基于网络学习行为聚类分析的在线课堂优化策略研究

利用聚类分析法对网络学习行为分类，从而挖掘不同类型学习者在学习行为和学习效果间的差异。以大学计算机公共课《数据库技术及应用》为例，综合学习者学习行为类别差异、在线课程内容组织以及课程特点等要素为在线课堂进一步发展提供优化策略。     

基于数据驱动理念的电力日负荷曲线预测方法研究

针对短期日负荷预测的精度问题,本文提出一种基于数据驱动理念的电力负荷预测方法。在建立预测模型前对所给数据采取一定的预处理:首先提取所收集的海量数据的负荷特征,对负荷特征进行分析,然后进行负荷数据与影响负荷值的因素之间的相关性分析,以此确定对负荷影响较密切的因素,随后建立分类器得到各主要影响因素与各负荷类别之间的关系为后续预测模型奠定基础。对预处理后得到的不同类型的负荷数据采用最小二乘支持向量机方法建立不同的负荷预测模型。以南方某发达城市2008年的负荷数据作为算例验证数据,将本文所提负荷预测方法所得结果与未经数据预处理的负荷预测方法所得结果进行比较,结果表明本文提出的方法得到的预测结果精度较传统方法提高约6%。     

利用空间面-面叠置分析实现在线地理数据的信息挖掘

介绍了在大数据的环境下,从Internet上获取在线的地理信息数据,以空间叠置分析为技术方法,对多个专题的POI进行聚类、凸包分析得到聚集面后进行叠置分析.叠置分析通过地理空间的区域多重地理对象(如学校、商场和医疗机构)进行交(intersect)、并(union)和差(Erase)等运算,得到新的多边形区域,使这些新的区域满足多个特定条件.程序的实验选择了住房选址问题,通过空间叠置分析确定符合目标条件(住房附近有学校、超市和医院)的特定区域,从而对购房行为进行指导,缩小选房范围,提高住房选址效率.程序运算结果在电子地图中显示,地图中显示的主要数据为地理底图和polygon(面)、marker(标记)等地理对象.     

智慧交通对城市发展的影响研究

一方面,我国交通运输基础设施短缺,需要加快建设,另一方面我国交通也存在着城市交通设施利用率低,管理技术落后,交通安全行驶严峻,交通拥堵等问题。因此发展智慧交通对我国城市交通运输业意义深远。人们运用物联网和数据挖掘等技术来获取大数据并对其进行分析处理,构建基于聚类分析的数据挖掘算法库,构建高效的海量语义数据挖掘平台,进而开发出智慧交通大数据挖掘软件应用系统,并将其应用在城市发展当中,使城市向智慧城市的方向发展。     

基于多方法对比论证的路段划分体系研究及应用

针对传统路段划分忽视静态属性延续性、养护历史影响、上层规划目标等不足,作者研究静态路段划分方法并构建静态属性体系,论证了K-means聚类、层次聚类方法在路段划分的适用性,将三阶段划分法及传统路段划分方法进行全面对比。结果表明:提出由“几何指标、行政指标、路产指标、模型指标”四类组成的静态属性并用于静态路段划分;提出延续划分、基于养护历史及目标宏观校核的路段划分优化方法,使划分出的养护路段保持静态属性的唯一性与继承性;建立了基于动、静态数据分析的路段划分技术流程,以浙江某公路为例论证三阶段划分法在路面养护决策路段划分中的适用性。     

基于K-means雨型分类方法的温州市台风暴雨时空演变特征研究

伴随全球气候变暖，暴雨事件的频次与强度呈增强趋势，对于暴雨时空演变规律的研究对区域防洪减灾和水资源管理具有重要意义。基于1960—2018年日尺度降雨数据和1980—2017年台风过境期间的小时尺度降雨数据对温州市的暴雨特征时空演变规律进行分析，使用的分析方法包括去趋势预置白的Mann-Kendall趋势检验、基于K-means聚类算法的雨型分析等。日尺度暴雨指标的趋势和突变检验结果显示，暴雨指标受到地形和地理位置影响较大。小时尺度降雨数据的暴雨指标表明，台风暴雨指标随下垫面特征和地形特征不同而呈现不同的特征和变化趋势；山区地区的降雨总量和持续时间的上升趋势高于平原地区。小时尺度暴雨雨型分析表明，温州市暴雨雨型以单峰型为主，单峰中期型占比最大。研究成果有助于加深对该区域暴雨时空演变规律的认识，为区域防洪减灾和水资源管理提供参考。