Resource Description Framework)数据的高效而又准确的查询方法,此方法基于图聚类算法.首先利用已被证明在处理大规模图数据时效果最好的图聚类算法对大规模RDF数据进行划分,得到一个划分结果.这个划分结果满足,划分子集内部连接非常紧密而划分子集之间连接非常稀疏.然后根据RDF查询请求对划分结果进行特定的筛选,在筛选所得的RDF数据子集上执行查询操作,从而节省大量查询响应时间,提高查询效率.我们实现了这一查询方法,并选取几个具有代表性的大规模RDF数据集进行了性能实验.实验证明,相比单纯运用目前效率最高的RDF-3X查询引擎进行查询的方法,本文提出的方法在保证较高查全率和查准率的前提下,能够大大提高查询效率.

基于Hadoop的RDF数据存储及查询优化

随着资源描述框架(resource description framework,RDF)数据量的快速增长,利用分布式的方法来存储和管理大规模RDF数据成为当前的研究热点。为了实现对海量RDF数据的高效存储和查询,研究了RDF三元组在分布式平台Hadoop中的存储和查询方法,提出了一种新的基于Hadoop的RDF数据处理优化方法,通过采用基于HBase混合式数据布局方法以及引入MapReduce连接查询的I/O代价模型来对海量RDF数据的查询进行优化。在LUBM标准测试数据集中进行了实验,结果表明该方法能够在保证空间效率的前提下,有效地提高复杂查询的效率。

垃圾衍生燃料RDF作为替代燃料在水泥窑中的应用探讨

0引言RDF是指垃圾衍生燃料(Refuse Derived Fuel,简称RDF)。近段时间,广东东莞、佛山、梅州等地出现20多家以碎布条为主要原料的RDF生产厂家,为发电厂、水泥厂和造纸厂等生产固废替代燃料,垃圾衍生燃料RDF市场可以说是风起云涌。对于水泥行业来说,煤炭价格的高涨。

基于关键词的RDF数据查询方法

在建立关键词倒排索引和路径索引的基础上,提出一个利用量化均衡规则和等距规则的启发式查询算法,并按照查询结果的大小排序返回最相关的前k个结果.通过建模RDF数据为RDF句子图,将文本信息封装到句子节点,同时将查询结果建模为包括所有查询关键词并且叶节点是关键词节点的无根树,将关键词查询问题转化为斯坦纳树问题.假设RDF句子图包括n个节点,最坏情况下索引占用的空间是3n2.假设关键词节点数为k,查询算法的时间复杂度为O(kn).该方法不需要依赖RDF数据的模式信息,支持对数据中的属性和关系名进行关键词查询.实验证明该方法能够快速而有效地实现RDF数据的关键词查询.

基于RDFS网络文本数据表示的金融风险研究

金融是现代经济的核心,如何防范和化解金融风险成为重要课题。文章针对互联网海量文本数据,基于RDFS方法进行金融风险识别的研究,并构建了基于RDFS的互联网金融文本数据风险识别模型。第一步是对互联网数据源的金融文本数据进行数据预处理;第二步是对文本数据进行信息抽取,并将抽取的信息进行有效的RDFS数据表示;第三步是基于RDFS数据表示对文本数据进行有效的分析预警。

RDF数据浏览的研究综述

随着语义网的快速发展,目前Web上语义网数据已经达到相当的规模,成为重要的信息和知识来源。因此,RDF数据浏览的研究开始得到广泛关注。通过对比传统Web信息浏览和RDF数据浏览两个问题,指出RDF数据浏览的5个重要问题:确定浏览子图的模式、数据的收集、大规模数据的处理、数据的组织方式以及数据的呈现方式。基于这些挑战,我们调研了多个系统和不同的解决方案。最后,总结了目前的研究现况,讨论存在的挑战,并提出未来的研究方向。

RDF数据模糊查询方法研究进展

随着语义Web的发展,RDF(resource description framework)数据量飞速增长,致使其查询问题日益得到关注,已成为学术界研究的热点之一。在研究现有RDF数据查询技术的基础上,考虑了自然语言表达所具有的模糊性或不确定性特点,分析了包含模糊条件的查询方法。从RDF模糊查询、查询处理、查询优化等方面,深入分析和比较了RDF模糊查询方法,给出了现存方法的优点和存在的问题。讨论了采用排序机制及偏好优先度计算的包含偏好条件的RDF模糊查询方法。最后给出了相关工作,并对RDF模糊查询技术进行了展望。

基于R2RML的医学主题词表RDF转换实现

针对医学主题词表(MeSH)数据存储情况和特点,利用R2RML映射语言采用一表对一表、一属性对一属性、两表之间含外键的映射等5种映射模式实现医学主题词表的源描述框架转换,为其他词表的RDB2RDF转换提供借鉴。

基于分布RDF(S)模型的信息查询与集成

在Web应用环境中,可以通过RDF(S)形式描述企业领域内分布信息资源的语义,以提高信息查询的准确性.提出了描述分布异构RDF(S)的分布RDF(S)模型,并基于这一模型给出了实现分布RDF(S)查询的方法,此查询方法既能实现实例层次的查询,也能实现概念层次的查询.基于这一方法,用户能够以统一的形式来查询,获取相关的信息资源,同时还可以实现分布RDF(S)的集成.

语义Web中RDF元数据的存储与管理

语义Web的实现首要解决的问题就是对资源的描述,RDF是描述信息资源的基础,管理和存储RDF数据成为必须要解决的问题。如果把RDF数据存储在关系数据库中,就可以有效地利用现有的数据库资源来管理RDF数据。本文用垂直Scheme的格式来构造RDF数据存储表,通过模式映射把RDF数据映射成RDF数据存储表中的记录;此外又给出了用RDF视图查询RDF数据的方法为实现语义查询打下了基础。

RDFS数据源的并行闭包生成算法(英文)

为了减少闭包的生成时间,提出了一种RDFS数据源闭包的并行生成算法.该算法基于RDFS推理规则生成闭包,根据三元组的形式对数据源中的RDFS三元组进行分类,缩小了特定形式三元组的直找范围;分析了各类三元组间的推理依赖关系,并按照每条推理规则所需的三元组将初始的数据源划分成多个子集,将子集导入各个并行的进程中,并应用RDFS推理规则并行地生成闭包.并行的闭包生成算法可以有效地减少运行时间以提高闭包生成的效率.

重排序RDF流三元组模式的蚁群优化方法

RDF是由W3C提出的一种Web数据模型,RDF流是一种遵从链接开放数据(Linked Open Data)、扩展RDF的数据模型,是一种随时间延续无限增长的动态RDF数据集合。在RDF查询处理中,RDF模式是静态编排执行策略的模式,无法满足动态RDF流实时变化的特性。因此,提出一种在RDF流查询处理中重排序RDF流模式的蚁群优化方法。主要研究内容包括:提出了基于AND-OR有向图RDF流代价评估模型;改进了Max-Min蚁群优化算法,并使用改进算法重排序RDF流模式。实验表明,该方法能够高效地动态编排RDF流执行策略。

RDF可视化软件Isaviz的应用研究

RDF是一个开放的元数据框架,文章在对RDF做了简要的介绍之后,引出了RDF可视化软件Isaviz,这是一个可视化的RDF浏览和编辑工具。文章简要介绍了Isaviz的下载、安装和正确配置等,最后使用Isaviz创建了一个RDF数据模型,并给出了相应的RDF/XML代码。