飞行试验大数据技术及展望

现代航空武器装备综合化和信息化程度越来越高,飞行试验测试数据的种类增多,测试数据量剧增,飞行试验进入了大数据时代。试飞大数据的来临,对试验数据的获取、记录、传输和处理等传统技术及模式产生了强大的冲击,也提出了严峻的挑战。本文在简要介绍大数据概念及国外研究应用现状的基础上,通过总结分析飞行试验数据的新特征、新需求,提出了“试飞大数据”的概念,得出飞行试验数据是典型大数据的结论;按照试飞测试流程和大数据技术范畴,重点分析了试飞大数据技术中的数据获取、交换、记录、传输、监控、处理、存储等关键技术,最后,对试飞大数据技术的应用前景进行了展望。     

基于大数据信息的软件测试方法改进研究

传统软件测试方法中,由于各种实验参数设置没有准确依据数学理论,涉及到的软件测试算法都存在效率偏低的问题。为此,提出基于大数据信息改进的软件测试方法,首先在大数据的背景下,对测试软件目的展开分析,将人的智慧与机器相互结合,通过对社会群体认知与数据价值提炼,使数据从机器智能分析到人类与机器智慧结合的转变。然后对大数据信息软件的三种测试方法进行探讨,第一种是利用粒子群为主线的优化算法,引入蚁群算法作为大数据信息处理机制,可以有效处理大数据信息;第二种就是针对软件特点,提出基于大数据信息处理模型的软件测试方法,通过模型对输入数据进行计算并得出结果;第三种采用仿真原理对软件进行测试。实验结果证明,基于大数据信息软件改进的测试方法不仅可以有效处理数据,还可以提高数据测试效率和软件定位,为今后的软件测试提供有力依据。     

基于Hadoop的大数据信息安全监控云平台设计与研究

针对传统的大数据信息监控云平台模式单一、虚拟化程度不高,容易导致信息泄露的问题,为了提高对大数据的信息安全溯源能力,提出基于Hadoop的大数据信息安全监控云平台设计方法。在信息资源云体系下构建大数据信息安全融合模型,通过信息挖掘与匹配方法把云平台中的数据资源、物理资源进行关联性整合,方便数据安全溯源,在Hadoop平台下构建多源信息资源云,建立用户接口注册机制,采用虚拟化技术进行信息保护,实现在云平台下进行信息安全溯源。实验结果表明,采用该方法进行大数据信息安全溯源,大数据信息分类存储性能较好,对异常数据挖掘精度较高。具有较好的信息安全保护能力,确保了信息安全。     

基于云计算和物联网的网络大数据技术研究

为了使网络大数据应用的范围更广,更大程度地提高网络数据存储与管理精度,减少网络数据处理与控制的时间,需要对网络大数据进行研究。当前的网络大数据研究方法多是采用Hadoop基础架构对网络大数据进行研究,在数据存储中没有设定具体的安全存储指标,无法得到数据安全存储指标权重,存在数据存储安全性能低,网络大数据研究精度偏差大等问题。为此,提出一种基于云计算和物联网的网络大数据研究方法。该方法首先利用分级网络编码对网络数据进行传输,以传输的数据为基础,采用CRC算法实现网络数据的计算,然后依据分组存储的方式将数据进行存储,最后利用分层逆序叠加定位法对网络数据进行高精度查询,由此完成对网络大数据的研究。实验结果表明,所提方法可以全面具体地对网络大数据进行研究,提高了数据处理精度和网络数据计算速度,增加了网络数据存储空间容量和查询效率,减少了网络数据运行时的丢失率,扩展了网络数据的运作范围,为后续网络大数据的研究提供了强有力的依据。     

