基于深度数据挖掘的水电能源工程数据智能分析处理算法

针对水电工程造价预测存在不确定性高、风险性较大的问题,文中采用径向基函数(RBF)神经网络实现了对工程造价数据的预测。对于传统方法在大样本训练时的基函数中心不稳定、权重矩阵计算不可逆及训练不收敛等问题,使用遗传算法进行了优化,结合实际应用场景加以改进,并通过引入一种自适应交叉机制,保证了个体在每次进化后均能取得最优的交叉概率。同时,利用父代子代顺序比较、位置更新的机制替代传统遗传算法中的变异操作,从而防止了在浮点编码下的基因突变劣化。在实际水电工程数据集上进行的算法性能仿真结果表明,相较于传统训练方式,使用改进后遗传算法优化的RBF网络在不同规模的工程造价预测上具有良好一致性,且算法平均误差仅为6.00%,较传统方法降低了2.70%。

基于深度数据挖掘的电力系统短期负荷预测

针对现有电力系统短期负荷预测中存在的预测效果不佳的问题,提出基于深度数据挖掘的电力系统短期负荷预测算法。将归一化处理的历史电力系统负荷数据、模糊处理的温度数据、天气状况、降水概率等数据作为预测模型的输入量,构建基于模糊GBDT(Gradient Boosting Decision Tree)的电力系统短期负荷预测模型,并引入Boosting算法,以解决预测模型中存在的训练速度缓慢和内存占用大等问题;在此基础上,设计基于模糊Boosting-GBDT的电力系统短期负荷预测模型,实现电力系统短期负荷预测。实验结果表明,所提预测方法在工作日和休息日不同时刻的电力系统短期负荷预测结果与实际负荷较接近;未来一周电力系统短期负荷预测MAPE和RMSPE值均低于0.2%。

基于深度数据挖掘的高校信息数据整合方法

针对高效信息数据整合方法中未能使用Z-score算法对信息数据进行标准化处理,导致信息数据整合时存在整合精度低、时间长等问题,提出基于深度数据挖掘的高校信息数据整合方法。首先依据Z-score算法标准化信息数据,并依据标准化结果提取信息数据特征;再使用深度数据挖掘方法中的K-means算法计算数据特征生成基聚类器;最后将信息数据放入基聚类器中进行聚类;实现信息数据的整合。实验结果表明,运用该方法进行数据整合时,整合精度高、整合时长较短。

基于深度数据挖掘的法律案例自动推荐方法

为改善推荐效果,研究基于深度数据挖掘的法律案例自动推荐方法。首先,建立法律案例深度推荐模型,通过计算权重和引入卷积神经网络捕捉空间关系,在特征和目标之间拟合特征关系。其次,利用注意力机制融合所有特征,使模型与查询文本匹配并使用全连接网络输出相关程度得分和分类预测。最后,对法律案例进行特征向量提取,将字符序列转化为语义表征向量序列,并聚合特征提取层的向量,以获取学习参数。实验结果表明,设计方法推荐案例的推荐效果较好。

基于深度数据挖掘和区块链技术的智库数据管控方法研究

针对电力企业尚未专业、系统地开展智库建设,且缺乏完善的智库运营管理机制等问题,文中展开了基于深度数据挖掘和区块链技术的智库数据管控方法研究。文中构建的智库管控系统包括数据层、支撑层、业务层和表现层;该系统对智库数据进行深度数据挖掘,利用K-means聚类算法分类数据特征,并采用深度信念网络获得数据间的关联。利用区块链技术完成智库数据管控全过程,以保证数据的安全性。基于B/S协议和Matlab仿真计算平台对所提方法进行实验,测试结果表明,当数据量为8 MB时,其挖掘时间和准确率分别为1.5 s和93%,优于其他对比方法,而且安全性也更为理想。

基于数据挖掘的船用通信网络异常行为分类和识别研究方法

为保证船用通信网络的安全,设计基于深度数据挖掘的船用通信网络异常行为分类和识别方法。该方法数据处理模块采用全局信息数据融合策略,融合网络的原始采集数据,特征选择模块通过平均不纯度减少特征重要度计算方法,选择有效特征并计算该特征重要度后,形成特征集,将其输入分类识别模块的内外卷积网络深度学习网络模型中,通过模型的学习和训练,获取船用通信网络异常行为分类识别结果。测试结果显示:该方法可有效删除其中的无效特征,保留有效特征结果;可获取不同类别有效特征标签的重要度评分结果;分类识别的平均绝对误差均低于0.18,可完成不同流量变化下异常行为分类识别。

