基于智能终端控制、大数据集群分析、数字网关以及智能云平台等技术构建智慧用能数据服务系统。 项目系统框架图 项目整体思路框架图 项目研究工作分解 针对项目不同负荷类型和典型应用场景，匹配相应的通讯控制模块，通过电力载波或无线等多元传输方式，将用户用能需求等相关电力数据集中在云平台，结合用户行为模型、能耗模型及能源管理控制模型对电力数据进行聚类整合及分析。达到提升用户的用能体验和节省用电成本的双重目标，同时对于电网侧能够利用削峰填谷等策略，增加电网参与辅助服务的力度，有效利用电网资源。 智慧用能平台系统图 目前市场存在的用户用能监测设备及系统之间的数据信息交流往往是单向的，难以达到人们对测量精度和实效性的要求。而本系统基于新型通信和人工智能技术，集成电力信息的感知、采集、通信和控制技术，创建以智能电能表和智能终端为核心的双向互动体系，通过对电流、电压、功率、电量等用户用电信息及温度等环境数据的自动采集，实现对电能的使用情况及各类关键供能用能设备进行的实时监控及能耗监测，对异常值做出预警，通过分析处理采集的数据生成各种用电行为曲线指导用户进行经济合理用电。 技术特点 1、实时性指标 常规数据查询响应时间＜10s；90%界面切换响应时间≤3s，其余≤5s；计算机远程网络通信中实时数据传送时间＜5s。 2、并发指标 支持300用户同时在线，并发要求达到100用户以上，并同时满足以下指标：常规数据查询响应时间≤15秒；主要节点CPU负载≤80%。 3、可用性指标 年可用率≥99.5%。负载率指标：在任意30分钟内，各服务器CPU的平均负荷率≤80%；在任意30分钟内，人机工作站CPU的平均负荷率≤80%；在任意30分钟内，主站局域网的平均负荷率≤80%。 4、存储容量指标 数据在线存储容量满足12个月以上数据存储需求。

