厂房除尘防爆系统设计及相关数据分析研究
这是一篇关于粉尘爆炸,时间序列分析,预测,快速DTW,异常检测的论文, 主要内容为涉尘企业在其产品加工过程中伴随粉尘的产生,导致粉尘爆炸事故时有发生。近年来,国家应急管理部针对粉尘防爆问题多次下发相关法律法规文件,旨在进一步控制粉尘爆炸安全事故的发生,涉尘企业则是其重点关注对象。尽管涉尘厂房已配备各类除尘设备,却存在诸如效率低、反馈不及时以及不能统一监管的问题。此外,安全监督部门亦不能及时开展检查、监管的工作,对安全事件难以及时做出反应并处理。本文研究了粉尘防爆相关理论,整理分析了厂房除尘防爆流程中存在的问题,结合实际应用场景的需求,设计实现了一种以物联网为基础的除尘防爆系统,并制定系统各功能模块,主要包括:以不同业务间的独立性对监管区域进行纵向划分,形成区域管理功能;对市政项目进行信息整合与规范化管理而形成项目管理功能;为保障传感监控设备整个生命周期可控而形成设备管理功能;对存在问题的项目实现异地监管,形成任务管理功能;为相关人员提供集地图功能于一体的全局地图统计与监控数据可视化服务的GIS全局地图功能。本系统使用目前业界流行的Spring Cloud架构作为整体方案的技术框架,通过Spring Boot构建服务组件,将各个微服务组件独立开发部署,使得各功能模块满足高内聚低耦合的特点,并通过运用Nginx服务、Tomcat集群、Redis缓存、MySQL集群等技术来提升系统的并发能力、可靠性、可用性。针对除尘防爆系统收集的数据具有的时间特性,本课题基于时间序列分析理论进行研究,通过采集的数据对厂房工况进行异常检测、预测预警等,主要工作包括:1、研究相关时序模型,并选择本文所用的预测模型;2、对历史工况数据进行预处理,使其符合时序模型要求;3、为所用模型确定参数,并进行拟合评估;4、调整优化参数,提升预测效果;5、从时间序列相似性度量切入,研究时间序列异常检测,主要对相似性度量算法DTW进行研究,在分析总结前人的研究的基础上,结合数据特点为时间序列赋予不同权重,并充分利用权重,为DTW算法在相似距离的计算中,提供标识停止计算的上、下界阈值,从而做出改进,提高了计算效率,而后以改进的DTW算法所得的相似距离为依据,进行聚类分析,对时间序列的异常与否进行标记,从而应用于工况异常检测,满足项目工程应用的需求。截至目前,本系统在江苏、广东、重庆等省市地区的多个厂房已安装并稳定运行一年,实现了对涉尘企业厂房生产过程中的工况进行自动监测的功能,满足了监管要求,提高了监管效率,为人民的生命财产安全提供可靠保障,保证企业的生产安全。
沥青路面协同施工监控及质量评价技术研究
这是一篇关于沥青路面,协同施工,路面性能,预测,施工质量评价,DPSIR的论文, 主要内容为沥青路面的施工质量会直接影响道路使用的稳定性和耐久性。传统沥青路面施工工艺流程与路面性能试验等环节的控制管理主要依赖于监理旁站和纸质报告,有些虽然使用了信息化平台,但监测数据也仅仅作为记录作用,这就造成施工过程质量控制存在滞后、信息化数据使用不充分等问题。因此,本文在陕西省交通运输厅科研项目“智能化高速公路建设运营管理信息技术研究(21-04X)”的支持下,设计一套沥青路面协同施工监控方案,建立基于材料试验和生产监测数据的路面性能预测模型和沥青路面协同施工质量评价模型,实现路面性能与施工质量的过程控制,对提升工程管理效率有着积极的现实意义。首先,分析沥青路面生产施工工艺各环节数据采集及监控管理的需求,设计盖涵“施工管理、施工工艺、性能试验、拌和生产和物料运输”的沥青路面协同施工监控及质量评价总体方案,进一步对路面协同施工模块进行了设计实现。其次,基于监控模块采集的试验数据和生产数据,构建了Spearman+PCA前处理优化的沥青路面性能多元线性回归预测模型,该模型对芯样马歇尔试验稳定度和流值的预测结果与实际值的相关系数高达0.959和0.811,均明显优于传统BP神经网络和Spearman+PCA前处理优化的BP神经网络,证明该模型适用于路面性能试验的预测,解决了路面性能试验结果滞后的问题。最后,分析评价指标间逻辑关系,结合各项沥青路面施工技术标准规范,建立了DPSIR沥青路面协同施工质量评价指标体系,该体系可将评价指标按压力、驱动、状态、影响和响应性因素间作用关系进行分析划分,构建层次分析法和熵权法综合赋权的沥青路面协同施工质量评价模型,该模型的实例评价结果和现有文献方法相比更具综合性与全面性,实现了沥青路面施工质量全面、及时的评价。本文设计的沥青路面协同施工监控模块在工程应用验证中取得了良好的效果,为路面性能预测和施工质量评价提供了数据支撑。所建立的沥青路面协同施工质量评价体系作为指导生产和施工的依据,对发挥信息化平台协同施工的最佳效益、保证公路施工管理决策的系统化、科学化和现代化具有重要的意义。