基于数据深度挖掘的高校图书馆服务系统优化设计

针对传统高校图书馆服务系统存在的信息融合能力差、馆藏资源与现实效能失衡、处理个性化需求失效等问题,提出了一种基于数据深度挖掘的高校图书馆服务系统。通过构建基于用户兴趣的MongoDB数据库,引入K最邻近(K Nearest Neighbor,KNN)算法创建读者信息需求模型,在仿真环境下验证了系统效能。实验结果表明,本系统能够全方位实现高校图书馆服务,在信息处理、服务适应、模型耦合等方面具有显著优势,为用户带来更好产品与空间体验的同时推动了人与人交流,促进了知识传播。

基于多深度概念树与遗传算法的数据挖掘技术研究

在改进传统意义上的概念树的基础上,提出构建多深度概念树的思想。并发挥遗传算法的优势,进行多深度数据挖掘,可以同时得到针对某一类产品销售与进货的规则。这在非自选式(非超市型)商品(需专家经验)的销售行业有着良好的应用前景。

短期电力负荷预测的时间序列数据深度挖掘模型设计

短期电力负荷预测存在数据时间序列紊乱现象,导致预测短期电力负荷精确度低,为此提出用于短期电力负荷预测的时间序列数据深度挖掘模型。设计数据预处理电力数据仓库体系,获取电力数据,并对电力数据进行排序处理;基于数据处理结果,划分数据时间序列,建立时间序列数据深度挖掘模型,预测短期电力负荷。实验结果显示,采集同一区域的同一电力局电力信息,对短期电力负荷进行预测,预测短期电力负荷功率与实际一致,对短期电力负荷预测的精确度较高。

物联网同频共用跨域数据流动安全检测算法

为保障物联网数据跨域流动安全,提出物联网同频共用跨域数据流动安全检测算法。该方法基于数据离群特征计算数据集信息熵,将信息熵计算结果较大的数据点作为聚类中心,通过类簇中心距离的计算分析数据分布特征;将数据分布特征输入BP(Back Propagation)神经网络中,结合遗传学习算法完成同频共用跨域数据的深度挖掘。利用小波分析法分割同频共用数据中的有效信号与噪声信号,引入wrcoef函数实现无噪信号的重构输出。基于Markov链状态转移概率矩阵,建立马尔可夫跨域数据流动安全检测模型;通过待测样本与标准样本之间相对熵差异值的计算,完成物联网同频共用跨域数据流动安全检测。仿真结果表明,该方法能有效提高数据流动安全检测效率,实现了数据跨域流动态势的精准感知。

海洋实时监测数据库的多来源数据深度挖掘方法

在舰船实时监测数据库的数据挖掘中,针对使用传统数据挖掘方法伸缩性较小的问题,提出了一种舰船实时监测数据库的多来源数据深度挖掘方法,利用差集交叉计数策略,将舰船实时监测数据库中垂直数据格式的多来源数据转换为水平数据格式,利用基于数据集的数据聚类方法,对舰船实时监测数据库中的水平数据格式多来源数据进行聚类分析,利用HFPM数据集构造法,实现舰船实时监测数据库的多来源数据深度挖掘。为了验证该方法的有效性,与PFP数据挖掘方法与mrDFIN数据挖掘方法进行对比,得出该方法的伸缩性为92.3%,通过比较可知,本文所提方法的伸缩性最大,证明了该方法的有效性。

