关键词： 大数据技术   智慧交通   应急平台建设   交通信号控制  

摘要： 系统阐述基于大数据技术的智慧交通管理系统的总体架构和应急平台建设关键技术,包括交通数据采集与分析、实时交通监控与管理、智能交通信号控制系统、交通安全与事故预防等方面,旨在提供一种全面的方法框架以促进智慧交通系统发展,实现高效、安全的城市交通管理。

关键词： 大数据   CBL教学法   教学改革   民族院校   民族共同体  

摘要： 针对民族院校大数据技术导论课程教学面临的主要问题,围绕民族文化元素在大数据课程中的价值和应用潜力,根据民族高校自身定位以及大数据课程的教学现状,提出将民族文化元素融入大数据技术导论课程之中的改革思路,详细阐述以CBL教学法(Case-Based Learning,案例教学法)为基础,以“7A”教学阶段为主线的教学实施过程,旨在提升大数据课程教育质量,为民族文化的传承和发展提供新的思路和方法。

关键词： 大数据   测绘地理信息工程   国土资源   城乡规划  

摘要： 进入大数据时代,随着数据量的增加以及服务需求的多元化,测绘地理信息工程中的问题也日益显现,缺乏统一的标准规范,信息处理的效率不高,质量管理体系不完善,这些都是当前急需解决的问题。大数据技术的应用不仅能够改进数据搜集和整合工作,提高工作效率,而且对于科研和实践工作也是重要的支撑,包括城乡建设规划、智慧城市打造、公共服务发展以及档案信息管理都离不开大数据技术的应用。因此,我国应建立完善的测绘地理信息系统,加强部门信息共享与协作,注重信息安全管理,以利于发挥大数据技术的优势,推动测绘地理信息工程不断发展。

关键词： 配电网   故障诊断   大数据   机器学习   深度学习  

摘要： 本文提出一种基于大数据技术的配电网故障智能诊断方法。该方法构建了一个端到端的数据驱动框架,通过分布式采集与清洗模块处理海量多源异构数据,并基于Hadoop和Spark平台实现高效存储与管理。关键的是构建了集成机器学习与深度学习的故障模式识别模型,实现对各类故障的自动化检测与定位。此外,还设计了在线故障预警与决策支持模块,可以对故障进行快速响应并给出处理建议。通过离线验证与在线仿真实验表明,所提方法可以实现准确率95%以上、平均检出时间0.4s内的高效配电网故障诊断,明显优于传统方法,为配电网安全经济运行提供了有力支持。

关键词： 大数据技术   生态环境   技术应用  

摘要： 人类与生态环境相互依存,但是社会发展与人类生活空间不断拓展,不可避免的会造成一定的生态环境污染与破坏问题,随说近年来我国一直在深入落实环境保护与治理,但是收效甚微,故而很有必要借助现代化高新技术应用,进一步加强加深生态环境建设。随着大数据时代的到来,大数据技术的应用优势日益凸显,基于此本文首先梳理大数据技术在生态环境保护中发挥的主要作用,继而分析大数据技术在水生态环境工程的应用,并提出几点应用建议。

关键词： 智能电网   电力营销   智能化体系   人工智能  

摘要： 由于智能电网建设的全面深入,既往的电力营销手段已难以适应现代电力市场的实际需求。在智能电网框架下,电力营销智能化体系的应用,致力于运用大数据、人工智能等尖端技术,来完善电力营销策略,增强服务质量和效率,力求实现电力营销的智能化和精确化。文章深入剖析了智能电网背景下电力营销智能化体系的核心技术、运用策略及其实际成效,旨在为电力行业提供有价值的参考和启示。

关键词： 新型网络犯罪   侦查取证   事实建构   大数据技术  

摘要： 新型网络犯罪侦查工作在基础、过程和目标层面皆面临一定的现实冲击,犯罪事实建构在语义学角度涵盖犯罪事实系统生成和生成过程逻辑清晰两个层次的内容,为侦查工作提供了新的思路指引。但囿于主体思维淡化、数据技术缺陷、证据运用失衡的现实阻碍,侦查实践中尚不能全面而精准地建构起相关犯罪事实。为此,首先应明确“一核多元”的事实建构模式和“基于假设”的推进方式,其次从确定性事实、关联性事实和否定性事实三个角度完成犯罪事实的实质建构,最后以图示法实现对犯罪事实细节的精准核验。

关键词： 大数据技术   智能电网   多源数据   自动检测  

摘要： 提出一种基于大数据技术的智能电网多源数据自动检测方法。首先,该方法对电网多源异构数据进行统一建模,通过提取关键物理量和状态信息,构建多源数据关联图谱;然后,基于关联图谱设计图卷积神经网络(GCN)模型,端到端学习多源数据间的复杂关联特征,实现设备故障等异常的自动检测。仿真实验表明,该方法充分挖掘了多源数据内在联系,显著提高了异常检测的准确性,可为电网监控决策提供依据。

关键词： 人工智能   大数据技术   大数据时代   预训练   深度学习   音乐产业   机器学习领域   生成式  

摘要： 大数据技术为机器学习领域铺设了数据土壤,推动了人工智能技术的发展。自深度学习问世以来,人工智能已迈入了以多模态技术、预训练大模型为科技基础的生成式人工智能(Artificial Intelligence Generated Content,AIGC)时代。这一技术革命,通过训练复杂的模型来生成与原始训练数据既相似又充满创新性的内容,正改变着包括音乐产业在内的众多领域的面貌。