Multi-source heterogeneous data access management framework and key technologies for electric power Internet of Things

The power Internet of Things(IoT)is a significant trend in technology and a requirement for national strategic development.With the deepening digital transformation of the power grid,China’s power system has initially built a power IoT architecture comprising a perception,network,and platform application layer.However,owing to the structural complexity of the power system,the construction of the power IoT continues to face problems such as complex access management of massive heterogeneous equipment,diverse IoT protocol access methods,high concurrency of network communications,and weak data security protection.To address these issues,this study optimizes the existing architecture of the power IoT and designs an integrated management framework for the access of multi-source heterogeneous data in the power IoT,comprising cloud,pipe,edge,and terminal parts.It further reviews and analyzes the key technologies involved in the power IoT,such as the unified management of the physical model,high concurrent access,multi-protocol access,multi-source heterogeneous data storage management,and data security control,to provide a more flexible,efficient,secure,and easy-to-use solution for multi-source heterogeneous data access in the power IoT.

Multi-source information fused generative adversarial network model and data assimilation based history matching for reservoir with complex geologies

For reservoirs with complex non-Gaussian geological characteristics,such as carbonate reservoirs or reservoirs with sedimentary facies distribution,it is difficult to implement history matching directly,especially for the ensemble-based data assimilation methods.In this paper,we propose a multi-source information fused generative adversarial network(MSIGAN)model,which is used for parameterization of the complex geologies.In MSIGAN,various information such as facies distribution,microseismic,and inter-well connectivity,can be integrated to learn the geological features.And two major generative models in deep learning,variational autoencoder(VAE)and generative adversarial network(GAN)are combined in our model.Then the proposed MSIGAN model is integrated into the ensemble smoother with multiple data assimilation(ESMDA)method to conduct history matching.We tested the proposed method on two reservoir models with fluvial facies.The experimental results show that the proposed MSIGAN model can effectively learn the complex geological features,which can promote the accuracy of history matching.

Comprehensive security risk factor identification for small reservoirs with heterogeneous data based on grey relational analysis model

Identification of security risk factors for small reservoirs is the basis for implementation of early warning systems.The manner of identification of the factors for small reservoirs is of practical significance when data are incomplete.The existing grey relational models have some disadvantages in measuring the correlation between categorical data sequences.To this end,this paper introduces a new grey relational model to analyze heterogeneous data.In this study,a set of security risk factors for small reservoirs was first constructed based on theoretical analysis,and heterogeneous data of these factors were recorded as sequences.The sequences were regarded as random variables,and the information entropy and conditional entropy between sequences were measured to analyze the relational degree between risk factors.Then,a new grey relational analysis model for heterogeneous data was constructed,and a comprehensive security risk factor identification method was developed.A case study of small reservoirs in Guangxi Zhuang Autonomous Region in China shows that the model constructed in this study is applicable to security risk factor identification for small reservoirs with heterogeneous and sparse data.

The heterogeneous influence of economic growth on environmental pollution: evidence from municipal data of China

This study aims to investigate the influence of rapid economic development on pollution at the municipal level in China.It constructs a Stochastic Impacts by Regression on Population,Affluence and Technology model(STIRPAT model) and uses comprehensive municipal data on industrial pollution and economic performance.The dataset contains 290 cities from2003 to 2016 as a sample for the panel data analysis.The study further separates the cities into two groups by their levels of economic development for heterogeneity analysis.It reveals that a low level of economic development would aggravate environmental pollution,and when the economy reaches a high level,this economic development will improve environmental quality.We also find that the relationships between foreign direct investment and industrial dust and sulfur dioxide(SO_2) discharge are significant,while the relationship between economic growth and effluent emission is not.The more developed subsample cities present an inverted U-shaped curve between industrial pollutant emission,GDP per capita,and foreign direct investment,while the less developed subsamples show no such relationship.Since the shape of these curves differs among regions,their turning points vary accordingly.Based on this finding,this study suggests that the governments of more developed cities should balance environmental pollution and economic development by enhancing environmental regulations and adjusting industrial structure.

基于多源异构数据融合的造价数据与GIM模型挂接方法

针对电网工程构件的GIM模型无法包含造价分析所需要的所有信息,导致造价分析精度及效率较低的问题,提出了一种基于多源异构数据融合的造价数据与GIM模型的挂接方法。该方法建立了电网工程GIM构件属性集和造价数据库,并从中提取出构件本体来实现GIM构件到本体间的映射以及造价数据到本体间的映射关系,进而完成多源异构的造价数据与GIM模型间的挂接。仿真实验及分析结果表明,所提方法能够大幅节省造价分析人员的查询和计算时间,从而提高电网工程造价分析与管理的效率。

