CN110377638A - 一种电网环保生态大数据预警挖掘方法 - Google Patents
一种电网环保生态大数据预警挖掘方法 Download PDFInfo
- Publication number
- CN110377638A CN110377638A CN201910645371.8A CN201910645371A CN110377638A CN 110377638 A CN110377638 A CN 110377638A CN 201910645371 A CN201910645371 A CN 201910645371A CN 110377638 A CN110377638 A CN 110377638A
- Authority
- CN
- China
- Prior art keywords
- data
- mining
- analysis
- environmental
- digging
- 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 36
- 230000007613 environmental effect Effects 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 48
- 238000005065 mining Methods 0.000 claims abstract description 46
- 238000007418 data mining Methods 0.000 claims abstract description 12
- 238000012098 association analyses Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000013506 data mapping Methods 0.000 claims abstract description 4
- 238000013507 mapping Methods 0.000 claims abstract description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 3
- 238000005192 partition Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Software Systems (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Fuzzy Systems (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
Abstract
本发明创造提供了一种电网环保生态大数据预警挖掘方法,步骤一,调用大数据平台内数据,将数据划分为实时挖掘数据和结构化挖掘数据;步骤二,采用时序数据挖掘方法分别将实时挖掘数据与结构化挖掘数据翻译成后续可处理结构形式;步骤三,将结构化挖掘数据与实时挖掘数据映射对应,且实时挖掘数据映射后位于相应结构化挖掘数据后面;步骤四,划定数据选取层次且对每个划定层次中数据进行具体数值属性的规定与排序。本发明创造从对数据进行分类划分后进行关联分析处理,一方面节约了服务器的同时高速运行多数据的问题,另一方面采用多层划分分析的方式将数据集归结与对应关系明确对应,进而分析结果针对性大大提高。
Description
技术领域
本发明创造属于大数据利用领域,尤其是涉及一种电网环保生态大数据预警挖掘方法。
背景技术
目前大数据应用频次越来越高,因数据的更新频率高以及真实准确性高等特点,后台使用大数据来达到对特定环境下的预警是一个非常不错的选择。在十三五规划中对于民生问题重视程度也在提升,合理利用大数据背后隐藏讯息,将大数据消息体结构进行有效组合来完成影响众多百姓的风险预测工作。
由于信息技术的发展极为迅速,因此在不同技术模式支撑下的大型数据集数据挖掘算法有所不同,且每项研究领域中,有关信息数据计算的成果也不尽相同,但都在以往的研究项目基础上有所突破。在初期,从事该领域研究的专家学者主要把精力放在确定性聚类的研究内容上,针对某个具象的数据归类进行探索研究,通常某类数据只能归集到同一个类别之中。后期人们对于大型数据集聚类的研究有所进展,往往某一个数据对象能够以一定的概率归集到不同的几个类别之中。这样一来,大型数据集在整个运算或处理的过程中,往往反映到对应的数据集中,其表型为不明显的数据集分离。
发明内容
有鉴于此,本发明创造旨在提出一种电网环保生态大数据预警挖掘方法,以解决数据集归结与对应关系不明显造成分析结果针对性差的问题。
为达到上述目的,本发明创造的技术方案是这样实现的:
一种电网环保生态大数据预警挖掘方法,大数据平台用于统一收集多维度数据,通过大数据平台内部存储的解析机制将收集数据进行解析、清洗、归类与存储,大数据平台的数据输出接口与大数据挖掘系统连接,大数据挖掘系统中的预警挖掘方法如下:
步骤一,调用大数据平台内数据,将数据划分为实时挖掘数据和结构化挖掘数据;
步骤二,采用时序数据挖掘方法分别将实时挖掘数据与结构化挖掘数据翻译成后续可处理结构形式;
步骤三,将结构化挖掘数据与实时挖掘数据映射对应,且实时挖掘数据映射后位于相应结构化挖掘数据后面;
步骤四,划定数据选取层次且对每个划定层次中数据进行具体数值属性的规定与排序;之后对单独不同层次内的数据集进行关联分析,分析结果作为第一关联分析数据;
步骤五,将每个层次的第一关联分析数据通过多维度关联数据挖掘分析方法得到最终的关联结果,多维度关联数据挖掘分析方法采用Apriori算法进行关联结果分析;
步骤六,根据步骤五中的关联结果进行数据统计分析,数据统计分析按照步骤四中层次划分属性归类,统计众多时序的关联结果;
