基于工业基础类标准的钢结构BIM全数据交互技术

研究了适用于各类钢结构的基于工业基础类标准(IFC)的全数据交互技术,可以导出钢结构模型完整的几何信息与附加属性,使通用建筑BIM软件能够进行模型信息读取并编辑其中的参数化构件;可以将模型全信息导入钢结构主流详图设计软件Tekla进行解析并重生成结构模型,实现模型二次编辑与施工出图。经工程实例验证,该成果应用于钢结构建筑信息模型(BIM)数据交互时信息传递完整、模型转换质量高,避免了钢结构不同设计阶段的重复建模,极大提升了设计效率。

改进FFT算法在频域全聚焦超声成像中研究

针对钢块中孔洞缺陷的超声成像检测,目前普遍采用时域超声成像算法。该方法中的延时叠加过程需要进行重复、繁琐的迭代运算,无法满足高质量实时成像的需求,频域超声成像算法具有更高的成像分辨率和更快的成像速度。提出了一种针对任意非0值输入的基2-FFT输入分级截断算法,将该算法应用在频域FMC-PSM算法成像中,得到改进的FMC-PSM算法,用于钢块中孔洞缺陷检测超声成像。实验结果证明,相较于标准FMC-PSM算法,改进的频域FMC-PSM算法能够在呈现更高质量图像的同时将成像速度提高了15%,有望解决超声成像中成像质量和成像效率难以兼顾的问题。

数据驱动教育数字化转型的信任机制——教育大数据全生命周期隐私增强模型的构建与典型应用场景分析

教育大数据正在成为驱动国家教育数字化转型战略行动的核心资源,带来了巨大的教育价值,但教育大数据的采集和分析产生了隐私侵害风险、信任危机等严峻问题,阻碍了数据的共享、开发和利用。如何增强教育大数据在开放共享、共建共用中的隐私保护和信任关系,成为制约数据驱动教育数字化转型的关键难题。对此,文章首先采用文献分析法,剖析了教育大数据隐私保护的研究现状与关键问题。随后,文章从应用场景角度设计了教育大数据全生命周期隐私增强框架,并基于此框架从技术实现角度构建了满足不同实体、不同阶段隐私需求的教育大数据全生命周期隐私增强模型及其应用流程。最后,文章介绍了该模型的典型应用场景,涉及学分与资质认证、教育协同与治理、可信评教、个性化学习服务等多个方面。文章的研究能够厘清教育大数据开放共享时的隐私保护关键问题和技术思路,可为实现教育数据要素化全生命周期的隐私保护、建立健全数据驱动教育数字化转型的信任机制提供参考。

大数据背景下的数据安全治理研究进展

【目的】通过检索与分析数据安全治理相关技术文献,从数据全生命周期各阶段入手,展开实现数据安全治理的各类安全治理技术研究。【方法】首先,通过介绍数据安全治理现状,分析加强数据安全治理研究的重要性;其次,具体阐述了数据全生命周期理论,给出数据生命周期的不同阶段;然后,系统性总结了数据准备、使用、存储与销毁等不同生命周期阶段的数据安全治理技术及其应用;最后,对数据安全治理面临的挑战与未来研究方向进行了分析与展望。【结论】加强数据安全治理,不论是对个人信息的隐私保护,还是对数据产业自身发展,甚至是对国家的信息安全,都有着重大意义。数据安全治理领域应更好地将区块链技术和实际应用相结合,建立更加健全的数据追责机制,明确数据使用的责任和义务。

区块链赋能企业反腐败合规建设的作用机理与实践路径

企业反腐败合规建设既是驱动企业高质量可持续发展的迫切需求,也是提高国家治理体系和治理能力现代化的必然要求。区块链作为信息技术革命的一项创新技术,以其公开透明可追溯、不可变更难篡改、去中心化去信任化和安全隐私可保护等特征优势,有效应对传统企业合规管理的现实困境,驱动企业权力运行数据化、管理数据真实化、流程运行高效化和信息安全隐私化。立足于互联网技术和信息化社会的时代背景,应以区块链为底层技术逻辑推动企业反腐败合规的实践落地:建立反腐败合规动态监督预警机制;构建反腐败合规全周期过程管控体系;构建企业反腐败信息互联互通体系;构建反腐败合规数据安全隐私体系。

