基于大数据技术的网络舆情危机预警方法研究

针对传统网络舆情危机预警方法存在预警误差较大和预警时间比较长的问题,提出基于大数据技术的网络舆情危机预警方法研究。从网络舆情主体、客体、媒体以及环境四个方面筛选网络舆情危机指标,建立预警指标体系,从政府官方新闻网站、大型门户网站以及微博中收集网络舆情信息,通过对网络舆情信息归一化处理,建立网络舆情危机信息资源库,利用大数据技术对预警对象与资源库中网络舆情进行比对,确定网络预期危机系数、等级和预警标识颜色,以此实现基于大数据技术的网络舆情危机预警。经实验证明,设计方法预警误差在2%以内,预警时间在1s以内,可以实现对网络舆情危机精准、快速预警。

多源数据挖掘在配网运行监控平台设计中的应用

传统平台在配网运行监控中的应用效果不佳,不仅错误识别监测数量较多,而且配网运行恢复时间较长,无法达到预期的监控需求,因此,文章提出多源数据挖掘在配网运行监控平台设计中的应用。针对平台软件设计,利用无线传感技术采集配网运行状态量数据并通过对数据残差进行修正,以实现对配网运行状态数据的预处理。利用多源数据挖掘技术对配网运行状态数据进行关联分析以挖掘数据关联关系,确定配网运行故障率。利用关联规则定位配网运行故障位置。通过对隔离开关的控制实现对配网运行故障的隔离,以完成配网运行监控平台的设计。经实验证明,该设计平台错误识别监测数量较少,配网运行恢复时间较短,在配网运行监控方面具有良好的应用前景。

利用大数据分析技术的智能化网络故障诊断系统

随着网络技术的快速发展以及各种新网络业务的出现,网络的规模日益扩大和复杂。同时,各种网络服务对于网络可靠性的要求也逐渐提高,这就对网络的维护提出了更高的要求。在这种情况下,传统的网络维护模式逐渐不能适应现代网络发展的需求。针对现代大型网络的故障诊断问题,利用大数据分析技术,设计并完成了一套整体的智能化故障诊断系统。在此系统中,针对不同的故障类型,利用能够获取到的数据类型,针对性地设计了相关的故障诊断模块和算法。系统整体基于开源的数据处理平台构建,具备良好的可扩展性。通过实际案例数据的验证,结果表明此系统具备良好的处理实际网络故障的能力,将大数据分析技术应用于网络故障诊断领域也具备较强的可行性。

切削技术领域数据资源整合共享研究

切削技术领域数据资源整合共享是国家基础平台项目"先进制造与自动化科学数据共享网"25个技术领域中最重要的领域之一,它为我国制造技术水平的提高提供了重要的技术支撑。本文论述了切削数据资源体系的主要内容,介绍了切削数据资源的表现形式及其实用性,提出了进一步的发展方向和研究重点。

大数据时代开源情报在重大疫情中的作用分析

[目的/意义]基于突发重大疫情爆发速度快,影响力大的现状,探究大数据背景下的开源情报在重大疫情中的作用。[方法/过程]结合具体案例,分析大数据技术对开源情报改革的促进作用,论述其在疫情中的信息传播和应急协作等作用。[结果/结论]大数据时代,开源情报的收集范围、敛散性、分析人员、服务对象和处理流程发生了改变,使之可以更好地夯实政府信息公开的基础、推动疫情防控工作、修复社会信任危机和促进情报融合。

融合多源信息的交通运行仿真分析

针对城市道路单一检测器采集的交通数据准确性低的问题,将城市道路多源信息采集数据运用到数据处理系统构建中,采用一种基于径向基函数网络数据融合模型,实现多源信息融合运算.选取青岛西海岸经济新区江山南路与富春江路交叉口进行验证分析,运行Vissim仿真验证了该模型的有效性,为城市道路智能化管控平台建设和交通运行态势预测提供了实时可靠的数据支撑.