步骤七,通过数据反演分析方法将步骤六的关联结果反演推算步骤一中的原始数据条件,进行结果验证,如没有问题则进入步骤八,如出现问题则返回步骤四调整多维度关联数据挖掘分析方法中的最小支持度和最小置信度,之后继续步骤五;
步骤八,采用反馈式神经网络模型对数据统计分析后的数据集进行数据关联分析,最终得到可视化态势预测分析结果。
进一步的,步骤八中对数据统计分析后的数据集进行数据关联分析,针对分析结果使用比较算法判断时间紧急程度,对不同的时间紧急程度进行数据标记,大数据挖掘系统针对标记的时间紧急程度下发至电网环保生态业务应用系统,可视化态势预测分析结果也一并下发至电网环保生态业务应用系统。
进一步的,步骤四中划定数据层次包括气候带层,气候带层以气候带类型对整个大数据进行类别划分,针对不同气候带类型中的电网工程方向和环境因素方向数据进行关联分析。
进一步的,步骤四中划定数据层次还包括经济划分层和行政区域划分层,经济划分层以社会经济带划分类型对整个大数据进行类别划分,行政区域划分层以国家行政区域带划分类型对整个大数据进行类别划分。
进一步的,步骤二中对于实时挖掘数据与结构化挖掘数据采用公式进行标准化处理,Sn为标准化数据,S为原始挖掘数据,为原始挖掘数据均值,SDv为原始挖掘数据的标准差。
进一步的,在进行标准化处理之后,采用奇异值分解法将奇异值消除,优化后面需要关联分析的数据,具体奇异值分解法采用
Si为矩阵M的ith奇异值,标量为ith左奇异矢量,为ith右奇异矢量。
进一步的,针对分析结果使用比较算法判断时间紧急程度,比较算法为(ωi为情况紧急程度等级;n为需要同时评定的情况数量;ks为情况紧急程度等级评定的标度;为概率发生量)这个公式判定步骤八的分析结果紧急程度,从而根据不同紧急程度发送给电网环保生态业务应用系统进行后续处理。
相对于现有技术,本发明创造所述的一种电网环保生态大数据预警挖掘方法具有以下优势:
本发明创造所述的大数据预警挖掘方法从对数据进行分类划分后进行关联分析处理,一方面节约了服务器的同时高速运行多数据的问题,另一方面采用多层划分分析的方式将数据集归结与对应关系明确对应,进而分析结果针对性大大提高。在选取分析方法与公式的时候,针对当前大数据结构特点进行了多样归集,提高了分析效果与准确性。
附图说明
构成本发明创造的一部分的附图用来提供对本发明创造的进一步理解,本发明创造的示意性实施例及其说明用于解释本发明创造,并不构成对本发明创造的不当限定。在附图中:
图1为本发明创造实施例所述的一种电网环保生态大数据预警挖掘方法系统搭建框图;
图2为本发明创造实施例所述的一种电网环保生态大数据预警挖掘方法处理流程图;
图3为本发明创造实施例所述的一种电网环保生态大数据预警挖掘方法流转图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明创造中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明创造。
一种电网环保生态大数据预警挖掘方法,大数据平台用于统一收集多维度数据,通过大数据平台内部存储的解析机制将收集数据进行解析、清洗、归类与存储,类别的划分是以数据来源以及数据关联程度为原则,同时会标记更新频次,将实时更新数据与固定化数据进行区分,在进行数据下发与传输时分通道进行传输,大数据平台的数据输出接口与大数据挖掘系统连接,大数据挖掘系统中的预警挖掘方法如下:
步骤一,调用大数据平台内数据,将数据划分为实时挖掘数据和结构化挖掘数据。
步骤二,采用时序数据挖掘方法分别将实时挖掘数据与结构化挖掘数据翻译成后续可处理结构形式;步骤二中对于实时挖掘数据与结构化挖掘数据采用公式进行标准化处理,Sn为标准化数据,S为原始挖掘数据,为原始挖掘数据均值,SDv为原始挖掘数据的标准差。
在进行标准化处理之后,采用奇异值分解法将奇异值消除,优化后面需要关联分析的数据,具体奇异值分解法采用Si为矩阵M的ith奇异值,标量为ith左奇异矢量,为ith右奇异矢量。
步骤三,将结构化挖掘数据与实时挖掘数据映射对应,且实时挖掘数据映射后位于相应结构化挖掘数据后面。
步骤四,划定数据选取层次且对每个划定层次中数据进行具体数值属性的规定与排序;之后对单独不同层次内的数据集进行关联分析,分析结果作为第一关联分析数据;
步骤四中划定数据层次包括气候带层、经济划分层和行政区域划分层,气候带层以气候带类型对整个大数据进行类别划分,针对不同气候带类型中的电网工程方向和环境因素方向数据进行关联分析,经济划分层以社会经济带划分类型对整个大数据进行类别划分,行政区域划分层以国家行政区域带划分类型对整个大数据进行类别划分。
例如:气候带层包括热带、南温带、北温带、南寒带、北寒带,在根据不同带区进行其他数据对应;
其中包括电网工程方向数据,主要包括已建成的输变电工程位置和线路工程走廊数据等,之后将对应地域的环保、水保数据情况再进行对应。
于此同时将环境、经济以及气象方向数据输入至对应栈,最终达到将多维数据以气候带划分后进行数据关联分析;
而将三个层次的数据关联分析结果再进行对标分析,分析的结果则更加说明问题,也更加有针对性,呈现出结果效应也就更好,以此结果作为预警工作的重要核心参考,可信度大大提升。
步骤五,将每个层次的第一关联分析数据通过多维度关联数据挖掘分析方法得到最终的关联结果,多维度关联数据挖掘分析方法采用Apriori算法进行关联结果分析。
步骤六,根据步骤五中的关联结果进行数据统计分析,数据统计分析按照步骤四中层次划分属性归类,统计众多时序的关联结果。
步骤七,通过数据反演分析方法将步骤六的关联结果反演推算步骤一中的原始数据条件,进行结果验证,如没有问题则进入步骤八,如出现问题则返回步骤四调整多维度关联数据挖掘分析方法中的最小支持度和最小置信度,之后继续步骤五。
