基于MDR2023的元数据值域语义约束注册标准化模型研究

元数据注册(MetadataRegistry,MDR)是数据治理中元数据精确表达语义的必要前提。通过全面系统地分析国内外的MDR系统,发现国内外MDR更多关注基本数据元素,数据语义约束注册方面的研究缺乏。因此,首先基于ISO/IEC11179:2023(MDR2023)系列标准提出元数据语义约束外延分类模型,明确元数据语义约束范围,并选取其中的值域语义约束详细研究;其次,基于MDR2023标准提出元数据值域语义约束注册元模型,为元数据语义约束注册提供标准化且完整的注册算法流程,从而为元数据值域语义约束注册提供解决方案;最后,以石油领域著名的POSC标准为需求背景,对其中的值域语义约束进行注册,据此实现石油领域元数据值域语义约束的标准化,验证提出的元数据值域语义约束注册元模型的合理性和可行性。提出的元模型对于其他领域数据治理具有普适性。

基于物理约束的分布式神经网络三维地应力预测模型

地应力是油气藏全生命周期中井壁稳定分析、水力压裂设计、地层出砂预防、套损预测防治和油气开采措施制定的重要基础参数.针对缺乏三维地震资料情况下的三维地应力场预测问题,以工区已钻井地应力测井解释结果为基础,建立了一种基于物理约束的分布式神经网络三维地应力预测模型.首先,采用测井解释方法获得工区已钻井地应力单井剖面,并通过Kriging插值构建三维地质模型;其次,将测井数据和三维地质模型的三维空间坐标喂入3个并行的全连接神经网络,引入地应力物理约束条件,提出了数据和物理双约束的条件,进而通过三维空间坐标实现三维地应力场的预测;再次,优选了数据和物理双约束的权重参数,与人工神经网络、支持向量回归、随机森林等三种机器学习模型以及克里金插值模型进行了对比;最后,评价了不同机器学习模型预测地应力的效果.研究结果表明:(1)研究区域的地应力满足潜在正断层应力状态,即垂向地应力>最大水平地应力>最小水平地应力;(2)数据和物理双约束权重参数取值对预测结果有显著影响,当权重参数λ=0.2时,三维地应力预测效果最优;(3)与人工神经网络、支持向量回归、随机森林、克里金插值等模型相比,本文模型预测得到的地层三维地应力和孔隙压力更准确,在工区内测试集预测得到的垂向地应力、最大水平地应力、最小水平地应力和地层孔隙压力的最大相对误差分别为0.63%、7.59%、7.16%、3.21%,而且,本文模型能够更加准确捕捉地应力梯度的三维变化特征,水平井段地应力和地层孔隙压力参数的正态分布特征明显.结论认为,物理约束的分布式神经网络模型能有效融合地形构造与地应力之间的联系,提高三维地应力预测的准确性和可解释性,为油田三维地应力场的预测提供了一种新的思路.

模型约束与机器学习下的植物类胡萝卜素和叶绿素含量反演方法

叶绿素和类胡萝卜素含量是评价植物健康状况的一个重要指标。PROSPECT模型与机器学习耦合反演植被生化特性已得到广泛应用。但由于叶片方向半球反射率因子(DHRF)光谱和二向反射率因子(BRF)光谱之间的差异,耦合模型的应用范围受到限制。为此,以北美地区植物叶片光谱数据库(EcoSIS)作为实验数据集,提出PROSPECT模型作为机器学习的附加约束形成混合数据集,对此混合数据集利用连续小波变换(CWT)产生的小波系数谱和一阶导(FD)产生谱,提出三种全光谱域和VNIR光谱子域下的植物叶片叶绿素、类胡萝卜素的光谱特征变量筛选策略,即是:竞争性自适应重加权算法(CARS)、连续投影算法(SPA)和主成分分析法(PCA)。由此,基于上述2×2×3=12种不同光谱处理方法、特征提取方法组合,分别建立了植物叶片叶绿素和类胡萝卜素含量的人工神经网络(ANN)预测模型。进而开展了不同模型下的预测精度对比分析,结果表明:PROSPECT模型约束下的模拟数据一定程度增强了机器学习的训练集质量;经一阶导、小波变换处理的光谱能较好地减少DHRF模拟光谱和BRF实测光谱间的偏差,并在结合特征提取算法CARS后进一步提升了预测表现。在全光谱域下的FD+CARS组合对叶片叶绿素的反演效果最佳,测试集R2为0.8064,RMSE为2.9114;在VNIR光谱子域下的CWT+CARS组合对叶片类胡萝卜素最佳,测试集R2为0.7972,RMSE为0.4141。该方法可为研究人员从叶片BRF光谱及其他近端反射率图像更精确、高效地提取植物叶片生化特征提供参考。

