基于发现驱动方法的数据立方体在校园用电安全中的应用研究

随着电控智能管理手段在高校学生公寓管理中的广泛应用,同时结合校园一卡通进行计费扣费功能,高校已经积累了大量学生用电行为数据.本文对学生用电行为数据进行数据立方体化,并采用发现驱动方法对数据进行处理,对用户用电的行为进行分析,从而评估校园用电中的异常,及早发现用电中的安全问题.     

并行H-mine算法在智慧校园学生行为分析中的应用

基于智慧校园中的学生数据,在Spark平台建立了并行H-mine算法,以此用于数据频繁项集的挖掘以及学生数据中学生行为的分析.研究结果显示,相比于MRH-mine算法,数据量无论是10568条还是5284000条,随着数据量的增加,在运行时间上并行H-mine算法总是低于MRH-mine算法,优化效果更为显著,性能较为优良.同时当最小支持度为0.1时,利用此次算法中的频繁项集对学生行为加以分析,由此并行H-mine算法应用在动态的校园学生数据处理上具有有效性与可行性.     

基于聚类和随机矩阵理论的用电行为刻画方法

针对配网大数据应用背景下难以建立用户用电行为刻画模型的问题,提出一种基于聚类和随机矩阵理论的电力用户用电行为刻画方法.首先利用K-means聚类法对海量用户用电特征数据进行分析,根据不同用电模式对用户进行群体划分.然后基于随机矩阵理论建立用户用电行为分析模型,利用各用户群体的经济数据、气候数据及电力价格数据等辨识与用户群体用电量相关联的因素,实现对电力用户用电行为的刻画.最后通过甘肃省武威市电网实际用电数据验证所提方法的有效性和准确性,为电力精准营销和制定电力需求侧响应策略提供数据支撑.     

基于大数据的电力用户群体识别与分析方法研究

随着能源互联网及智能用电技术的发展,深入了解电力用户群体特征,并提供精准电力服务,成为"互联网+"智慧能源的重要研究内容.通过对售电体积累的用户社会属性、用电行为等大数据进行分析,构建用户间相似度权重模型,提出基于"用户-标签"二元网络的相似群体识别方法,并通过群体分析获取群属性和典型负荷特征,预测新入网用户的用电行为.该方法通过对标签数据的分析,便于发现群体中的重要用户,为互联网售电体实施个性化用电服务和增值服务推荐提供支撑,进而提升电力服务质量.     

校园网格中信息服务的研究与实现

为消除校园网中的信息孤岛,提出构建一个基于数据网格技术的校园网格框架,进行信息整合,实现资源共享.重点对校园网格中的信息服务进行研究设计,对其涉及的服务注册、服务查看和服务发现关键技术作了详细的说明.     

学生校园伤害行为的成因分析

近年来,由于学生校园伤害行为增多,学生在校园内的安全受到越来越广泛的关注.本文就此问题进行了讨论,由于该问题涉及面广,笔者主要就发生在高中生之间的校园伤害行为的成因进行了阐述,希望藉此引起对学生校园伤害问题的关注,依靠社会、学校、家庭、个人的共同努力,保障学生的校园安全.     

校园欺凌行为对学生学业能力的影响分析

校园欺凌是发生在学生之间、违背他人意愿的攻击行为.校园欺凌的频发对学生成长和学校教育都会造成严重影响.基于PISA 2018调查数据,研究和分析校园欺凌对学生学业能力的影响与危害.结果表明,校园欺凌与学生学业得分之间呈现明显的负相关;与肢体欺凌相比,关系欺凌和言语欺凌对学生学业成绩的负向影响更大.建议加强校园欺凌治理力度,重视关系和言语欺凌行为的监测和预防,营造社会、学校、家庭多方合作的和谐育人氛围.     

校园网格中信息服务的研究与实现

为消除校园网中的信息孤岛, 提出构建一个基于数据网格技术的校园网格框架, 进行信息整合, 实现资源共享. 重点对校园网格中的信息服务进行研究设计, 对其涉及的服务注册、 服务查看和服务发现关键技术作了详细的说明.     

