目前的高校，数据中心建设存在的大量的问题，难以满足高校在决策、管理、服务、流程优化、业务创新等多方面的要求。为此，急需进行全面的数据治理。通过数据治理可重复的迭代过程，螺旋式上升模型，实现数据资产的不断沉淀、积累和质量的持续提升。 高校数据中台的建设遵循技术与管理的相结合，贯穿在数据管理的过程中。建立科学有效的数据中台体系，对学校各业务系统和数据中心的数据质量实施全程、全域和全员的管理。将数据质量管理以制度化、规范化的方式落实到数据采集、存储、清洗、生成、转化、传递和使用的各个过程环节之中。 方案优势： 1. 多元化的数据管理，真正实现数据全生命周期管理 通过数据中台及数据治理，定位核心数据，将信息数据通过标准化采集、自动化清洗、共享化整合入库等操作最终实现信息标准管理、元数据管理、主数据管理、历史数据管理、数据资源管理、数据安全管理等多元化数据管理场景，真正实现数据全生命周期管理。 2. 高自由度组合，打破固有局限 以信息化建设为基础，通过数据中台体系，对于信息标准、元数据、公共数据、数据交换、数据质量检测进行统一规划管理，同时所有产品功能模块可独立或按需组合，支持多种自定义模式，突破原有的固定局限，满足用户不同的数据中心建设需求。 3. 数据监控运维一览，实现可持续数据治理 通过统一监控与运维平台，实现主动监控、集中管理的方式，满足对于数据标准、数据采集、数据质量检测、数据内容等可视化监控与一站式管理，降低了人工运维成本，实现运维水平和可持续维护能力的效果。

建设专业的大数据实践教学平台，提供多样的实践教学环境和算力支持。 提高大数据专业建设水平，丰富大数据教学资源和提高专业能力。 链接产业，转化和对接企业级大数据项目案例、数据集并做到及时更新。 提供师资工程能力，提供充足的大数据专业师资和技术支持服务。

本发明公开了一种基于 QPSK 信号调制的射频水印嵌入和提取 方法，方法包括以下步骤：射频水印信号嵌入步骤：将水印信号转化 为水印码元序列并和分段后的载体码元序列根据各自的信号幅度进行 叠加，叠加后进行 QPSK 调制发射；射频信号的解调步骤：将收到的 QPSK 信号进过降频、归一化处理得到的信号对比标准星座图，得到 载体码元；射频水印信号提取步骤：将归一化采样信号与载体码元的 差值作为水印提取的原始数据，从此数据中解调出水印实部和虚部的 两路水印，在通过符号函数判决水印结果。本发明还提供了实现上述 方法的系统。本发明通过在底层的物理信号中添加射频水印信号，丰 富了数字水印隐藏方法。

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

DNA编码化合物库的设计及筛选是当前新药发现领域最前沿的技术之一，这种筛选是将目标靶点蛋白和整个DNA编码化合物库（亿级）进行筛选。筛选体系中，数量巨大的化合物对同一靶标蛋白竞争性结合，而非传统的单个化合物逐一筛选，因此这样的筛选方式在速度和成本上具有显著的优势；其次，DNA编码化合物库具有非常大的库容量（百万到数百亿数量级），可以涵盖更为广泛的化学空间，对于一些用传统方法难以筛选的靶点，如蛋白-蛋白相互作用靶点，DEL技术已经显示出巨大的潜力。目前DEL技术凭借其库容量大、筛选速度快的特点，已成为化合物筛选的主流方法之一。当前，大型跨国制药公司都已采用DNA编码化合物库技术进行药物发现的研究。众多基于该技术的新兴生物科技公司/平台涌现出来，如Ensemble therapeutics、X-Chem、DiCE Molecule、NuEvolution、Philochem、先导药业、劲宇生物和药明康德（DEL平台）等。  硒是一种非金属化学元素，位于化学元素周期表中位于第四周期VI A族（第34号元素）。硒在自然界的存在方式分为两种：无机硒和植物活性硒。无机硒一般指亚硒酸钠和硒酸钠，从金属矿藏的副产品中获得；植物活性硒是由硒通过生物转化与氨基酸结合而成，一般以硒蛋氨酸的形式存在。硒可用作光敏材料和电解锰行业催化剂，也是动物体必需的营养元素和植物有益的营养元素等。作为一种多功能的生命营养素，硒常常用于肿瘤癌症克山病大骨节病、心血管病、糖尿病、肝病、前列腺病、心脏病、癌症等40多种疾病，广泛运用于癌症、手术、放化疗等。

本发明公开了一种批量快速创建文件系统元数据和数据的方法， 具体针对预知的工作集，例如目录拷贝，压缩文件解压操作等，在保 证文件系统可靠性的前提下，首先对元数据区域的超级块、块组描述 符、数据位图、Inode 节点位图三种元数据进行修改。然后依次按照操 作的顺序将 Inode 节点信息和数据分别写入元数据区域和数据区域。 根据本发明的方法，首先，使得系统避免了元数据页面写回引入的频 繁随机的小写问题；其次，增加了写延迟

本发明公开了一种基于图数据处理系统的数据并行访问方法， 所述方法包括以下步骤：S1、载入图数据至内存，将图数据各节点平 均分配至各处理器上并行处理；S2、各处理器调用图算法并行处理分 配至自身的图数据节点，处理过程中对图数据节点进行原子性读写； S3、将经图算法处理后的所有图数据节点写回至硬盘形成完整图数据， 判断所有图数据节点是否均收敛，如果收敛，则流程结束；如果不收 敛，则返回步骤 S1 进行下一次循环直到写回至

当前，高校内部学院、部门网站更新不及时，僵尸网站、发布内容存在不规范用语、错别字等情况较为普遍，造成了很大的安全风险。由内蒙古财经大学自主开发的“镜湖一号——高校对外宣传数据智能分析平台一体机”，很好的解决了上述出现的问题。同时，还具备了呈现学校对外宣传数据数据分析与挖掘的可视化态势展现功能，支持大屏观看和手机端查看。“镜湖一号”基于高校对互联网发布的各类数据，使用人工智能和大数据分析技术设计应用模型，让学校的管理者实时掌握数据动态。 应用场景及创新点： 1.监控敏感信息泄露，展现处置状态。 2.代替人工发现更新不及时、不到位的网站。 3.对比分析高校党建态势，同时展现学校内部各部门党建状态和成果。 3.实时展示高校发布的宣传数据态势，分析出最受欢迎、热门文章等。 4.平台支持国产化平台部署。 5.实现一体机快速部署。