异常行为敏感的学生行为时序建模及心理健康预测方法

为了对学生异常行为的早期感知及校园行为时序建模,提出一种异常行为敏感的学生行为时序建模及心理健康预测(student behavioral temporal modeling sensitive to abnormal behavior for mental health prediction, SBTM-SABMHP)方法,利用移动设备收集的加速器、声音传感器及移动热点(wireless fidelity, WI-FI)等多种行为感知数据,构建异质信息网络,对学生当前行为模式进行建模。同时,为实现对学生历史行为时序数据的建模,建立了基于注意力机制的异常行为敏感的门控模块,有效融合学生长短期行为,并对学生行为时序建模,实现心理健康预测。在公共数据集StudentLife上对所提出的模型进行了对比分析实验。实验结果表明,与多种学生心理健康预测基线方法相比,该方法在4个评价指标上都取得了最佳性能,证明了该模型在学生心理健康预测任务上的有效性。

基于概率主题模型的软件开发数据库隐私数据泄露识别方法研究

为了提升软件开发数据库的隐私数据安全性,提出基于概率主题模型的软件开发数据库隐私数据泄露识别方法。挖掘“主题-词”与“主题-文档”之间的概率分布,建立概率主题模型,通过该模型将数据转化为恶意代码并提取特征;同时结合概率检测算法与指纹对比判断恶意代码配置文件是否为敏感文件,将敏感恶意代码配置文件主题上的概率均值作为确定隐私数据泄漏的指标,实现隐私数据泄露识别。实验结果表明,该方法可100%识别软件开发数据库的隐私数据是否泄漏,而且针对不同欺骗率和失真率的网络攻击导致的软件开发数据库的隐私数据泄露,识别准确率依旧在98%以上,泄露识别优势显著。

大数据环境下高性能计算模型技术研究

随着信息技术的高速发展,人们在处理和存储大量数据的同时,也在积极寻求解决各种实际问题的方法。大数据处理、人工智能等技术的出现,使得人们能够在更短时间内分析和处理大量数据,大大提高了工作效率。本文首先对高性能计算模型技术进行了概述,其次对大数据环境下高性能计算模型技术进行了分析,最后对其发展趋势进行了展望。

南京长江大桥运营监测数据可视化方法及建筑信息模型插件开发

为提升桥梁健康评价与应急决策的效率,本文基于建筑信息模型发展了一种桥梁监测数据可视化方法,并利用Revit二次开发程序插件。依托已有桥梁BIM模型,快速建立包含加速度计、风速仪等传感器的监测系统模型,将监测数据与传感器模型相关联。将监测数据线性变换至[0,255],建立其与传感器模型RGB色彩的映射关系,从而通过模型颜色反映监测数据的变化。根据监测系统传感器模型的色彩掌握桥址区环境及桥梁结构状态,并对超出阈值的监测数据进行实时分级报警。以南京长江大桥及其健康监测数据为对象,阐述了所提出监测数据可视化方法的实现过程和应用效果。结果表明:该方法可将加速度、温度和风速等监测数据通过颜色变化、动态折线图及表格的形式进行可视化展示和报警,从而为服役桥梁的健康管理与维护提供科学依据。

图书情报领域大模型的应用模式和数据治理

本文探讨了图书情报领域大语言模型的应用开发与数据治理要求。大语言模型是依赖海量文本数据,经过无监督预训练及有监督标注数据微调而成。领域大模型则是通用大模型经过领域数据的微调而得到,具备解决领域问题的能力,满足领域应用需求。本文首先回顾了生成式人工智能的突破历程,介绍了大模型的基本原理和应用现状,分析了大模型所具备的多任务能力背后的数据因素和数据需求。最后从数据治理角度重点讨论了领域大模型的应用潜力和方法流程。本文的主要贡献在于分析了图书情报领域大模型的应用模式和数据治理,为图书馆行业应用生成式人工智能技术提供了理论依据和实践指导。同时,文章也讨论了行业大模型应用和评估时需要关注的问题和局限性。

基于贝叶斯高斯过程回归与模型选择的岩石单轴抗压强度估计方法

为构建间接估计岩石单轴抗压强度(UCS)的最优模型并实现UCS的合理估计,提出了贝叶斯高斯过程回归(f B-GPR)方法。fB-GPR综合了高斯过程回归、贝叶斯理论与马尔科夫链蒙特卡洛模拟。所提方法与其它模型选择方法进行了对比,如赤池信息准则、贝叶斯信息准则、偏差信息准则、Kullback信息准则等。研究结果表明:基于fB-GPR的最优模型选择结果更为准确,预测结果与实际情况吻合度更高;100次随机试验中,fB-GPR方法将M-7选为最优模型的概率达到100%,最优模型选择的准确率远远高于其他模型选择方法;fB-GPR方法在误差值达到UCS标准差的50%时,仍可准确地进行模型选择,说明fB-GPR的准确性和鲁棒性更好,受UCS测量误差影响相对较小。研究成果可为构建岩土工程中关键参数预测的最优模型并实现合理预测提供借鉴与参考。

