CN110619011A - 基于大数据分析的高校化学实验室污染治理系统及方法 - Google Patents
基于大数据分析的高校化学实验室污染治理系统及方法 Download PDFInfo
- Publication number
- CN110619011A CN110619011A CN201910957435.8A CN201910957435A CN110619011A CN 110619011 A CN110619011 A CN 110619011A CN 201910957435 A CN201910957435 A CN 201910957435A CN 110619011 A CN110619011 A CN 110619011A
- Authority
- CN
- China
- Prior art keywords
- data
- pollution
- characteristic information
- module
- summarized
- 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 64
- 239000000126 substance Substances 0.000 title claims abstract description 40
- 238000007405 data analysis Methods 0.000 title claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 238000007418 data mining Methods 0.000 claims abstract description 11
- 230000000007 visual effect Effects 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000011109 contamination Methods 0.000 claims description 6
- 238000012800 visualization Methods 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 239000002910 solid waste Substances 0.000 description 1
- 239000002351 wastewater Substances 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
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
-
- 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
- G06Q50/10—Services
- G06Q50/20—Education
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Fuzzy Systems (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Automation & Control Theory (AREA)
- Pure & Applied Mathematics (AREA)
- Educational Technology (AREA)
- Development Economics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据分析的高校化学实验室污染治理系统及方法,步骤包括:获取高校化学实验室的污染数据;将污染数据按照预设方式进行汇总处理后发送并存储到与绿色化学配套的大数据平台中;在大数据平台中,将汇总数据进行可视化处理并实时显示出来;对汇总数据采用多模态数据挖掘方法,并结合神经网络方法,提取出与污染数据对应的特征信息;依据特征信息,按上述方法在与绿色化学配套的大数据平台中寻找与特征信息完全或部分相反的特征信息;依据特征信息,推导二者结合的个体的动态演化规律;结合个体的动态演化规律得到实时数据的性能评估指标。本发明为高校化学实验室污染的治理提供决策依据和技术支撑,提高了治理效率和治理质量。
Description
技术领域
本发明属于绿色化学数据分析领域,具体涉及一种基于大数据分析的高校化学实验室污染治理系统及方法。
背景技术
随着全球科技的发展和云时代的来临,“大数据”概念也吸引了越来越多的关注,各行各业都希望拥有大数据体系,挖掘大数据的应用范畴。大数据虽然是当前热点,但人们关注较多的是对大数据的应用,而应用的前提是有连续可用的数据。
当前,我国高校数量众多,而高校在进行化学教学的过程中,实验室是必不可少的教学资源,通过化学实验,可以有效地培养学生的实际动手能力,同时,还可以提高学生分析问题及解决问题的能力。然而,在进行化学教学及化学科研活动过程中,因实验所产生的环境污染越来越严重,对高校附近的环境、大气、居民等都产生了不同程度的影响,且由于高校化学实验室污染具有污染物种类多、组成复杂、污染浓度大、处理困难、缺乏相应的污染防治措施、污染防治法规制度也不健全等特点,使得对高校化学实验室污染的治理进展十分缓慢。因此,研究治理高校化学实验室污染问题具有十分重要的现实意义。
