CN107357840A - 一种渔业大数据检测分析方法及系统 - Google Patents
一种渔业大数据检测分析方法及系统 Download PDFInfo
- Publication number
- CN107357840A CN107357840A CN201710486729.8A CN201710486729A CN107357840A CN 107357840 A CN107357840 A CN 107357840A CN 201710486729 A CN201710486729 A CN 201710486729A CN 107357840 A CN107357840 A CN 107357840A
- Authority
- CN
- China
- Prior art keywords
- fishery
- big data
- data
- processing
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 37
- 238000007405 data analysis Methods 0.000 claims abstract description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 15
- 238000009395 breeding Methods 0.000 claims abstract description 13
- 230000001488 breeding effect Effects 0.000 claims abstract description 13
- 238000002224 dissection Methods 0.000 claims abstract description 10
- 241001269238 Data Species 0.000 claims abstract description 8
- 230000007613 environmental effect Effects 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 238000000605 extraction Methods 0.000 claims description 18
- 230000011218 segmentation Effects 0.000 claims description 7
- 239000002131 composite material Substances 0.000 abstract 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2471—Distributed queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种渔业大数据检测分析方法及系统，方法包括：实时检测采集各种渔业数据、养殖水体数据和环境数据，得到渔业大数据；对得到的渔业大数据进行预处理；将预处理后的渔业大数据进行分割处理并存储；对处理后的渔业大数据进行解析处理，得到渔业数据解析结果。系统包括：数据采集单元、预处理单元、分割单元和解析单元。本发明通过渔业大数据进行一系列的分析处理，得到对应分析需求的渔业数据解析结果，从而能对渔业进行可行性分析，并能结合各种水体环境参数进行综合分析，对以往历史数据进行挖掘，在最大限度上不大范围的置换养殖水体的同时，而且还根据需要进行预警分析，有效确保养殖安全。本发明可广泛应用于渔业数据分析中。
Description
技术领域
本发明涉及渔业数据分析技术领域，尤其涉及一种渔业大数据检测分析方法及系统。
背景技术
现在的精准渔业大数据都没有得到充分的挖掘和应用，还主要停留在垂直型单系统的数据管理应用，各个系统在硬件互联互通后所产生的大数据未得到充分利用。渔业大数据的应用对精准渔业的提升价值有限，最主要原因在于目前缺乏对渔业大数据内在联系和内在价值的挖掘，缺乏对综合分析工具的应用，没有从时空多维度洞察发现大数据中隐含的价值和规律。
发明内容
为了解决上述技术问题，本发明的目的是提供一种能综合分析渔业大数据的渔业大数据检测分析方法及系统。
本发明所采取的技术方案是：
一种渔业大数据检测分析方法，包括以下步骤：
实时检测采集各种渔业数据、养殖水体数据和环境数据，得到渔业大数据；
对得到的渔业大数据进行预处理；
将预处理后的渔业大数据进行分割处理并存储；
对处理后的渔业大数据进行解析处理，得到渔业数据解析结果。
作为所述的一种渔业大数据检测分析方法的进一步改进，所述的对得到的渔业大数据进行预处理，这一步骤具体包括：
对渔业大数据进行去重复处理；
将去重复处理后得到的渔业大数据进行数据清洗，将超出预设范围的错误数据进行删除处理。
作为所述的一种渔业大数据检测分析方法的进一步改进，所述的将预处理后的渔业大数据进行分割处理并存储，这一步骤具体包括：
将预处理后的渔业大数据通过MapReduce算法进行分割处理；
