电商企业利用大数据“杀熟”的现象频生，政府作为市场监管主体对其治理起着举足轻重的作 用。为探究政府在大数据“杀熟”问题中监管策略的抉择及影响，通过构建由电商企业与政府组成的演化博 弈模型，研究了双方的演化稳定策略。研究结果表明：政府进行严格监管比进行宽松监管多获得的效益小于 多付出的成本时，演化稳定策略为宽松监管，反之则无演化稳定策略；长期的严格监管能够抑制电商大数据 “杀熟”行为，但也需长期耗用政府资金，建议政府设立专门款项用于此项支出；政府行使“严格监管”策 略的初始意愿越强烈，电商企业演化到大数据“杀熟”策略的速度越慢
针对大数据背景下地理信息基础设施面临的各种问题和挑战，本文提出一种基于私有云的基础设施建设方 法。首先通过云管理平台，将各种物理资源虚拟化，形成跨虚拟化技术的统一资源池；然后在其上建设时空大数据 基础框架，采用分布式技术架构，通过集群并行的工作模式去解决存储和计算两个最为核心的技术需求；最后以山 东省地理信息时空大数据中心基础设施建设为例，进行数据入库和图斑计算。通过对比验证，本文的方法能够切 实提高数据存储和计算效率，满足数据资源的有效组织管理和应用服务要求，实现对地理信息时空大数据中心的 有效支撑。
信息化和智慧化背景下，为满足快速高效挖掘城市社区环境问题的要求，文中基于丰富的 通信设施基础、多源的网络数据来源，利用遥感影像、街景图片、环境空气质量指数（AQI）、POI等 多源大数据，就自然环境、道路环境、小区环境3个维度设计11个指标作为社区环境评价因子，构 建评价体系，并以深圳市为例，对各社区环境进行综合评价。研究结果表明，深圳市社区环境具有 较大差异。大鹏新区的社区环境较好；光明区的社区环境相对较差，但小区环境较好；福田老城区 社区环境一般，但部分社区全维度表现亮眼。采用多源大数据探讨城市社区环境品质，对智慧社区 的规划和建设具有指导意义。
准确的电力负荷 边际电价联合预测有助于电力系统调度 ，同时也是电力系统运行和维护中最重要的任务 之一 。 现有的独立预测方法割裂了负荷与边际电价之间的关系 ，影响预测精度 ，为此提出一种基于大数据的负 荷 边际电价联合预测方法 。 首先以门限循环单元（gated recurrent unit ， GRU）为基础 ，建立人工智能模型分别 对负荷 边际电价进行预测 ；然后分别以历史温度与实时温度间的差值 Δ T 、 历史负荷与实时负荷间的差值 Δ P 为基础 ，通过建立以多层感知器（multilayer perceptron ，MLP）为基础的预测误差补偿模型 ，分别对负荷 边际电 价的预测结果进行修正 ；最后将 GRU 的输出与 MLP 的输出叠加计算得到负荷 边际电价联合预测结果 。 算例验 证表明 ：与传统方法相比 ，所提方法减少了 13.4％ 的负荷预测误差 ，减少了 71％ 的边际电价预测误差 。
数字社会、数字政府建设是提升我国国家治理现代化水平的重要抓手，而数据质量则是数字社会、数字政府建设的基础工程。作为国家治理体系和治理能力现代化重要组成部分的预算绩效管理，则饱受绩效数据质量的困扰。在小数据模式的主导下，绩效数据在真实性、共享性、多元性和智能化方面存在缺陷，削弱了财政支出绩效评价结果的公信力。海量大数据的多元性、客观性、实时性和连续性特征及其算法技术，有助于提升财政绩效数据的公信力和解释力，并为提高数据质量提供新的思路。大数据可以循整合跨部门数据和社会数据的密度路径，集聚与挖掘历史数据的长度路径，关联与对比技术数据、管理数据、主体数据的宽度路径，以及拓展全生命周期数据与随机数据的深度路径来提升绩效数据质量。为发挥数字化治理在提高国家治理现代化水平中的作用，应该加强数据质量建设与管理的顶层设计，依托大数据思维与技术，在制度规范、组织架构、管理机制和技术方法上着力提升数据质量。
随着“Homekit”等家居电子设备链接平台的普及，以及大数据和人工智能等新兴技术的引入，智能家庭已经逐步实现了全家居的数字在线和自动化管控， 如何进一步激发 令人身心愉悦的体验功效便成为大家日益关注的话题。近年来，随着 AR/VR/MR 等新兴交互和数字内容呈现技术的不断完善和快速发展，在居家环境中，人们结合 5G 等新型网络技术和边缘计算系统（边缘侧分布式实时渲染），以相对经济的方式构建一种“超现实体验”已开始崭露头角。同时，结合机器学习、深度生成模型和计算机图形学的深度网络渲染技术的快速崛起，为家居智能体验升级提供了更广阔的空间。
