基于大数据技术的大蒜品质智能化调控研究

以进一步提升大蒜种植的智能性、品质性为目标,选取大数据处理及应用技术,针对大蒜种植过程的调控系统展开设计。考虑大蒜种芽、种植土壤条件等基础特点,结合不同种植调控下的大蒜培育状况,基于大数据架构平台组成,搭建用于智能化品质大蒜调控的数据处理模型。设计布局大数据应用的软件控制模块,配置相应的系统硬件结构,重点针对种芽朝向进行调控。展开品质化作业试验,结果表明:基于大数据技术的大蒜品质智能化调控系统设计,能够很好地运用数据计算与处理算法对大蒜种植运动过程各数据进行准确监测,通过及时的调控措施满足种芽朝向调整正确率要求,单粒合格率可达到95.40%,蒜芽漏充率可降低至3.15%,种植效率相对提升了6.37%,具有很好的推广价值。

基于数据挖掘模型的智能插秧机作业实践探究

以进一步优化插秧机的整机作业效率为研究目标,选取插秧机智能控制系统为研究对象,基于数据挖掘模型及算法理念展开实践应用探究。结合插秧机的作业特征及网控系统结构原理,从降低网络信号传输延迟及提升抗干扰能力角度搭建数据挖掘算法优化模型,并进行实际的插秧状态算法路径设计及控制指令下发,确保各个环节衔接准确。插秧作业结果表明:基于数据挖掘模型的插秧机智能化作业水平得到显著提升,挖掘算法精度与系统控制准确率分别可相对提升7.90%和5.75%,整机插植均匀度可达90.72%,对于插秧机的智能化开发与优化具有促进作用。

基于LoRa的果园管道自动顺序喷雾系统研究

我国南方果园多处于山地,大型喷雾器械无法进入,为实现山地果园自动顺序喷药,设计了一种基于LoRa无线通信技术的管道自动顺序喷雾系统。系统以Stm32单片机为核心,在管网上部署了6个电磁阀控制节点,采用LoRa无线收发模块进行节点之间的通信,设计程序控制6个电磁阀依次按顺序打开,并可以通过手机APP远程开启系统。试验结果表明:当节点之间距离为250 m时,数据接收率为95%;系统通信距离远,数据接收率高,具有较高的可靠性,适合于山地果园中使用。

可撤销属性加密的区块链数据访问控制方法

针对区块链数据共享中存在的粗粒度访问控制问题,提出一种基于属性撤销密文策略属性基加密的区块链数据访问控制方法。在现有方案基础上进行改造,引入预解密过程,结合属性撤销列表实现属性实时撤销;基于非对称群下的DBDH困难问题假设进行安全性证明;基于超级账本Fabric进行系统设计,结合星际文件系统采用链上链下存储方式解决区块链容量不足和系统效率问题。实验结果表明,所提方案撤销属性时无需更新密钥密文重复上链,仅需要6次Pairing操作进行预解密和解密,且在大规模属性集下,预解密时间和解密时间平均保持在百毫秒左右的常量级上,实现区块链数据高效、细粒度的访问控制。

基于C++的三维闪电回击数据再处理系统设计

针对三维闪电数据处理算法改进之后需重新定位回击数据,以及省级三维闪电探测系统的回击数据通常更加完整,应用时要将多个省份闪电回击数据合并后重新处理出准确的云内闪电高度值等问题,本研究使用C/S架构和C++builder编程开发了三维闪电回击数据再处理系统。系统设计了回击数据查询处理界面,提供了监视控制功能。通过设定回击数据文件和配置文件,再运行软件系统对符合条件的回击数据进行排序,在完成排序的数据中提取同一闪电相关信息,经计算处理得到重新定位的三维闪电探测结果并存储。将系统部署于国家级平台查询处理全国组网的三维闪电历史回击数据,测试结果表明,再处理系统操作便捷、功能齐全,满足三维闪电回击数据再处理系统的任务要求。

