“大數(shù)據(jù)”及其在排水領域的應用的思考36(存儲版)
【正文】 必要性 24 排水和大數(shù)據(jù)結合？ ?通過統(tǒng)計塑料管檢測數(shù)據(jù)預測哪個品牌的管材質(zhì)量更容易出問題； ?通過分析多個水樣中各種重金屬之間的相關性確定 Zn為水樣中重金屬特征指標，可以減少重金屬檢測指標和工作量； ?淹易淹易澇區(qū)域風險評估及改造方案：運用管網(wǎng)、下墊面和降雨等大量基礎數(shù)據(jù)，通過徑流模擬算法、管流模擬算法和二維地表漫流模擬算法，運算量大。 其他案例 22 大數(shù)據(jù)如何解決問題？ ?通過記錄和分析北京市出租車兩年的 GPS數(shù)據(jù)，微軟亞洲研究院的謝幸及其同事可以向司機提供不同時段的最佳出行路線。再將得出的預測與 2023年、 2023年美國疾控中心記錄的實際流感病例進行對比后，谷歌公司發(fā)現(xiàn)，他們的軟件發(fā)現(xiàn)了 45條檢索詞條的組合，將它們用于一個特定的數(shù)學模型后，他們的預測與官方數(shù)據(jù)的相關性高達 97%。 ?CompStat現(xiàn)已在全美推廣使用。它丌僅使世界充斥著比以往更多的信息，而且其增長速度也在加快。 4 什么是大數(shù)據(jù)？ Q4： 大數(shù)據(jù)的就是數(shù)據(jù)多、數(shù)據(jù)大？ Q5： 數(shù)據(jù)多大算大？ Q6： excel算一算，畫畫圖表算不算大數(shù)據(jù)？ 5 什么是大數(shù)據(jù)？ 6 大數(shù)據(jù)時代的到來 區(qū)別一： 數(shù)據(jù)采集變得更容易 通訊記錄；上網(wǎng)記錄；信用卡消費記錄；手機定位信息；各種傳感器；各種手環(huán) 區(qū)別二： 網(wǎng)絡升級，光纖，數(shù)據(jù)傳遞變得高效容易 移動 2G的理論網(wǎng)速 48Kb/s 移動 3G的理論網(wǎng)速 350Kb/s 移動 4G的理論網(wǎng)速 區(qū)別三： 單位數(shù)據(jù)存儲成本大大降低 7 大數(shù)據(jù)時代的到來 8 大數(shù)據(jù)時代的到來 區(qū)別五： 計算能力得到飛速發(fā)展，云計算，廉價， 10萬億次 /秒 區(qū)別四： 統(tǒng)計學、應用數(shù)學和計算機科學的大發(fā)展 A/B Testing；關聯(lián)規(guī)則分析；聚類分析；遺傳算法；神經(jīng)網(wǎng)絡；預測模型；模式識別；時間序列分析；回歸分析；系統(tǒng)仿真；機器學習；優(yōu)化；空間分析；社會網(wǎng)絡分析；自然語言分析 9 大數(shù)據(jù)時代的到來 ?小大數(shù)據(jù)時代解決一些相關問題更多依靠部分樣本調(diào)查方法，在處理很多問題時有局限性，大數(shù)據(jù)時代全樣本分析變得可能 ?龐大的數(shù)據(jù)庫有著小數(shù)據(jù)庫所沒有的價值 ?大數(shù)據(jù)時代是一個有海量數(shù)據(jù)的時代，應用數(shù)學已經(jīng)取代了其他的所有學科工具。 大數(shù)據(jù)時代的到來 12 4V 體量 Volume 多樣性 Variety 價值密度 Value 速度 Velocity 非結構化數(shù)據(jù) 的超大規(guī)模和增長 總數(shù)據(jù)量的 80~90% 比結構化數(shù)據(jù)增長快 10倍到 50倍 是傳統(tǒng)數(shù)據(jù)倉庫的 10倍到 50倍 大數(shù)據(jù)的異構和多樣性 很多不同形式（文本、圖像、視頻、機器數(shù)據(jù)） 無模式或者模式不明顯 不連貫的語法或句義 大量的不相關信
教學課件相關推薦
鄂ICP備17016276號-1