将分割后的渔业大数据分别存储于各个计算节点中。
作为所述的一种渔业大数据检测分析方法的进一步改进，所述的对处理后的渔业大数据进行解析处理，得到渔业数据解析结果，这一步骤具体包括：
对处理后的渔业大数据进行渔业特征提取；
根据提取的渔业特征建立宽表；
根据渔业特征和宽表，按照分析需求建立对应的数据分析模型并对渔业大数据进行分析，得到渔业数据解析结果；
对渔业数据解析结果建立索引并进行可视化展示。
本发明所采用的另一技术方案是：
一种渔业大数据检测分析系统，包括：
数据采集单元，用于实时检测采集各种渔业数据、养殖水体数据和环境数据，得到渔业大数据；
预处理单元，用于对得到的渔业大数据进行预处理；
分割单元，用于将预处理后的渔业大数据进行分割处理并存储；
解析单元，用于对处理后的渔业大数据进行解析处理，得到渔业数据解析结果。
作为所述的一种渔业大数据检测分析系统的进一步改进，所述的预处理单元具体包括：
去重复单元，用于对渔业大数据进行去重复处理；
数据清洗单元，用于将去重复处理后得到的渔业大数据进行数据清洗，将超出预设范围的错误数据进行删除处理。
作为所述的一种渔业大数据检测分析系统的进一步改进，所述的分割单元具体包括：
分割处理单元，用于将预处理后的渔业大数据通过MapReduce算法进行分割处理；
存储单元，用于将分割后的渔业大数据分别存储于各个计算节点中。
作为所述的一种渔业大数据检测分析系统的进一步改进，所述的解析单元具体包括：
特征提取单元，用于对处理后的渔业大数据进行渔业特征提取；
宽表建立单元，用于根据提取的渔业特征建立宽表；
建模分析单元，用于根据渔业特征和宽表，按照分析需求建立对应的数据分析模型并对渔业大数据进行分析，得到渔业数据解析结果；
结果展示单元，用于对渔业数据解析结果建立索引并进行可视化展示。
本发明的有益效果是：
本发明一种渔业大数据检测分析方法及系统通过渔业大数据进行一系列的分析处理，得到对应分析需求的渔业数据解析结果，从而能对渔业进行可行性分析，并能结合各种水体环境参数进行综合分析，对以往历史数据进行挖掘，在最大限度上不大范围的置换养殖水体的同时，而且还根据需要进行预警分析，有效确保养殖安全。
附图说明
下面结合附图对本发明的具体实施方式作进一步说明：
图1是本发明一种渔业大数据检测分析方法的步骤流程图；
图2是本发明一种渔业大数据检测分析方法中预处理的步骤流程图；
图3是本发明一种渔业大数据检测分析方法中分割处理的步骤流程图；
图4是本发明一种渔业大数据检测分析方法中解析处理的步骤流程图；
图5是本发明一种渔业大数据检测分析系统的模块方框图。
具体实施方式
参考图1，本发明一种渔业大数据检测分析方法，包括以下步骤：
实时检测采集各种渔业数据、养殖水体数据和环境数据，得到渔业大数据；
对得到的渔业大数据进行预处理；
将预处理后的渔业大数据进行分割处理并存储；
对处理后的渔业大数据进行解析处理，得到渔业数据解析结果。
参考图2，进一步作为优选的实施方式，所述的对得到的渔业大数据进行预处理，这一步骤具体包括：
对渔业大数据进行去重复处理；
将去重复处理后得到的渔业大数据进行数据清洗，将超出预设范围的错误数据进行删除处理。
参考图3，进一步作为优选的实施方式，所述的将预处理后的渔业大数据进行分割处理并存储，这一步骤具体包括：
将预处理后的渔业大数据通过MapReduce算法进行分割处理；
将分割后的渔业大数据分别存储于各个计算节点中。
其中，所述MapReduce算法能够将渔业大数据切成许多小单位的数据，每个单元可以反复执行在集群中的任何节点上。本实施例中采用HDFS分布式文件系统管理存储在每个计算节点上的数据，提高了数据的吞吐量。MapReduce和分布式文件系统使得Hadoop框架具有高容错性。Hadoop不仅是开源的，存储和计算也是可伸缩的。Hadoop框架无论是否安装在普通的电脑商，都可以进行大量的有效的信息处理。
参考图4，进一步作为优选的实施方式，所述的对处理后的渔业大数据进行解析处理，得到渔业数据解析结果，这一步骤具体包括：
对处理后的渔业大数据进行渔业特征提取；
根据提取的渔业特征建立宽表；
根据渔业特征和宽表，按照分析需求建立对应的数据分析模型并对渔业大数据进行分析，得到渔业数据解析结果；
对渔业数据解析结果建立索引并进行可视化展示。
其中，根据分析需求从渔业大数据中提取可用的渔业特征，并建立宽表。这个过程会用到Hive SQL。建立数据分析模型进行分析是针对提取的特征和数据建模，得到想要的结果。这一块最好用的是Spark。本发明中可采用的机器学习算法，包括朴素贝叶斯、逻辑回归、决策树、神经网络、TFIDF、协同过滤等。
本发明实施例如下：
S1、实时检测采集各种渔业数据、养殖水体数据和环境数据，得到渔业大数据；所述养殖水体数据包括水体温度值、PH值、溶氧度和氨氮数据等；
S2、对渔业大数据进行去重复处理；
S3、将去重复处理后得到的渔业大数据进行数据清洗，将超出预设范围的错误数据进行删除处理；
S4、将预处理后的渔业大数据通过MapReduce算法进行分割处理；
S5、将分割后的渔业大数据分别存储于各个计算节点中；
S6、对处理后的渔业大数据进行渔业特征提取；