通用人工智能的数据风险及法治应对路径

ChatGPT的横空出世拉开了通用人工智能的时代序幕。通用人工智能迭代泛化能力的实现依托于海量数据,其运行全程与数据深度耦合,伴生了新的数据风险,且随着模型的普适化应用可能演化为现实威胁并产生严重后果。运用“全周期管理”理念剖析通用人工智能的输入、加工、输出环节存在的数据风险,包括多源数据违规获取风险、数据利用存储安全风险、数据虚假生成质量风险。在此基础上,围绕法律规制、伦理引导和行政监管的三重路径构建数据风险治理框架,提出中国应从完善保护利用并举的数据法律制度、健全科技向善导向的技术伦理规范、设计注重风险防控的行政监管规则等方面,化解模型“输入—加工—输出”进程中产生的数据风险,从而推动通用人工智能的良性健康发展。

含有输入时滞的非线性系统的输出反馈采样控制

针对含有输入时滞和低阶非线性项的非线性系统,提出一种基于采样机制的无记忆输出反馈控制方法.该方法移除了传统预测控制方法预测映射难以确定的限制,同时避免了时滞依赖方法对过去时刻状态信息的依赖性,在实际中更易实现.首先,根据系统输出在采样时刻的信息,利用加幂积分技术和齐次占优思想设计了无记忆输出反馈采样控制器.然后,利用齐次系统理论提出了闭环系统的稳定性条件.最后,仿真结果验证了所提方法的有效性和优越性.

基于可视化技术的船体制造数据管控方法

为解决传统船体建造过程中存在生产数据记录与管理混乱、生产数据分析不深入,工作人员缺乏现场有效的决策支持与生产指导等问题,通过以制造阶段为导向对船体制造数据流的分析,构建相关工序的指标关系模型与船体制造数据库;基于Echarts、three.js等可视化技术与B/S架构将船体产品模型及指标模型集成到船体制造管控系统,实现产品模型信息与数据模型信息的统一呈现,以及船体制造数据的查询、修改、录入等功能,达到辅助管理人员现场生产决策的效果。

基于医用耗材精细化管理的智能大数据成本分析研究

目的 实现对医用耗材的智能大数据成本分析,提升医疗机构医用耗材成本控制管理水平。方法 基于医用耗材SPD精细化管理及供应链延伸服务,建立医用耗材商品字典多维度分类、科室成本核算分析、术式成本核算分析,引入BI智能大数据分析平台工具,控制医用耗材使用及管理成本。选取2022年11月科室二级库房的补货流程中各环节花费时间为实验组数据。对照组由医护人员按照传统模式的业务步骤进行模拟计时,然后比较实验组和对照组在耗材申领、耗材核对、库房管理等业务步骤所花费的时间。结果 实现手术成本的动态透视多层级联动分析、医用耗材合理性使用智能分析,医护人员耗材管理事务所占用的时间由65.9 min减少至38.95 min,满意度由89.47%提升至94.74%。结论 通过医用耗材SPD精细化管理及智能大数据成本分析,细分医院内部医用耗材管理的颗粒度,降低医院耗占比,实现耗材管理效率提升和耗材成本下降双目标,对医疗机构医用耗材管理有一定的借鉴意义。

基于场景感知的访问控制模型

动态访问控制模型是构建大数据动态访问控制系统的理论基础,而现有访问控制模型大多只能满足单一情景下的动态访问控制,无法适应大数据上下文环境变化、实体关系变更和客体状态变迁等多类型动态情景中的访问控制。针对上述问题,在现有访问控制模型的研究的基础上,对大数据动态因素进行分析,提出基于场景感知的访问控制(SAAC,scenario-aware access control)模型。将各类型动态因素转换为属性、关系等基本元素;并引入场景信息对各类组成元素进行统一建模;基于场景信息构建大数据动态访问控制模型,以实现对多类型动态因素、扩展动态因素的支持。设计SAAC模型的工作框架,并提出框架工作流程对应的基于场景感知的访问控制模型规则学习算法和SAAC规则执行算法,以实现访问控制规则自动学习和动态访问控制决策。通过引入非传递无干扰理论,分析并验证了对所提模型的安全性。为验证所提模型访问控制策略挖掘方法的有效性,将SAAC模型与ABAC-L、PBAC-X、DTRM和FB-CAAC等基线模型在4个数据集上进行了实验对比。实验结果表明,SAAC模型及其策略挖掘方法的ROC曲线的线下面积、单调性和陡峭度等指标的结果均优于基线模型,验证了所提模型能够支持多类型动态因素和动态因素扩展,其挖掘算法所得的访问控制规则的综合质量相对较高。