目前,对高校化学实验室污染的治理仍然采用传统的方法,耗时长、效率低且治理效果不显著,因此有必要引入新技术,推进高校化学实验室污染治理进程。
发明内容
本发明的目的是提供一种具有海量数据存储、冗余能力和实时、高效计算能力的基于大数据分析的高校化学实验室污染治理系统及方法,以解决传统高校化学实验室污染治理方法不足的问题。
本发明是这样实现的:一种基于大数据分析的高校化学实验室污染治理系统,包括数据采集模块、数据处理模块、数据显示模块、数据分析模块、性能评估模块,数据采集模块与数据处理模块相连,数据处理模块与数据显示模块相连,数据显示模块与数据分析模块相连,数据分析模块与性能评估模块相连。
所述数据采集模块,用于获取高校化学实验室的污染数据;
所述数据处理模块,用于将所述污染数据按照预设方式进行汇总处理后发送并存储到与绿色化学配套的大数据平台中;
所述数据显示模块,用于在大数据平台中将汇总数据进行可视化处理并实时显示出来;
所述数据分析模块,用于对汇总数据采用多模态数据挖掘方法,并结合神经网络方法,提取出与污染数据对应的特征信息;依据特征信息,按上述方法在与绿色化学配套的大数据平台中寻找与特征信息完全或部分相反的特征信息;
所述性能评估模块,用于依据特征信息,推导二者结合的个体的动态演化规律;结合个体的动态演化规律得到实时数据的性能评估指标。
一种基于大数据分析的高校化学实验室污染治理方法,具体的方法步骤如下:
步骤一:获取高校化学实验室的污染数据;
步骤二:将污染数据按照预设方式进行汇总处理后发送并存储到与绿色化学配套的大数据平台中;
步骤三:在大数据平台中,将汇总数据进行可视化处理并实时显示出来;
步骤四:对汇总数据采用多模态数据挖掘方法,并结合神经网络方法,提取出所述污染数据对应的特征信息;
步骤五:依据特征信息,按上述方法在与绿色化学配套的大数据平台中寻找与特征信息完全或部分相反的特征信息;
步骤六:依据特征信息,推导二者结合的个体的动态演化规律;
步骤七:结合个体的动态演化规律得到实时数据的性能评估指标。
进一步地,对汇总数据采用多模态数据挖掘方法具体包括:
(1)将污染与危害因素的影响关系生成关系矩阵;
(2)依据所述关系矩阵设定目标函数,并对所述目标函数极小化;
其中,所述目标函数为:
其中,Zij为关系矩阵,x为污染,y为危害因素,Mx表示污染的特征,My为危害因素的特征,L(X,Y)是对X与Y的规则化约束,Lx(X,Mx)为X对Mx的规则化约束,Ly(Y,My)为Y对My的规则化约束,λ、λx和λy分别为对应规则化约束项的权重,值在0~1之间,R(Xi,Yj,Zij)为Xi、Yj和Zij的关系函数。
进一步地,所述结合神经网络方法,提取出污染数据对应的特征信息具体包括:
(1)从样本集合中取一个样本(Ai,Bi);
(2)计算网络的实际输出O;
(3)求D=Bi-O;
(4)根据D调整权矩阵W;
(5)对每个样本重复上述过程,直到对整个样本集来说,误差不超过规定范围。
进一步地,所述个体的动态演化规律具体通过采用模糊逻辑系统辨识法建立所述特征信息与污染个体演化规律之间的模糊动态治理模型。
进一步地,所述结合所述个体的动态演化规律得到所述实时数据的性能评估指标具体包括:
(1)基于所述模糊动态治理模型中的目标函数,通过迭代优化算法建立污染性能评估指标;
(2)计算所述污染性能评估指标的最优值。
本发明基于大数据分析技术,提出一种对高校化学实验室污染的治理方法,不仅可以有效地克服传统高校化学实验室污染治理方法的局限性,同时给出了多模态大数据与污染的个体的动态演化规律,从而提取污染的特征信息并找到治理措施,为高校化学实验室污染的治理提供决策依据和技术支撑,提高了治理效率和治理质量。
附图说明
图1为本发明的一种实验室污染治理系统及方法组成模块图。
图2为本发明的实施例的流程示意图。
具体实施方式
实施例:
为了使本技术领域的人员更好地理解本发明实施例中的技术方案,并使本发明实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明实施例中技术方案作进一步详细的说明。
如图1所示,本发明所提供的一种基于大数据分析的高校化学实验室污染治理系统,包括数据采集模块1、数据处理模块2、数据显示模块3、数据分析模块4、性能评估模块5,数据采集模块1与数据处理模块2相连,数据处理模块2与数据显示模块3相连,数据显示模块3与数据分析模块4相连,数据分析模块4与性能评估模块5相连。
所述数据采集模块1,用于获取高校化学实验室的污染数据;
所述数据处理模块2,用于将所述污染数据按照预设方式进行汇总处理后将汇总数据发送并存储到与绿色化学配套的大数据平台中;
所述数据显示模块3,用于在大数据平台中将汇总数据进行可视化处理并实时显示出来;
所述数据分析模块4,用于对汇总数据采用多模态数据挖掘方法,并结合神经网络方法,提取出与污染数据对应的特征信息;依据特征信息,按上述方法在与绿色化学配套的大数据平台中寻找与特征信息完全或部分相反的特征信息;
