数智时代的信息分析方法:数据驱动、知识驱动及融合驱动

数智时代,面对大数据、大知识所带来的挑战,如何创新发展信息分析方法,关乎新时代信息分析工作的开展,关乎数据资源的开发利用。本文在梳理现有信息分析方法的基础上,提出数据驱动、知识驱动,以及数据与知识融合驱动的三种数智型方法思路。首先,提出基于文本、网络、音频、图像等的数据驱动以及与之相应的文本挖掘、图挖掘、音频挖掘、图像挖掘等信息分析模式;其次,提出基于专家知识库、通用知识库、领域知识图谱、通用知识图谱等的知识驱动信息分析模式;最后,提出基于特征、模型、决策三种层面的数据与知识融合驱动的信息分析模式。通过以上三种方法,构建能够系统融合大数据、大知识的信息分析方法,实现数智融合型信息分析,促进图书情报学科方法论发展,赋能国家决策和社会治理。图3。表1。参考文献59。

电磁目标表征:知识-数据联合驱动新范式

电磁目标表征是电磁空间态势感知中的一项共性基础性问题。早期目标表征基于专家经验知识,需要设计者具有较强的专业背景与先验知识,其在复杂信号环境下的性能不佳。近年来发展起来的深度学习为复杂电磁环境下的目标信号表征提供了新的途径,它通过模拟人脑的深层结构建立机器学习模型,以端到端的方式自动表征和处理目标数据,在电磁目标检测、分类、识别、参数估计、行为认知等感知任务中显示出良好的性能。然而,深度学习严重依赖海量高质量标注数据,在现实电磁环境中存在一定局限。将知识融入智能系统一直是人工智能的研究方向,结合知识与数据进行电磁目标表征,将有望提升目标感知精度与泛化能力,正在成为电磁目标表征中新的方向。本文回顾了电磁目标表征技术的发展过程,对新的知识-数据联合驱动的电磁目标感知范式进行了展望。

数据与知识驱动的零件特征工艺决策方法

在零件的工艺设计阶段,加工工艺方案的生成强依赖于设计人员选择和应用的工艺知识.而由于实际的生产环境与设计人员选择工艺知识存在着诸多偏差,加工方案与实际的工艺过程不匹配成为当前零件制造领域关注的难题.为解决上述问题,本文提出了一种数据与知识双驱动的零件特征工艺决策方法.本方法使用基于注意力机制的MLP深度学习算法,从结构化工艺数据中挖掘工艺知识,关联零件特征与特征工艺标签.将其经过数据加工后,用于训练神经网络模型.经过验证,该方法能够以零件特征的工艺数据为输入,输出其对应的特征工艺标签的概率分布,为零件工艺方案的选择提供决策支持.

知识-数据驱动的沉管隧道接头安全状态分析方法——以港珠澳大桥海底沉管隧道为例

为解决沉管隧道接头安全状态不断变化且难以直接感知的技术难点,以港珠澳大桥海底沉管隧道为工程背景,通过分析既有监测数据,总结管节接头的变形模式,揭示管节接头张合量与结构温度的强相关性,明确潮位变化对接头剪切变形的显著影响。在此基础上提出一种基于知识-数据驱动的沉管隧道接头变形快速推演方法,通过建立沉管隧道精细化有限元模型,开展海量典型变形模式下的沉管隧道结构力学行为分析,构建沉管隧道变形服役行为数据集;利用BP神经网络,建立基于仿真接头服役行为特征的沉管隧道接头全断面变形推演模型,实现基于有限实测数据的接头全断面变形快速重构。该方法在港珠澳大桥海底沉管隧道的现场管养中得到成功应用。以2023年台风“苏拉”为例,基于台风登陆过程中接头的局部位移实测数据,推演接头剪力键及止水带关键点位处管节接头的变形情况。结果表明,该沉管隧道接头系统整体受台风影响较小。