S7、根据提取的渔业特征建立宽表；
S8、根据渔业特征和宽表，按照分析需求建立对应的数据分析模型并对渔业大数据进行分析，得到渔业数据解析结果；
S9、对渔业数据解析结果建立索引并进行可视化展示。
参考图5，本发明一种渔业大数据检测分析系统，包括：
数据采集单元，用于实时检测采集各种渔业数据、养殖水体数据和环境数据，得到渔业大数据；
预处理单元，用于对得到的渔业大数据进行预处理；
分割单元，用于将预处理后的渔业大数据进行分割处理并存储；
解析单元，用于对处理后的渔业大数据进行解析处理，得到渔业数据解析结果。
进一步作为优选的实施方式，所述的预处理单元具体包括：
去重复单元，用于对渔业大数据进行去重复处理；
数据清洗单元，用于将去重复处理后得到的渔业大数据进行数据清洗，将超出预设范围的错误数据进行删除处理。
进一步作为优选的实施方式，所述的分割单元具体包括：
分割处理单元，用于将预处理后的渔业大数据通过MapReduce算法进行分割处理；
存储单元，用于将分割后的渔业大数据分别存储于各个计算节点中。
进一步作为优选的实施方式，所述的解析单元具体包括：
特征提取单元，用于对处理后的渔业大数据进行渔业特征提取；
宽表建立单元，用于根据提取的渔业特征建立宽表；
建模分析单元，用于根据渔业特征和宽表，按照分析需求建立对应的数据分析模型并对渔业大数据进行分析，得到渔业数据解析结果；
结果展示单元，用于对渔业数据解析结果建立索引并进行可视化展示。
从上述内容可知，本发明通过大数据的加入可以给渔业带来四点好处：
(1)病害预防，针对养殖预警数据多源(比如：PH、溶氧、氨氮等)、异构、不完全的特点，对这些原始数据直接进行挖掘不是有效的挖掘模式，可以利用面向空间数据提取整合，发现一些强关联规则，并建立数据挖掘模型。然后利用关联规则中经典算法得出危险因子的级别，从而达到预警的目的。
(2)养殖周期,养殖周期过程中外部环境和养殖体结构不断变化，结合各种环境参数进行综合分析，对以往历史数据进行挖掘，在最大限度上不大范围的置换养殖水体的同时，确保养殖安全。
(3)设备生命周期，为保证养殖信息的准确性，及时性和可靠性，检测设备需要实时正常的运转，将养殖信息及时的真实的传递出去，对于不正常的参数应及时给予回应，比如增氧、投饵等。
(4)渔业建设指导，养殖环境的布局、设备的安放等都有其科学性与规律性，不同的地域不同的气候都有其特殊的要求，可以对渔业中多维度的养殖信息进行空间挖掘，为以后的渔业发展提供参考和指导。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (8)
1.一种渔业大数据检测分析方法，其特征在于，包括以下步骤：
实时检测采集各种渔业数据、养殖水体数据和环境数据，得到渔业大数据；
对得到的渔业大数据进行预处理；
将预处理后的渔业大数据进行分割处理并存储；
对处理后的渔业大数据进行解析处理，得到渔业数据解析结果。
2.根据权利要求1所述的一种渔业大数据检测分析方法，其特征在于：所述的对得到的渔业大数据进行预处理，这一步骤具体包括：
对渔业大数据进行去重复处理；
将去重复处理后得到的渔业大数据进行数据清洗，将超出预设范围的错误数据进行删除处理。
3.根据权利要求1所述的一种渔业大数据检测分析方法，其特征在于：所述的将预处理后的渔业大数据进行分割处理并存储，这一步骤具体包括：
将预处理后的渔业大数据通过MapReduce算法进行分割处理；
将分割后的渔业大数据分别存储于各个计算节点中。
4.根据权利要求1所述的一种渔业大数据检测分析方法，其特征在于：所述的对处理后的渔业大数据进行解析处理，得到渔业数据解析结果，这一步骤具体包括：
对处理后的渔业大数据进行渔业特征提取；
根据提取的渔业特征建立宽表；
根据渔业特征和宽表，按照分析需求建立对应的数据分析模型并对渔业大数据进行分析，得到渔业数据解析结果；
对渔业数据解析结果建立索引并进行可视化展示。
5.一种渔业大数据检测分析系统，其特征在于，包括：
数据采集单元，用于实时检测采集各种渔业数据、养殖水体数据和环境数据，得到渔业大数据；
预处理单元，用于对得到的渔业大数据进行预处理；
分割单元，用于将预处理后的渔业大数据进行分割处理并存储；
解析单元，用于对处理后的渔业大数据进行解析处理，得到渔业数据解析结果。
6.根据权利要求5所述的一种渔业大数据检测分析系统，其特征在于：所述的预处理单元具体包括：
去重复单元，用于对渔业大数据进行去重复处理；
数据清洗单元，用于将去重复处理后得到的渔业大数据进行数据清洗，将超出预设范围的错误数据进行删除处理。
7.根据权利要求5所述的一种渔业大数据检测分析系统，其特征在于：所述的分割单元具体包括：
分割处理单元，用于将预处理后的渔业大数据通过MapReduce算法进行分割处理；
存储单元，用于将分割后的渔业大数据分别存储于各个计算节点中。
8.根据权利要求5所述的一种渔业大数据检测分析系统，其特征在于：所述的解析单元具体包括：
特征提取单元，用于对处理后的渔业大数据进行渔业特征提取；
宽表建立单元，用于根据提取的渔业特征建立宽表；
建模分析单元，用于根据渔业特征和宽表，按照分析需求建立对应的数据分析模型并对渔业大数据进行分析，得到渔业数据解析结果；
