深圳大学与中兴网信长期保持深入合作，积极探索产学研新模式，通过在健康大数据领域的持续研究与实践应用，为国家健康医疗战略、医学实践及全民健康管理提供大数据驱动的决策支持。在《基于物联网的多维健康数据智能平台关键技术及应用》项目，中兴网信将深圳大学科研成果进行转换，构建了基于物联网的多维健康数据平台，通过便携式智能医疗终端、移动互联端以及大数据云平台，紧密联结患者与医生、医院，有效地缓解医疗资源紧张等问题，通过多维健康数据分析，有效地保障了高危人群健康。项目构建了基于物联网的多维健康数据平台，通过便携式智能医疗终端、移动互联端以及大数据云平台，紧密联结患者与医生、医院，有效缓解医疗资源紧张等问题，通过多维健康数据分析，有效保障高危人群健康。相关技术内容包括基于协同感知技术的智能移动医疗终端及协同滤波研究、基于移动网络切分优化理论的网络优化及安全研究、基于多维异构医疗大数据的分析诊断云平台构建、应用系统开发及成果产业化。

深圳大学与中兴网信长期保持深入合作，积极探索产学研新模式，通过在健康大数据领域的持续研究与实践应用，为国家健康医疗战略、医学实践及全民健康管理提供大数据驱动的决策支持。在《基于物联网的多维健康数据智能平台关键技术及应用》项目，中兴网信将深圳大学科研成果进行转换，构建了基于物联网的多维健康数据平台，通过便携式智能医疗终端、移动互联端以及大数据云平台，紧密联结患者与医生、医院，有效地缓解医疗资源紧张等问题，通过多维健康数据分析，有效地保障了高危人群健康。项目构建了基于物联网的多维健康数据平台，通过便携式智能医疗终端、移动互联端以及大数据云平台，紧密联结患者与医生、医院，有效缓解医疗资源紧张等问题，通过多维健康数据分析，有效保障高危人群健康。相关技术内容包括基于协同感知技术的智能移动医疗终端及协同滤波研究、基于移动网络切分优化理论的网络优化及安全研究、基于多维异构医疗大数据的分析诊断云平台构建、应用系统开发及成果产业化。项目共发表高水平论文56篇，其中中科院一区论文13篇，ESI高被引论文5篇，获广东省创新创业金博奖、全国创客大赛冠军等奖项。目前项目理论成果与专利技术已应用转化，2016-2018年项目收入6.95亿元，间接经济效益16.31亿元。授权中兴的产品在广东、山西等全国13个省市应用推广，同时在东南亚、非盟等“一带一路”国家与地区推广使用；研发的云伴妇幼平台，2014年起在广东、江西等100多家省市各级医院使用。疫情期间，项目保障慢性病、妇幼等众多高危人群的健康，获得了很好的社会声誉。

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。

产品详细介绍互联网+大数据智能书柜教学实训系统 一、 概述智能书柜是以智慧图书柜或微型智慧图书馆为载体，可以广泛的在校园、公司写字楼、商场、社区、公园等地方使用，比如放置在校园的各个角落，如教学楼每层走廊、每间教室、宿舍楼等地，无需专门的图书管理员，学生可以随时随地快速方便的进行图书借还操作，而且校园内的所有图书可以随意流通借还，是传统图书馆功能在使用空间和时间上的扩展，是实现阅读无处不在、阅读触手可及的基础平台。互联网+大数据智能书柜是以智能书柜为硬件平台，综合了互联网数据传输、云大数据处理功能，通过在图书上粘贴RFID标签，利用智能书柜里面的RIFD读写器和RFID天线对图书标签自动实时识别，实现图书批量自助借还、智能盘点、智慧拣选、图书防盗等一系列智能化的图书管理，结合云平台大数据分析挖掘，实现精准图书采购、个性化指导学生借书种类和阅读时间，构建阅读学习成长模型。互联网+大数据智能书柜基本组成部分如下：第一部分：感知层和控制层，包括RFID图书信息采集模块、RFID人员身份信息采集模块、二维码信息采集、摄像头信息采集和控制、电控锁控制模块等；第二部分：传输层，包括有线网络传输、无线网络传输，如WIFI、4G等；第三部分：应用层，主要是智能书柜应用软件功能；第四部分：云服务器大数据处理，主要是大数据挖掘分析功能。这四部分功能，结合配套的相关设备，使互联网+大数据智能书柜成为用RFID等物联网技术手段改变图书馆传统借阅、阅读环境的典型应用。互联网+大数据智能书柜教学实训系统是用于研究RFID等物联网技术实现典型应用的平台，完成RFID等物联网技术从技术到实现典型应用相关的教学和学习13965501553

研制背景：企业数据处理与数据分析需求在扩大，数据投入在持续增加；数据种类多，数据量大，潜在价值高；使用者难以有效地操作使用；业务复杂，调参静态组合参数过程繁琐； 平台技术： 微服务的构建方式，微服务、前后端完全分离。 分布式开发框架——SpringCloud Web开发框架——SpringBoot 、VUE（ELE） 机器学习算法框架——R、Spark集群计算 数据存储工具——Mysql、JPA、Hadoop（集群） 中间件: RabbitMQ