步骤八,采用反馈式神经网络模型对数据统计分析后的数据集进行数据关联分析,针对分析结果使用比较算法判断时间紧急程度,对不同的时间紧急程度进行数据标记,大数据挖掘系统针对标记的时间紧急程度下发至电网环保生态业务应用系统,可视化态势预测分析结果也一并下发至电网环保生态业务应用系统。
针对分析结果使用比较算法判断时间紧急程度,比较算法为(ωi为情况紧急程度等级;n为需要同时评定的情况数量;ks为情况紧急程度等级评定的标度;为概率发生量)这个公式判定步骤八的分析结果紧急程度,从而根据不同紧急程度发送给电网环保生态业务应用系统进行后续处理。
电网环保生态业务应用系统与预测告警系统进行关联,针对电网环保生态业务应用系统的判断下发至预测告警系统,预测告警系统可以调动对应的战略部署系统、预警解除信息反馈系统以及错误信息应急系统,而错误信息应急系统是对上面反馈的预警消息出现重大失误的时候启动,及时反馈至大数据挖掘系统平台进行调整,动态调整整体的效率与可靠性。
以上所述仅为本发明创造的较佳实施例而已,并不用以限制本发明创造,凡在本发明创造的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明创造的保护范围之内。
Claims (7)
1.一种电网环保生态大数据预警挖掘方法,其特征在于:大数据平台用于统一收集多维度数据,通过大数据平台内部存储的解析机制将收集数据进行解析、清洗、归类与存储,大数据平台的数据输出接口与大数据挖掘系统连接,大数据挖掘系统中的预警挖掘方法如下:
步骤一,调用大数据平台内数据,将数据划分为实时挖掘数据和结构化挖掘数据;
步骤二,采用时序数据挖掘方法分别将实时挖掘数据与结构化挖掘数据翻译成后续可处理结构形式;
步骤三,将结构化挖掘数据与实时挖掘数据映射对应,且实时挖掘数据映射后位于相应结构化挖掘数据后面;
步骤四,划定数据选取层次且对每个划定层次中数据进行具体数值属性的规定与排序;之后对单独不同层次内的数据集进行关联分析,分析结果作为第一关联分析数据;
步骤五,将每个层次的第一关联分析数据通过多维度关联数据挖掘分析方法得到最终的关联结果,多维度关联数据挖掘分析方法采用Apriori算法进行关联结果分析;
步骤六,根据步骤五中的关联结果进行数据统计分析,数据统计分析按照步骤四中层次划分属性归类,统计众多时序的关联结果;
步骤七,通过数据反演分析方法将步骤六的关联结果反演推算步骤一中的原始数据条件,进行结果验证,如没有问题则进入步骤八,如出现问题则返回步骤四调整多维度关联数据挖掘分析方法中的最小支持度和最小置信度,之后继续步骤五;
步骤八,采用反馈式神经网络模型对数据统计分析后的数据集进行数据关联分析,最终得到可视化态势预测分析结果。
2.根据权利要求1所述的一种电网环保生态大数据预警挖掘方法,其特征在于:步骤八中对数据统计分析后的数据集进行数据关联分析,针对分析结果使用比较算法判断时间紧急程度,对不同的时间紧急程度进行数据标记,大数据挖掘系统针对标记的时间紧急程度下发至电网环保生态业务应用系统,可视化态势预测分析结果也一并下发至电网环保生态业务应用系统。
3.根据权利要求1所述的一种电网环保生态大数据预警挖掘方法,其特征在于:步骤四中划定数据层次包括气候带层,气候带层以气候带类型对整个大数据进行类别划分,针对不同气候带类型中的电网工程方向和环境因素方向数据进行关联分析。
4.根据权利要求3所述的一种电网环保生态大数据预警挖掘方法,其特征在于:步骤四中划定数据层次还包括经济划分层和行政区域划分层,经济划分层以社会经济带划分类型对整个大数据进行类别划分,行政区域划分层以国家行政区域带划分类型对整个大数据进行类别划分。
5.根据权利要求1所述的一种电网环保生态大数据预警挖掘方法,其特征在于:步骤二中对于实时挖掘数据与结构化挖掘数据采用公式进行标准化处理,Sn为标准化数据,S为原始挖掘数据,为原始挖掘数据均值,SDv为原始挖掘数据的标准差。
6.根据权利要求1所述的一种电网环保生态大数据预警挖掘方法,其特征在于:在进行标准化处理之后,采用奇异值分解法将奇异值消除,优化后面需要关联分析的数据,具体奇异值分解法采用
Si为矩阵M的ith奇异值,标量为ith左奇异矢量,为ith右奇异矢量。
7.根据权利要求2所述的一种电网环保生态大数据预警挖掘方法,其特征在于:针对分析结果使用比较算法判断时间紧急程度,比较算法公式采用ωi为情况紧急程度等级;n为需要同时评定的情况数量;ks为情况紧急程度等级评定的标度;为概率发生量,此公式判定步骤八的分析结果紧急程度,根据不同紧急程度发送给电网环保生态业务应用系统进行后续处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910645371.8A CN110377638A (zh) | 2019-07-17 | 2019-07-17 | 一种电网环保生态大数据预警挖掘方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910645371.8A CN110377638A (zh) | 2019-07-17 | 2019-07-17 | 一种电网环保生态大数据预警挖掘方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110377638A true CN110377638A (zh) | 2019-10-25 |
Family
ID=68253625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910645371.8A Pending CN110377638A (zh) | 2019-07-17 | 2019-07-17 | 一种电网环保生态大数据预警挖掘方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110377638A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112487021A (zh) * | 2020-11-26 | 2021-03-12 | 中国人寿保险股份有限公司 | 业务数据的关联分析方法、装置及设备 |