所述性能评估模块5,用于依据特征信息,推导二者结合的个体的动态演化规律;结合个体的动态演化规律得到实时数据的性能评估指标。
由上述实施例可知,本发明的一种基于大数据分析的高校化学实验室污染治理系统,通过数据采集模块1和数据处理模块2将各个传感器的数据汇总成表,灌入与绿色化学配套的大数据处理平台,在数据显示模块3中显示,然后在数据分析模块4运用多模态数据挖掘方法,并结合神经网络方法,提取出与污染数据对应的特征信息,并在性能评估模块5中结合个体的动态演化规律得到实时数据的性能评估指标。
如图2所示,为本发明提供的一种基于大数据分析的高校化学实验室污染治理方法的实施例流程示意图,详细步骤如下:
步骤一:获取高校化学实验室的污染数据S1;其中,获取高校化学实验室的污染数据的方式是可以通过预先布置在高校化学实验室中的传感器进行收集,或者还可以通过相应的网络获取高校化学实验室的污染数据。具体的高校化学实验室的污染数据包括废水污染数据、废气污染数据、固废污染数据等数据,以及能够表示与污染数据相关的数据,例如什么时候发生了什么类型的污染。
步骤二:将所述污染数据按照预设方式进行汇总处理后发送并存储到与绿色化学配套的大数据平台中S2;其中,对于污染数据的汇总可以预先设置一定的数据分类方式,使得同类数据能够准确的汇总到相同或者近似的位置。
其中,采用大数据平台中的hive表的形式对汇总数据进行存储,以便于数据的分类、调用和保存备份。
步骤三:在所述大数据平台中,将汇总数据进行可视化处理并实时显示出来S3;其中,可视化(Visualization)是利用计算机图形学和图像处理技术,将数据转换成图形或图像在屏幕上显示出来,再进行交互处理的理论、方法和技术。
步骤四:对所述汇总数据采用多模态数据挖掘方法,并结合神经网络方法,提取出与污染数据对应的特征信息S4;其中,多模态数据挖掘方法是将污染与危害因素的关系抽象为一个关系矩阵Zij,Zij表示危害因素i受污染j的影响关系,其取值在0~1之间,0表示无影响关系,1表示影响关系最大,0~1之间的数值表示受影响的程度。
其中,对所述汇总数据采用多模态数据挖掘方法具体包括:
(1)将污染与危害因素的影响关系生成关系矩阵;
(2)依据所述关系矩阵设定目标函数,并对所述目标函数极小化;
其中,所述目标函数为:
式中,Zij为所述关系矩阵,x为污染,y为危害因素,Mx表示污染的特征, My为危害因素的特征,L(X,Y)是对X与Y的规则化约束,Lx(X,Mx)为X对 Mx的规则化约束,Ly(Y,My)为Y对My的规则化约束,λ、λx和λy分别为对应规则化约束项的权重,值在0~1之间,R(Xi,Yj,Zij)为Xi、Yj和Zij的关系函数。
其中,所述结合神经网络方法,提取出与污染数据对应的特征信息,具体包括:
(1)从样本集合中取一个样本(Ai,Bi);
(2)计算网络的实际输出O;
(3)求D=Bi-O;
(4)根据D调整权矩阵W;
(5)对每个样本重复上述过程,直到对整个样本集来说,误差不超过规定范围。
步骤五:依据所述特征信息,按上述方法在与绿色化学配套的大数据平台中寻找与所述特征信息完全或部分相反的特征信息S5。
步骤六:依据所述特征信息,推导二者结合的个体的动态演化规律S6。
其中,所述个体的动态演化规律具体通过采用模糊逻辑系统辨识法建立特征信息与污染个体演化规律之间的模糊动态治理模型。
步骤七:结合个体的动态演化规律得到实时数据的性能评估指标S7。
其中,所述结合所述个体的动态演化规律得到所述实时数据的性能评估指标具体包括:
(1)基于所述模糊动态治理模型中的目标函数,通过迭代优化算法建立污染性能评估指标;
(2)计算所述污染性能评估指标的最优值。
其中,还包括依据所述个体的动态演化规律建立与污染类型对应的群体的动态演化规律。
综上所述,本发明基于大数据分析技术,结合神经网络及多模态数据挖掘等技术,实现高校化学实验室污染的治理,不仅可以有效地克服传统高校化学实验室污染治理方法的局限性,同时给出多模态大数据与污染的个体的动态演化规律,从而提取污染的特征信息并找到治理措施,为高校化学实验室污染的治理提供决策依据和技术支撑,提高了治理效率和治理质量。
以上对本发明所提供的基于大数据分析的高校化学实验室污染治理系统及方法进行了详细介绍。说明书中各个实施例之间相同相似部分互相参见即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (6)
1.一种基于大数据分析的高校化学实验室污染治理系统,其特征在于:包括数据采集模块、数据处理模块、数据显示模块、数据分析模块、性能评估模块,数据采集模块与数据处理模块相连,数据处理模块与数据显示模块相连,数据显示模块与数据分析模块相连,数据分析模块与性能评估模块相连;
所述数据采集模块,用于获取高校化学实验室的污染数据;
所述数据处理模块,用于将所述污染数据按照预设方式进行汇总处理后将汇总数据发送并存储到与绿色化学配套的大数据平台中;
所述数据显示模块,用于在大数据平台中将汇总数据进行可视化处理并实时显示出来;