带固定效应半变系数面板数据EV模型的约束估计

研究了带固定效应的含变量误差半变系数面板数据模型的约束估计问题.首先采用Profile最小二乘方法构建出参数部分的无约束估计量,其次建立在参数部分附加约束条件下该模型的约束估计量,最后分别证明了两个估计量在适当条件下满足渐近正态分布.

天津水泥工业设计研究院有限公司荣获DCMM数据管理能力成熟度评估模型三级证书

近日,中国电子信息行业联合会公示了获得数据管理能力成熟度(DCMM)证书名单,天津水泥工业设计研究院有限公司荣获“DCMM(甲方)-稳健级(3级)”证书,标志着天津水泥工业设计研究院有限公司在数据治理理念、数据管理方法、数据管理人才建设等方面都达到了较高水平,数据管理能力获得权威机构认可。天津水泥院在数字化转型方面已深耕多年,一直以来高度重视数据治理与数据应用。

数据驱动的考虑安全约束机组组合问题研究综述

安全约束机组组合(security-constrained unit commitment,SCUC)作为编制发电计划的核心环节,在电力系统优化调度等方面具有十分重要的意义。因此,该文首先从物理模型和求解方法简要概述了SCUC问题。然后,从多目标、多元化决策变量、不确定性、多时间尺度与多元约束条件5个方面梳理了物理模型驱动的SCUC的研究进展,并分析了此类方法所面临的挑战。同时,重点总结归纳了现有基于人工智能技术和数据驱动的SCUC问题的研究成果,并分析了不同类型方法的特点、优势和缺陷。最后提出了对未来基于数据驱动的SCUC研究方向的相关思考。

基于约束性分析的数据与作物模型同化方法

同化观测数据可为作物生长模型的区域应用提供支持。该文定义了观测数据对模型参数的约束性,研究发现华北夏玉米观测数据对WOFOST模型的可约束参数主要包括初始总干物重、不同发育阶段的比叶面积、初始最大CO_2同化速率、叶片衰老系数、初始土壤有效水、最大根深日增量以及初始根深的初始土壤水分含量等。建立了基于参数约束性分析的观测数据与作物生长模型同化方法和流程,利用优化算法进行作物生长模型所有参数和变量初值的敏感性分析,遴选出各状态变量的敏感参数;根据拟合度与优化结果之间关系进行敏感参数的约束性分析,获得不同变量的可约束参数;组合优化可约束参数得到各参数最优值,由此实现了观测数据与作物生长模型的同化。约束性体现了观测数据对模型参数或变量初值的控制能力,可约束参数作为待优化参数使数据模型同化获得了最优结果。

基于特征约束的地下空间一体化数据模型研究

地下空间的开发利用要求将地层和地下构筑物进行一体化建模。传统的地学建模方法仅面向地层建模,对地下构筑物考虑较少。基于特征约束的地下空间一体化数据模型将地层的钻孔数据约束和地下构筑物的设计参数约束统一为离散点的特征约束,运用边界表示法对地下空间进行一体化建模,从而将地层建模和地下构筑物建模统一起来,构成地下空间一体化数据模型。该数据模型将地下空间的属性数据和空间数据一体化存储,保证了属性数据和几何数据的关联性、一致性和完整性;另一方面,该数据模型将地下空间的几何信息和拓扑信息分开存储,有利于图形描述、几何特性计算和图形的高分辨率显示。作者阐述了这一模型的基本原理,并给出了数据结构。