洁净厂房作为高洁净度生产场景的核心载体，其选址规划、厂区布局、主体建设与配套设施设计，直接决定了生产环境的洁净可控性与产品质量安全。为从源头规避污染风险、保障洁净生产体系长期稳定运行，结合行业合规要求与工程实践经验，对洁净厂房全流程建设核心要求进行系统化规范与细化明确如下： 一、洁净厂房选址核心要求 洁净厂房选址应遵循 “源头防控、合规优先、风险可控” 的基本原则，优先选择环境清洁、无显著污染隐患的区域，从地理区位上杜绝外源污染物对生产环境的侵扰，核心管控要求如下： 污染源防护距离管控洁净厂房选址应与各类有毒有害场所及其他污染源，保持不低于 25 米的最小卫生防护距离，确保生产环境不受外源污染物污染。其中污染源特指可能产生病原性微生物污染、严重危害性污染物的场所，主要分为三大类：一是工业扩散性污染源，包括化工厂、水泥厂、石材加工厂、石灰厂、冶炼厂、危险化学品生产仓储企业等，存在持续性粉尘、有毒有害气体、放射性物质及其他扩散性污染物隐患的场所；二是固体废弃物与环卫污染源，包括生活垃圾、工业固废的收集、存放、中转、处置全链条场所；三是生物性污染源，包括畜禽屠宰场、规模化畜禽饲养场、公共厕所、集中式污水处理设施等易滋生病原微生物、产生恶臭污染的场所。 选址环境底线要求厂区严禁选址于对食品、药品、精密元器件等生产产品存在显著污染风险的区域，厂区周边不得存在有毒废弃物处置点、持续性粉尘排放源、有毒气体扩散源、放射性物质存放点等无法通过防控措施消除的扩散性污染源。选址阶段应同步评估区域常年主导风向，优先将洁净厂房设置于污染源的常年主导风向上风向区域，避开下风向污染扩散带，最大程度降低大气污染物侵入风险。 不可规避污染源的防控要求若区域内各类污染源难以完全避开，必须开展专项污染风险评估，并配套设置可靠、有效的污染防范措施。包括但不限于设置全封闭物理隔离围挡、高密度防护林带、强化净化新风系统的多级过滤等级、调整新风取风口位置与高度等，经技术验证可彻底清除污染源对生产环境造成的影响，杜绝交叉污染风险后，方可开展后续建设工作。 二、厂区总平面布局与环境管控规范 厂区整体布局应遵循 “功能分区清晰、动线合理分离、污染全程防控” 的原则，实现厂区全域环境的闭环管控，核心要求如下： 功能分区与交叉污染防控厂区应按生产属性、洁净等级、使用功能，明确划分洁净生产区、辅助生产区、仓储物流区、办公生活区四大功能板块，各区域边界清晰、动线独立，严禁交叉设置。其中生活区与洁净生产区必须保持足够的防护距离或完全物理分隔，生活污水、生活垃圾处置设施、餐厨区域等，应远离洁净车间设置，杜绝生活源的生物性、化学性污染物向生产区域扩散。厂区人流、物流、污流应设置独立通道，顺向流转不折返、不交叉，从厂区全局规避交叉污染风险。 厂区全域环境与虫害防控厂区应保持全域环境整洁，无裸露垃圾、无积水洼地、无卫生死角，从源头消除鼠类、蚊蝇、蟑螂等病媒生物的孳生条件。生产场所周边不得设置易导致虫害大量孳生的潜在场所，若厂区周边存在此类风险源，必须配套设置全封闭物理隔离屏障、常态化虫媒监测体系与无害化消杀方案，确保洁净生产环境不受生物污染侵扰。 厂区道路与绿化管控厂区内主干道、支道及生产区周边道路，应全部采用混凝土、沥青等硬质材料铺设，路面平整密实、无破损、无扬尘、无积水，确保人流、物流运输过程不产生二次粉尘污染。厂区绿化应遵循 “防污染、防虫害、低干扰” 原则，绿化植被与洁净车间外墙、新风取风口应保持不小于 5 米的安全距离；优先选择无飞絮、无花粉扩散、易养护的常绿品种，严禁种植易滋生虫害、产生大量花粉 / 飞絮的植物。绿化区域应设置完善的灌溉与排水系统，定期开展修剪、养护与病虫害防治工作，杜绝绿化区域成为虫害孳生地与粉尘污染源。 三、厂房与洁净车间主体建设要求 厂房与洁净车间的建设规模、功能布局、洁净等级设计，必须与生产产品的品种、生产批量、工艺要求及行业合规标准完全适配，核心要求如下： 空间适配与作业区划分厂房应具备与生产规模相匹配的建筑面积与空间尺度，根据生产工艺流程、洁净度级别要求，合理划分洁净作业区、准洁净区、一般生产区、辅助作业区等功能区域。工艺布局应遵循 “由低洁净度向高洁净度逐级过渡” 的原则，减少洁净区域的非必要开口，各区域动线顺向不交叉，杜绝生产过程中的交叉污染。洁净车间的空间尺度应同时满足生产设备安装、人员操作、物料流转与净化系统运行的双重需求。 关键功能区域物理分隔厂房内设置的检验检测室、原辅料暂存区、成品仓储区、工器具清洗消毒区等，必须与生产作业区域（尤其是高洁净度生产区）进行严格的物理分隔。其中检验室应独立设置，与生产区域完全分隔，检验过程中产生的废液、废弃物、微生物培养物等，应设置专用的处置通道与无害化处理设施，严禁检验区域的污染物回流至生产区域，造成产品污染。 建筑结构基础规范厂房建筑结构应具备良好的密闭性、保温隔热性与结构稳定性，洁净车间的墙体、地面、顶棚应采用平整光滑、无裂缝、不积尘、易清洁消毒、耐腐蚀的合规材料，符合洁净生产环境的建筑规范要求。车间门窗应采用密闭性良好的材质，配套设置防虫、防尘、防鼠设施，洁净区域的门窗不得直接向非洁净区域开启，确保洁净环境的密闭可控。 四、净化系统配套空间与建筑条件专项要求 洁净车间的净化空调系统、送回风管路等核心设施，对厂房建筑本体条件有明确的专项要求，需在厂房设计与选型阶段同步规划、提前预留，保障净化系统稳定达标运行，核心要求如下： 车间层高与竖向空间预留洁净车间的楼层净高，需结合净化系统送回风管道管径、安装空间、吊顶内障碍物（消防管线、结构梁体等）的高度综合核算，楼层最低有效净高，即障碍物底部至地面的净距，必须满足通风管道安装、设备布置与后期检修的最小空间要求。送回风主管道的管径，需根据车间设计洁净等级、换气次数、所需总风量进行精准水力核算，同步预留管道保温、支吊架安装、检修操作的冗余空间，严禁因层高不足导致风管管径压缩、风量不足，进而影响洁净车间洁净度达标。常规非单向流洁净车间，吊顶内风管安装区域的净空高度不宜低于 1.2 米，车间完成面净高需同时满足生产设备安装与人员操作需求。 净化空调机组安装空间预留净化空调系统分为室外机组与室内洁净送风柜（空气处理机组 AHU）两大核心部分，厂房选型与设计阶段必须同步预留对应安装空间。其中，室外空调机组的安装位置，需具备良好的通风散热条件，远离粉尘、油烟、废气排放口与新风取风口，预留机组安装、检修、维护的充足操作空间，同时需提前规划机组运行的降噪减震措施，避免对周边环境与洁净车间造成振动与噪声影响。室内洁净送风柜应优先设置在专用的净化空调机房内，严禁直接设置在洁净生产区域内，机房位置应靠近洁净车间，缩短送风管路长度，降低风量损耗与冷量损失。 专用净化空调机房设计要求厂房总建筑面积规划中，除生产所需的洁净车间、辅助区域面积外，必须根据净化系统的冷量需求、机组规格、管路排布，预留独立、专用的净化空调机房。机房的面积、层高、承重荷载，需与空调机组、水泵、水箱、配电控制系统等设备的尺寸与运行参数完全匹配，同时预留设备检修、管路更换的操作空间。机房应设置完善的通风、排水、降噪、减震设施，满足设备长期稳定运行的环境要求，严禁将机房与生产区域、仓储区域合并设置，杜绝设备运行产生的粉尘、噪声、振动对洁净生产环境造成干扰。 送回风管路系统的建筑适配洁净车间的送回风管道布局，应在厂房建筑结构设计阶段同步规划，提前预留主管路的穿梁、穿墙孔洞，规避结构柱体、消防管线、给排水管线等障碍物对管路排布的影响。回风系统的设计需结合车间布局，合理设置回风夹道、回风竖井，预留对应的建筑空间，确保送回风系统的气流组织均匀，满足洁净车间的洁净度、温湿度、压差控制要求。 本规范所有技术要求，除满足上述条款外，还应符合《洁净厂房设计规范》GB 50073、对应行业生产质量管理规范（如食品生产通用卫生规范 GB 14881、药品 GMP 等）的国家现行标准要求，实现合规性、安全性与实用性的统一。