所述数据分析模块,用于对汇总数据采用多模态数据挖掘方法,并结合神经网络方法,提取出与污染数据对应的特征信息;依据特征信息,按上述方法在与绿色化学配套的大数据平台中寻找与特征信息完全或部分相反的特征信息;
所述性能评估模块,用于依据特征信息,推导二者结合的个体的动态演化规律;结合个体的动态演化规律得到实时数据的性能评估指标。
2.一种基于大数据分析的高校化学实验室污染治理方法,其特征在于,具体的方法步骤如下:
步骤一:获取高校化学实验室的污染数据;
步骤二:将污染数据按照预设方式进行汇总处理后发送并存储到与绿色化学配套的大数据平台中;
步骤三:在大数据平台中,将汇总数据进行可视化处理并实时显示出来;
步骤四:对汇总数据采用多模态数据挖掘方法,并结合神经网络方法,提取出所述污染数据对应的特征信息;
步骤五:依据特征信息,按上述方法在与绿色化学配套的大数据平台中寻找与特征信息完全或部分相反的特征信息;
步骤六:依据特征信息,推导二者结合的个体的动态演化规律;
步骤七:结合个体的动态演化规律得到实时数据的性能评估指标。
3.根据权利要求2所述的方法,其特征在于,步骤四中对汇总数据采用多模态数据挖掘方法具体包括:
(1)将污染与危害因素的影响关系生成关系矩阵;
(2)依据所述关系矩阵设定目标函数,并对所述目标函数极小化;
其中,所述目标函数为:
其中,Zij为关系矩阵,x为污染,y为危害因素,Mx表示污染的特征,My为危害因素的特征,L(X,Y)是对X与Y的规则化约束,Lx(X,Mx)为X对Mx的规则化约束,Ly(Y,My)为Y对My的规则化约束,λ、λx和λy分别为对应规则化约束项的权重,值在0~1之间,R(Xi,Yj,Zij)为Xi、Yj和Zij的关系函数。
4.根据权利要求2所述的方法,其特征在于,步骤四中所述结合神经网络方法,提取出污染数据对应的特征信息具体包括:
(1)从样本集合中取一个样本(Ai,Bi);
(2)计算网络的实际输出O;
(3)求D=Bi-O;
(4)根据D调整权矩阵W;
(5)对每个样本重复上述过程,直到对整个样本集来说,误差不超过规定范围。
5.根据权利要求2所述的方法,其特征在于,步骤六所述个体的动态演化规律具体通过采用模糊逻辑系统辨识法建立所述特征信息与污染个体演化规律之间的模糊动态治理模型。
6.根据权利要求2所述的方法,其特征在于,步骤七的过程具体包括:
(1)基于所述模糊动态治理模型中的目标函数,通过迭代优化算法建立污染性能评估指标;
(2)计算所述污染性能评估指标的最优值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910957435.8A CN110619011A (zh) | 2019-10-10 | 2019-10-10 | 基于大数据分析的高校化学实验室污染治理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910957435.8A CN110619011A (zh) | 2019-10-10 | 2019-10-10 | 基于大数据分析的高校化学实验室污染治理系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110619011A true CN110619011A (zh) | 2019-12-27 |
Family
ID=68925331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910957435.8A Pending CN110619011A (zh) | 2019-10-10 | 2019-10-10 | 基于大数据分析的高校化学实验室污染治理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110619011A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990663A (zh) * | 2021-02-07 | 2021-06-18 | 上海应用技术大学 | 企业智能污染治理系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273685A (zh) * | 2017-06-14 | 2017-10-20 | 广东工业大学 | 一种针对临床疾病的多模态大数据的数据分析方法 |
-
2019
- 2019-10-10 CN CN201910957435.8A patent/CN110619011A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273685A (zh) * | 2017-06-14 | 2017-10-20 | 广东工业大学 | 一种针对临床疾病的多模态大数据的数据分析方法 |
Non-Patent Citations (1)
Title |
---|
