小波变换与EMD方法在高铁雨棚数据降噪处理中的适用性分析

针对高铁雨棚长期监测数据中的噪声处理问题,分析了典型高铁雨棚监测信号的噪声特性,在此基础上,采用小波变换和经验模态分解EMD(empirical mode decomposition)方法对雨棚实测风压、应力、振动等典型信号进行降噪处理和对比分析。研究结果表明这两种方法在降低监测数据噪声、提高信噪比方面的有效性,并且通过结合主成分分析PCA(principal component analysis)的综合评估进一步证实了EMD在振动类和应力类数据降噪中的优越性。研究为实际工程中降噪技术的选择和应用提供了理论支持。

服装热阻研究中的数据分析及可视化方法

为明确服装热阻研究的数据分析思路并探求更优的可视化方法,从实验设计、热阻测评、数据处理和数据分析等4个阶段对相关文献进行梳理,明确了常用的数据分析和可视化手段。研究表明服装热阻受环境、服装、人体等多方面因素影响,主要采用暖体假人或真人实验的方法获得。数据较多以二维图像或组图的形式呈现,适用3项以内影响因素结果的分析。采用人工智能方法能够纳入更多影响因素实现服装热阻的准确预测,为不同环境下服装的选择、性能优化及人体热舒适的提升提供科学指导。

全国艺术学博士学位论文研究方法的大数据分析(2019—2023)

对近五年全国艺术学博士学位论文中研究方法进行大数据分析,总结关于研究方法使用频次、使用时间、学科相关度等特征,为未来研究方法的把握与运用提供科学指导。结果表明,在检索范围内,传统的人文社会科学研究方法仍占主导,随着艺术学研究的深入,部分新兴研究方法日渐走高,跨学科研究法等将成为未来研究方法新趋势。

基于大数据分析的建筑工程项目跟踪审计方法研究

由于建筑工程项目中会涉及到多个单位和部门,在开展跟踪审计时难以应对复杂繁多的各类项目的监测审核。根据建筑工程项目的评价指标体系,构建跟踪审核分析模型,利用大数据计算分析工程项目跟踪审计指标参数,确保采集的监测数据的完整性和准确性,再逐一排查项目跟踪审计结果的各类风险点。实验结果表明,研究方法能够对建筑工程项目进行全面风险评估和预警,能够及时发现和应对潜在风险,降低了建筑工程项目的审计风险。

辐射环境监测数据采集与分析方法比较研究

伴随科技迅速发展,大众环保意识日渐加强,社会公众高度重视辐射污染及辐射环境监测工作。辐射环境监测数据采集与分析是环境科学研究的重要内容,其核心问题是如何对监测资料进行准确、高效地采集与分析。文章围绕辐射环境监测数据采集与分析方法进行研究,希望切实为有效优化及提升辐射环境监测数据采集分析质量奠定坚实基础。

面向非结构化数据的情报分析方法体系框架研究

[目的/意义]大数据驱动的情报分析应充分挖掘海量、异构、动态的非结构化数据中蕴含的价值。通过完善面向非结构化数据的情报分析方法体系,促进新技术、新算法和新模型与情报分析相融合。[方法/过程]基于文献调查、对比分析、系统分析等方法,总结归纳非结构化数据给情报分析带来的挑战。在方法体系解构及要素分析基础上,梳理现有情报分析方法,提出了面向非结构化数据的情报分析方法体系框架,在产业技术情报分析中介绍了体系的应用方案。[结果/结论]基于流程说视角,完善和总结面向非结构化数据的情报分析方法体系框架,从文本数据、网络数据、图像数据和语音数据4类非结构化数据入手,从数据源、数据采集、数据存储、数据处理、数据分析和可视化展示6个方面阐述了基于非结构化数据的情报分析思路和模式,推进情报分析领域多源异构数据的融合应用。

基于故障录波数据的变电站故障分析系统研究

基于故障录波数据的变电站故障分析系统是针对电力系统故障处理中的实际需求而设计的一种关键技术手段。本文系统通过对变电站故障录波数据的深入分析和处理,实现了对电力系统故障的快速准确诊断和处理,为保障电力系统的安全稳定运行提供了重要保障,期望能够为相关人员提供参考。

