基于数据质量评价的目标估计

针对目标估计过程需要大量人工参与、自动化程度低的问题，提出了基于数据质量评价的目标估计方法。利用目标数据质量评价方法，对不同传感器得到的目标数据质量进行科学、有效的测度和评价，并根据质量得分动态调整各数据源在目标估计过程中所占的权重，从而减少人工干预，提高目标估计效能。仿真试验结果证明了该方法的有效性。     

学情调查和数据驱动专业基础课教学探索

文章以“数字电子技术基础”课程为对象,设计了基于教学数据和问卷调查的教学框架。通过学生情况调查和雨课堂教学数据掌握学习状态和学习能力,针对性设计了个性化作业布置、拓展延伸、疫情线上自学跟学双通道等特色教学方式。结课问卷表明教学设计得到了良好评价和认可。     

高职院校共享式数据中心平台的设计与实现

本文以高校数据中心为例,从数据治理及数据应用两个维度介绍了数据中台在整个数字校园框架中的功能及位置。笔者以高校数据治理体系建设、治理方式和治理效果为导向,设计了数据中台治理体系架构,分析数据资产化过程中挖掘数据资产的重要性,实现高校数据资源价值的最大化,并将有价值的数据无缝接入数据中台,清晰转换生成数据仓库,为高校师生提供更好的数据服务。     

基于Hadoop的气象数据分布式存储技术研究

针对目前气象数据存储所面临的海量扩张、高并发读写、结构化和非结构化数据并存以及长时间序列和大数据集检索效率低下等问题,提出了以Hadoop开源框架为基础的气象数据分布式存储方案。通过对气象数据自身属性和特点进行分析,得出了气象数据在经过充分优化的基础上,在分布式存储框架中具有很强的适应性和规模化应用的潜力;并在HBase数据库中的Row Key设计和小文件合并策略方面做了创新。最后针对气象数据中广泛存在的结构化和非结构化这两种主要数据类型,以自动气象站数据和雷达产品数据为具体实例,给出了详细的设计思路和实现方法。     

基于小波分析的水质变化及预测研究——以涡河为例

以涡河流域2005—2018年(共168个月)的水质指标月监测数据为背景资料,探究小波分析和神经网络在流域水质方面的应用。通过小波分析来判别涡河流域水质指标的多尺度变化规律;运用主成分分析法选取涡河水质主要影响因子,并对主要影响因子建立小波神经网络预测模型。研究结果表明:各水质指标具有多尺度振荡的特点,且主要存在以8、20、30个月左右变化的主周期;目前影响涡河流域水质的主要因子是以化学需氧量为代表的污染因子;通过小波神经网络得到的化学需氧量预测值与实测值的曲线拟合较好,平均百分比误差(MRE)为8.4%,均方根误差(RMSE)为1.5,模型较稳定且预测精度较高。基于小波神经网络的应用为流域水质污染研究提供了一个新的思路。