观测资料同化与有限区模式初期降水预报

选取1991年7月3日至4日出现在我国江淮流域的梅雨暴雨天气过程,针对有限区模式降水预报中“旋转加强”问题,试验2种初值化方法即牛顿连续松弛逼近技术和降水-湿度场调整方案来改进模式的初期降水预报。试验结果表明：(1) 用湿度场调整方案同化观测降水资料,使同化时段降水区的中低层低压系统明显加强,所形成的初值具有较好的中尺度信息;但该方案会出现观测值与模式不协调引起的虚假小扰动。(2) 用牛顿连续松弛逼近技术同化业务观测系统的速度场和温度场资料,所形成的初值场形成了大尺度特征,同时对应江淮雨带的中低层低压系统加强,所形成的初值能够具有一定的中尺度信息。(3) 因此两者结合得到了最好的预报效果。对于梅雨天气过程,牛顿连续松弛逼近技术更有效。     

适于“数字海底”的GIS数据仓模型初探

提出了适于“数字海底”的 GIS数据仓库系统模型 ,该模型由六大层组成 ,自下而上依次为 :专业数据层 (源数据 )、数据仓库层、数据共享层、数据抽取层、应用层、数据成果层 .重点讨论了数据语义同化、空间数据与属性数据的一体化、数据挖掘等建设 GIS数据仓库的关键技术 .以所设计的 GIS数据仓库系统模型为基础 ,开发了海洋激光单分子油气化探分析与评价系统     

基于OEM的地形数据库增量信息数据建模

基于批量方式发布地形数据更新信息存在传输大量无效数据等缺点,影响了更新信息的传播。为了克服更新信息批量发布存在的问题,提出利用增量方式实现更新信息的分发。增量信息的建模和描述是实现增量发布的必要前提,以我国1：25万地形数据库的两个版本之间的增量信息为例研究了增量信息的数据建模问题。首先分析了地形数据库增量信息的类型和特点,发现增量信息具有半结构性。基于对象交换模型．提出了增量信息的数据建模框架。另外．说明了增量信息的OEM表达如何映射为XML编码,最后以1：25万数据库两个版本的居民地数据为例说明了此方法的可行性和有效性。     

基于企业整体模型的企业营销数据管理建模

分析了企业整体模型的概念,采用以数据为中心、产品为导向的模型构建方法,建立企业数据资源和数据资源处理方法的全局规范,解决"信息孤岛"、数据冗余和数据处理方法优化的问题,通过对营销业务和营销数据的分析,基于企业整体模型,采用语义数据模型化技术,构建了营销数据模型,同时,按照企业整体模型的要求,采用静态数据处理等全局方法构建了营销数据处理方法模型。     

"元数据模型"在数据提取中的实现

大量分散的形式及不同格式的数据给现代数据处理带来了越来越大的困难.为统一数据形式以利于数据操作和处理,讨论了将形式多样的数据格式转换成统一的XML(extensible Markup Language)格式的问题.在计算机网络中,应用"元数据模型"技术,对数据源中不同格式文件数据,按照预先定义的XML模板,以格式说明文件结构统一描述,并提取数据或作进一步的处理,最后转换为XML格式输出.设计了具体的实现策略以及实现流程:实现了从TXT文件格式数据中提取数据转换成XML格式的代码,将TXT文件数据提取成XML格式的数据;完成了数据说明文件格式的设计,数据路径选择工具的开发,语言分析工具的设计开发等工作.结果表明:能满足同类产品的按行(line)为单位的源数据结构形式处理,还具有同类产品不具备的非行(字符串和关键字)提取处理功能.     

