基于高斯混合模型的MWPCA高炉异常监测算法

大型高炉是钢铁制造过程中的重要装备，由于高炉运行过程复杂，干扰因素繁多，经常会有异常炉况发生。为及时监测异常炉况、保证高炉顺行，本文利用高炉运行数据，开发了一种基于MWPCA和高斯混合模型的算法对高炉异常过程进行监测。由于高炉运行数据存在非高斯分布和时变的特点，利用高斯混合模型改进了传统PCA监测模型的T2统计量，使算法可以适应高炉数据的独特分布特征，并加入了滑窗机制，使算法具有实时更新的能力。随后，将算法应用在华南某大型钢铁集团的真实高炉数据上，检测了算法的有效性，并将其与基础算法进行了对比分析，证明了算法在高炉异常监测能力上有所提高。

2021-04-17
阅读958
下载1
10页
pdf

目标规划的模型与算法

现代的经济问题往往提出一一连串的目标，这些目标既有先后之分，又有缓急之别，而且可能是相互排斥、相互矛盾或有从属关系。决策者处理含有多个目标的问题时需要有一种方法。1961年A.charnes和w .w ,Cooper开始引入了一种处理多目标决策问题的数学方法●1965年Ijiri, 1968年Contine又对目标规划的发展做出了贡献。近年来随着电子计算机的日趋完善，计算量大大简化，目标规划也日益为人们所重视，并已应用于生产管理、市场管理、财政计划、学术计划和医院管理等部门，还编制出了计算机程序，月标规划已发展成为一种成熟的管理科学的手段。

2021-04-17
阅读953
下载0
8页
pdf

面向5G移动网络绿色通信关键技术研究

随着中国4G LTE牌照的发放，基于蜂窝结构的无线网络又一次借助新的技术提高了网络整体性能。而智能机的普及、移动互联网的热潮，层出不穷的手机新应用、新业务、用户新体验的形成，以及移动通信的新系统需求等，不仅造成了无线蜂窝网络的大量流量需求、更严格时延需求，更将会带来巨大的能最消耗。

2021-04-17
阅读750
下载0
94页
pdf

F在滴滴出行的应用与实践

在滴滴，所有的数据基本上可以分为四个大块： 1、轨迹数据：轨迹数据和订单数据往往是业务方特别关心的。同时因为每一个用户在打车以后，都必须要实时的看到自己的轨迹，所以这些数据有强烈的实时需求。 2、交易数据：滴滴的交易数据， 3、埋点数据：滴滴各个业务方的埋点数据，包括终端以及后端的所有业务数据， 4、日志数据：整个的日志系统都有一些特别强烈的实时需求。

2021-04-17
阅读364
下载0
24页
pdf

菜鸟数据中台技术演进之路-陈飞

通过中台的各技术域能力的建设，技术人员在极少的投入下，就可以支撑数倍的分析人员进行数字化运营工作。3 年里走过了从人力支撑到中台支撑的历程。本次演讲将介绍数据中台技术的实践、过程中的心路历程、以及未来的思考

2021-04-17
阅读346
下载0
26页
pdf

存储与计算分离-京东在Elasticsearch上的实践

2015 年起 Elasticsearch 在京东开始大范围应用，本次分享会介绍 ES 在京东的使用场景，以及随着业务的飞速发展， ES 架构随之进行的升级改造历程；最终借助于 ChubaoFS 的使用，实现读写分离以大幅降低资源使用成本以及运维成本

2021-04-17
阅读377
下载0
21页
pdf

打造金融级智能中台的数据底座-王志勇

蚂蚁金服在 AI（人工智能）方面的技术演进经历了“从无到有”，再“从有到无”的过程，这个“无”是指“无处不在”。目前，AI 已赋能支付宝、财富、保险、消费信贷、安全等几乎所有的业务，同时 AI 团队逐步将重心从业务支撑提升到金融智能中台能力建设，打造了包括搜索、视觉、NLP、知识图谱、智能标注、机器学习算法库等一系列具备金融特色的 AI 中台能力

2021-04-17
阅读584
下载0
39页
pdf

大数据技术沙龙会议报告F在滴滴的应用实践-刘雨飞

滴滴基于 Apache F 做了大量的优化，也增加了更多的功能，比如扩展 DDL、内置消息格式解析、扩展 UDX 等，使得 F 能够在滴滴的业务场景中发挥更大的作用。本文中，滴滴出行实时计算负责人、高级技术专家梁李印分享了 Apache F 在滴滴的应用与实践。

2021-04-17
阅读318
下载0
25页
pdf

上一页 1 …… 16350 16351 16352 16353 16354 16355 16356 16357 16358 16359 16360 …… 16652 下一页共 133209 条



立即登录

没有账户，需要注册

登录用户可享受以下权益

免费下载方案
服币提现
发布方案得服币
交易分成

精品推荐

工业时序基础大模型技术发展综述

时序大模型是面向时间序列数据的基础大模型，以 Transformer 等架构为核心，通过在海量多领域时序数据上进行预训练，学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练，时序大模型具备强大的迁移能力，只需少量样本微调或零样本提示，即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中，它能够直接处理传感器、设备测点产生的海量时序信号，挖掘设备状态演变规律，支撑设备故障预警、工况识别与生产趋势预判，为工业智能落地提供底层模型能力。如：中服云的CServerAIR

阅读626
下载8

2026“人工智能+”行业发展蓝皮书

2025年，全球人工智能市场规模达到3909亿美元，中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张，制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初，中国日均词元(Token)调用量为1000亿;至2025年底，跃升至100万亿;2026年3月，已突破140万亿，两年增长超千倍。这些数字背后，是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。

阅读2406
下载8

中服云能碳管理平台V5.0

中服云能碳管理系统依托中服云工业物联网底座打造，聚焦工业企业能耗管控与碳资产管理需求。系统整合水、电、气、热等多类能源数据，实现用能实时采集、集中监测、智能分析。依托数字化手段精准核算碳排放总量，助力企业摸清碳排底数、合规完成台账管理。通过节能诊断、能耗优化策略推送，有效降低生产能耗与运营成本。全方位赋能企业绿色低碳转型，筑牢安全生产与节能减排双重发展防线。

阅读2848
下载14

中服设备健康管理系统产品介绍

中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。有效降低设备故障率、减少停机损失，简化线下运维管理流程。助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。

阅读2585
下载10

最新上线

2026工业网络现状报告

十多年以来，关于工业网络的讨论一直围绕着数据表现展开。诸如"哪种协议的市场份额在上升?哪种在下滑?哪种标准最终将胜出?"这类问题固然依旧关键，您也可以在本报告第4页的年度市场份额数据中找到最新解答。然而，如今任何深耕工业自动化领域的专业人士都清楚，行业关注的核心问题已经发生了转移。

阅读22
下载0

2026金融智能体可信互联研究报告

在国务院《关于深入实施“人工智能+”行动的意见》指导下，众多企业加速推进人工智能应用落地，并积极探索智能体的潜在价值，2025年由此成为智能体发展的元年。2026年5月，中国人民银行等四部门印发《关于“人工智能+金融”的实施意见》，推动人工智能与金融行业广泛融合。为支撑跨模态、跨模型、跨机构、跨行业的复杂任务协同，满足金融业“开放、融合、高效”的发展诉求，智能体正从单一模式朝着多智能体协同与互联互通的方向演进。在此背景下，智能体通信协议迅速发展。