陈新 等, 国防工业出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990663A (zh) * | 2021-02-07 | 2021-06-18 | 上海应用技术大学 | 企业智能污染治理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pawlowicz et al. | Applications of deep learning to decorated ceramic typology and classification: A case study using Tusayan White Ware from Northeast Arizona | |
Liu et al. | Real-time defect detection network for polarizer based on deep learning | |
CN110543996A (zh) | 一种职位薪资评估方法、装置、服务器和存储介质 | |
Cao et al. | Ancient mural classification method based on improved AlexNet network | |
CN110619011A (zh) | 基于大数据分析的高校化学实验室污染治理系统及方法 | |
CN113408895B (zh) | 基于像元尺度的生态质量指数构建方法及系统 | |
CN113820718A (zh) | 基于gis的长江水生生物调查管理信息系统 | |
CN117332815A (zh) | 一种工业园区大气污染的预测方法及预测预警系统 | |
CN112417286A (zh) | 区域性文化产业集聚的影响因素分析方法和系统 | |
CN115849202B (zh) | 基于数字孪生技术的智能起重机操作目标识别方法 | |
Fan et al. | Surface defect classification of hot-rolled steel strip based on mixed attention mechanism | |
CN113538239B (zh) | 一种基于时空自回归神经网络模型的插值方法 | |
Watkins | Scaling procedures in climate science: Using temporal scaling to identify a paleoclimate analogue | |
CN111191929A (zh) | 一种水利摄影创作基地评价方法 | |
Ling | AHP Evaluation Software for Intelligent Reform based on Interactive Intelligent Testing Algorithm | |
CN113052743B (zh) | 一种城市碳排放数据处理方法、装置、介质及终端设备 | |
Qin et al. | Establishing an Artificial Intelligence-Infused Early Warning System for Cultural Relics via Intelligent Information Assessment and IoT Monitoring | |
Shang et al. | Optimization of Computer-aided English Classroom Teaching System Based on Data Mining | |
Wang | Research on the application of big data mining technology based on neural network | |
He et al. | Design of Multi-level Teaching System Based on Association Rule Mining. | |
Liu et al. | Intelligent Analysis and Processing Technology of Financial Big Data Based on Neural Network Algorithm | |
Ormaux | Methods for territorial intelligence. | |
Eli et al. | SUSTAINABLE DEVELOPMENT: MAIN FEATURES AND ADAPTATION TO THE NATIONAL CONDITIONS IN UKRAINE | |
Li | Analysis of Real Estate Predictions Based on Different Models | |
Ling | AHP Evaluation Software for Intelligent Reform of Computer Majors in Colleges Based on Interactive Intelligent Testing Algorithm |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191227 |