航天器质量信息大数据技术的研究与实现

为实现航天器质量信息的有效管理和深度应用,分析了航天器质量信息的重要意义和数据特征,充分借鉴当前流程的大数据技术成果,基于ORACLE、MongoDB和HBase技术实现数据源层,基于Hadoop、Storm、MySQL、Berkeley DB和HANA技术实现数据处理层,基于SOA和Web Service技术实现数据服务层,基于多种技术方式实现具有多种应用功能的数据应用层,基于Windows Server 2012、CentOS 6.5、Unix、PHP和HTML5等技术实现系统软件开发部署,建立了覆盖全生命周期全方面的航天器质量信息系统,分析了系统所涉及的多源异构数据的采集、传输与存储,质量信息数据实时处理与分析,实时质量监控、预警和评估等关键技术实现途径,并对应用前景进行了展望,实现航天器研制全周期全过程全方位海量数据采集、处理、分析、预测和评估,使航天器质量管理更加科学、精准、高效。     

基于数值分析的匿名大数据访问最优控制算法

为了降低大数据访问对人们生活的影响,减少因数据访问带来的一系列问题,更好地保护用户的隐私,需要对匿名大数据访问进行控制。当前算法是利用Purpose建立匿名大数据访问模型,在原来的K-匿名算法基础上为Purpose匿名数据访问模型构建算法,该算法对公开信息隐私安全涉及较少,对分布式数据隐私的安全保障效果不理想。为此,提出一种基于数值分析的匿名大数据访问最优控制算法。该算法利用MapReduce编程框架对匿名大数据用户的公钥和私钥进行初始化,将计算代理权授权,用户把需要保存的数据以及授权传送给第三方,也就是代理方签名,实现匿名大数据的审计。根据属性群对匿名大数据访问进行控制,系统管理员构建一棵二叉树,通过对称加密算法与属性群路径密钥,加密的群密钥,产生报头消息,根据上述所获结果,管理员对属性群密钥进行生成、更新和分发。实验结果证明,所提算法计算开销、存储开销以及通信开销较低,匿名大数据访问控制的效率高,具有较强的可实践性,为该领域的研究发展提供了支撑。     

基于云计算的大数据自动分类处理系统设计

随着现代网络技术不断进步,系统数据量也在逐渐增多。传统的大数据自动分类处理系统已经无法满足现阶段用户需求,其软件与硬件的设计都比较单一,存在能源消耗大、分类速度慢、处理时间长、内存占用率高等问题,为此,提出基于云计算的大数据自动分类处理系统的设计。首先设计系统硬件结构,主要包括数据采集器、数据处理器以及数据自动存储模块,并详细的介绍了各硬件结构;然后利用时域特征提取数据的算法对频域特征数据进行提取,从而实现数据自动分类处理系统的软件设计;最后对两种系统性能进行对比实验。实验结果证明,基于云计算的大数据自动分类处理系统的资源不仅占用率低,内存消耗小,而且数据库内存较大。该系统不但可以提高数据自动分类精准度,还能加快数据分类速度,从而使系统拥有更好的分类性能。     

中国人口分布规律及演化机理研究

近20年来,中国的总人口近似地按指数规律增加,但增加的速度有减缓的趋势.省、市、县三级的人口分布具有相似的规律：人口数k小的各级人口分布随k缓慢地变化;而k较大时,人口分布随k急剧变化,满足齐普夫定律.研究结果表明中国人口系统的各级分布具有自相似性.采用无标度网络上的聚集体迁移模型较好地解释了中国人口分布的演化规律. 关键词： 人口分布 齐普夫定律 迁移 动力学行为     

基于大数据的配电网馈线故障智能识别定位方法研究

配电网故障识别、分类与定位对快速隔离故障和保证电网安全运行具有重要意义。以大数据驱动法为基础,提出了最少测量单元选择和区域最佳节点选择两种算法,两种算法基于分类特征评估法,在节点的选择策略上有所不同。分别使用决策树分类器和随机森林分类器验证算法性能,在仅使用7%的节点数据时算法1的最高准确率达91%,算法2使用16%节点数据的最高精度达到85%。实验结果表明,提出的算法无需使用全部节点的数据,可以在系统观测性较低的情况下,实现配电网馈线故障线路智能识别定位,具有测量节点数量少、准确率高等优势。     

