2005-2019年我国重特大安全生产事故特征分析

为探究我国重特大安全生产事故特征,选取2005-2019年国内852起重特大事故作为研究对象,基于Python编程语言针对重特大事故发生的年份、季度、月份、工作日与非工作日、地域特征进行分析.结果表明:2005-2019年,国内重特大安全生产事故起数和死亡人数均在不断下降;第四季度发生重特大事故最多,而第三季度平均每起事故造成的死亡人数最多;重特大事故数量和死亡人数随月份显示出反复波动的趋势,均呈现3个"^",形;工作日期间发生的重特大事故数量最多,非工作日平均事故率最大;国庆节是重特大事故发生最多的节假日;贵州、湖南、山西、云南、河南等省份"十四五"期间需要重点加强安全和应急管理.     

高速公路数据海量 大数据分析有可为

截止到2014年,中国高速公路通车总里程达11.195万公里,管理和监控难度又上了一个新的台阶。目前IT技术、智能视频技术、信息技术、传感技术及计算机技术的有效集成应用,为高速公路监控体系带来了极大的便利,大大提升了高速公路管理、服务、收费、监控的效率。同时,在整个体系的运行过程中,各个系统也产生了大量的数据,怎样管理如此庞大的数据量,怎样甄别有效数据和无效数据,怎样高效     

瑞典环保轿车销量创历史新高

新华网 瑞典汽车行业协会5月2日公布的统计数据显示，2008年4月瑞典环保型轿车销量创历史新高。     

数据质量保证和质量控制方法研究

探讨了在FoxBASE^ /FoxPRO环境中数据质量保证和质量控制方法，并介绍了自行设计的E.O.E系统功能，其方法包括主观和客观两大方面。主观方面包括数据灵入的屏幕格式、系统的易理解性、良好的人一机会话功能等，客观方面包括：录入时的数据质量控制，即数据录入的编辑格式和数据范围检验；录入后的数据质量检验，即比较查错法、分层控制查错法和分层控制-比较查错法三种。     

大气自动监测中“ND”数据的质量分析

本文就大气自动监测系统中经常出现的“ND”数据产生的原因：系统零点的位置以及解决问题的方法，从理论上作了较详尽的分析并从实际出发提出了自己的见解。     

2002年3-6月国内安全事故数据

统计了2002年3-6月国内发生的各种安全事故871起,包括矿业事故、交通事故、爆炸事故、火灾、毒物泄露和中毒及其他事故.统计表明,在这些事故中,矿业事故最多,占61. 8%,平均每天4.5起事故,其次是交通事故(16.3%)、爆炸事故(6.7%)、火灾(6.0%)、其他事故(5.6%)、毒物泄露和中毒(3.7%).871起事故共死亡2 197人,伤3 321人,死亡人数的百分比分别为矿业事故53.7%、交通事故28.0%、火灾6.1%、爆炸事故5.9%、其他事故5.1%、泄露中毒1.2%;受伤人数的百分比分别为泄露中毒37.4%、交通事故26.9%、爆炸事故14.2%、矿业事故11.8%、其他事故5.3%、火灾4.4%.     

建筑垃圾堆放点样本集构建与优化研究

为更好地解决手工制作的建筑垃圾堆放点样本集效率低、数据量少,难以支撑基于深度学习的遥感图像目标检测算法训练需求的问题,采用基于像素的遥感分类方法构建建筑垃圾堆放点样本集,在此基础上结合直方图均衡化,CS-LBP算子约束以及迁移学习的方法对Wasserstein生成对抗模型（WGAN）进行优化,实现了样本集扩充。研究结果表明:相对于纯手工制作的样本集,基于像素的遥感分类方法可以显著提升样本集制作的效率;同时,经过WGAN优化后,生成样本模拟了原始数据的颜色与纹理特征分布规律,增加了原始数据的多样性,满足了扩充样本集的需求。     

基于环境保护大数据的监测与智能诊断研究

为了提高环境保护的智能监测能力,采用大数据分析方法进行环境监测和诊断分析,提出一种基于环保大数据关联特征挖掘的环境保护智能监测与诊断技术。构建环境监测的约束参量模型,以土壤监测数据、空间污染排放量以及水资源监测数据为原始统计数据,采用关联规则特征提取方法进行环保大数据的有用信息挖掘,结合模糊C均值聚类算法实现对环保大数据的分类处理,根据分类结果进行环保监测和智能诊断分析。仿真结果表明,采用该方法进行环保大数据挖掘的准确性较好,对各种污染信息的分类精度较高,提高了环保监测和诊断的有效性与实时性。     

基于语义翻译的英文环保数据分析研究

英文环保数据对污染的治理和环境的保护有着至关重要的意义。提出一种基于语义翻译的英文环保数据分析方法。在英文环保数据的翻译过程中,加入双语语义的相似程度特性,提升英文环保数据的翻译质量。通过分布式的模式,在源端及目标端得到英文环保数据短语单语合成的语义向量;通过实验对所提方法进行验证,实验结果表明,所提方法获取的英文环保数据翻译质量较高,得到的影响环境变量与环境质量之间呈现的关系极为准确,与实际值的拟合程度在0.98左右,证明了数据分析的可靠性。     

基于医疗大数据的空气污染类疾病信息分析研究

世界卫生组织表示,空气污染为造成全球疾病负担的一项重要因素,能够导致心血管疾病、呼吸系统疾病等各种疾病的发生,空气污染问题已经成为公共卫生领域关注的重点问题,对基于医疗大数据的空气污染类疾病信息进行分析。利用半参数广义相加的泊松回归模型,在控制时间、长期趋势、气象因素等一些复杂条件的基础上,对2012年1月1日至2016年12月31日,某市空气中SO2、PM10和NO2等一些主要空气污染物的监测浓度值与呼吸系统疾病(肺炎以及支气管炎与哮喘)住院人数的相关性进行研究,研究结果表明,空气颗粒物PM10对患病率的影响相对于气态污染物SO2、NO2更为严重。