无模型自适应滑模控制的微波加热过程温度控制

微波加热模型具有无限维、非线性和时变等特点,导致控制器难于设计和实现。针对此问题,提出了一种适用于微波加热过程的无模型自适应滑模控制方法。首先,对微波加热过程传热数学模型进行分析,建立了微波加热过程输入功率与温度之间的全格式动态线性化数据模型。然后,根据该数据模型设计了无模型自适应滑模控制器,并给出了数据模型中相关未知时变参数和未知干扰的估计算法。最后,利用COMSOL和MATLAB进行仿真,仿真结果验证了所提控制方法的有效性。

论药品专利补充实验数据的接受标准

药品专利由于研发时间长,在申请日后会产生大量的补充实验数据。我国的立法及实践已明确,应当对补充实验数据进行审查。但审查不等于被接受,典型案例反映出,对补充实验数据的接受标准依然存在较大争议。域外美国、欧洲、日本的立法模式和司法实践也各不相同。解决当前药品专利补充实验数据接收标准所存在的问题,应当从以下几个方面进行着手:分别规定“技术方案”和“预测效果”不同的接受标准;厘清补充实验数据与证明目的之间的关系;放宽对预测效果的严格标准;广泛理解本领域公知常识及现有技术。

区块链技术体系赋能数据智能研究

数据智能研究极大拓展了数据治理、处理、应用的流动范围,对动态安全和随遇响应有了更强要求。以数据分布式一致性技术和密码学为基础的区块链技术及其技术体系应用,具备体系赋能数据智能的天然优势。区块链技术体系以数据作为新型生产要素,能够提供基于数据供需关系的全域、全维、全类、全量数据的流动治理新模式,通过研究提出了“一域+两链+三服务”全周期安全治理基础框架、流动治理模式和实践方案路径,提供了适应数据智能发展的全方位新模式,支持形成了多场景数据主体的价值链条与平衡机制。

基于DSMM标准的职业院校数据安全治理研究

本文针对职业院校面临的数据安全问题,基于DSMM标准探索数据安全治理的路径,建立健全数据安全治理机制,提出在有效梳理数据资产的基础上,开展数据全生命周期的安全管理策略和技术防护措施,推进数据安全治理能力与职业院校信息化发展同步建设。

高速动车组数据驱动无模型自适应积分滑模预测控制

同许多复杂系统一样,动车组(Electric multiple unit,EMU)运行过程也具有多变量、强耦合以及非线性等特性,这严重影响着列控系统的性能.针对包含外部扰动的动车组自动驾驶系统,提出一种新型的多输入多输出(Multi-input-multi-output,MIMO)数据驱动积分滑模预测控制(Integral sliding mode predictive control,ISMPC)算法.首先,该算法基于与动车组运行过程等效的全格式动态线性化(Full format dynamic linearization,FFDL)数据模型,设计一种离散积分滑模控制(Integral sliding mode control,ISMC)律.为了使系统能够获得更高的输出跟踪误差精度,利用模型预测控制(Model predictive control,MPC)代替ISMC的切换控制,进一步推导出ISMPC算法.同时,通过对FFDL数据模型的未知扰动、参数误差等不确定项进行延时估计,提升了算法的控制性能和对系统的等价描述程度.在提供两种算法的稳定性证明分析之后,以实验室配备的CRH380A型动车组仿真实验台对提出的ISMC和ISMPC算法进行仿真测试,并与其他方法进行对比,仿真结果表明ISMPC算法控制性能较好,动车组各动力单元速度跟踪误差均在±0.132 km/h以内,满足列车的跟踪精度需求;控制力和加速度分别在[-52 kN,42 kN]和±0.9249 m/s2以内且变化平稳.