基于Hadoop平台的地铁NCC数据中心方案研究

线网指挥中心是地铁管理控制中的承上启下的重要环节,接入线网各线路的控制中心,实时的监测线网整体的运营状况。并通过与上级政府交通管理部门系统的对接,将相关数据提交至交通管理系统,配合交通管理部门的工作。数据中心是线网指挥中心的核心环节,存储线网所有线路的生产数据和业务数据。目前线网指挥中心的数据中心都是基于传统的数据仓库的架构来创建的,而随着线路的不断增多,数据的种类和数量都在不断增加,传统数仓暴露出成本高,扩容难,维护困难的缺点。本方案提出的基于Hadoop大数据平台的数据中心建设方案,极大了降低了使用和维护成本,Hadoop生态圈包含了各类的组件模块,能够解决建设和使用中遇到的各类问题,提高了数据中心的性能。     

民机运行大数据全寿命周期处理技术研究

针对日益增长的民用航空海量数据,本文对其从数据采集到大数据分析全寿命周期过程进行了研究。首先梳理了民机运行所涉及的数据源,并根据数据类型,对各数据源进行了分类。基于不同类型的数据,研究了各类数据的采集方式及大数据分析技术,并对大数据离线分析工具及实时在线分析工具进行了研究。研究成果能够为构建民用飞机运行大数据平台提供技术支撑,有助于提高我国民机运行效率。     

基于双混沌系统的大数据环境并行加密算法设计 

为了克服大数据在采用串行加密方式时具有的加密效率低的问题,设计了一种基于双混沌系统的大数据环境的并行加密算法。首先,在对经典的Map-Reduce分布式并行计算框架进行研究的基础上,设计了大数据环境的并行加密模型。然后,设计了改进的Logistic映射和Tent映射构成双混沌系统,在此基础上,设计了Map函数、Sort函数和Reduce函数实现并行加密,在Map函数中通过Logistic映射和Tent映射的不断迭代计算加密密钥或解密密钥,实现明文到密文或密文到明文的转换,在Sort 函数对由Map函数输出的键值对进行排序并剔除重复的数据块,在Reduce函数中对加密后的密文数据块或解密后的明文数据块进一步合并构成输出数据,并生成Logistic映射和Tent映射的迭代次数初始值并保存在历史数据信息中。仿真实验表明：文中设计的基于双混沌系统的Map-Reduce并行加密模型能高效地进行数据加密或解密,能提高数据安全性和加密效率,具有较强的可行性。     

基于飞行载荷的大数据实测方法研究

飞行载荷实测是全面、定量评定飞机结构强度的必要环节,在飞行试验中起着至关重要的作用。传统的有人机、小型机载荷标定需要评测的参数仅需要数十个或几十个关键参数,实时采集系统通道量较小,实时监控系统服务器压力较小。随着航空工业的飞速发展,大型机、无人机等需要评定的参数量急速上升到数百个,而采集通道成为瓶颈,传统的测量方法难以满足需求。针对飞行载荷实测的海量参数难以测试问题,文章提出了一种通道复用的方案,良好的解决了海量数据难以实时测量问题。经验证,该方案可良好的运用在各种型号的飞行载荷海量数据实测中。     

大数据云中心虚拟机资源高效分配应用研究

为降低大数据云中心的能量消耗和实现资源的优化配置,提出一种虚拟机资源高效分配策略。 提出的策略对选定的特征上具备相似性任务分组的聚类进行定义,将各组任务映射到定制化的高效虚拟机类型。其高效指的是以最低限度的资源损耗成功执行任务。虚拟机的相关参数为核数量、内存量和存储量。虚拟机分配基于日志中提取的历史数据,并以任务的使用模式为基础。提出的资源分配策略以任务的实际资源使用量为基础,实现了能源消耗的降低。实验结果表明：不同聚类任务下,提出的虚拟机资源分配策略可以大幅节约能源消耗,具有较低的平均任务拒绝次数。     

基于大数据的高速列车气动载荷作用下迭代学习主动控制研究

列车在高速运行的过程中与另一列车相交会时,将产生剧烈的瞬态气动载荷冲击而引起车体瞬间横向振动加剧,导致列车横向平稳性恶化。为了改善列车运行平稳性,采用大数据方法及迭代学习控制思想,提出基于高速列车运行大数据的迭代学习主动控制算法,并进行多体动力学与控制算法的联合仿真,进一步研究控制算法对会车气动载荷幅值变化和会车时间变化的鲁棒性。结果表明：大数据迭代学习主动控制经过5次迭代后对会车气动载荷激扰下的车体横向振动峰值降低52.67%,且控制算法对会车工况变化有较好的鲁棒性。     