基于时区的次协调数据库的完整性约束及模型

传统次协调数据库用来处理数据库中不完全信息和矛盾信息。但如果随着时间的推移,历史的数据无法保存并进行查询,基于这种情况,引入时区的概念,提出基于时区的次协调数据库模型。讨论在时区情况下数据库的完整性约束问题,重新定义模型之上的集合运算及关系运算,给出这种新模型的应用。

Geodatabase模型的数据质量约束机制研究

为了控制和加强原始地理数据的应用质量,Geodatabase数据模型在引入地理要素的关系、行为和规则的同时定义了一系列约束机制对数据的属性域、关系以及拓扑几何关系方面进行约束,无需编码便可减少原始数据在输入、变更等过程中的错误。文章研究Geodatabase模型中的数据质量约束机制,并以道路网数据库的建立为例说明其在数据质量约束中的应用。

约束求解的数据模型及算法

此文针对参数化造型系统中约束方程组的求解问题,深入分析了匹配求解的核心思想,提出了一种简单实用的约束网络建模方法,并且围绕该数据模型介绍了与其相关的算法.

宇航中的一种基于线性约束数据库的GIS空时数据模型及其查询

地理信息系统 (GIS)是一种计算机辅助工具 ,用于存储和分析在地理空间上和时间上发生的现象和事件。 GIS系统在航空航天、军事和民用等领域具有重要应用。数据库是 GIS系统的核心 ,空时数据的存储和查询是 GIS数据库中的两个重要问题。本文针对现有空时数据模型的不足 ,提出了一种基于线性约束数据库的空时数据模型 ,阐述了该模型与已有空时数据模型间的关系。本文进一步对关系数据模型上的 Datalog查询语言的语法和语义进行了推广 ,使之能够对提出的 GIS空时数据模型的数据进行查询。最后给出一个在飞船着陆场系统搜索救援中使用该数据模型的实例。通过该数据模型在实际系统中的使用 ,可以得出如下结论 :(1)基于线性约束数据库的数据模型不仅可以替代现有的空时数据模型 ,而且克服了这些模型不能表示无限空时数据的缺点和不能描述空间、时间坐标关系的缺点 ;(2 )针对该模型推广的 Datalog查询语言与结构化查询语言 SQL相比 ,具有更强的表达能力 ,可以描述诸如循环和传递闭包等复杂的应用语义。

有约束条件下面板数据模型回归估计分析

经济理论中有时会提出某一回归模型中的系数满足一些约束条件,在规模报酬不变的约束条件下,我们将在面板数据模型中讨论如下问题:(1)如何在以上约束条件下估计模型参数?(2)参数的性质如何?(3)如何检验约束条件是否为真?文章综合讨论了截面相关条件下有约束、截面不相关情形下有约束条件下两种对应情况下的面板协整回归估计方法以及固定效应面板数据有约束条件下的回归估计方法。

带数据约束实时系统的模型检测

带数据约束的实时系统是指一种既带有时间约束又带有数据变量约束的计算系统。目前将离散数据约束和连续时间约束统一在一个模型中的规范及验证研究较少。文中提出了一种既带有连续数据约束又带有离散数据约束的规范——基于连续时间的ZIA规范,并给出它的时序逻辑。MARTE是UML在嵌入式实时系统领域的建模规范,在工业界的应用非常广泛,但是目前对其模型检测的研究较少。在MARTE的基础上扩展Z,提出了Z-MARTE,并将Z-MARTE转换为基于连续时间的ZIA模型,在实现对连续时间ZIA模型检测的同时,也实现了对Z-MARTE的模型检测。最后通过一个实例进行验证,说明此方法可行有效。

基于微焦点CT与数据约束模型的古代家猪牙齿显微结构研究

本文对一例考古发掘出土的古代家猪下颌骨及牙齿进行了微焦点CT成像,通过加置滤波片有效减弱了线束硬化对CT图像的影响。基于数据约束模型(DCM)对样品三维结构进行了定量计算,获取了包含小于CT图像体元尺寸在内的样品跨尺度结构信息。对样品中孔隙及高吸收组分的联通特性进行了跨尺度计算,得到这两种组分的三维团簇分布。与常见的图像阈值分割法相比,DCM模型有效减弱了部分体积效应对图像分析的影响。本文研究结果为考古样品的内部形态测量、结构分析提供了数据基础,为考古样品的数字建模存档提供一种新的方法。

