大规模通信网络涉密信息安全动态预警系统

随着大规模通信网络的快速发展,涉密信息安全问题日益突出。为有效应对网络安全威胁,文章提出一种基于数据分析和机器学习的动态预警系统。该系统通过收集网络流量数据和日志信息,建立网络安全威胁数据库,进而利用数据挖掘和机器学习等技术自动识别安全威胁,并结合实时监测和报警机制,实时动态预警大规模通信网络中存在的安全威胁。

阶跃型滑坡综合变形预测及监测预警方法研究

大型库岸滑坡的长期变形在汛期降雨作用下呈现明显的周期性“阶跃式”陡增特征。针对阶跃型滑坡的变形特征,本文提出了一种多源数据“融合-预测-预警”的三步式滑坡监测预警方法:(1)“融合”,即基于经验模态分解法将多点位移监测数据分别分解为趋势项和周期项,采用加权值法分别融合不同监测点的趋势项和周期项位移得到融合趋势项和融合周期项序列,并将两者叠加得到滑坡体的现状综合变形时间序列;(2)“预测”,即引入“一个预测周期”概念,采用滑动多项式拟合法和随机森林算法分别对融合趋势项和融合周期项进行预测并叠加得到滑坡体的预测综合变形时间序列;(3)“预警”,即基于斜率变点分析方法搜索综合变形曲线的“稳定点”和“跃迁点”,确定稳定变形和加速变形区间的斜率,建立阶跃型滑坡的四级递进式分级预警模型,基于该预警模型对滑坡现状进行预警。以向家坝水库某滑坡体自动化位移监测数据为研究对象,采用本文所提方法对该滑坡进行了综合变形预测和监测预警,结果表明:综合变形时间序列可以整体反映滑坡的变形演化规律,且预测结果可靠,根据分级预警模型判断此滑坡体当前处于稳定变形阶段(Ⅰ级预警)。

考虑运行方式安排的大电网在线趋势分析技术

电网调度运行对掌握未来状态安全变化的迫切性越来越高,针对此问题,结合当前智能电网调度控制系统及其动态安全评估技术的发展,提出了运行方式安排的大电网在线趋势分析技术。该技术基于电网当前运行方式和在线稳定分析结论,利用调度操作调整、调度计划、新能源预报和负荷预测数据,形成电网未来时刻的预估潮流,在短周期内快速评估其安全状况及变化趋势,并给出辅助决策控制策略。该技术已在华中、黑龙江电网得到了应用,为复杂电网调度运行控制提供了预防预控的技术支撑手段,促进了电网控制从经验型向智能型的转化。

区域森林资源可持续发展的预警分析

以渐进性理论为基础，即从区域森林资源可持续发展评价的角度，对区域森林资源预警系统进行初步的理论分析。首先阐述区域森林资源可持续发展的内涵。

延庆县森林资源时空动态分析与评价

以北京市延庆县为研究对象,以1999年和2004年森林资源调查数据为基础,以地理信息系统为技术支持,分析和评价了5年间该场森林资源的数量、种类及其结构在时间和空间上的动态变化。结果表明:研究区域林地面积比例由71.39%上升至75.38%,增长了4%,在林地内部,有林地面积增长较明显,增加了约14%。总蓄积量增长了43.6万m3,达158.24万m3,增长了38.1%。延庆县全境以栎类林为代表的次生的天然林占主体地位,蓄积也占绝对优势。受人工造林的影响,导致整体平均胸径和平均高减少,也使得侧柏、落叶松、油松等树种分布扩大。全县林分五个林龄组的面积构成呈倒J型分布。

基于大数据的变压器油中溶解气体关键状态量动态预警研究

针对传统方法难以解决变压器故障诊断中精确度不高、无法实现故障预警的问题,本文利用大数据分析方法,提出一种变压器油中溶解气体关键状态量动态预警方法。该方法采用了高斯混合聚类模型对设备的正常、亚健康和异常状态进行评价,并利用了隐马尔科夫转移矩阵提取色谱演化过程的动态特征参量,实现了亚健康状态下变压器设备状态的短期预测,实现了变压器亚健康状态的动态预警,突破了个性化运行环境下设备亚健康状态的实时诊断及剩余寿命预测等技术瓶颈。经过对案例库中的变压器进行实证分析,本文提出的方法能够反映出气体增长速率与变压器亚健康程度之间的关系,能够实现过热缺陷设备提前100天左右的短期动态故障预警,在故障动态预警方面具有实用价值。

电力物资供应链运营体系建设实践

国家电网公司现代智慧供应链体系建设的深入推进,对物资管理工作提出了更高的要求,以往物资供应链运营管理机制已无法满足当下的业务需求。基于此,文章立足国网公司现状,结合现代信息技术发展趋势及公司未来发展战略要求,围绕电力物资供应链运营体系建设,设计构建了国网、网省、地市三级供应链运营体系,完善了优化提升、协同运作、协调会商、跟踪督办四项供应链运营机制,规划了运营分析决策、资源优化配置、风险监控预警、数据资产应用和应急调配指挥五大功能,以此持续提升供应链智慧运营能力和综合服务能力,引领现代智慧供应链建设。

基于数据挖掘的电网企业审计风险预警模型研究

为了提高电网企业审计风险管理效果,通过大数据技术挖掘进行电网企业审计风险指标体系构建。首先采用主成分分析法与专家法筛选出电网企业主要的风险因子。其次,引入随机森林算法来构建审计风险预警模型预警,并引入狮群算法来优化参数问题,构建改进的随机森林预警模型。在精确率、召回率测试中,研究模型三种模型表现最好,分别为0.968与0.986,优于支持向量机模型与传统随机森林模型。同时,对于13个风险指标进行预警测试,研究模型预警准确率为96.5%,优于别的模型。由此可见,所提出预警模型整体应用效果更出色,研究内容对电网企业审计风险管理以及智能化发展提供重要的技术支持。

基于Hadoop和Spark的森林火灾混合大数据分析系统研究

针对当前森林火灾动态监测与预警中海量、异构、多源、动态的数据在存储、计算、管理方面所面临的挑战,以及国内外在森林火灾动态监测与预警上的研究往往只考虑单一领域或技术的问题,结合新兴的大数据分析与处理技术,融合林火动态监测与预警不同技术领域的研究成果,对林火多源异构数据采用混合处理方法,基于Hadoop和Spark大数据集成平台构建了一个森林火灾混合大数据分析系统。并设计一个林火火点检测实验,通过实验验证了该系统的可行性和有效性,可为后续研究和建立森林火灾动态监测与预警可视化大数据平台提供参考。