数据资源中心主要用于维护系统分析所用的数据源、构建数据模型、新建视图，并进行数据权限分配与管理。师生可以根据实验和实训需求，自定义新的数据源，作为学生实验练习的数据。同时也满足教师科研项目需求，对接各类科研数据。支持数据按人员、按类型进行分类，确保满足不同数据的精准使用要求，也保证教学与科研的顺畅进行。1、 数据管理数据源管理支持多种类型数据源添加、API数据接口配置；数据模型支持同一数据源下的数据分类管理、元数据管理和维护、数据抽取加速、数据权限设置等功能；模型授权支持将数据模型按照组织机构、角色、组的方式授权给设计用户；总体上来说，数据管理实现各类科研数据的统一接入、管理与权限的按需分配。2、开放数据超市数据超市提供了30多个维度、700多个二级类目、上万个业务标签的全维度业务数据画像，数据总量超过500亿，存储总量超过100T，日均增长超过500万条,为企业采购风控、销售客户评估、AI精准获客、精准招商、投融资、高校科研机构、政府事业单位及各类专业人员提供了企业活力指数评估和全息数据画像，从微观、中观、宏观多方面提供了各类企业数据分析报告、行业趋势报告和相关指数。同时基于国家电网创新应用开发平台、中广核新能源数据价值创新联合体等行业组织，可以精准提供电力、新能源等产业的真实业务数据，为高校相关课题研究提供数据支撑。

基于跨行业数据挖掘标准流程CRISP-DM，实现数据的深度挖掘分析，帮助教师与学生发现数据中隐藏的关系及规律，为教师科研提供数据分析探索、模型构建、成果应用的一站式数据挖掘工具，高效开展行业应用研究。平台支持用户通过简单拖拽、低代码的方式快速完成挖掘分析流程构建。同时支持模型自动化构建、模型智能评估，推荐最优模型与算法。 1、极简的建模过程 基于拖拽式节点操作、连线式流程串接、指导式参数配置，用户可以通过简单拖拽、配置的方式快速完成挖掘分析流程构建。平台内置数据处理、数据融合、特征工程、扩展编程等功能，让用户能够灵活运用多种处理手段对数据进行预处理，提升建模数据质量，同时丰富的算法库为用户建模提供了更多选择，自动学习功能通过自动推荐最优的算法和参数配置，结合“循环行”功能实现批量建模，帮助用户高效建模，快速挖掘数据隐藏价值。 2、丰富的分析算法 内置150多个分析算子，包含30余种数据预处理方法，5种数据融合方法、11种常用特征工程，实现数据融合处理与特征构建；包含聚类、分类、回归、关联规则、时间序列、综合评价、协同过滤等7类N种机器学习算法，支持深度学习、集成学习与自然语言处理等人工智能分析方法，满足各类业务科研场景需求。 3、灵活的扩展能力 支持用户编制SQL\R\Python\Java\Scala\Matlab\PySpark脚本实现个性化的算法脚本。自定义算法功能允许用户通过R\Python\Java\Scala基于平台规范封装自主算法并发布形成平台节点，方便用户灵活扩展平台算法节点功能，增强平台的业务适应能力，充分满足不同领域科研的个性化需求。 4、全面的分析洞察 通过丰富详实的洞察内容，帮助用户全方位观察建模过程任意流程节点的执行结果，为用户开展建模流程的改进优化提供依据，从而快速得到最优模型，发现数据中隐含的业务价值。建模分析报告支持在线查看，并且支持下载可编辑Word版本，支持科研报告及相关成果发布应用。 5、全栈科研成果管理与应用能力 分析成果的快速工程化应用，支持模型以调度任务、异步服务、同步服务、流服务及本地化服务包等形式应用，满足工程化的不同诉求。提供统一的成果分类统计及统一管理监测，帮助用户高效便捷地管理成果、利用成果及监测成果。 6、跨平台模型迁移及融合 支持PMML文件的导入和导出，可以实现跨平台模型之间的迁移和融合，利于用户进行历史模型的迁移，实现用户在不同平台的模型成果快速共享，提升各类科研成果的复用性。    

教学大数据分析展示平台作为专为高校教研开发的数据挖掘分析应用系统，致力于通过对学校教学中的数据的科学采集、存储，智能建模、分析，辅助学院管理员及时把控教学进度，让教师科学制定教学方案，让学生精准认知自我。