基于ElasticSearch的医疗数据检索系统的设计与实现

随着医疗技术的发展,医疗业务场景越加复杂,由此产生的医疗数据也越来越多,其来源复杂,结构多变,信息冗余,数据不完整。这些特性使得系统在进行检索时,无法快速、有效、精确地查询数据。为了解决这个问题,设计并实现了基于ElasticSearch的医疗数据检索系统。该系统将医疗数据进行标准化,填补缺失值,选取合适的分词算法进行分词,将处理后的数据存入ElasticSearch中,同时使用SpringBoot构建系统应用,消耗多个医疗基础业务系统产生的数据,最终形成统一的医疗数据检索系统,给用户提供便捷、精确的查询服务。

青藏高原南部4种土地利用方式土壤质量评价

为了阐明青藏高原南部土壤质量的基本特征,本研究采集了该地区4种典型土地利用类型(草地、耕地、乔木林地和灌木林地)的土壤样品,测定土壤相关理化指标,利用主成分分析法筛选最小数据集指标,并运用土壤质量指数法(SQI)定量评估土壤质量。结果表明:土地利用方式对土壤理化性质具有显著影响,饱和导水率属于极敏感指标,电导率、全氮、有机质、砂粒属于高度敏感指标,pH、容重、粉粒、黏粒属于中度敏感指标。青藏高原南部土壤质量评价最小数据集由全氮、粉粒、黏粒、电导率构成,最小数据集能够较为准确地体现青藏高原南部土壤质量信息(P<0.01)。根据最小数据集计算的SQI表现为乔木林地>草地>耕地>灌木林地,且乔木林地土壤质量显著高于其他3种土地利用类型(P<0.05)。评价结果对于青藏高原南部地区土地的合理利用和生态保护具有重要的参考意义。

基于SOA架构的电炉企业财务与采购全链条数据管理平台设计

目前电炉企业财务和采购全链条业务数据管理平台没有对数据库进行实时更新处理,存在财务和采购业务数据管理整体耗时长、读取操作次数多和元数据迁移范围大的问题。提出基于SOA架构的财务与采购全链条业务数据管理平台设计,在SOA架构的基础上设计整体框架,并将平台划分财务与采购数据管理模块、采购数据基本信息管理模块、库存管理模块、采购信息查询模块以及用户登录系统模块五大模块。其次为加强数据管理效率,设计出数据处理软件系统,即可实现财务与采购全链条业务数据管理。实验表明,所提方法整体耗时短、读取操作次数少和元数据迁移范围小。

钻孔轨迹全数据监控系统研究

回转钻进在井下瓦斯抽采施工中得到广泛推广,采用底抽巷回转钻进的方式进行瓦斯抽采,能够实现对目标煤层充分泄压、有效保障预掘巷掘进安全。以底抽巷抽采方式为基础,利用随钻钻孔轨迹仪、钻机开孔定向仪、水压监测系统等组成全数据监控系统。介绍了钻孔轨迹仪、开孔定向仪等设备的工作原理,并对其工作特性、适用性、技术指标,钻孔轨迹设计原则以及系统工作流程进行了说明。最后通过实例,验证钻孔轨迹全数据监控系统具有判断煤层瓦斯空白带、预掘巷道的煤层厚度和煤层起伏精细测绘、钻孔深度的精准控制、钻机作业、停机状态监测等功能。为达到补孔效果,对补孔施工工艺涉及的钻具组合、钻机给进速度、给进压力以及转速等进行阐述。

制造业企业数据要素治理的探索与实践

在数字化转型的大背景下,数据在制造业企业中已然成为核心驱动要素,扮演着重要的角色。但制造业中的数据质量、一致性和可用性等管理仍然存在多种制约与挑战。制造业企业的数据要素治理是通过一种体系化的方法对数据管理的各方面进行治理提升,保障各环节、各周期数据完整、可信和可用。本文旨在探讨一种适用于制造业企业数据要素治理的概念、原则、框架和实践,并提供相关案例分析,为制造业企业数据要素治理提供研究案例与实施路径。