基于大数据辅助的精准教学研究——以高三物理试卷讲评课为例

在新高考及“双减”政策的双背景下,高中物理课程内容增多但学习时间减少,在此形势下如何保证高三物理教学的进度和质量？解决这一问题的关键在于“精准教学”。本文以高三物理试卷讲评课为例,着力分析了当前讲评课存在的问题,并结合现有问题提出了在大数据辅助下开展高三物理试卷讲评课的具体教学方案,旨在形成一套操作性强且具有借鉴性、可推广性的讲评课教学模式,为我区广大高中物理科教育工作者提高教学实效贡献微薄力量。     

虚拟环境下大数据智能并行聚类方法研究

为了减少虚拟环境下大数据运行时间,数据运行时能够反映出一定的规律性和特殊的分类性,需要对虚拟环境下大数据进行智能并行聚类。当前大数据聚类方法是根据K-均值聚类方法不断地进行大数据样本分类的调整,经过多次计算调整后达到数据并行聚类的效果,但每当有新的大数据流入时,都需要对当前全部数据进行K-均值聚类,计算过程复杂,聚类效率低。为此,提出了一种基于MapReduce的虚拟环境下大数据智能并行聚类方法。首先在虚拟环境下大数据中抽取小规模数据集并确定大数据簇的质心,采用Single法对所抽样的小规模数据进行聚类,获得虚拟环境下大数据属性的均值,利用最小距离分类规则将大数据属性的均值快速地向数据簇的真实中心移动,依据Davies-bouldin指标假设一个数据簇离散度参数,在此参数值中选出大数据智能并行聚类相似度最大值,最后利用聚类相似度最大值得到Davies-bouldin指数,以Davies-bouldin指数为基础将多个类别的质心间距以及聚类离散度指定阈值合并为一个类并进行迭代计算,得到数据最佳聚类中心位置,由此完成虚拟环境下大数据智能并行聚类。仿真实验结果证明,所提方法提高了大数据智能并行聚类的灵活性和普遍适用性,减少了聚类时间,并适合应用于教育技术领域,不仅可以使教育技术网络数据更加合理化,而且更加规范化。     

大数据预处理中属性约简的特性保持分析

伴随着工业及社会信息化程度的增强,各个领域的自动化程度越来越高,大规模及超大规模海量数据应运而生,呈现出大数据特征。这些海量数据在提升行业发展动力的同时,也带来了巨大的挑战性问题—数据可用性。为了从海量数据中甄别出无用信息、挖掘有利于相关领域发展的有价值信息,就需要对其进行数据分析。数据预处理技术可以极大地减少数据分析时的处理量,提高数据分析处理的效率,而属性约简在数据预处理中是一个比较重要的环节。在分析大数据属性特征的基础上,较系统地分析了目前几种主流的属性约简算法,对各类算法的性能进行了剖析,并展望了今后大数据预处理的研究工作思路。     

大数据时代下的化学经验2.0：基于键能的大规模反应途径预测

报道了一个基于键能数据预测反应途径的可编程算法．运用该算法,成功预测了F₂+CH₃Cl气相反应的最优产物(CF₄)和对应的反应途径．提供了一个启示性的化学经验2.0 的例子,并可能开启大数据时代下的大规模反应途径预测的大门．     

基于云平台的大数据资源挖掘技术研究

针对云平台下大数据资源挖掘过程准确率低、耗时长等问题,对大数据资源挖掘技术进行改进研究。利用MST聚类法对云平台数据集进行预处理,根据数据间的关联性来增强检测结果,并提高数据索引效率,将数据间的邻接矩阵作为边的权值,生成全图的MST,获取评价数据资源挖掘准确度的标准,并得到k个最小生成子树,其中的一个子树就是数据集最优聚类结果。实验结果表明,所提方法有效提高了大数据挖掘准确性,使得数据资源得到了更高效的利用。