电商平台移动端网络购买预测研究——基于特征选择和分类算法
这是一篇关于网络购买行为,数据挖掘,Relief特征选择,预测的论文, 主要内容为随着互联网和移动端的发展,网络购物越来越普及。商家或者平台不能和用户面对面沟通,这就导致,商家不能更好的把握用户的态度和需求,从而促成交易。但是随着科技的发展,用户在互联网上发生的行为都会被存储器记录,通过对这些历史数据的挖掘,可以实现对购买决策的预测。从数据挖掘的角度,利用机器学习的方法获得电商用户购买决策的影响因素并预测其未来的购买行为正成为新时代、新技术的发展方向。得到的结论可应用于电商平台的推荐系统中,实现用户的精准推荐满足用户购物需求并激发用户购买欲望,提高转化率,优化仓储。利用SQL语言拉取某电商真实用户历史数据,根据业务经验选择有价值且影响显著的原始特征并在其基础上构造衍生特征。在特征全集中,利用Relief算法进行特征选择,提取权重较大的前10个特征作为预测模型的输入变量。基于该结果,利用机器学习的三种不同分类算法——logistic回归、CART决策树和朴素贝叶斯来构建预测模型是文章的整体脉络。最终得到结论,对于影响用户购买决策的因素而言,购物行为过程中的分享行为和商品所属品类这两个特征影响显著,而对于预测的精准性而言,CART决策树效果更理想一些,从误判率和结果来看都明显优于其他两个模型。
基于web的隧道围岩位移预测预警信息系统的研究与设计
这是一篇关于B/S,围岩位移,预测,信息化施工的论文, 主要内容为隧道的安全施工一直以来是隧道工程研究的重点,随着新奥法施工的广泛应用,隧道施工信息化不断发展。基于这个概念,本文通过Java Web技术,结合SVM支持向量机模型,设计开发了隧道围岩位移预测预警的B/S信息系统,为施工相关人员提供了一个具有围岩信息查看、录入、分析、处理、反馈的平台,并依据录入的施工过程中采集的围岩位移信息,提供围岩位移预测和预警的功能,以此指导施工方案和支护条件的修正,反映出隧道施工的动态性和施工信息化的概念。本系统的预测模型基于SVM支持向量机,通过已有隧道围岩位移时序数据的清洗处理,对比多个训练模型结果,根据工程实际情况证明了SVM对于小样本的隧道围岩位移预测的准确性和实用性。系统基于B/S模式,采用SSM框架的三层架构,通过Vue前端框架对系统信息进行可视化展示,数据库采用My SQL,通过Matlab混合编程整合SVM预测模型。系统的开发严格遵守软件开发流程与规范,经历了需求分析,概要设计,详细设计与实现,等系统开发流程。采用了Java Web前沿技术,系统功能基本完善、界面十分友好、响应速度快、操作性良好,能够满足实际对数据信息化、监测、预警的需求。
基于SSH框架的交通信息发布系统的设计与实现
这是一篇关于交通流,预测,SSH框架的论文, 主要内容为随着我国经济的快速发展和消费能力的不断提高,汽车在人们出行中占据的不重越来越大,城市交通拥挤和堵塞的现象日趋严重,并且已经成为一些大中型城市的通病,同时伴随着我国信息化进程的不断深化与数字化进程的不断推进,对交通信息发布系统的研究与应用显得越来越重要。交通信息发布系统是以交通信息为对象,满足客户需要为中心的,完成一系列交通信息发布和统计的工作的信息化系统。虽然目前存在很多交通信息发布系统,近年来也取得了一定的发展,但与用户的交互性方面,以及交通预测方面还不够成熟,也就是说现在的一些发布系统还是主要面向的是交通决策层和交通管理层,对于面向大众服务的信息发布系统还是相对较少的,尤其是用户的交互操作和交通流分析的功能。本系统鉴于交通信息上报平台零散、信息内容庞杂、审核处理繁琐、滞后等弊端,开发出了一个安全稳定、高效实用的交通信息发布系统,统一有效地管理了交通信息,搭建了即时的、多渠道的交通信息报送平台,并通过计算机网络技术和移动终端技术保证了用户的互动和联系,为保障交通信息的正确发布提供了有力保障,实现了交通信息从采集审核到采用编辑到发布通报的整个过程的数字化和信息化,不仅实现了协同办公,还实现了信息共享和交流,为处理业务提供了安全、稳定、高效、快捷的方式。