基于大数据的C语言程序设计

C语言作为一种程序设计语言,在大数据组成的物联网和云计算中应用广泛,具有强大的适应性和兼容性,是大数据时代下,在IT行业中起到关键作用的程序设计语言。文章分析了基于大数据的C语言程序设计的必然性和应用策略,为C语言在大数据上的应用方向提供了参考依据。以汉字的应用为例,提出了解决C语言应用问题的思路。     

基于大数据的广播电视技术转型与发展研究

随着互联网技术的发展,人们已经步入了信息化时代,新媒体行业的发展产生了大量的数据信息,促进了大数据技术的发展。在此时代背景下,广播电视行业的发展面临着一定的挑战。基于此,文章就详细分析大数据时代广播电视技术转型与发展的困境,并针对性的提出发展策略。     

大口径光学元件装夹转运结构设计及分析

为了实现大口径光学元件的安全装夹、转运,通过光学元件开槽与不开槽两种装夹方式的分析,得出开槽夹紧转运方式将带来微裂纹、应力集中、成本高等缺陷,提出了利用摩擦力克服光学零件的重力和惯性力的低应力装夹转运方案。通过对光学元件低应力夹紧结构设计,并利用有限元分析方法,得到不开槽装夹方式下,光学元件的最大主应力为1.11 MPa,最大切应力为0.73 MPa,远低于光学元件破坏的强度极限,且受力均匀,无应力集中现象。     

调水工程大数据技术应用

文章分析了国内外大数据的相关研究成果,阐述了调水工程大数据的特征和研究方法,给出调水工程大数据技术架构,明确了调水工程大数据生成与采集、数据存储与共享、数据分析和处理、数据应用和决策的机理,提出了调水工程大数据七个应用场景,为调水工程大数据应用发展提供了理论方法基础。     

基于深度学习的大采高工作面矿压预测分析及模型泛化

综采工作面矿压显现的分析与预测对于复杂地质条件下工作面顶板管理,保证矿井生产安全具有重要意义。采用关系型数据库储存液压支架工作阻力数据以及利用工作面推进过程中矿压显现的时序特性,采用SQL语言,运用长短时记忆网络(Long Short Time Memory,LSTM)深度学习方法,以红庆河矿31101大采高综采工作面矿压规律为研究对象,对工作面支架工作阻力、支架不平衡力、支架安全阀开启情况及初次来压与周期来压等矿压显现规律进行分析;基于建立的数据库,预测了红庆河大采高工作面矿山压力,预测结果表明LSTM方法较BP神经网络预测更具准确性。为进一步讨论本研究采用的LSTM网络模型的泛化能力,在采用布尔台42103大采高工作面、上湾矿12401大采高工作面少量矿压数据的前提下,使用迁移学习方法,对矿压数据进行预测检验,结果表明:LSTM模型具有很好的泛化能力,相比于不使用迁移学习方法,迁移学习可提高模型的泛化能力。最后,探讨了模型在3个大采高工作面矿压预测表现的差别,发现数据量本身对模型预测行为影响较大,增大数据量可弥补原始数据缺失等问题。在预测模型基础上设计了周期来压预警模型,集成形成相应矿压分析与预警系统,经工程验证判定预警系统分析效果良好。     

应变监测系统在冻土区原油管道中的应用效果分析

漠大原油管道是我国第一条通过冻土区域的管道,极易发生冻胀、融沉和斜坡不稳定等地质灾害,管道发生位移对管道产生较大的应力,这将导致管道两侧的产生压缩应力或拉伸张力,甚至断裂。应变监测系统的应用通过有限元分析管土相互作用和地面运动模型通过特定的网站可以形成监测数据,随时监测生成管道应变是否超过管道应变能力,帮助我们阻止地质灾害对管道的破坏。     

风-光-蓄-火联合发电系统的两阶段优化调度策略

针对风电、光伏出力的随机性、间歇性和波动性而导致其在大规模接入电网时对电网发电计划制定和调度产生的影响，提出一种风-光-蓄-火联合发电系统的两阶段优化调度策略。利用抽水蓄能的抽蓄特性，将风电和光伏出力进行时空平移，使风-光-蓄联合出力转变为稳定可调度电源，具备削峰填谷的功能，与火电机组共同参与电网调度。以风-光-蓄联合出力最大和广义负荷波动最小作为风-光-蓄联合削峰模型的优化目标，火电机组运行成本最小作为经济调度模型的优化目标，建立两阶段优化调度模型，分别采用混合整数规划方法和粒子群算法求解。改进IEEE-30节点算例系统仿真结果表明：所提调度策略可以提高风能和太阳能的利用率，缓解火电机组调峰压力，大幅降低风电的反调峰特性对电网的影响，从而保证电力系统安全、稳定、经济运行。