基于逻辑回归的增量式异常用电行为检测方法

用户异常用电行为的检测是电力公司需要重点解决的问题。目前异常用电检测通常采用数据分析的方法,主要包括聚类和分类两种,在处理固定数据集时校测准确率和效率均较高。但是此类方法在处理增量数据时,每次数据增量更新时均需要将增量数据与原始数据合并后重新建模才能获得新的检测模型,而用户的用电数据是频繁更新的且最新的数据更能体现出用户的用电习惯,因此在异常用电行为检测时必须考虑增量数据,而现有检测方法在进行增量式异常用电行为检测时效率很低。为解决数据增量式更新的情况下异常用电行为检测方法性能低下的问题,提出了一种基于逻辑回归的增量式异常用电行为检测方法,仅需对增量数据进行建模即可得到面向全局数据集的检测模型,无需对全局数据进行重新建模,提高检测算法的执行效率。当用户电量数据产生增量时,仅需对增量数据构建检测模型,再与原始数据的检测模型相结合,即可得到基于全部数据的检测模型。实验结果表明,该方法在保证检测结果准确性的同时,极大地提高了算法执行效率,且对计算和存储资源的需求较低。     

高校体育在构建校园文化中的作用分析

运用文献资料调研、问卷调查和数理统计等方法,对下沙高教园区6所高校校园体育文化进行调查研究.结果发现,目前高校校园体育活动及竞赛文化的氛围比较薄弱,学生体育观念意识比较淡薄.校园体育活动应注意点面结合,赋予体育活动及竞赛更多的文化内涵.调查中发现制约高校体育文化建设的因素,从不同层面对高校校园体育文化建设进行探析,明晰高校体育文化在构建校园文化中的作用.     

基于EMD的异常用电检测方法

异常用电行为的时频特性往往具有强随机不确定性,而固定参数相关的分析方法无法有效处理此类数据.为此,本文提出了一种基于经验模式分解(EMD)的异常用电检测方法.首先,针对用电数据的不同特点进行初步筛选,进而采用EMD方法对用户用电量和线损电量序列进行自适应分解,提取EMD分解所得高频分量,通过对其变化趋势和相关性进行分析...     

基于CPTED理论的高校校园空间环境改造研究

安全的高校校园空间环境是学生接受教育、进行生活交往的必要条件.以安徽省某高校为例,对随机问卷调查结果以及官方公布的违法犯罪案例数据进行分析,结果显示校园违法犯罪活动主要是盗窃行为.校园空间环境问题涉及空间环境布局、空间环境要素、空间环境管理与维护3个方面,相关问题分别产生于规划设计、使用运营、维护管理3个阶段.研究发现,高校校园空间违法犯罪高发区存在自然监视缺乏、形象维护不佳、空间活动氛围差等环境特征.高校师生群体对于校园环境安全认知不够全面,受害主体自身疏忽大意导致多起案件发生.基于CPTED理论体系从领域感、自然监视、通道控制、形象维护、活动支持及目标加固6个方面提出了校园空间环境改造的具体措施.     

基于时序偏移双残差网络的窃电行为检测

针对窃电量小、窃电发生时间随机的窃电行为,提出一种基于时序偏移双残差网络(TS-Bi-ResNet)的窃电行为检测模型.将基础残差网络模型改进为双残差网络(bi-residual network,Bi-ResNet)模型,考虑到窃电行为发生时间的随机性,利用时序偏移(timing shift,TS)算法对用电数据预处理,使模型能够学习用电数据的时间因素特征,构成TS-Bi-ResNet模型.根据真实用电数据和窃电特征生成含有伪窃电数据的混合用电数据集,利用TS-Bi-ResNet模型学习其浅层特征和深层特征,进而执行窃电行为检测.仿真和实际运行结果表明,TS-Bi-ResNet模型可以有效检测窃电量小且窃电发生时间随机的窃电行为,其检测精度优于LSTM模型与残差网络(ResNet)模型.     