本文在利用专业所学知识的基础上,调查归纳了目前交通信息发布系统存在的问题和用户的实际需求,使用功能丰富的J2EE集成开发环境MyEclipse9.0可视化软件作为开发平台,以当前炙手可热的J2EE轻量级组件Spring、Struts和Hibernate框架为核心架构,并采用目前流行的SQL Server 2005作为后台数据库、Tomcat为Web服务器的B/S架构,设计出了适用于城市、基于交通流分析的信息发布系统。在本系统中,对系统的用户做了各类权限设置,分为管理员用户、普通用户等角色,不同角色的用户对应不同的权限,并进行各种相应的权限操作。不同用户访问本系统后,可以向本系统反馈各类交通信息,同时系统可以根据已有的路况信息和用户提交的信息,对指定路段进行交通流的预测,并即时反馈给用户,使用户即时做出判断和调整,极大的方便了用户的交通出行需求。系统不仅有效的利用了交通信息资源和网络资源,用户借助移动设备即可方便地访问和操作系统,为用户获得最便捷的交通路线提供了简单方便的查询机制,同时,使用户以及相关部门能够更加方便、快速和准确地掌握了道路交通信息,通过对本系统的测试和使用,本系统具备较高的稳定性和可靠性,系统运行比较流畅,没有出现运行塞堵现象。从本系统的测试结果来看,本系统具有一定的实用性和开发价值,在原有交通信息发布系统基础上进行了创新和改进,各项应用功能都达到了最初的设计目标。
基于新浪微博数据的处理与用户行为分析
这是一篇关于社交网络,网络爬虫,机器学习,特征提取,用户行为,情感分类,预测的论文, 主要内容为随着互联网技术的不断发展,社交网络在人们的日常生活中扮演着越来越重要的角色,同时也在改变着信息的传播方式,从原来的平面媒体与电视广播相结合到现在多元化平台的改变。人们获取热门信息和自己感兴趣的信息的方式也与社交网络变得越来越密不可分。伴随而来的是通过分析大量的用户数据对用户的各种行为进行深度挖掘,从而优化信息传递效率,节约人们从海量信息中提取对自身有价值信息的时间,并挖掘其潜在的巨大的商业价值。国外社交网络Facebook与Twitter的巨大成功也在很大程度上促进了国内社交网络平台的发展。本文以国内的热门社交网络平台新浪微博的用户信息与微博信息为研究对象,主要完成了以下四个方面的工作。第一,研究了目前比较流行的网络爬虫技术。通过比较和综合分析,设计并实现了一个分别对微博内容、用户信息、用户关系信息、微博关系信息等数据进行采集并存储,然后利用获取到的数据按需进行特征提取的数据采集系统。对于获取到的微博数据,根据数据之间的关联关系设计了相应的数据库。此外,在爬取数据的过程中,不仅使用多线程技术大幅提高了爬虫的工作效率,还设计了多APP Key复用机制,突破了新浪对API调用次数的限制,从而使爬虫系统可以持续工作运行。第二,为了对用户的转发行为进行预测,并找出对用户转发行为有重要影响的微博特征,本文通过研究新浪微博包括用户和微博内容在内的13项特征,进行机器学习,建立了特征分析模型,找出影响微博转发的重要因子。首次对特征因子组合进行研究,探求特征之间的关联程度。同时用不同的机器学习算法进行模型训练比较最后的预测结果,找出预测准确率最高的算法。第三,针对情感预测问题,建立了基于混合分类器的情感预测模型(Hybrid Classifier Sentiment Prediction Model,简称HCSPM)。该模型针结合四种常见的机器学习分类算法,提取了四个不同分类器的预测标签和预测得分,通过加权计算,对微博的情感分类进行预测。第四,为了对提高研究过程中的实验效率和对实验结果更加直观、准确的分析,本文设计了用户行为分析系统,结合了不同的分类算法,使得在分析用户行为时更加清晰和高效。综上,本文通过基于微博数据的爬取与处理,对微博用户的行为进行了分析,并在最后提出了今后进一步研究的主要方向。
基于极大熵聚类算法的蛋白质互作分析