南开深海大数据智能分析平台，是面向公共安全、电子政务、医 疗卫生、金融保险等行业领域的大数据智能分析平台。在处理多源异 构大数据问题上，平台具有先进的信息融合与深度分析技术，其中包 括异质多源行业领域大数据的融合处理、异构行业领域大数据的存储 管理、面向行业领域大数据的深度分析等关键共性技术；此外，平台 为行业领域大数据的智能分析提供支持，有效辅助管理部门感知、响 应、追踪与处理各类事件。已申请相关软件著作权两项:《南开深海行 业领域大数据智能辅助决策平台》、《大数据多任务调度计算平台》。以及相关专利一项：《一种多源异构行业领域大数据处理全链路解决 方案》。 项目特色：  平台提供了多源异构行业领域大数据处理的全链路解决方案， 覆盖了数据的全部生命周期，包括数据抽取、数据转换、数据 加载、数据挖掘、数据存储、数据可视化等步骤。  平台提供了高性能的多源异构行业领域大数据的清洗集成方 法以及特有的三层存储模型，实现了对行业领域信息的实时清 洗、高度融合以及高效存储管理。  平台提供了适用于海量异构行业领域大数据的多层次多维度 数据分析与知识发现方法，此外平台还支持自定义方法，具有 很强的扩展性。  平台提供了集群管理及多任务调度管理的功能，适用于不同级 别的用户群体的使用需求。 

重庆轨道交通从单线运营向线网运营转型，其规模和复杂性提升的同时，也 对轨道交通的网络化管理和运营提出挑战。两路口、牛角沱、大坪等轨道交通站 点经常出现客流过度饱和状态，尤其是工作日早、晩高峰时段、大客流事件和突 发事件情况下。由于缺乏轨道交通路网内详实的客流分布特征和精准的客流预测 手段，运力配置方案、客运组织方案、地铁站内紧急突发事件的预警及疏散方案 也难以有效制定，致使乘客滞留、造成安全隐患。无论是从轨道交通运营安全角度，还是社会经济效益角度，以轨道交通客流 大数据为基础，依托公共交通大数据平台，分析客流分布特征，实现短期客流精 准预测，为运力配置、客运组织、突发事件预警及疏散提供有效保障，指导运营 优化，提高运输效率，控制运营成本，已成为全面提升重庆市轨道交通运营水平 亟待解决的重点、难点问题。

重庆轨道交通从单线运营向线网运营转型，其规模和复杂性提升的同时，也 对轨道交通的网络化管理和运营提出挑战。两路口、牛角沱、大坪等轨道交通站 点经常出现客流过度饱和状态，尤其是工作日早、晩高峰时段、大客流事件和突 发事件情况下。由于缺乏轨道交通路网内详实的客流分布特征和精准的客流预测 手段，运力配置方案、客运组织方案、地铁站内紧急突发事件的预警及疏散方案 也难以有效制定，致使乘客滞留、造成安全隐患。 无论是从轨道交通运营安全角度，还是社会经济效益角度，以轨道交通客流大数据为基础，依托公共交通大数据平台，分析客流分布特征，实现短期客流精 准预测，为运力配置、客运组织、突发事件预警及疏散提供有效保障，指导运营 优化，提高运输效率，控制运营成本，已成为全面提升重庆市轨道交通运营水平 亟待解决的重点、难点问题。 本成果以历史客流数据分析研究为起点，通过轨道交通客流预测，为轨道交通运营优化提供科学依据，以提高轨道交通服务质量，方便市民出行，为重庆市新发展需要创造更大经济效益和社会效益。

南开深海大数据智能分析平台，是面向公共安全、电子政务、医疗卫生、金融保险等行业领域的大数据智能分析平台。在处理多源异构大数据问题上，平台具有先进的信息融合与深度分析技术，其中包括异质多源行业领域大数据的融合处理、异构行业领域大数据的存储管理、面向行业领域大数据的深度分析等关键共性技术；此外，平台为行业领域大数据的智能分析提供支持，有效辅助管理部门感知、响应、追踪与处理各类事件。已申请相关软件著作权两项:《南开深海行业领域大数据智能辅助决策平台》、《大数据多任务调度计算平台》。以及相关专利一项：《一种多源异构行业领域大数据处理全链路解决方案》。

项目成果/简介:研制背景：企业数据处理与数据分析需求在扩大，数据投入在持续增加；数据种类多，数据量大，潜在价值高；使用者难以有效地操作使用；业务复杂，调参静态组合参数过程繁琐；平台技术：微服务的构建方式，微服务、前后端完全分离。分布式开发框架——SpringCloudWeb开发框架——SpringBoot 、VUE（ELE）机器学习算法框架——R、Spark集群计算数据存储工具——Mysql、JPA、Hadoop（集群）中间件: RabbitMQ应用范围:智能装备预测性维护：滕州机床设备在线监测云，实现设备状态监测、关键参数监测、能效管理、异常报警等服务。有效降低设备非计划停机和能耗，协助技术人员评估关键设备的实时性能，实现设备全生命周期健康管理。矿井工业视频联动：引入大数据对工业视频存储、管理提供支持，工业视频与各业务系统联动，调阅视频，存储视频。依托合作伙伴在正通煤业、鲁花集团、软控股份、山东省计算中心、斯木信息、西山煤电等企业进行应用示范。技术成熟度:可以量产