环境影响评价数据仓库模型的构建研究

随着环境影响评价基础数据库数据中心数据量的逐年指数增长,数据库服务器对客户端的响应时间也随之延长,对数据高效管理的要求也日益明显.结合环评基础数据库项目建设过程中数据分析和挖掘预测的需求,提出基于ODS的环评数据仓库的总体架构,构建基于OLAP技术的面向多主题的数据仓库模型,研究遗漏值、数据异常等不同问题的数据清理和填充方案,构建基于DS-ODS-DW的数据加载模型.研究实现基于基础数据库的统计分析和数据挖掘功能,为数据管理者提供数据预测与决策支持功能.通过模型在数据分析和数据挖掘方面的应用案例,验证了该模型和方法的合理性和有效性.     

一种应用层数据同步方法的设计和实现

为实现在复杂网络和异构数据库环境下的数据同步,在分析基于触发器的数据同步机制的基础上,设计了一种应用层数据同步机制.这种机制在应用层利用数据库和XML的映射来封装和解析同步数据,同时针对数据传输和数据库更新在应用层引入了可靠性机制.该同步机制具有与平台耦合度小、功能分层易于复用的优点,能够根据应用需求有效解决跨平台的数据同步问题.实践证明,该应用层数据同步机制达到了设计要求.     

基于季节性自回归积分滑动平均与深度学习长短期记忆神经网络的降水量预测

降水量数据是一种非线性、非平稳的时序序列,传统的方法较难获取数据的变化规律,深度学习长短期记忆(long short-term memory, LSTM)能较好地处理多要素变量与降水量之间的非线性关系。利用扬州市区1960—2019年8种气象基本要素数据,采用传统季节性自回归积分滑动平均(seasonal autoregressive integrated moving average, SARIMA)模型和深度学习LSTM神经网络方法对降水量数据进行预测比对,并着重分析了LSTM在不同类型不同输入与输出模式形态下的预测水平差异。结果表明：传统的SARIMA模型中静态模式较动态模式能更好地反映出扬州市区月降水量数据变化趋势,且与实际值差距较小。动态模式容易造成误差累积或整体易呈现周期性稳态变化,实时性欠缺。深度学习LSTM多输入单输出动态预测模式下,完整周期的数据输入可以让神经网络更好地学习数据的变化规律。然而将多个周期数据作为一个输入单位,易造成模型过拟合。LSTM模型(预期回顾look＿back=12)对扬州市区月降水量预测精度优于传统的SARIMA模型,均方根误差(root me...     

热电厂MES系统数据仓库的设计与应用

为了解决热电厂中实时数据和管理数据难以形成统一数据模式的问题,提出了在数据库的基础上增加时间维来建立分层次的MES系统数据仓库.将MES系统数据仓库分成即时数据层和长期数据层,通过数据仓库与管理层、执行层以及控制层之间的数据驱动更好地为各层管理人员提供了决策所需信息.并以电厂中设备的预报警为主线,给出了电厂MES系统数据仓库的数据模型和概念模型,建立了OLAP分析模型.试验结果表明,MES系统数据仓库在电厂预报警方面有着良好的应用.     

基于通用串行总线的测井脉冲采集电路研究

设计了一种基于通用串行总线（USB）技术的测井脉冲信号采集系统。该系统用深度子系统驱动测井脉冲的采集，并配备了PCM遥测信号接口。系统设计包括硬件设计、单片机固件设计以及设备驱动程序和用户应用程序设计。硬件设计中用复杂可编程逻辑器件完成对脉冲采集过程中脉冲放大倍数和峰值保持电路电容充放电的控制，并检测出PCM遥测信号的同步帧，同时进行遥测数据的串并转换，节省了单片机资源。单片机控制测井脉冲采集的整个过程，并实现USB通信，在主机请求数据时发送数据。系统在实验室调试成功，数据传输速率达到300kb／s，控制逻辑灵活，可扩展升级。     

数据仓库中数据的粒度划分

数据仓库在决策支持系统(DSS)中起着核心作用,而要创建一个好的数据仓库,构造合适的数据粒度模型是要解决的一个重要问题.通过对数据粒度划分方法的分析,结合实例给出了一个划分粒度级别的新思路,提出了解决不同级别间数据查询效率的基本方法.     