这是一篇关于蛋白质,相互作用,极大熵,聚类,预测的论文, 主要内容为细胞中的各种生命活动与蛋白质间的相互作用紧密相关,同时,蛋白质相互作用过程的不和谐也导致了人类疾病的产生,因此深入理解蛋白质相互作用,不仅是揭示生命活动奥秘的前提,而且对疾病发生机制的了解及有效药物的开发均起到推动性的作用。 在蛋白质相互作用的早期研究中,由于数据的贫乏,人们主要是采用实验的方法来研究蛋白质之间的相互作用。这些实验方法成本昂贵、枯燥,因此,随着实验数据的不断积累,人们开始从已有的数据出发,通过寻找互作蛋白质对和不互作蛋白质对各自的特征然后采用计算的方法来达到预测蛋白质对相互作用的目的。在此基础上,人们研究出了各种算法,比如基于决策森林的方法,基于支持向量机的方法,基于贝叶斯的方法等。 结构域是蛋白质的结构和功能单位,它是蛋白质中具有进化保守性的一段氨基酸序列,同时也是分子相互作用过程中发挥重要作用的结构和功能区域。蛋白质之间通过特异性的结合才能够发生相互作用,而这些结合部位就是结构域,因此,现在,一种比较流行的思想是认为蛋白质间的相互作用是因为蛋白质结构域之间的相互作用导致的。 本文从蛋白质域信息出发,分析互作蛋白质对和不互作蛋白质对各自的特征模式,提出了基于极大熵聚类算法分析并预测蛋白质相互作用的方法,并采用von Mering数据集和DIP数据库中的数据测试了该方法,其预测的敏感性和特异性分别为92%和94%。 基于上述方法,本文开发了网站(http://219.217.238.183:7001/prepi/index.jsp)用于预测蛋白质对的相互作用。
黄土隧道塌方风险评估及变形预测方法研究
这是一篇关于黄土隧道,塌方,变形,评价指标,评估,预测的论文, 主要内容为随着西部大开发、―一带一路‖战略的实施,我国西部黄土地区的交通基础设施建设规模迅速扩展,穿越黄土地层的隧道数量越来越多。由于黄土具有大孔隙、节理发育、遇水湿陷等特点,致使在黄土地区开挖隧道时,经常会出现围岩大变形、塌方等现象。这些问题严重制约着我国交通、水利水电等工程安全建设。如何合理评估黄土隧道施工过程中的灾害危险程度,是保证隧道安全施工的关键。本文通过案例统计、理论分析、数学计算等方式,在统计黄土隧道塌方案例的基础上,探究隧道塌方致灾因素,构建黄土隧道塌方风险评估指标体系,建立适用于施工前期的黄土隧道塌方风险评估方法。通过分析黄土隧道围岩变形规律及影响因素,确定黄土隧道变形预测评价指标及指标分级标准,建立适用于施工期的黄土隧道变形预测方法,研发黄土隧道塌方风险评估及变形预测系统。取得的主要研究成果如下:(1)分析了黄土隧道塌方案例特点,探明了影响塌方的因素。收集了62个黄土隧道塌方案例,其中冒顶塌方占比77.19%,洞内塌方占比22.81%。分析结果表明,黄土隧道塌方主要原因及占比:工程地质因素(占比43.97%),水文地质因素(占比34.49%),施工因素(占比13.8%),勘察设计因素(5.17%),往往塌方事故是由以上多个因素共同作用而发生的。(2)建立了基于属性识别模型的黄土隧道塌方风险评估方法。基于塌方案例统计分析,选取围岩等级、地形地貌、埋深、开挖跨度、地下水、降雨、施工技术及管理水平7个主要致灾因素作为塌方风险评估的评价指标。根据各指标特点及对塌方的影响规律将指标划分为5个风险等级,采用频数分析法确定了评价指标权重,建立了塌方风险等级与塌方量之间的关系,构建了基于属性数学理论的黄土隧道塌方风险评估模型。将评估方法应用于岗城隧道、二庄科隧道等四个黄土隧道,结果表明,预测的塌方量范围与实际塌方量保持一致,验证了该评估方法的可靠性和合理性。(3)提出了基于模糊综合评判法的黄土隧道变形预测方法。根据黄土隧道的地质环境,从工程地质条件、隧道特征、施工措施三个方面,选取了围岩岩性、地下水、隧道埋深、开挖跨度、开挖方法、支护闭合时间、支护方式7个致灾因素作为变形预测的评价指标,将拱顶沉降量作为变形预测的输出指标,确立了变形预测评价指标的分级标准,建立了基于模糊综合评判法的黄土隧道变形预测模型,并将其应用于7个黄土隧道断面的拱顶沉降量预测中,结果表明,现场监测的拱顶累计沉降量均在预测的拱顶沉降值范围内,验证了该预测方法的可行性。(4)设计研发了黄土隧道塌方风险评估及变形预测系统。采用VBA程序设计研发了黄土隧道塌方风险评估及变形预测计算平台,可快速实现塌方风险评估和变形预测,用户只需在指标参数界面输入7个评价指标的值并按提示点击命令按钮即可得出计算结果。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码项目助手 ，原文地址：https://m.bishedaima.com/lunwen/46648.html