能耗均衡约束下的多源异质传感器数据动态汇聚算法

多源异质传感器数据在无线传感网络中汇聚时,易受到无线传感网络冗余数据的干扰,导致其通信开销大、精度低。为此,提出能耗均衡约束下多源异质传感器数据动态汇聚算法。构建能耗均衡约束模型,保证多源异质数据节点在汇聚过程中所消耗的能量趋于平均值,采用监督判别投影算法对数据进行降维处理,消除数据中的冗余度,通过模糊分簇阈值筛选机制获取汇聚区域的簇头阈值,将簇区域内数据汇聚到传感器中,完成多源异质传感器数据的动态汇聚。仿真结果表明,所提算法的隐私泄露率在25%左右,通信开销在9 MB~46 MB之间,汇聚数据正确率高于90%,证明所提算法可有效降低通信开销,提高数据汇聚精度。

区间约束下移动终端用户偏好的数据挖掘模型

针对目前移动终端用户的个性化需求较多,导致移动终端用户偏好数据容易丢失、数据挖掘精度及效率较低的问题,提出了基于区间约束的移动终端用户偏好数据挖掘模型。利用偏好度概念分析用户偏好敏感特征,采用偏好度代价矩阵填补类偏好形成的偏斜,构建节点类标识分配准则,运用自适应调整偏好度生成最优偏好敏感决策树,准确判断用户偏好信息,根据区间约束特征,构建区间集,依据用户之间的交互信息建立用户的偏好矢量,利用用户偏好点乘挖掘计算用户偏好差异,完成移动终端用户偏好数据挖掘模型构建。仿真结果表明,所提方法的数据挖掘精度较高,收敛性能较好,能够有效缩短数据挖掘时间,提高数据挖掘效率,有效防止数据发生丢失,数据挖掘的安全性能较高。

基于约束规则的科技基础性数据质量审查模型研究与实现

针对科技基础性工作项目汇交数据质量审查人工效率低、易出错的现状,设计了基于自定义约束规则的项目汇交数据质量审查模型。模型由构建器、规则库和判断器3个部分构成,其中构建器主要是用于约束规则的配置;规则库由一系列规则集构成,每个规则集都从数据的完整性、一致性和约束性3个方面进行约束规则的定义,完成定义的规则集构成一个审查模板;判断器主要是将审查模板应用于一个数据集进行审查并输出审查意见。实践证明,该模型能够满足科技基础性工作项目汇交数据质量审查的工作要求,提高了科技基础性工作项目汇交数据质量审查的质量和效率,同时也为其他类似数据质量审查工作提供了技术参考。

缺失数据下带约束条件的部分线性变系数EV模型的估计

用一般级数估计方法研究了带约束及响应变量缺失条件下的部分线性变系数EV模型的参数与非参数估计,并讨论了参数估计的一致性和渐进正态性及非参数估计的收敛速度,且通过数值模拟验证了所提方法的估计效果.

基于ControlVAE的约束嵌入稠密时变阵列构建

在对探地雷达(Ground Penetrating Radar,GPR)数据进行三维建模与可视化分析过程中,其所依赖的三维时变阵列通常是由一维数据道或二维阵列间接生成的.由于采集到的数据往往比较稀疏,且存在不规则偏移,需要进行稠密处理,以获得高密度三维时变阵列.本文提出了一种基于可控变分自编码(Controllable Variational AutoEncoder,ControlVAE)的约束嵌入稠密时变阵列构建方法 .使用基于ControlVAE的时变数据重构网络,通过隐空间采样插值和深浅层特征信息的融合,生成接近真实分布的伪道数据来增加阵列密度.构建了基于尺度不变特征变换的数据配准模块,提取道间梯度特征与结构对称性特征,可以在时空域内完成数据配准.同时将浅层特征作为约束信息嵌入数据重构网络,以消除数据道偏移对阵列生成的影响.实验结果表明,本文方法仅使用单测线二维B-scan数据集即可重建稠密时变阵列,可以有效降低重构模型累积误差,提高面对复杂真实数据时的鲁棒性.