黄河下游坝岸变形监测数据分析

介绍了光纤光栅变形监测系统、振弦式地层变形监测系统及电阻式监测系统的功能和作用,探讨三种监测系统对坝体变形的适应性,分析监测数据,对比分析每种系统监测的灵敏度、可靠性等。结果表明:光纤光栅式监测系统灵敏度最高,采集信息量大,可较好地监测坝体微小变形,待多年数据累积后可做到提前预警;振弦式及电阻式监测系统运行稳定,耐久性较好,人机界面友好,历史数据查询便捷。     

基于MapReduce的海量数据挖掘技术研究

MapReduce是一种编程模型,可以运行在异构环境下,编程简单,不必关心底层实现细节,用于大规模数据集的并行运算。将MapReduce应用在数据挖掘的三个算法中：朴素贝叶斯分类算法、K-modes聚类算法和ECLAT频繁项集挖掘算法。实验结果表明,在保证算法准确率的前提下,MapReduce可以有效提高海量数据挖掘工作的效率。     

基于能量函数和模块最优化的不确定图聚类

为证明不确定性的存在对聚类结果不可忽略的影响,改进了基于能量模型布局和模块化聚类的算法LinLogLayout,使之可以处理不确定图数据。提出了不确定图的定义并产生满足Zipf分布的不确定图数据,对确定算法进行不确定化使之满足应用要求。实验结果表明,不论是在确定图数据、不确定图数据还是人工数据集、真实数据集上,改进的LinLogLayout算法都具有较好的聚类效果。实验结果也表明,不确定性的存在对聚类结果具有不可忽略的影响。     

基于分布式数据仓库的分类分析研究

针对GAC-RDB分类算法只能应用于单机版数据仓库的局限性,为了能够更方便、快捷地在云计算平台上开展数据挖掘工作,基于分布式数据仓库HBase,结合GAC-RDB分类算法的实现机理,制定适合分布式平台的运行策略,使用原生HiveQL语言提出了一种分布式GAC-RDB分类算法。实验显示,随着集群中节点的不断增加,算法的运行时间稳步下降。结果表明,在保证算法准确率的前提下,分布式数据仓库能够有效提高GACRDB分类算法的扩展性和运行效率,相对于MapReduce框架,HiveQL语言降低了对数据挖掘从业人员的技术要求,更大程度地减少了算法的开发时间,为挖掘海量数据提供了新的解决方案。     

黄河坝岸变形监测模拟试验成效分析

通过模拟险情试验,验证了光纤光栅地层变形监测系统、振弦式变形监测系统和电阻式变形监测系统在黄河坝岸变形监测中的灵敏度与可靠性,分析了坝体变形引起的不同系统监测数据变化趋势,探索了监测系统监测数据与坝岸变形量的对应关系。