基于专家知识与监测数据联合驱动的高压开关柜状态评估

高压开关柜(HVS)作为电力系统的关键设备,对其工作状况进行有效评估可以保障电力系统的安全稳定运行。在工程实践中,由于高压开关柜长期服役于潮湿、高温等恶劣环境下,不可避免的传感器失效或人为因素会导致其设备状态数据存在随机缺失的现象,从而破坏了数据的完整性和可用性,使得对数据质量要求较高的数据驱动方法难以直接用于解决高压开关柜状态评估的问题。为了解决上述问题,研究了一种基于专家知识和监测数据联合驱动的高压开关柜状态评估方法。首先,对高压开关柜系统的内部构成进行了深入分析,并根据区域中设备的功能不同将其分为电缆室、母线室和断路器室三大区域。其次,进一步分析了系统状态、各区域状态及其关键部件状态两两之间的因果关系,从而建立了适用于高压开关柜状态评估的三层贝叶斯网络(BN)拓扑结构。然后,引入专家领域知识设计了适用于高压开关柜系统的3种约束罚函数,并通过求解带有约束的优化问题,改善了不完整数据集下的贝叶斯网络参数估计性能,进而实现了对高压开关柜系统状态的精确评估。最后,在自主设计的10 kV高压开关柜样机上开展了对比验证实验,结果表明,相比于支持向量机(SVM)方法和反向传播(BP)神经网络方法,本文所提方法在状态评估精度上更具优势。

数据与知识联合驱动的人工智能方法在电力调度中的应用综述

数据与知识联合驱动的人工智能方法是利用数据驱动和知识驱动各自优势、取长补短形成的一种更优的联合方法。文中对联合驱动方法的特点和现状进行了分析,并对其电力调度重点应用场景进行了分类统计。总结了各类场景中联合方法的创新性、相较于单一方法的提升以及应用优势。归纳出了电力调度数据与知识联合驱动方法的3种联合建模方式:数据驱动优化知识驱动、知识驱动辅助数据驱动、数据驱动与知识驱动混合模式。最后,从准确性和高效性的平衡、有效性、可靠性等5个维度讨论了联合建模时存在的挑战性问题,对联合驱动方法在电力调度中的适用场景进行了总结及展望。

数据驱动的现代数字营销策略

随着互联网的普及和信息技术的发展,数据已成为数字营销的核心驱动力。数据驱动的现代数字营销策略利用大数据和人工智能等技术,深度挖掘用户行为和偏好,为营销决策提供科学依据。通过数据分析,企业可以更准确地了解目标用户,制定个性化营销策略,提升用户参与度和转化率。数据驱动的数字营销还可以实现营销活动的精准投放和实时调整,提高营销效果和投资回报率。

IC卡数据驱动下的公交客流分布及线路优化策略研究

为提升公交车的运营效率,研究以某市公交IC数据为基础,对公交客流进行分析,并提出基于遗传算法改进的公交线路优化模型。研究发现,该市全天公交客流出现早晚两个峰值段。工作日到节假日,客流集中地从市中心附近转变为旅游景点、公园和购物中心等地区。公交线路优化模型将某公交线路的利用率提高了15%,将乘客的平均等待时间降低了21%,有效提高了公交系统的运营效率和乘客满意度。此次研究为提升公交运营效率、改善乘客体验、优化城市交通结构、促进城市可持续发展提供重要依据和方法。

知识及数据驱动的电力一次设备健康管理方法综述

电力系统规模逐年扩大,其供电可靠性要求越来越高。基于电力设备机理、监测数据,利用知识、数据驱动及其融合驱动方法进行电力一次设备健康管理,是一种提高供电可靠性、降低运维成本的可行途径。文中对知识、数据驱动及其融合驱动的电力一次设备健康管理方法进行综述。首先,概述知识、数据驱动及其融合驱动的关键技术;然后,分别从电力一次设备的图像识别、状态量感知与故障诊断、状态评估与运行维护3个应用场景,对3种驱动方法的研究现状进行了详细梳理;最后,从硬件条件、数据来源、知识模型构建等方面,对3种驱动方法在电力设备健康管理中的应用难点进行总结,并对未来发展给出建议。

基于数据驱动中医证治规律研究的核心问题及解决策略

辨证论治是中医核心诊疗思维,是决定临床疗效的关键。如今,基于临床数据研究是探索中医证治规律的主要方法,但未真正而全面地剖析出“病-证-方-药-效”关键因素的内在关系,导致研究结果的临床价值较低。因此,笔者系统梳理了电子病历与临床研究匹配性差、数据治理影响数据准确性、数据分析方法难以发掘中医证治规律等核心问题,并在数据驱动的背景下,建立中医临床科研大数据平台、开发以人工智能为核心的数据治理与分析技术,从而实现临床科研一体化,为中医证治规律研究提供新思路与方法,推动中医药的发展。