基于决策树的工业通信网全链路数据异常检测方法

因工业通信网带宽不断扩大,全链路承载的数据也越来越多,受不同属性数据关联关系影响,导致数据异常检测结果不精准。为此,提出了基于决策树的工业通信网全链路数据异常检测方法。根据决策树信息熵理论,选择信息增益最大属性作为分类特征,计算信息增益率。利用最小距离分割决策树计算理想划分结果与实际划分的范式距离,获取由范式距离组成的序列,以此构建异常数据检测模型。集中决策树各个特征节点,构建异常数据检测矩阵,计算目标加权关联平均值,实现对决策数据集预处理。采用标准化的处理算法训练基于决策树的检测数据,利用特征量的改变来控制通信网络波动,以此检测异常数据。由实验结果可知,该方法 IP熵值最大为0.6,与实际异常数据检测结果一致,能够有效实现数据异常精准检测。

基于“地块码”的土地全生命周期数据治理——以郴州市为例

长期以来,土地管理工作存在“碎片化”管理方式,各业务环节之间缺乏有效的衔接和协同,导致数出多源、标准不一、信息分散等问题,影响了土地管理的质效,无法适应万物互联、协同高效的数字时代新要求。本文提出基于“地块码”串联土地全生命周期的关联表达方式,通过数据流转分析、业务流程重构、数据融合加工、编码关联等方式,构建贯穿土地全生命周期的“时间链”和“业务流”,有效地解决了“数据孤岛”“业务烟囱”等问题,统一管理和利用数据,提高了数据的利用率和价值,实现了土地管理数据跨业务、跨部门、跨系统的协同共享,有助于更加精细化、智能化、智慧化推动土地管理工作。

铁路货运营销大数据系统的设计与实现

为实现货运营销各项业务的有机融合,优化铁路货运营销模式,设计了铁路货运营销大数据系统,阐述了系统的总体架构,通过数据采集调度技术和基于机器学习的预测分析技术实现客户关系管理、一体化考核管理、分析决策管理和市场监测等功能。该系统已在中国铁路济南局集团有限公司上线应用,实现了经济效益的显著提升,有效提升货运生产组织水平,为货运部门的各项营销决策提供技术支持。

基于大数据技术的高职院校全量数据资源池的建设与实践

各高职院校智慧校园建设均取得了一定成就,积累了大量的数据。在此背景下,全量数据资源池的建设得到高职院校的关注。文章对现阶段数据建设方面的问题进行分析,并探讨全量数据资源池建设的重点任务、建设思路及应用价值,为高职院校决策分析、教学科研、管理服务提供全维度、高质量的数据引擎,推动高职院校高质量发展。

光学协同合成孔径雷达数据的森林类型分类研究

为探究光学数据和合成孔径雷达(Synthetic Aperture Radar,SAR)数据在森林类型分类中的优势和互补性,以云南省普洱市思茅区的Landsat 8数据与微波遥感SAR影像ALOS2数据相交覆盖区域为研究区,采用分层分类技术进行森林类型分类研究。构建3种特征集,光学数据特征集(光谱+植被因子+纹理+地形特征)、SAR特征集(后向散射+极化分解特征)、光学-SAR融合数据特征集(光谱+植被因子+纹理+地形+后向散射+极化分解特征),并使用递归特征消除法(Recursive Feature Elimination,RFE)对提取的3种特征集分别进行分层特征筛选,再用随机森林(Random forest,RF)、支持向量机(Support Vector Machine,SVM)对森林类型分类,光学-SAR融合数据SVM的分类效果最好。结果表明,1)在第1层(植被/非植被)分类时,总体精度为98.57%,Kappa系数为0.971;2)在第2层(森林/非森林植被)分类时,总体精度为92.14%,Kappa系数为0.826;3)在第3层(针/阔/混交林)分类时,总体精度为83.47%,Kappa系数为0.743。融合数据相比于光学数据集分类精度提高9.91%,比SAR分类精度提高24.97%;4)在融合数据集进行第3层次的分类中,对比不同窗口3×3、5×5、7×7、9×9下的光学图像纹理特征对分类结果的影响,7×7纹理窗口下精度最高。结果表明,多源数据协同的森林类型分类精度相比于单一数据源精度更高。