结果展示单元，用于对渔业数据解析结果建立索引并进行可视化展示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710486729.8A CN107357840A (zh) | 2017-06-23 | 2017-06-23 | 一种渔业大数据检测分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710486729.8A CN107357840A (zh) | 2017-06-23 | 2017-06-23 | 一种渔业大数据检测分析方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107357840A true CN107357840A (zh) | 2017-11-17 |
Family
ID=60273959
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710486729.8A Pending CN107357840A (zh) | 2017-06-23 | 2017-06-23 | 一种渔业大数据检测分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107357840A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108629973A (zh) * | 2018-05-11 | 2018-10-09 | 四川九洲视讯科技有限责任公司 | 基于固定检测设备的路段交通拥堵指数计算方法 |
| CN109492004A (zh) * | 2018-10-29 | 2019-03-19 | 广东开放大学（广东理工职业学院） | 一种数字渔业异构数据存储方法、系统及装置 |
| CN109601443A (zh) * | 2018-11-20 | 2019-04-12 | 江苏中洋集团股份有限公司 | 数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统 |
| CN112964843A (zh) * | 2021-01-26 | 2021-06-15 | 清华大学 | 污水处理设施水质监测的物联网传感器系统及监测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103886487A (zh) * | 2014-03-28 | 2014-06-25 | 焦点科技股份有限公司 | 基于分布式的b2b平台的个性化推荐方法与系统 |
| CN103902838A (zh) * | 2014-04-17 | 2014-07-02 | 北京泰乐德信息技术有限公司 | 一种基于云计算的tmis车流测定方法及系统 |
| CN105678398A (zh) * | 2015-12-24 | 2016-06-15 | 国家电网公司 | 基于大数据技术的电力负荷预测方法及基于该方法的研究应用系统 |
| CN106874960A (zh) * | 2017-03-03 | 2017-06-20 | 中国水产科学研究院黄海水产研究所 | 基于改进支持向量机的渔业环境污染等级评估方法 |
-
2017
- 2017-06-23 CN CN201710486729.8A patent/CN107357840A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103886487A (zh) * | 2014-03-28 | 2014-06-25 | 焦点科技股份有限公司 | 基于分布式的b2b平台的个性化推荐方法与系统 |
| CN103902838A (zh) * | 2014-04-17 | 2014-07-02 | 北京泰乐德信息技术有限公司 | 一种基于云计算的tmis车流测定方法及系统 |
| CN105678398A (zh) * | 2015-12-24 | 2016-06-15 | 国家电网公司 | 基于大数据技术的电力负荷预测方法及基于该方法的研究应用系统 |
| CN106874960A (zh) * | 2017-03-03 | 2017-06-20 | 中国水产科学研究院黄海水产研究所 | 基于改进支持向量机的渔业环境污染等级评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 于喆: "渔业大数据综述", 《安徽农业科学》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108629973A (zh) * | 2018-05-11 | 2018-10-09 | 四川九洲视讯科技有限责任公司 | 基于固定检测设备的路段交通拥堵指数计算方法 |