采用区块链的物联网数据共享方案

针对物联网(IoT)数据共享过程中存在的安全漏洞和隐私泄露风险,提出一种基于区块链的物联网数据共享方案.采用数据的不可篡改、分布式存储、隐私保护、可追溯及访问控制,将消息队列遥测传输(MQTT)作为通信协议和中间件,并为其提供身份认证和主题权限管理.结合国产加密算法实现密钥交换、数据摘要和加密传输,通过区块链记录设备的行为,在提高可信度的同时提供追溯的能力,采用智能合约对数据和主题进行共享和管理,实现链上链下数据协同保障数据的一致性.通过系统原型实现与测试,结果表明：该方案能够确保物联网设备之间共享数据时的安全性和隐私性,满足物联网应用性能需求,具有可行性.     

A reconstruction method of porous media integrating soft data with hard data

The three-dimensional reconstruction of porous media is of great significance to the research of mechanisms of fluid flow. The real three-dimensional structural data of porous media are helpful to describe the irregular topologic structures in porous media. The reconstruction of porous media will be inaccurate while only hard data or no conditional data are available. Reconstructed results can be more accurate, using soft data during reconstruction. Integrating soft data with hard data, a method based on multiple-point geostatistics （MPS） is proposed to reconstruct three-dimensional structures of porous media. The variogram curves and permeability, computed by lattice Boltzmann method （LBM）, of the reconstructed images and the target image obtained from real volume data were compared, showing that the structural characteristics of reconstructed porous media using both soft data and hard data as conditional data are most similar to those of real volume data.     

Analysis of the characteristics of gastrointestinal motility based on Hilbert-Huang transform method

Pressure activity data as an important index of gastrointestinal (GI) motility can be obtained from the wireless radiotelemetry capsule. The Hilbert-Huang transform (HHT) method, which is more effective to process non-stationary signal, is proposed to identify the characteristics of GI motility. We decompose the pressure activity data into intrinsic mode functions (IMFs),calculate the Hilbert marginal spectrum and attain the peristalsis characteristics of GI tract. The IMFs represent the peristalses modes of GI tract activity embedded in the pressure data. The time-varying characteristic of the method suggests that the HHT is suitable to accommodate other non-stationary biomedical data analysis.     

采用内点法的基追踪算法测井数据恢复

实际测井数据由于数据规模大、维数高等特点,在采集、传输、存储中很有可能会发生数据的缺失或损坏。为了提高数据质量,采用压缩感知中的基追踪算法对测井中的缺失数据进行恢复。先使用过完备字典对原始数据进行稀疏分解,采用基追踪算法将L0范数优化问题转化为L1范数问题;然后采用线性规划算法——内点法求解,从而实现数据恢复。通过实验与对比分析,结果表明基于基追踪的测井数据恢复方法精度高;且优于基于正交匹配追踪的数据恢复方法。     

基于BTLBOGSA与CNN的基因微阵列数据分类模型

针对现有基因微阵列数据分类中存在的数据维度高、容易发生过拟合的问题,提出了基于BTLBOGSA(Binary TLBOGSA)与卷积神经网络(Convolutional Neural Network, CNN)的基因微阵列数据分类模型(BTLBOGSA-CNN)。该模型首先针对基因微阵列数据分类时存在的数据维度高的问题,利用新的编码策略,将连续搜索空间转换为二元搜索空间,结合教与学优化(Teaching-Learning-Based Optimization, TLBO)算法的二元变体与引力搜索算法(Gravitational Search Algorithm, GSA)的各自特点,基于BTLBOGSA方法从基因微阵列数据集中选择具有高鉴别性的基因;然后针对基因微阵列数据分类易发生过拟合问题的现象,利用卷积神经网络进行基因微阵列数据的分类。利用公开的基因微阵列数据集进行仿真实验,从TLBO算法与GSA结合的有效性、BTLBOGSA与CNN结合的有效性、BTLBOGSA-CNN与其他已有分类模型相比的有效性3个方面进行对比分析,结果表明,BTLBOGSA-CNN模型可以在较少的特征基因下...     