研究生论文盲审管理系统，为学院教务管理层提供高效的论文盲审分配机制；协助跟进论文盲审进度及状态，及时有效督促盲审工作开展。专家库建设为论文评审提供了学院专属专家资源库。

实验内容 1、单摆； 2、三线摆； 3、碰撞打靶； 4、李萨如图形； 5、液体表面张力系数； 6、应变力传感器定标及未知物体称重实验。

在加速建设工业互联网的国家战略背景下，培养工业互联网新兴职业人才。针对数据采集、组网通信到协议设计、应用的基础认知到实际项目工程实施等内容进行职业资格认证服务。

面向物联网、电子信息及计算机专业教学。包含硬件设备、软件平台和教学资源库的完整教学实验体系，可应用于相关课程的原理展示、动手实验及综合实训。

项目成果/简介:本服务体系主要依托 SPARROW 模型，它是一款由美国国家地质调查局（USGS）开发的非线性流域污染物评估模型，其介于传统统计学模型与机理模型之间，用于估计流域地表水体中污染物负荷与污染源之间的关系。是美国 TMDL 计划推荐流域模型方法之一。 原始 SPARROW 模型基于 SAS（统计分析系统）平台运行，使用 IML 语言编写，其嵌套的统计模块可以轻松调用非线性加权最小二乘法（NWLS）进行方程的求解，完成所需参数的估计，虽然SPARROW 本身可以免费使用，但是 SAS 平台购买费用不菲，为此我们基于 SPARROW 模型的原理，使用 FORTRAN 语言开发了面向我国特点的具有空间响应特性的水环境管理模型，简化了原SPARROW 模型中不适用于中国的模块，并增加 jackknife 不确定性分析模块，按照中国水环境管理需求补充可能实现的模块，优化模型功能，改善人机交互形式，使数据输入及模型运行更加方便易学并符合中国的数据特点。利用 ArcGIS 生成河网、划分子流域等，提取与整合必要的与流域河流属性相关的输入数据，并利用该平台将模拟结果进行可视化表达。应用范围:模型已应用于东北松花江流域、黄山新安江流域，成功完成对这些地区 N、P、COD 等污染负荷的空间解析，并设置敏感断面（松花江流域的同江断面，新安江流域的跨省断面--街口断面）进行溯源分析，能够为流域（区域）水环境管理决策的制定与实施提供技术支持。效益分析:（1）污染源空间解析：进行各子流域污染源组成比例分布预测以及各子流域的污染来源追溯等，由于监测站点只能评价静态的理化指标，SPARROW 模型则综合考虑流域内的地质地貌、气象要素等，通过监测数据追溯污染来源，分析来自不同污染源的污染量和比例，有针对性地对水质进行控制和管理，找出污染贡献最大的区域加以治理，实现投入产出的效益最大化； （2）面向水质达标的监测站点空间布局优化与设计：利用有限水质监测站点过去一段时间的监测数据外推流域内其他未监测河段 的水质情况，有效解决布设监测站点成本高、监测网络点位数量少、代表性差的问题，通过对流域整体水质状况的预测分析，找出水质较差河段，进而有效优化监测站点的空间设置，为水环境质量达标提供支持。 （3）面向敏感区（达标断面）的削减措施优化：例如海岸带、湖库、饮用水取水区、达标考核断面等，作为考核或评估断面进行污染物传输分析，分析上游各子流域对其污染贡献大小，甄别污染贡献最大的区域，优化管理措施的设置。

本发明公开了一种随机动载荷空间分布及统计特征的识别方法。本发明的方法包括步骤：Ｓ１．开展模态试验，获取结构的模态参数，包括固有频率和模态振型；Ｓ２．将结构随机振动响应利用模态振型展开，获取结构在模态空间的动响应；Ｓ３．利用模态振型展开，将随空间分布的随机动载荷投影到模态空间；Ｓ４．在模态空间内，由随机动响应样本反演随机动载荷样本；Ｓ５．由模态空间内随机动载荷样本及振型函数求解结构上随机动载荷的空间分布和统计特征。本发明能够解决在时域内利用实测结构动响应样本识别结构上随机动载荷的统计特性和分布特征问题，为服役于分布式随机动载荷环境下的工程结构设计与安全评估提供准确可靠的动载荷信息。