一、平台概况 数字农业大数据平台（以下简称“平台”），是面向各地农业农村局及其相关科室的数字农业大数据产品。 平台以农业信息化数据大集中为原则，通过整合全区农业数据资源及农业信息化设施，统一管理、统一部署、统一规划，搭建起包含“底层数据+业务系统+终端应用+分析系统+可视化系统”的区域数字农业产品体系，为实现区域农业信息汇集、区域农业现状掌握、农业发展指导及监管提供了有力的信息化支撑。 二、产品简介 平台涵盖GIS、产业结构、农业社会化服务、农机信息、乡村振兴、美丽乡村、科技农业、质量安全、综合预警、农村经济、品牌农业、一卡通12个模块，针对区域农业中重点关注的内容，从多个维度对相关数据进行可视化分析，结合当地农业特色，全面展示当地的农业发展面貌。 三、详细介绍

小试阶段/n大数据监控管理平台的目标为：建立基于大数据处理技术的数据中 心，整合各种数据源的数据；实现多源数据的高效管理和可靠存储；为 应用开发人员提供统一的数据访问层，方便平台的二次应用开发；提供 图形化的文件管理；实现界面化的数据管理；提供图形化的集群的部署 和监控；实现方便高效的数据迁移。同时，提供有效的安全访问控制和 界面化的快捷操作。 当前各行各业均有大数据应用的需求，需要投入巨大的人力、物力 来简历和维护大数据平台，技术升级和平台迁移的成本非常高，大数据 监控管理平台的应用，将在大数据应

针对国家大数据战略的重大需求，着重发展了空间大数据、互联网大数据等研究方向，攻克了深度挖掘和深度分析等关键技术，显著提升了数据挖掘精度和智能化水平，利用这些技术研发了气象短临预报系统、国产气象卫星自定标模型、通用数据挖掘平台DMBOX、华为应用市场推荐系统和深圳海关自动检验检疫系统等，解决了智慧气象、企业应用和智能通关等领域的实际应用问题，获得了重大的社会和经济效益。

爱学堂教学大数据展示平台是专为高校教研开发的数据挖掘分析应用系统，致力于对学校教学中互动数据、学生行为数据、教学数据的科学分析，用数据让校方把控教改方向，让教师科学制定教学方案，让学生精准认知自我。

智慧墙通过挖掘分析图书馆服务应用数据实现可视化输出，能够实时展示图书馆动态信息数据，形成高价值信息网，将图书馆的信息数据第一时间展示在公众面前，实时进行互动，使阅读变得社交化，提高图书馆社会效益。

1、自动采集老师教学，学生学习数据，每节课提供44项以上教学数据记录 2、自动推送教师教学报告、学生学习报告、生成学校课程运行报告 3、可视化教学数据驾驶舱：满足校级，院级，老师，学生多维度的数据展示 4、实现教学过程从定性分析向定量分析的转变 5、提升学校对教学质量的精确评价和精准控制 6、促进教学模式的提升，让学校教学管理更科学化

本实用新型公开了一种养殖场猪粪处理系统，包含猪舍、粪便收集池、粪便烘干机、粪液存储池，所述粪便收集池和粪液存储池均设置在猪舍的底部，所述粪便收集池的内部下端设置有粪便沉淀装置，所述粪便收集池的下端通过排液管一与粪液存储池的下端进液口连接，所述猪舍的上端设置有粪便烘干机，所述粪便烘干机的一端与粪便收集池之间连接有进料管，所述进料管上设置有抽粪泵；本实用新型结构简单，设计合理，先将粪便进行沉淀处理，然后通过粪便烘干机进行烘干处理，处理后的粪便污水进行杂质过滤后即可用于农作物的灌溉，烘干的粪便通过粪便输送装置进行输出，可进行打包封袋处理，有效减少环境污染。

ZH-JCT集成化信息化信号采集处理系统集成了可移动实验平台、生物信号采集处理系统、生命维持系统、环境温度检测系统。 可进行实验信息化管理，运用于各项生理学、药理学、病理生理学等实验。