基于小波分析的电力多级冗余数据校验系统

针对电力多级数据体量的增大,冗余数据量随之增大,造成电力大数据应用质量降低的问题,设计基于小波分析的电力多级冗余数据校验系统。预处理电力多级数据后,引入小波分析算法分解处理电力多级数据,提取最大权重系数对应分解部分数据的代表特征。基于流水线策略检测电力多级冗余数据,并通过并行化技术对其进行消除处理,从而实现电力多级冗余数据的校验。实验数据显示,应用设计系统后,冗余数据查全率最大值达到了97.56%,冗余数据校验误差最小值为2%,证实了设计系统具有较好的冗余数据校验效果。

基于多源数据的科技情报分析方法应用解析

[目的/意义]探究基于多源数据的科技情报分析过程中情报分析方法的应用规律与特点,有助于情报研究人员正确认识、准确选择与应用情报分析方法。[方法/过程]基于情报分析相关研究成果,通过对众多典型的基于多源数据的科技情报分析实践案例的分析综合与归纳,揭示情报分析方法在科技情报分析过程中的应用规律与特点。[结果/结论]在基于多源数据的科技情报分析过程中,在分别受到科技情报任务、多源数据、数据融合的驱动时,情报分析方法的应用呈现出特定的规律与特点。

基于小波分析的高压隔离开关故障检测方法研究

高压隔离开关在高压配电网中起到了重要的故障切断作用,能有效避免故障影响范围。该装置的工作状态直接关系到配电网工作的可靠性。为此研究一种基于小波分析的高压隔离开关故障检测方法。该方法利用加速度传感器采集高压隔离开关振动信号,利用小波分析分解振动信号,实现去噪同时,提取信号的能量熵特征。以特征为输入,利用优化BP神经网络构建检测模型,实现高压隔离开关故障检测。结果表明:所研究方法应用下,得出20个高压隔离开关中4个存在故障,其中3号开关存在拒动故障、10号开关和15号开关存在绝缘故障、19号开关存在拒动故障,证明了检测方法的有效性。

融入思政元素的“数据分析”课程教学改革方法研究

大数据时代,数据分析成为各个领域长期发展的必要手段。“数据分析”课程作为一门选修课,主要训练学生掌握解码大数据背后时代发展规律的方法,为培养医学、物理、化学、经济等专业学生的数据处理能力奠定良好基础。主要针对“数据分析”课程的教学目标以及目前教学过程中存在的问题,提出具体的教学改革措施,从优化课程内容、改善教学方法、融入思政元素、增加实训练习和改革考核模式等五个方面,以提高课程教学质量和增强学生应用能力的培养。

基于小波去噪和时频分析的智能电表量测数据挖掘研究

为提升智能电表量测数据挖掘效果,该文研究一种基于小波去噪和时频分析的智能电表量测数据挖掘方法。应用小波变换阈值去噪方法对数据集进行去噪,通过惩罚策略选择阈值后,对存在噪声的数据集进行运算,获取去噪后的数据集,根据去噪后的小波系数与存在噪声的小波系数获取最优阈值函数;利用自适应最优径向高斯核时频分析方法,有效将最优阈值函数的数据集分离为自分量信号与互分量信号,精准挖掘智能电表仿真模型数据库内数据,完成智能电表量测数据信息的输出。实验结果表明,所研究方法去噪效果较好,相对误差保持在2%以内,挖掘精度维持在96%以上,应用性能较好。

基于模糊层析分析法与关联规则的数据安全漏洞智能识别方法

关联规则的数据安全漏洞智能识别方法是直接对数据安全漏洞特征进行采样,而未对安全数据进行分类,造成方法漏洞识别率较低。因此,文章提出了基于模糊层析分析法与关联规则的数据安全漏洞智能识别方法。依托该方法进行安全数据分类,可对数据安全漏洞特征进行采样并根据采样结果对数据安全漏洞进行智能识别。实验结果表明,该漏洞识别方法具有较高的识别率。

数据图层化分析方法辅助电网基建业务管理的应用探索

为深入践行绿色发展理念,响应数字中国建设,能源行业数字化智能化发展转型势在必行。探究数据图层化分析方法在电网基建业务管理中的应用,首先对电网基建业务需求进行分析;然后从总体架构和基础功能、图层叠加应用功能等方面进行应用设计;最后分析应用成效。该方法辅助电网基建业务管理,实现各类电网基建资源的统一结构化管理和可视化展现,打破基建各专业协同壁垒,实现异源数据融合与数据分析,释放海量电网数据要素价值,助力新型电力系统建设发展。