-
2019
- 2019-07-17 CN CN201910645371.8A patent/CN110377638A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112487021A (zh) * | 2020-11-26 | 2021-03-12 | 中国人寿保险股份有限公司 | 业务数据的关联分析方法、装置及设备 |
CN112487021B (zh) * | 2020-11-26 | 2024-04-30 | 中国人寿保险股份有限公司 | 业务数据的关联分析方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Janowicz et al. | Know, Know Where, KnowWhereGraph: A densely connected, cross-domain knowledge graph and geo-enrichment service stack for applications in environmental intelligence | |
Mehmood et al. | Smart infrastructure and applications | |
Wu et al. | Mapping the knowledge domain of smart city development to urban sustainability: a scientometric study | |
CN101093559B (zh) | 一种基于知识发现的专家系统构造方法 | |
CN110008355A (zh) | 基于知识图谱的灾害场景信息融合方法及装置 | |
CN111680025A (zh) | 面向自然资源多源异构数据时空信息智能同化的方法及系统 | |
CN104182454A (zh) | 基于领域本体构建的多源异构数据语义集成的模型及方法 | |
CN102044011A (zh) | 一种警力资源调度的方法及系统 | |
CN107656987A (zh) | 一种基于lda模型的地铁站点功能挖掘方法 | |
CN112948595A (zh) | 城市群运行状态知识图谱构建方法、系统及设备 | |
Johnson et al. | Knowledge graphs to support real-time flood impact evaluation | |
Yu et al. | Passenger flow prediction for new line using region dividing and fuzzy boundary processing | |
CN113902270A (zh) | 一种用于城市燃气区域安全评级的方法及系统 | |
CN113344408A (zh) | 民航交通管制运行多尺度态势感知流程的处理方法 | |
Kong et al. | The method and application of big data mining for mobile trajectory of taxi based on MapReduce | |
Pampoore-Thampi et al. | Mining GIS data to predict urban sprawl | |
Samaranayake et al. | Learning the dependency structure of highway networks for traffic forecast | |
CN110377638A (zh) | 一种电网环保生态大数据预警挖掘方法 | |
CN117668500A (zh) | 基于gis的城市地下空间资源评估方法 | |
Xu et al. | A hybrid decision-making approach for locating rescue materials storage points under public emergencies | |
Liu et al. | An intelligent urban traffic data fusion analysis method based on improved artificial neural network | |
Gorricha et al. | A framework for exploratory analysis of extreme weather events using geostatistical procedures and 3D self-organizing maps | |
Wang et al. | GIS cloud computing based government Big Data analysis platform | |
Kabgani | Measuring effective indicators for waste disposal in order to assess the sustainable environment: application of fuzzy approach | |
Zhu et al. | Priority power generation allocation method for reservoir power stations based on the priority index |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191025 |