  简单介绍： ZL-620U医学信号采集处理系统采用小巧薄型的外置式结构。即适用于笔记本电脑，也适用于台式电脑。与计算机接口：USB2.0。由于系统内部A/D采集部分采用了独立的电路板（在外置机箱内），因此以后无论计算机的接口技术如何发展，仪器均可通过更换A/D采集器模块和相应软件适应计算机的发展，仪器升级十分方便。刺激器采用了光耦合全隔离系统、ECG具12种导联模式。 详情介绍： 硬件技术指标：1.仪器采用小巧薄型且抗干扰电源一体化外置式结构,电源交流220V，除机箱内置变压器外，外部无需接任何变压器，从而确保仪器在做任意生物电实验时，无须外接任何地线都能确保其显示的生物电信号的清晰和准确。从而保证本机抗干扰性能及准确度。2.仪器具有4个通道（八道为8个通道），所有通道均为多功能全程控隔离型放大器。每一通道的放大器均可作生物电放大器、血压放大器、桥式放大器使用，还可作肺量计、温度计等。且每个通道拥有独立的硬件模块，互相独立，大大加大了通道间的抗干扰能力，同时也为仪器养护维修带来了很大方便。3.采用高精度16位A/D转换芯片，单通道硬件*高采样率1000KHz。硬件*低采样率0.01Hz。四通道连续采样时*高采样频率200kHz ，且实时采样的过程中可以根据需要来改变采样率。4.扫描速度：0.05ms/div~3200s/div。5.放大器输入电阻≥１００MΩ（双端输入）及5０MΩ（单端输入）、共模抑制比≥100dB、噪音≤±1μＶ(RMS)或≤±3μＶ（P-P)。6.频响：DC~20kHz。7.输入范围：5μＶ~500mV。8.灵敏度：  a)生物电模式：20uV/div~500mV/div   b)血压模式3.6-360(mmHg/div)   0.36-180(mmHg/div)(高灵敏度换能器)9.交、直流具有相同的增益：量程500mv、200mv、100mv、50mv、20mv、10mv、5mv、2mv、1mv、500uV、200uV、100uV、50uV、20uV、10uV档可调；可直接输入10V电信号而放大器不饱和。10.低通滤波（硬件）：0.3 Hz、 3 Hz 、10Hz、30Hz、100Hz、500Hz、1kHz、3kHz、10 kHz、OFF（20kHz）。具有5阶以上的滤波方式。11.时间常数（硬件）：0.001s、0.002s、0.02s、0.2s、1s、5s、DC。12.光电隔离程控刺激器的主要技术要求：具备单刺激、串单刺激、连续单刺激、双刺激、串双刺激、连续双刺激、定时刺激、强度递增刺激、频率递增刺激、波宽递增刺激、强间隔递增刺激、自动串双刺激等刺激模式。*大负载电流：100 mA、具备正电流、负电流输出方式，满足国家对实验安全用电标准、不会因为误操作导致电击。输出电压<=50V，以满足国家安全用电标准。13.数字滤波模式：    1）滤波参数可调的高通、低通、带通、带阻。    2）有阶数可调的零相移数字滤波。14.硬件系统包含ECG全导联导联卡，每个通道均可作12种导联方式的心电图，导联切换方式可程控，导联方式共12种： Ⅰ、 Ⅱ 、Ⅲ、aVR、 aVL、 aVF、 V1、 V2、V3、V4、V5、V6。13.实验环境数据检测功能，可以在实验信息中测量并添加当前实验的环境温度、大气压、湿度，做为仪器实验的环境参数。14.可配套医学网络管理教学系统，进行实验室网络化教学。   软件技术性能：1. 智能式，一体式设计2.具有监听和记滴功能，记滴具有专用的分析计数软件。3.单台设备之间可以任何组合并构成新的8~16通道记录仪，并拥有独立的8通道和16通道软件。软件可任意设定1~16个显示通道（5~16通道用于分析）。4.包含生理、药理、病理生理实验项目，实验项目数不少于50个；并可根据用户需要自行无线扩展实验项目（自己定义参数）。具有灵活的量纲转换功能，由数据库对各类实验的零位、量纲转换比例、实验参数等各类参数进行存储，并灵活快捷的调用修改。5.支持波形数据导出功能，可被Matlab，Spss，Sas等软件打开。可定制开放数据接口，对软件进行二次开发。用户可自己编写软件对实验波形数据进行采集，记录，分析。6.支持外刺激捕捉模块、和血压血氧监测仪同步显示。微循环同步视频显示、记录；并可与视频视教系统配套使用。将生理信号和视频信号同步记录，并支持同步回放。7.具有数据分析功能：积分、微分、频率直方图、序列/非序列密度直方图和二维和三维频谱分析等。8.软件集成专用药理分析工具箱，集成多种药理分析工具，如：PA2的计算， 使用Bliss法完成的LD50计算，t检验计算.回归分析等。具备心电自动统计分析功能。具备心率变异性（HRV）分析功能。具备心肌细胞动作电位、LTP、脑电、细胞及神经放电的专用测量分析功能。具备心电、血压、心室内压、脉搏、呼吸等动态自动测量功能。作定量的呼吸流量测量及呼吸力学指标测定功能、并可做运动肺通气测量。9.数据结果导出、导入、备份、保存功能和数据断电恢复功能。数据测量结果能够以数据浮动板或通道内显示方式显示。软件具备波形声音回放功能，将实验波形以音频的格式播放。（如减压神经放电，心音，耳蜗微音器电位等实验的声音还原）。10.软件可配套英文版软件，适用于对外教育。具备上下文帮助系统。11.软件具备拆分示波功能（即左视功能），用于在记录过程中、可以随时观察已经记录的波形，并可对齐进行相关数据分析。12.WINDOWS传统软件界面，支持XP、WIN7/8/10操作系统。主要配件：（可根据用户需求改变附加配置）1-主机一台；2-生物信号采集处理系统分析软件1套；3-USB2.0信号线配件 1根；4-屏蔽保护生物电信号输入线2根;刺激输出线1根;记滴输入线1根。

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。