| CN109492004A (zh) * | 2018-10-29 | 2019-03-19 | 广东开放大学（广东理工职业学院） | 一种数字渔业异构数据存储方法、系统及装置 |
| CN109601443A (zh) * | 2018-11-20 | 2019-04-12 | 江苏中洋集团股份有限公司 | 数据驱动河鲀疾病监控预警及自助诊断辅助决策支持系统 |
| CN112964843A (zh) * | 2021-01-26 | 2021-06-15 | 清华大学 | 污水处理设施水质监测的物联网传感器系统及监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107357840A (zh) | 一种渔业大数据检测分析方法及系统 | |
| CN103020302B (zh) | 基于复杂网络的学术核心作者挖掘及相关信息抽取方法和系统 | |
| WO2015093541A1 (ja) | シナリオ生成装置、及びそのためのコンピュータプログラム | |
| CN109635068A (zh) | 云计算环境下的海量遥感数据高效组织及快速检索方法 | |
| WO2015093540A1 (ja) | フレーズペア収集装置、及びそのためのコンピュータプログラム | |
| US11093473B2 (en) | Hierarchical tree data structures and uses thereof | |
| WO2015093539A1 (ja) | 複雑述語テンプレート収集装置、及びそのためのコンピュータプログラム | |
| EP3367270A1 (en) | Methods and systems for extracting and visualizing patterns in large-scale data sets | |
| CN103631922A (zh) | 基于Hadoop集群的大规模Web信息提取方法及系统 | |
| CN106294667A (zh) | 一种基于id3的决策树实现方法及装置 | |
| CN114969369A (zh) | 基于混合网络的知识图谱人类癌症致死预测方法及知识图谱构建方法 | |
| Shelton et al. | From the predictable to the unexpected: kelp forest and benthic invertebrate community dynamics following decades of sea otter expansion | |
| CN111062511B (zh) | 基于决策树与神经网络的水产养殖病害预测方法及系统 | |
| CN114661712A (zh) | 基于文献的土壤因素微生物多样性数据库的构建方法 | |
| CN118012850B (zh) | 面向智慧灌溉多源信息的数据库构建系统、方法及设备 | |
| CN114461741B (zh) | 一种监测样点布设方法及装置 | |
| CN116628281A (zh) | 遥感资源数据的检索方法、装置、设备以及存储介质 | |
| Vargas-Canales et al. | Trends in science, technology, and innovation in the agri-food sector | |
| Howe et al. | End-to-end escience: Integrating workflow, query, visualization, and provenance at an ocean observatory | |
| US20240094735A1 (en) | Interactive user interface for feature engineering and data processing on geospatial maps | |
| Gordon et al. | Delimiting zoogeographic centres for South African Orthoptera | |
| Choi et al. | Citation network visualization of reference papers based on influence groups | |
| CN118313696B (zh) | 基于空天地海一体化的红树林生态修复潜力检测方法 | |
| Wen et al. | Research on risk assessment of natural disaster based on cloud fuzzy clustering algorithm in Taihang Mountain | |
| Rao et al. | Big data analytics in aquaculture using hive and Hadoop platform |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171117 |