知识驱动和数据驱动在TBM智能施工机器学习中的应用

依托引绰济辽工程(YC)和引松供水工程(YS),从理论分析、统计检验等方面系统回顾并总结基于知识驱动方法提取的现场贯入指标FPI和扭矩贯入指标TPI在TBM智能施工机器学习中的应用。从智能预测围岩分类和掘进参数两方面出发,将基于特征参数的预测结果与通过数据驱动获得的结果进行比较。研究结果表明:通过知识驱动获取的参数FPI和TPI可以降低数据维度和噪音,提高预测效率。在围岩分类智能预测方面,知识驱动和数据驱动方法均表现出较好的精度水平;在掘进参数预测方面,知识驱动的预测精度远高于数据驱动。作者认为单独使用FPI和TPI或者将其与数据驱动参数结合,可以丰富TBM领域机器学习的输入参数,获得较好的预测成果。

知识和数据驱动的污水处理反硝化脱氮过程协同优化控制

为有效提升城市污水处理过程的脱氮效果,提出一种知识和数据驱动的反硝化脱氮过程协同优化控制(Knowledge-data-driven cooperative optimal control,KDDCOC).所提方法主要有以下两个方面:首先,建立一种基于自适应知识核函数的协同优化控制目标模型,动态描述出水水质(Effluent quality,EQ)以及泵送能耗(Pumping energy consumption,PE)、关键变量的协同关系;其次,提出一种知识引导的协同优化算法(Knowledge guide-based cooperative optimization algorithm,KGCO),快速准确求解硝态氮(Nitrate nitrogen,SNO)优化设定值,提高KDDCOC的响应速度.KDDCOC利用比例−积分−微分(Proportional-integral-derivative,PID)控制器对硝态氮优化设定值进行跟踪,将提出的KDDCOC应用于城市污水处理过程基准仿真模型1号(Benchmark simulation model No.1,BSM1),实验结果表明,该方法能够提高出水水质,降低运行能耗,有效改善脱氮效果.

数据驱动下小型纯电动汽车充电策略研究

随着能源危机和环境污染的日益加剧,电动汽车凭借自身低碳环保的特性使得纯电动汽车市场得到广泛关注并迅速扩张。然而,有限的电池容量、多样化的出行需求、充电设施的服务与需求不匹配等诸多问题逐渐成为电动汽车发展的瓶颈问题。考虑用户日常出行需求,优化电动汽车的续驶里程是解决这一问题的可行途径之一。通过对驾驶和充电行为进行建模,提出了一种用于电池电动汽车(BEV)最佳行驶里程的仿真方法。BEV用户的驾驶和充电模式是通过从中国上海收集的实际数据来重构日常出行链。同时,在日常出行链中定义了日常出行和每次出行的相互依赖的行为变量。为满足练习场的适应度目标,采用蒙特卡罗方法建立了一个随机模拟框架。最后,在考虑用户异质性的情况下,分析了不同充电场景下的最优续航里程。结果表明:通过每日出行和每次出行的行为变量可以重构每日出行链,Copula函数检测的变量之间存在相关性;不同日常出行需求的用户有不同的最优续航里程;在选择纯电动汽车时,建议用户考虑每天行驶的车辆公里数不超过电池续航里程的34%;增加充电次数和充电功率更有利于日常出行需求高的用户;在满足出行需求的前提下,增加快充功率的有益效果将逐渐减弱。

数据知识混合驱动的装备保障智能网构建方法

针对装备作战应用与保障智能化发展需求,提出一种装备保障智能网构建方法。结合装备数据特点,建立装备数据体系模型,给出基于数据标签属性与知识本体要素映射关系的保障知识构建与推理方法,完成基于数据和知识混合驱动的装备保障智能网构建;以车辆装备保障智能网构建为例,给出构建过程实例分析。结果表明:该方法能够为实现智能化、精准化装备保障,提升装备实战化能力提供重要支撑。

基于知识和数据联合驱动的全灌浆套筒失效模式预测与解释

为精准预测全灌浆套筒失效模式(钢筋拉断、钢筋拔出),该文提出一种基于知识和数据联合驱动的全灌浆套筒失效模式预测方法。根据348例全灌浆套筒试验数据,通过机器学习回归算法与规范公式分别得到全灌浆套筒灌浆连接承载力预测值与钢筋极限抗拉承载力计算值,并基于领域知识建立两者与失效模式关系的特征参数,将其与试验数据组成新的数据库。基于新的数据库,通过机器学习分类算法对全灌浆套筒失效模式自动预测。研究结果表明,随机森林算法对全灌浆套筒灌浆连接承载力与失效模式均具有最好的预测效果。相比其他全灌浆套筒失效模式预测方法,该文提出的知识和数据联合驱动预测方法更具竞争力,总体分类准确率可达到94.3%。结合Shapley additive explanations (SHAP)方法和Partial dependent plot (PDP)方法对预测结果进行解释,审视各参数对失效模式的影响。SHAP与PDP的解释结果都表明钢筋锚固长度与灌浆料抗压强度是对失效模式影响最大的两个试验参数,其中PDP解释结果还给出两者影响失效模式转化的临界值,分别为6.01 d(d为钢筋直径)、80.87 MPa。