试析图书馆西文编目工作方式的变化与发展

图书馆西文编目工作的发展变化经历了几个重要阶段 ,在此基础上 ,本文探讨了西文编目工作方式的变革。

大数据在高校网络舆情应急处置中的应用探讨

高校网络舆情事件频发,舆情事件处置稍有不慎将颠覆高校的正面形象。大数据技术为高校的舆情预警与处置提供了技术支撑。基于此,本文建立了一套基于大数据的高校舆情预警与处置机制。通过动态监测多平台网络舆情数据建立舆情数据库,在深入分析舆情数据和数据细粒化后,可及时发现高校潜在舆情风险,形成多层面数据库匹配的舆情处置预案。

基于区块链技术的多源网络数据隐私保护方法

针对多源网络数据在传输过程中安全系数较低,无法保证用户信息的安全问题,开展多源网络数据隐私保护的研究,提出一种基于区块链技术的多源网络数据隐私保护方法.通过对多源网络数据在传输过程中是否产生恶意节点进行检测,再利用区块链技术的独特性对数据隐私进行保护.通过实验证明,该方法与传统方法相比有效提高了数据传输的安全系数,为多源网络节点的信任和隐私提供有效保障.

建立切削技术科学数据网 努力发展我国切削技术

切削技术是机械制造中的一个主要加工方法和手段,对于提高企业的产品质量、生产效率和效益关系重大。切削技术科学数据信息共享平台的建立,将为我国先进切削技术的开发研究和推广应用提供可靠的技术支撑,将为增强我国切削技术的创新能力、提高我国的切削技术水平起到积极的推动作用。

基于虚拟仪器和微信公众平台的温室环境监测系统

将物联网技术与微信公众平台相结合,设计了一套接入方便、交互友好的温室监测系统。该系统以虚拟仪器为核心,STM8S105C6单片机作为数据处理器和多个传感器实现温室环境监测,传感器采集温室内信息,通过RS232传至Lab VIEW进行显示存储及报警。监测系统的服务器与公众平台服务器连接,从而实现移动终端对温室情况的实时查询和历史回溯等功能。

基于J-EEMD的刀具磨损状态特征提取技术

在实际刀具状态监测的过程中,通过传感器所直接测得的数据都包含了大量的噪声信号,因此难以从中获取刀具磨损状态的变化规律,这样显然不利于进行模式识别。应用近似联合对角化下的集合经验模态分解(J-EEMD)对观测信号进行处理,基于信号本身特征,自适应地将切削加工中检测得到的振动和声发射信号分解为多个内蕴模式函数(IMF),然后根据各个IMF之间的能量比对变换,提取出了不同磨损状态下的刀具状态特征。实验证明:在该方法对测得数据进行处理的基础上,能够很好地识别出刀具磨损程度的不同状态。

分布式多数据源层次化网络计费模型的研究与实现

通过对网络计费系统现状的分析 ,提出了一种基于CORBA的分布式多数据源层次化网络计费模型 ,从而使计费系统更具扩展性和稳定性 .

大数据时代城市公共卫生事件的网络舆情引导研究

公共卫生事件已经成为城市公共安全的重要威胁,引发了一波又一波的传播全球化、专业性强、恐慌性大的城市公共卫生事件网络舆情。当前城市公共卫生事件网络舆情引导存在一些问题,主要表现为在潜伏期压制隐瞒,在发作期引导混乱,在消退期安抚不力等。为此,政府要做到利用大数据技术正确分析网络舆情,这是引导网络舆情的重要前提;政府与媒体要把握好网络舆情引导的尺度,让公众保持适度的恐惧更有利于公共卫生事件防控;政府媒体网民形成自上而下与自下而上的合力化网络舆情引导,为公共卫生事件防控提供精神保障。

基于大数据技术的网络舆情分析系统研究

基于对大数据技术下网络舆情分析系统的研究,文章阐述了大数据技术和网络舆情的基本内容;分析了大数据技术下的网络舆情分析系统,包括系统功能、关键技术、模型设计等;强调了对大数据技术进行合理应用的重要性,以确保系统设计合理,发挥系统优势。