基于多种位场数据及3D反演结果的综合解释方法

近期位场梯度数据在勘探地球物理观测数据解释中的作用日益增加,随着计算机等硬件设施的进步,处理大型数据能力的增强,重力数据3D反演方法也越来越多的应用到重力数据解释工作中。本文提出结合重力数据、梯度数据及重力数据3D反演结果的综合解释方法,并将此解释方法应用到虎林盆地观测数据、梯度数据及3D反演结果的综合解释工作中。本文首先讨论单个棱柱体的重力数据、梯度数据的计算方法以及重力数据3D反演方法;然后,编制了matlab程序计算重力数据、梯度张量数据并处理重力数据的3D反演;最后,根据计算的数据详细讨论了梯度九分量之间的关系及重力数据反演结果的数值特征,提出结合梯度九分量数据及重力数据3D反演方法联合解释方法。模型试算及解释结果表明重力梯度数据对进一步提高勘探地球物理观测数据的解释精度及确定埋深较浅的异常源位置及水平尺寸等信息起到重要的作用,将其与重力数据3D反演方法联合解释可更准确的刻画异常源的分布特征。最后经过此综合解释方法将虎林盆地划分为8个构造单元。     

白龙浮标数据全球通信系统共享的解决方案

为实现白龙浮标数据按照标准格式全要素参与国际交换,设计了从浮标数据测量、卫星传输、岸站接收、实时数据质量控制、云服务器存储到FTP数据上传中国气象局的数据传输链路;采用WMO推荐的标准BUFR格式对原始数据进行格式转换和重新编报,并按照全球通信系统(GTS)的规则进行封装和编发,实现了白龙浮标气象和海洋观测数据实时向GTS的分发共享,全球用户可以通过GTS收集数据并进行分拣后,按照报头识别并解码得到白龙浮标实时数据。白龙浮标成为我国第一个实时数据共享到GTS的锚系浮标,表明我国锚系浮标数据提供能力达到世界先进水平。     

无线电环境地图的冗余感知数据删除技术研究

移动群智感知(mobile crowd sensing,MCS)技术在无线电环境地图(radio environment map,REM)的数据收集系统中优势明显,具有良好的应用前景.但由于移动群智感知的时空相关性特点,感知数据中存在大量的冗余,造成了数据存储效率低与传输带宽消耗大的问题.针对此问题,提出一种基于感知数据综合差异度的无线电环境地图冗余数据删除技术.该技术通过计算感知数据之间的综合差异度,实现对无线电环境地图系统中感知数据的冗余检测与删除.为了验证所提技术的有效性,通过实验将该技术与传统的重复数据删除技术进行比较.实验结果表明,与传统的重复数据删除技术相比,所提出的技术在保证数据完整性的前提下,极大地提高了系统的存储效率,降低了数据传输过程中网络带宽的消耗.     

综合岭回归和SARIMA方法在桥梁健康监测数据分析中的应用

桥梁健康监测系统的实测数据普遍存在缺失问题,为了保证桥梁监测数据的完整性,更好地预测桥梁未来的健康状况,提出了一种具有样本内和样本外预测能力的组合模型。样本外预测可以基于现在数据预测未来的桥梁健康状态,样本内回归用于填补传感器数据中的缺失值,确保桥梁监测数据的完整性。由于不同位置处相同类型传感器的相关性较强,首先利用岭回归（Ridge Regression,RR）解决共线性问题,建立各传感器数据之间的关联,并预测缺失数据。接着引入季节性差分自回归滑动平均(Seasonal Autoregressive Integrated Moving Average,SARIMA) 方法,利用其样本外预测能力并结合岭回归方法预测桥梁未来运行数据。然后,通过设立预警值实现健康状况预警,以保证桥梁健康运行。最后,将该方法应用于实桥中,验证了其有效性,为传感器数据填补以及预测桥梁未来状态提供了一个有效的预测模型。