基于MEC边缘云的智慧商城数据更新控制算法

针对智慧商城中数据量较大的问题,提出基于MEC边缘云的智慧商城数据更新控制算法。在MEC边缘云环境中将数据信息经过整合分类处理后直接推送至用户端,将万有引力搜索算法和布谷鸟搜索算法融合构建CS-GSA算法,用于MEC边缘云智慧商城数据库数据清洗。在差分数据更新方法中引入游程编码和哈夫曼编码,采用游程编码将连续重复的数据压缩处理,降低数据规模,然后通过哈夫曼编码再次压缩,降低传输过程中的通信开销,实现MEC边缘云智慧商城数据更新。实验结果表明,所提方法的解编码时间、数据更新时间更短、通信开销较小,说明其能够提高数据更新质量。

考虑通信时滞的采样控制系统稳定性分析

为了研究带有通信时滞的采样控制系统的稳定性问题,首先,考虑采样区间的采样特性,构造一种依赖于采样区间最值的闭环泛函,在这种泛函中,泛函相关的矩阵不需要满足正定定义,且矩阵随着采样区间最值的变化而变化;然后,利用采样控制系统的动态信息以及定积分的分部积分法,提出一些含自由矩阵的零等式;再次,结合广义自由矩阵积分不等式,推导出采样控制系统带有通信时滞和无通信时滞的2个稳定性判据;最后,通过数值和实际仿真验证采样区间最值的闭环泛函方法的可靠性。研究结果表明:基于采样区间最值的双边闭环泛函能够使采样控制系统稳定性判断更优且更有效。

基于人工智能投票算法建立识别血清钠离子随机误差的实时质量控制法

目的利用人工智能投票(voting)算法,建立一种快速识别血清钠离子随机误差的实时质量控制新方法,并评价在此基础上构建模型的相关效能。方法采用回顾性调查研究方法,通过南京鼓楼医院医学检验科实验室信息系统导出2021年1月至5月在BeckmanAU5400生化分析仪上检测的住院患者的血清钠离子结果,共计144754条,作为本研究的无偏数据。人为引入随机误差,生成相应有偏数据。随后,根据投票算法的原理建立质量控制方法(ViQC)模型。针对每种偏差,用ViQC模型与5种传统PBRTQC算法进行测试,利用分类模型评估指标评价ViQC模型的分析性能。绘制偏差检测曲线,采用误差检出所需对称修剪平均样本数(tANPed)来评价模型的临床检测效能,并与5种传统PBRTQC算法进行比较。结果ViQC模型对所有偏差检测的假阳性率均小于0.002,准确度大于0.951。当误差因子为1.5、2.5和3.0时,ViQC模型假阳性率均为0;当误差因子为2.5时,该模型的准确度高达0.979。与5种传统PBRTQC算法相比,ViQC模型对所有偏差检测的平均tANPed最多下降34%,误差检测敏感度更高。此外,ViQC模型在测试环节TEa定值偏差下的ROC曲线下面积高达0.989,tANPed仅为5。结论成功建立了基于人工智能算法的患者数据实时质量控制模型,其临床检测效能优于传统PBRTQC算法。

刑事跨境电子数据取证的困境与破解

刑事跨境电子数据获取是治理跨境网络犯罪的关键环节。我国现行国际刑事司法协助取证制度难以实现对境外电子数据便捷、高效获取的目的,而单边跨境远程取证制度和向网络服务提供者调取电子数据制度又易产生司法主权方面的争议。国际上对构建何种跨境电子数据取证制度形成了“数据存储地”和“数据控制者”两种模式。从维护本国数据主权的国家利益出发,我国应采用“数据存储地”模式,从四个方面完善刑事跨境电子数据取证制度。一是简化国际刑事司法协助取证制度,实现跨境电子数据取证的便捷、高效;二是在比例原则下借由“危难或危急情况”“权利人授权的行为”“存储地不明”三种例外情况的取证路径,灵活开展单边跨境远程取证;三是以保存加协助的方式向网络服务提供者调取电子数据;四是依法认可非官方提供的电子数据。