网络安全日志可视化分析研究进展

在网络安全形势与挑战日益严峻复杂的环境下,网络安全日志可视化作为新兴交叉领域,能够将抽象的数据信息转化为可视图呈现,从而更直观地分析网络安全特征,实时响应网络事件,全方位感知网络安全态势,提高网络安全技术的实时性、有效性和可控性。首先分析了传统网络安全技术的特点以及日志分析的现有问题,指出可视化分析的必要性;其次对网络安全日志可视化的三要素(人、事、物)和流程进行了定义,引入图技术并按照基础图、常规图和新颖图进行了归纳,为进一步研究提供了思路;然后重点阐述了防火墙、入侵系统、网络负载、主机状态和多源大数据融合五类日志可视化分析技术,并深入研究其方法特点以及代表作品;最后对未来可视化技术发展的本质方向提出了以人为本、以图为媒的展望。

基于时分双工三跳单向级联网络的容量研究

考虑一个由四个节点级联组成的双源双宿三跳网络模型,网络工作在时分双工(TDD)模式下,中继采用解码-转发(DF)策略,分析其容量区域,并对容量区域的分配问题进行研究。依据割集上界定理和最大流-最小割的方法,提取网络信道的数学模型,研究网络的容量区域并证明容量上界的可达性。通过调整每一跳信道容量的分配,提升网络的传输消息的速率。仿真结果表明,改变不同跳的信道容量,能够对网络传输消息的速率进行调度。

知识和数据双轮驱动的网络舆情分析技术研究

为应对当前网络舆情的新挑战和舆情分析的精准性要求,需要从大数据的角度研究舆情处理新模式,从知识工程的角度挖掘舆情知识体系。借鉴知识技术和大数据技术在舆情领域的最新研究成果,设计了基于知识和数据双轮驱动的网络舆情分析模型,讨论了模型设计和关键技术。最后以"南海问题"主题舆情为案例,对模型在实际舆论工作中的效用进行了验证,结果显示该模型能够较好地对特定主题舆情进行深度分析和挖掘。

数据挖掘技术在网络舆情危机管理中的应用

只有保证网络舆情危机事件管理的及时性、有效性,实现对舆情危机的成功处理,关乎着社会的和谐发展,数据挖掘技术的出现和应用,可以实现对网络舆情危机管理的精细化、智能化管理,因此,为了进一步提高舆情危机管理水平,现以数据挖掘技术应用为例,针对新形势下网络舆情存在的问题,将数据挖掘技术科学应用于舆情质量管理指标、网络舆情危机管理工作量、网络舆情分组聚类、提供个性化服务等领域中,使得数据挖掘技术与网络舆情危机管理进行充分结合。文章所提出的数据挖掘技术应用方案具有较高的可靠性和可行性,完全符合实际应用需求,旨在通过这次研究,为相关人员提供有效的借鉴和参考。

基于多源数据机器学习的区域水质预测方法研究

随着社会经济快速发展和水资源系统复杂性的日益增强,我国水环境质量的演变逐渐呈现跨区域、多因素耦合影响的特点。围绕大空间范围的水质预测问题,针对传统水质预测方法中对水文、气象及社会经济多因素考虑的不足,以广东省31个水质监测站在2008年到2016年间每周的水质等级数据为训练样本,选取降雨、蒸发和气温等气象指标以及GDP、总人口数、人口密度等社会经济指标为预测参数,运用支持向量机、决策树以及人工神经网络等机器学习技术,建立区域水质等级的预测模型。结果表明,机器学习方法可融合气象和社会经济等多源的、不同时空尺度的数据,对水质等级进行预测。其中,基于随机森林的预测模型表现性能最佳,预测准确率达到77.11%;基于支持向量机的预测模型次之,预测准确率达到74.99%。与现有的水质预测方法相比,该方法的计算速度快、不需要提取数据的统计特征、操作简单、能够分析社会经济因素对水质的影响,更容易在水环境治理中使用。