由于受到云、气溶胶等不利天气的影响，基于热红外遥感反演的地表温度数据存在空间不连续问题，阻碍了地表温度产品的实际应用。

基于三维数字化信息管理系统的健康管理和3D打印云平台 卫生行业信息化建设已经走过了二十多个年头，IT 技术的应用越来越成为卫生行业前进必不可少的助推器，IT 技术的应用正在走向如何利用信息化技术提高医疗质量减少医疗差错，如何利用信息化技术进行医疗服务的创新，如何将分散的医疗资源整合，为人民提供更安全更完整的医疗服务。基于远程影像会诊（

一种大规模并发数据流处理系统及其处理方法,涉及数据处理技术领域,所解决的是提高流处理器处理效率的技术问题.该系统包括数据流单元缓冲区,数据流单元聚类队列池,数据流单元映射表,流处理器池,数据流读取部件,DSU聚类分配部件,任务调度部件,计算后处理部件,所述流处理器池由多个GPU构成,其中数据流读取部件用于将并发数据流写入数据流单元缓冲区,DSU聚类分配部件用于对数据流单元缓冲区中当前被处理的数据流单元进行分类,任务调度部件用于将数据流单元聚类队列池中的就绪队列加载至流处理器池中的GPU上执行流计算,计算后处理部件用于将GPU的计算结果返回到数据流.本发明提供的系统,能提高流处理器的处理效率.

本书共11章,第1章阐明了研究背景与意义,国内外研究现状,研究对象概况,三维建模技术方法;第2~6章分别介绍了海清寺的阿育王塔,万年宝鼎,关圣帝君像,浮雕长廊三维建模的技术方法;第7~9章分别介绍了淮海工学院苍梧校区的欣园亭,化工工程学院实验楼,测绘工程学院集中办公区三维建模的技术方法;第10~11章分别介绍了石灰岩矿与地质灾害体的三维建模与应用技术方法.

2020年1月30日，天津大学生物信息中心新型冠状病毒基因组注释数据库上线，并纳入中国国家基因组科学数据中心向全球开放服务。天津大学生物信息中心的高峰教授、罗昊博士采用已研发的ZCURVE_CoV系列软件对包括新型冠状病毒(2019-nCoV)在内的两千余株冠状病毒的基因组进行了基因识别和酶切位点预测，并以数据库(ZCURVE_CoV Database)的形式提供网上服务。

为服务社会大众了解疫情走势，并为相关部门提供决策支持，北京航空航天大学北航大数据与脑机智能高精尖创新中心刘旭东教授、胡春明教授、李建欣教授等组织师生，与复杂系统可靠性实验室李大庆研究员联合组成团队，全力投入建模和系统研发，已向决策部门提供疫情数据评估与预警报告、区域物资保障评估专项报告等，并迅速开发“新冠肺炎疫情数据导航服务”平台，数据单日访问量近 5 万次。此外，中心还进行新型冠状病毒的疫情评估与预测报告并开发疫情实时更新系统。中心对疫情现状进行分析和预测，为公众提供及时、准确的疫情态势分析、走势预测、舆情动态和政策措施等智能数据服务，实现全国及重点城市日度传播系数计算、短期确诊人数预测和长期疫情拐点与结束日期预测、疫情缓解系数评估等功能。此外，大数据与脑机智能高精尖创新中心研究团队根据疫情确诊患者相关公开数据，利用自然语言处理等技术，从已公开全国各省市直辖区四千余位确诊患者轨迹中抽取了基本信息(性别、年龄、常住地、工作、接触史等)、轨迹(时间、地点、交通工具、事件)及病患关系形成结构化信息。同时开发确诊患者轨迹可视化查询与分析系统，为疫情传播与防控相关研究提供有效支撑。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。