基于多层级时空图神经网络的风电机组在线异常检测

在风电场运营中,准确及时的故障检测是降低风电机组运行维护成本的关键。然而,现有检测方法未充分挖掘功能单元间的潜在时空关联,限制了检测准确性的提升。文中提出了一种基于多层级时空图神经网络的风电机组在线异常检测方法,以提高故障检测的准确性。该方法依据风电机组物理结构,将其功能单元划分为多个子图,从而构筑了一个多层级的时空图神经网络,通过图注意力机制和多头注意力机制全方位地分析风电机组各传感器节点与功能单元之间的关联强度。同时,针对数据采集与监控(SCADA)系统数据的时间关联,设计了动态图神经网络和时间注意力机制,使正常行为预测模型捕捉了SCADA系统数据的时间关联特性,实现了空间和时间特性的有效融合。最后,基于中国上海某风电场的实际数据验证了所提方法的显著有效性。

分布式数据库隐私数据细粒度安全访问控制研究

为控制隐私数据的细粒度安全访问行为,提出分布式数据库隐私数据细粒度安全访问控制。通过分布式数据库空间划分,过滤隐私数据,利用分区方程,分解数据库空间内隐私数据,将隐私数据反应函数的构建过程定义为对分布式数据库中隐私数据挖掘的博弈过程,获取博弈因子,将细粒度划分问题转化为隐私数据在最小二乘准则下的规划问题,划分隐私数据的细粒度。利用加密算法,对隐私数据加密,依据密钥分发算法为用户分发密钥,通过密钥转换,将加密后的隐私数据上传到分布式数据库,利用数据库验证用户的令牌是否包含隐私数据的信息,建立令牌请求机制,实现隐私数据的细粒度安全访问控制。实验结果表明,经过文中方法控制后,分布式数据库的响应性能有所提高,在保证正确性的同时,还可以提高对恶意访问行为的控制能力,具有较高的实际应用价值。

一种全生命周期可控的公共数据共享方案

公共数据作为数据要素将极大赋能政府公共服务和社会治理,然而,频繁爆发的数据泄露事件严重阻碍了公共数据共享的进程。虽然现有的属性基加密方案能够实现公共数据的安全访问,但存在授权管理低效、共享后难以管控等问题,不适合现有的公共数据共享模式。为此,文章提出了一种全生命周期可控的公共数据共享方案。该方案设计了一种数据胶囊封装方法,将共享的公共数据与访问授权策略进行深度绑定,并构建了共享数据多方参与的分层授权、全生命周期感知的访问管控方式。安全性分析以及实验仿真表明,该方案实现了公共数据共享的全生命周期可控,开销较小,符合现实需求。

智能电能表生产全流程质量数据采集方法研究

当前智能电能表生产企业和电力公司之间缺乏有效的共享机制,缺少对智能电能表从设计制造到运行报废全生命周期各环节质量控制点的全面掌控,导致智能电能表在运行过程中存在批量故障,运维成本和舆情压力较大。针对以上问题,文章对智能电能表生产全流程质量数据采集方法进行研究,设计质量数据采集架构、质量数据模型和质量数据的接入方法,与电力公司侧的计量生产调度平台共同实现对智能电能表的全链条质量数据的采集。试验结果表明,这项采集技术使得数据采集效率提升到原来的8倍,数据准确性也得到提升,为智能电能表的质量管控以及典型应用场景的开发奠定了基础。

基于程序依赖关系的变异体生成策略

针对数量庞大的变异体导致高昂变异测试代价的问题,提出一种基于程序依赖关系的变异体生成(PDMG)策略,选择满足一定约束条件的变异实施对象用于变异体生成。首先,基于数据依赖和控制依赖生成程序依赖图;其次,基于变异对象选择策略和程序依赖图选择被依赖语句作为变异对象;最后,对选择的变异对象注入变异算子生成变异体。将所提策略用于8个基准测试程序的变异测试。实验结果表明,与随机选择(RS)和变异算子选择(MOS)策略相比,PDMG策略在不降低变异测试有效性的前提下,平均减少了52.20%的变异体,提高了变异测试的执行效率。

基于异质数据的复杂网络数据驱动控制

针对复杂网络难以控制,模型难以构建的问题,论文提出基于异质数据的复杂网络数据驱动控制策略。通过对不同时间、任意初始状态、不同最终状态输入输出和状态的异质数据进行重构,建立了基于异质数据集的采样轨迹表示方法,并依据该方法推导出适用于多种复杂网络模型的最小控制能量输入的两种计算方法,对计算方法需要的最少数据量进行了讨论,实现多种复杂网络的数据驱动控制,为复杂网络控制研究提供了新的方法。