技术多元线性回归，在 Tall 数组框架的基础上，建立了优化后的压力井产能预测模型；将该模型运用于 压裂井产能预测，并开展了预测模型的准确度分析，通过预测模型的准确性分析后证明模型具有较强的准确性，预测结果与实际结果的相对误差小于 5%。同时研究表明，利用 matlab 大数据技术能准确预测油田 压裂井产能，且实现过程较简单，实用，突破了预测模型的传统模式，易于现场应用，该建模方法也可推 广应用于其他油田进行产能分析。
文章以关联数据思想为基础,提出了一个基于关联数据的递进式政府数据开放模式,将政府数 据开放分为数据开放、关联开放和深度开放三个阶段,给出了一个四层结构的松耦合和开放性的技术框架, 对框架所涉及和需要解决的关键性问题进行了探讨,包括数据描述与发布、数据管理与服务、语义互操作支 持以及社会化参与等,为相关研究和实践提供一个系统性的路径指导和实现参考。
没有账户，需要注册
本工程建筑为办公生产大楼，由地上32层、地下3层组成；其中1-5层为裙楼、6-32层为塔楼。地下1-3层含停车场、人防、设备用房；地上部分：主楼一层含公共大厅；5为设备转换层，11、22层为避难层，33层设置机房；6-10层、12-21层、23-32层为办公生产用房。
随着能源互联网的发展，能源系统智能化特征越来越突出，能 源开发、生产、传输、存储、消费 全过程的智能化水平快速提升，所 涉及的设备和系统将数以亿计，在 规划和运行过程中将产生海量数据， 且结构复杂、种类繁多、因实时性 要求高而快速增长。这些数据贯穿 着能源互联网各个环节，蕴含着巨 大的价值。
技术开发的迭代推进和技术应用的规模化积累，在推进数字技术不断取得新突破的同时，也使数字技术变得更加成熟和可靠。数字技术的先进性、复杂性、集成性与数字化系统覆盖面更广、界面更直观、操作更简单同步发展。人们能够随时随地访问功能越来越强大的数字化系统。
本工程为单缆无源系统，将为大楼提供全面无线通信信号覆盖，所设计的室内覆盖系统是为智能化大楼室内移动通讯信号覆盖的需要而提出的
企业级海量数据的知识化已日趋成为行业共识，通过海量数据的知识化集成，可以加速数据标准化、消除/减少歧义、链接数据孤岛等。知识图谱作为表达能力更强的数据建模形式，也需要不断技术升级与时俱进。知识图谱和大型语言模型都是用来表示和处理知识的手段。大模型补足了理解语言的能力，知识图谱则丰富了表示知识的方式，两者的深度结合必将为人工智能提供更为全面、可靠、可控的知识处理方法。
在这项工作中，提出了一种新的预测驱动的产品数据管理框架，它提供了一个集成RUL预测和维护决策的综合解决方案。在预测阶段，我们采用基于BDL的框架来限定任意的和认知的不确定性，并输出RUL的预测性分布。在维修决策阶段，提出了一种在一般检查场景下的实用策略。该模型能够在任何时刻快速评估R选项和DN选项的成本率，并生成满足操作约束的暂定的产品数据管理计划。随着逐步收集更多的CM数据，我们的框架动态更新和调整维护和备件订购决策，以生成更可靠的PDM时间表。通过与几种基准策略的比较，基于NASA Ames预测卓越中心提供的涡扇发动机数据集，我们发现基于BDL方法驱动的基准策略可以在不确定性量化的情况下增强预测结果，从而提高动态PDM决策的性能。在定期和不定期检查的情况下，建议的政策导致的平均成本率非常接近理想的政策。这项研究对行业具有实际意义，展示了将不确定性量化和操作约束纳入到PDM政策中的好处。增强的策略性能带来了更好的维护规划，降低了成本并提高了盈利能力，同时还提高了客户满意度。
本期给大家推荐李乃鹏教授的一种基于片段数据的非参数退化建模剩余寿命预测方法。基于状态维修(CBM)通过预测设备剩余使用寿命(RUL)，在设备发生故障前制定维修计划，是保证设备安全运行的有效手段。由于监测中断和/或传感器读数丢失会产生片段数据。而片段数据只记录了一个随机的退化过程，初始退化时间信息通常会丢失。因此，无法使用常用的时间相关建模框架对其进行建模。为解决这一问题，文章提出了一种基于片段数据的非参数退化建模方法用于RUL预测。该方法利用基于退化状态的函数定义剩余寿命。并提出了一种基于极大似然估计的主分析(PAMLE)算法来恢复故障单元的缺失数据。最后，通过疲劳裂纹扩展数据集和锂离子电池退化数据集验证了该方法的有效性。
山东科技大学（张玉敏）：2024新型能源系统低碳-经济协同调度理论方法研究报告，山东科技大学（张玉敏）：2024新型能源系统低碳-经济协同调度理论方法研究报告
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南