校园欺凌防控对策研究

校园欺凌已经成为全社会广泛关注的热点问题,作为教育工作者,应该充分认识到校园欺凌行为对事件双方(欺凌者与被欺凌者)的共同恶劣影响.应该从法律法规、德育教育、学生学习生活监管三方面,对校园安全进行管理、协调,在三位一体的教育教学管控措施下预防校园欺凌行为发生,为学生健康生活与学习提供稳定安全的学习氛围与学习环境.     

基于多片段语义时空图卷积网络的大学生校园日常行为预测

当前大学生校园日常行为预测与挖掘研究中,一般采用统计、聚类、关联关系等浅层挖掘和学习算法,对学生校园行为的时序性、空间位置及其相关性缺乏深层与高阶应用分析.该文基于时空图网络结构,提出考虑校园活动时间序列与层次相关性和空间语义特征相关的多片段语义时空图卷积网络(MFSTGCN)模型.通过构建大学生校园行为数据集并进行实...     

心理因素对校园步行和自行车出行路径选择的影响研究——以北京大学燕园为例

从校园步行和自行车出行者路径选择行为角度出发,研究心理因素等非建成环境要素对路径选择的影响.以北京大学345名在校学生为研究对象,使用logit模型方法对北京大学校园中心拥堵区的出行路线选择行为及其影响因素进行了分析.结果表明,偏好热闹与选择拥堵路径、进行无效型出行呈正相关关系,熟悉校园、拥有回避拥堵意识与选择拥堵路径呈负相关关系,与回避型出行呈正相关关系.说明加强学生对校园环境的熟悉程度,提高学生的回避拥堵意识,转移拥堵区的热闹要素,对缓解中心区拥堵有积极的作用.提出了丰富替代道路吸引要素,加强学生行为教育,完善校园交通信息指引,分散校园商业服务功能等校园交通优化组织策略建议.     

校园欺负行为及其干预

欺负行为是中小学生之间经常发生的一种特殊类型的攻击性行为,并有可能发展为校园暴力,它对中小学生的健康发展具有很大程度的危害性.研究发现,个体因素、家庭因素、同伴因素及学校因素共同构成了我国中小学校园欺负行为产生的社会因素.针对此这些因素采取措施能够对校园欺负行为进行有效干预.     

RFID在学生行为分析系统中的应用

在高等学校数字化校园的基础上,为学生行为分析系统设计了一套RFID方案。RFID在学生行为分析系统的应用是从纯技术的角度出发,并可以随时监控公共场所中的各种行为,对校园的安全与稳定有一定的应用价值。     

基于学生个人大数据的行为特征分析

高校各类教学管理业务系统记录着大学生日常学习和生活的行为数据，逐步形成规模较大，类型多样的学生个人大数据环境.该文从学生学籍信息、学习表现、校园生活三个维度进行分析，构建学生个人大数据行为分析模型，并对学生校园消费数据进行挖掘，探究学生饮食规律和消费水平.通过数据分析，得出以下特征：1) 在校期间学生就餐总人次和早餐就餐率均呈递减趋势；2) 大一新生早餐就餐时间早于全校早餐就餐高峰1 h；3) 学生消费水平越稳定、饮食越规律、学习努力程度越高，学生学业表现水平越好；4) 学生的学业成绩与正餐就餐率、早餐就餐率、就餐消费水平等变量有较强的相关性.     

个人行为对校园能耗和节能减排的影响分析——复旦大学案例分析

全球气候的变化使得越来越多国家关注温室气体对于气候的影响,并开始致力于碳减排.校园是学生和教职工工作和生活的区域.提倡校园节能减排,不但节约、环保效益巨大,而且可以对学生进行节能减排教育,也对整个社会起到示范作用.对复旦校园的能耗以及学生和教职工个人与能耗相关的行为做了基础性的研究,得出75%的能耗来自于校园建筑,且建筑物中所有能耗均为电耗,所以研究邯郸校区的建筑物为主要对象并分析其电耗.通过分析其电耗数据,得到了电耗基准线和个人行为对整个校园电耗的影响,并提出低碳校园管理系统.校园内个人相关的电耗主要集中于三个方面,即照明设施使用、计算机使用和空调使用.通过理论计算与分析,得出在每项节能措施上的个人行为改变的节能减排空间,并给出合理的个人节能减排措施.