基于异构模型映射的配电网信息交互方法

为消除模型异构、跟进系统更新和提高信息交互能力,实现智能配电网异构系统间的信息集成,从模型层提出异构公共信息模型的映射方法,并以此为基础,从数据层提出信息交互方法。信息模型映射方法用映射算法建立可行的映射关系集;通过逐一计算综合评价指标,将指标最优的映射关系以路径表达式格式输出。信息交互方法以模型层映射关系为基础,利用数据自动转化算法生成模型数据的转换脚本,完成配电网异构模型的实例数据解析和转换。利用所提方法将IEEE 13节点配网测试馈线CIM13模型转换成CIM16模型,经一致性测试验证了信息交互方法的准确性和有效性。

基于数据仓库的螺旋式开发模型研究

文章通过对数据仓库技术以及传统瀑布式软件开发模型的分析,提出了数据仓库开发的螺旋式开发模型。并依据这一模型,结合高等学校专家库管理信息系统项目,实现了原型系统的开发。

Web-based多数据源集成系统的研究

1 引言 多数据源信息集成系统是近年来数据库界和人工智能界研究的热点.在复杂的数据库应用环境中,如CIMS、DSS、IQ&AS、DW等,各种数据往往分布在多个不同源系统上,如数据库系统、文件系统,以及Web系统.

物联网应用在GIS中需要解决的若干技术问题

作为由多种异构终端密集部署在各个地方构成的一种协同自组织的网络应用系统,物联网具有规模巨大、形式复杂、实时异构、形式多样等特点。本文从异构网络互联、多源数据融合、物联数据模型和信息感知应用等4个方面讨论将物联网应用到GIS领域需要解决的基础理论和技术方法,并通过应用实例说明了物联网与GIS技术结合应用实现的技术方法。

GIS三维空间数据模型的发展与集成

基于地理信息系统的诸多优越性及其在石油勘探开发领域广阔的应用前景 ,在前人研究的基础上 ,针对三维地理信息系统 (三维GIS)中的关键技术三维空间数据模型 ,结合石油勘探开发工作 ,分析讨论了三维数据模型集成的必要性以及TIN与CSG、八叉树与TEN、矢量与栅格等集成数据模型实现的方法和思路 ,提出了在石油勘探开发应用中模型集成的适用类型及有关要求。

汽车车身开发产品数据管理系统的研究与应用

为提高车身开发效率,缩短开发周期,将产品数据管理技术应用于车身开发过程。首先构建了面向网络、分布开发环境下的集成于车身开发过程的产品数据管理系统的总体结构和实现环境,在Oracle8i数据库系统的支持下,实现了系统中的主要功能模块,并成功应用于某汽车制造企业轻型卡车车身开发项目的管理。该系统能有效地管理车身开发中的产品数据,提高了车身开发的效率,支持车身开发的并行工程。

基于三维结构的信息消费分层发展

让信息消费在新经济周期中对内需经济和发展方式转型升级起更有效的作用,需对消费者群体作细分。本文运用系统论方法,对信息消费引入动态时间与空间范畴,并建立三维结构模型。研究表明信息消费由消费者群体不同而产生多层级差异,差异存在于一定的时间与空间中。消费者群体个性和消费组合多元多样性构成信息消费异质性。国民的信息消费成长并不均衡,而又存在多层级差异。立足于中国信息消费的长期可持续发展目标,从消费差异的时空匹配性关系出发,提出以消费者的劳动-生活方式为中心的战略构架与相关政策建议。

使用Oracle Spatial进行空间数据建模研究

介绍了空间数据建模和管理的常用方法,重点讨论Oracle Spatial的对象关系建模,分析了使用Oracle Spatial组织管理空间数据的特点。基于Oracle Spatial进行空间数据建模,可以降低专业性,提高空间数据的标准化共享能力。

大数据时代数字资源整合方法研究:模型设计和实验分析——以物流行业为例

[目的/意义]针对目前大数据时代数字资源的非结构化、海量、多类型等问题,设计一套数字资源整合的模型和方法,以满足信息用户的实际需求。[方法/过程]以物流行业中的航运信息服务产品集装箱运价指数为例,提出基于大数据的指数编制思路,以数据仓库模型为目标数据模式,构建面向海量多源异构信息的数字资源集成模型,设计Web类数字资源获取和集成流程以及增量数据的处理方法,通过具体实证研究检验模型和流程的运行效果。[结果/结论]实证结果显示,本文提出的数字资源整合模型和处理流程能有效地实现多源异构数字资源的整合,支持基于海量数据对的指数编制模式,为全世界各类指数编制的改变提供理论和技术方面的探索,也为数字资源整合在其他领域的应用提供有益参考。