配电网的自动化控制技术分析

阐述配电自动化高质量发展的思路和具体措施,包括加强对现有配电网自动化设备的运维、充分利用现有自动化设备收集的基础数据深度挖掘数据价值、为生产管理提供精细化建议。

ChatGPT赋能公路检测行业带来的机遇、挑战及展望

ChatGPT赋能公路检测行业,通过此项技术去实现公路智能化检测,就有了底层技术逻辑支撑点。这是一场创新中的颠覆式变革,展现出一个全新的检测思维逻辑。ChatGPT人工智能强大的自然语言处理、数据整理和数据分析、深度学习等,能分析出桥梁外观病害真实情况。通过数字孪生技术,能够对公路、桥梁服役性能评估。大数据可以有效提升公路检测效率,提高检测管理时效性,确保全路网稳定安全运行,优化改革公路检测管理模式,让检测工作向着专业化、科学化、智能化、市场化方向全面发展。

基于协同过滤算法的英语资源库信息推荐模型

针对大数据量下的英语资源库信息推荐模型中数据稀疏性较大的问题,提出一种基于协同过滤算法的英语资源库信息推荐模型。对历史监测的数据进行深度挖掘,将原始数据通过整合完善转化为资源数据集。通过协同过滤算法和资源反馈矩阵的表述实现资源选取,根据任意用户对项目集中同一数据资源的反馈评分计算得出每个项目间的相似阈值,以此为基础拟合项目整体相似阈值,根据阈值数挑选与用户最为匹配的项目资源,完成推荐。仿真实验证明,该模型算法的推荐精准度和效率较高,有效解决了数据稀疏性较大的问题。

电能计量资产全生命周期管理的方法研究

在电能计量资产信息中,会产生采购、计量、管理、出库等不同阶段的数据信息,这些数据信息隐藏着能够反映电能质量的各种关系,在对电能计量全生命周期管理中,需要对这些数据信息进行挖掘、分析,以实现电能计量资产的最佳化应用。因此研究构建了智能化的管理架构,设计了新型的无限深度神经网络模型,通过数学表达的方式实现了电能计量资产数据信息的深度挖掘,提高了资产数据管理的能力。试验表明,所提出的方法数据挖掘能力强、准确度高,高达92%以上。

基于微服务的管道阴极保护信息管理系统设计

管道阴极保护具有分布区域化和信息多样化特点。阴极保护数据海量,分布分散,尚未形成集中统一管理和经验共享,存在严重的数据碎片化和信息隔离现象,数据价值未能有效挖掘。因此,提出基于微服务架构的长输管道阴极保护信息管理系统设计方案,结合实际应用场景,对系统功能模块进行了划分。系统建成后可实现管道区域和线路阴极保护数据的集中储存、分析和查询管理,提高阴极保护数据利用效率,可为管道阴极保护辅助决策提供依据。

就业信息资源的深度挖掘服务与职业生涯发展工作坊设计

信息资源的深度挖掘和精准指导是新时期高校就业工作的两大探索方向。兰州交通大学一方面建设就业大数据中心,从高校角度、学生角度、用人单位角度的深度挖掘信息资源;另一方面,建立职业生涯发展系列工作坊,探索精准帮扶、分类指导之路。

煤矿安全监控系统技术现状及智能化发展趋势

智能化矿山的建设对监测监控系统的功能性、稳定性要求日益提高,把握未来技术发展的核心需求具有重要意义。通过分析“十三五”期间煤矿安全监控系统升级改造在传感层、传输层和应用层取得的具体技术成果,基于最新的《煤矿安全监控系统通用技术要求》,探讨了监控系统下一步智能化发展方向:传感器智能化、全覆盖,支持多网、多系统融合,系统增加自诊断、自评估功能,加强数据应用分析等。提出通过对新型传感技术、传感器智能化、分布式供电及共缆透传技术、一体化采集平台、监测数据深度挖掘与分析利用、生产协同管控等技术研究,引领煤矿安全监测监控系统的智能化技术。

Research on the Developmental Trend of Data Journalism under the Background and Time of Big Data

In this paper, we conduct research on the developmental trend of the data journalism under the current background and the time of big data. Big data is not only a concept, but also a description of a state of society： in the era of the big data, data become important social resources and production data, the news media is no exception. In the time of the data had not been so seriously, the core of the news resources is a reporter on the scene to get first-hand material, is based on the reporter can see, smell, feel the fact description, data is often only a supplementary role. However, in today＇ s era of big data, although the scene is also very important, but based on the various aspects of data mining and analysis and the depth of the formation of information has become more and more important. Our research proposes the novel paradigm for the issues that is meaningful.