基于数据驱动的竹园片区排水系统一体化运行策略

城市排水系统被称为“城市生命线系统”之一,其调度决策直接影响着城市生活的正常运行。竹园片区是上海市中心城三大污水片区之一,目前仍采用“一线一站一厂”的经验调度和运行模式,各设施间存在链接制约,信息滞后严重,相互协调性差,应对流量突变、设施故障的能力较弱。随着排水系统设施进一步完善,片区排水系统将更加复杂,原有的调度模式难以满足不同阶段的运行要求,给城市水系统的安全稳定带来风险。为消除日常调度的水污染隐患,文章利用规则控制法,将原系统细分为7个泵站组团,分析旱天、雨天的水量特征,设定5种运行模式,最终建立了基于数据驱动的一体化运行策略。结果表明,策略可优化排水输送方案,满足实际应用的需求。通过总量控制实现排水设施间的联动联调,助力“旱天不溢流,雨天少放江”。

基于数据和知识双驱动的储气库地面管道腐蚀风险评价

储气库设备繁多,工艺流程复杂,风险因素众多,对其进行风险分析与评价的研究与应用尤为重要。近年来,储气库地面工艺管道腐蚀失效事故频发,准确有效地分析储气库地面工艺管道腐蚀失效的原因对其安全运行至关重要。采用数据和知识融合双驱动的风险评价方法,首先,对储气库地面工艺管道腐蚀失效数据进行统计分析,并建立贝叶斯腐蚀预测模型,在此基础上分析导致储气库地面工艺管道腐蚀失效的基本事件。其次,建立了腐蚀失效的知识模型,利用储气库地面工艺管道的腐蚀失效故障树详细分析了导致腐蚀失效的原因。通过各个基本事件的结构重要度系数,确定了各个基本事件在故障树结构上的重要性。最后,将储气库地面工艺管道腐蚀失效的影响因素总结为四大类,生成判断矩阵并确定不同影响因素的相对权重值,为模糊综合评价中权重因子的确定提供依据,得出储气库地面工艺管道腐蚀失效的风险级别。通过储气库地面工艺管道腐蚀风险评价实例应用,研究可为储气库的安全管理与运行提供科学依据。

知识与数据双驱动的智慧校园架构研究与探索

随着智慧校园建设的不断推进,如何整合资源赋能师生成为值得探究的问题.数据和知识是智慧校园框架的核心驱动层,需要建立完善的知识库,该架构形成了智慧校园的智慧大脑,并通过实践案例验证了该框架的实用性和高效性.

基于数据驱动的企业预算优化策略

目前,企业在制定预算时往往会采用传统的方法来进行决策。然而,这种方式可能存在一定的局限性,因为传统方法通常依赖于经验和主观判断,而这些因素可能会导致错误的决策。因此,本文旨在探索一种新的数据驱动的方法来优化企业的预算。本文从企业预算的理论和实践出发,探讨了如何通过数据驱动的方法实现企业的预算优化。首先对企业预算的概念进行了阐述,并指出了目前我国企业预算存在的问题,然后介绍了数据驱动方法在企业预算中的应用。本文的主要创新点在于运用大数据技术对企业预算进行分析,提出一种新的数据驱动方法来帮助企业更好地制定预算计划,提高预算执行效率,降低成本,增加利润。

基于数据和知识驱动的高校教学质量评价研究——以HTML5+CSS3 Web前端开发课程为例

在数字化背景下,传统的教育理念和方式受到广泛冲击。线上与线下相结合的混合教学模式逐渐成为教学新常态。文章针对在线教学规模的扩大产生了教学过程单向传输、线上与线下教学评价孤立等教学质量问题。首先分析了,当前高校教学质量评价方法研究现状,并介绍了基于数据和知识驱动的教学质量评价两大技术支撑——大数据分析技术和知识驱动的人工智能技术;然后从学科知识图谱构建、人机协同智能化教学质量评价指标构建两个方面介绍了文章提出的基于数据和知识驱动的高校教学质量评价的研究成果;最后以HTML5+CSS3 Web前端开发课程为例介绍了基于数据和知识驱动的教学质量评价在个性化学习推荐中的实践应用。