浅析大数据背景下的情报分析理论与实践——评《基于科技大数据的情报分析方法与技术研究》

随着社会的快速发展,科技的浪潮包裹着各个行业,面对海量且庞杂的数据信息,传统的情报采集分析工作开始难以满足行业需求。如何在大数据时代重新建构情报分析理论与实践研究,解构数据技术对情报分析带来的挑战,进而拓展情报分析技术发展路径是当下值得探讨的课题。因此,由曾文编著,科学技术文献出版社于2018年7月出版的《基于科技大数据的情报分析方法与技术研究》一书,从大数据技术视角出发探究新时代情报分析工作遇到的机遇和挑战,再以数据技术为支撑研究数据暴增形势下情报分析工作的改革创新方法与路径。进而为大数据时代情报分析理论与实践技术的提升提供思考与借鉴。

基于试验数据分析的FRP筋混凝土梁抗弯承载力预测方法

新型纤维增强复合材料(FRP)被视为一种可取代钢筋的理想增强材料,在岛礁及近海工程中得到广泛应用。参照相关规范的参数规定及基本假定,对国内外89根FRP筋混凝土梁的试验数据进行统计分析,引入无量纲化参数μp,建立了一种基于试验数据分析的抗弯承载力预测方法,并与我国现行规范中的计算方法进行对比分析,验证了本文提出预测方法的可靠性和预测精度。结果表明:基于试验数据分析的FRP筋混凝土梁抗弯承载力预测结果与试验结果吻合较好,M_(pre)/M_(exp)平均比值为0.96~1.03,为FRP筋混凝土梁极限承载力评估提供了一种新途径。

基于小波分析的湖南罗富冲滑坡监测数据去噪与预警

滑坡自动化监测数据中噪声的存在导致滑坡预警误报严重,在预警之前有必要对原始监测数据进行去噪。以湖南罗富冲滑坡为研究案例,首先使用小波分析对该滑坡GNSS地表变形数据进行分解,然后使用分解的低频分量进行信号重建以实现数据去噪,最后分别使用原始数据和去噪数据计算日变形速度以进行预警计算,通过对比分析验证去噪效果。研究结果表明,对原始滑坡自动化监测数据使用小波分析进行去噪处理能够有效提升预警的准确性,对于保障滑坡影响区域的人民群众生命财产安全具有重要意义。

基于神经网络和遗传算法的金融数据分析方法

金融市场的复杂性和不确定性使得对其进行准确的数据分析成为一项重要而具有挑战性的任务。随着科技的不断发展,神经网络和遗传算法等先进技术在数据科学领域展现出强大的潜力。金融数据分析已经取得了一些重要的成果,但仍然存在着一系列挑战,如市场波动性、信息不对称等。神经网络作为强大的模式识别工具,具有处理复杂数据结构的能力,而遗传算法则在参数优化和搜索空间中的全局最优解方面表现出色。通过将这两者相结合,我们期望提供一种更为有效的金融数据分析框架,以更好地适应市场的动态变化。通过这项研究,我们希望为金融领域的数据分析方法提供新的视角,并为未来研究提供有益的启示。

基于小波分析的铁路桥梁变形监测数据处理研究

为解决铁路桥梁自动化变形监测数据中存在噪声等问题,基于一种小波阈值去噪法,对获取的自动化变形监测数据进行去噪处理,该方法可以剔除自动化变形监测数据中的噪声,提取铁路桥梁真实变形趋势信息。首先利用Matlab构造一组包含噪声的仿真变形监测信号,通过仿真实验分析不同小波基函数、不同小波分解层数对去噪结果造成的影响,为了达到最优去噪结果,利用去噪质量综合评价指标T来选取最优小波基函数和小波分解层数。最后,为证明该去噪方法的可靠性,利用该去噪方法对某铁路桥梁静力水准仪自动化变形监测数据进行去噪处理,结果显示该方法能较好地剔除实测数据中噪声,并保留桥墩变形的细部特征。

基于大数据分析的电网负荷预测方法

结合长短期记忆网络(long short-term memory,LSTM)和Dropout正则化技术,本研究提出了一种基于大数据分析的电网负荷预测方法。首先,介绍了电力负荷预测的背景和意义,阐述了利用大数据分析技术进行电力负荷预测的重要性。其次,详细介绍了LSTM模型的基本原理以及Dropout正则化方法的优化原理。最后,使用UCI(university of california,irvine)电力负荷数据集对传统LSTM和基于Dropout的LSTM方法进行了对比实验,并对实验结果进行了分析和讨论。实验结果表明:相较于传统LSTM方法,提出的基于Dropout的LSTM方法在电力负荷预测任务上表现出显著的优势,能够取得更高的预测准确性和稳定性。