欧美光学行业标准软件 ASAP（Advanced Systems Analysis Program）软件是美国 Breault Research Organization(BRO) 公司研发的一款在 3D空间通过非序列光线追迹来模拟光学系统表现度的软件。多年以来，广泛应用在照明设计，杂散光分析，背光板设计，偏振光分析等领域。其中尤以出众精准的照明和杂散光分析能力而闻名，这是 LED照明设计和高精度系统中必不可少的功能。 BRO 公司位于美国亚利桑那州图森市（Tuscon），在 1979 年由 Dr. Robert P. Breault 创建。BRO 公司有三大业务：ASAP 软件销售和技术支持、ASAP 教育培训和承接工程项目。ASAP 软件以其强大的功能，为美国政府和全球光学行业做出了巨大的服务。BRO 公司承接众多美国军方对战机、军舰、战车的 LED 照明设计和改造项目。ASAP功能之强，可见一斑。 ASAP主要特点 功能强大、运算速度快 鬼影起源： 追迹杂散光的进化史，高端镜头系统分析必经之路，各种照明系统高精度分析必备之器！ASAP 成功修复哈勃望远镜，杂散光分析非ASAP莫属！ 背光源： 汽车仪表、手机光源、室内照明、显示屏幕无所不能！让您的客户不再抱怨眼睛疲劳，让每一个细节都一览无遗！选择ASAP，您的光源专家！ LED照明： ASAP 提供精准的 LED 光源，结合为 Lens 添加菲涅耳运算、散射模型，保证模拟结果的准确度。ASAP 在 LED 设计过程中为工程师提供的强大自由度，保记您的每一个想法都不再是纸上谈兵！ 生物医学： 精确模拟光与组织结构交互结果。特有 RSM 模型一真实皮肤模型，采用 Henyey-Greenstein 近似值，Mante CarLo 光线追迹助您分析器官病变! 每一款车灯，每一份设计，每一条光线，尽在您的掌握！SAE ECE和 FMVSS 标准测试，助您顺利通过法规！采用 ASAP 缩短研发时间，节约开模费用！您的财富您驾驭！ 严谨精确、可靠精准的模拟结果 ASAP模拟结果 实验室实际结果 ASAP 的灯源模型在几何形状和发光度上非常精准，并包括了完整的光谱数据，同时包含了从灯源所得的实际光学和机械的几何模型。光可被灯源几何模型反射、拆射或是散射。ASAP 的灯源模型充分地考虑了这些光学的交互作用，而这些光学交互作用在光学系统上可能造成不要的杂散光。 严谨精确的灯源模型是获得可靠精准的模拟结果的保证！ ASAP的多核并行计算+远程分布式处理 最新的 ASAP 软件采用了 CoreMax 技术。可以自动的在电脑上，调动所有核心进行并行计算进程。并可以调用局域网上其他的有安装ASAP远程许可证的电脑上，运行所有核心上的并行进程。此外，用户可以控制每台机器上访问的内核数量。这种并行和远程分布式处理的结合是一种首创，将使 ASAP NextGen 成为最快的光线追迹软件，超过任何其他光学设计软件的计算能力。 ASAP基本功能 提供几何光学追迹的算法和物理光学相干高斯光束传输算法、BPM算法，因此可以在一个平台中同时进行几何光学和物理光学模拟仿真，更可以模拟由于衍射带来的杂散光。 ASAP建模： ASAP 为用户提供了多种建模方式选择。可以读入在其他 3D 建模软件里制作的模型（如 CATIA，SolidWorks，Rhino 等）可以实现无缝转换。 操作方式多样化： ASAP 使用参数化的物理模型来控制光与光学表面发生作用时的表现。用户可方便地观察光线进行反射，透射，折射，散射，衍射，双折射和偏振等现象。使用方便，操作简单，便于修改。使用 Script 进行编程，是 ASAP 区别于其他软件的一个重要特点。这种灵活自由的方式，为客户在模拟仿真工作中提供了极大的自由度，尤其是对于高端用户如研究所，不会受限于模块化的界面，确保可以将复杂的光学系统，光学现象进行模拟。 ASAP各种库： 光源库：用户可免费使用 ASAP 带有的精准灯源库，包括 LED，CCFL 等。用户可以方便地调用灯源库内的灯具，也可使用自己拥有的光型文件，在 ASAP里面做成光源。 散射模型库：ASAP 区别于其他软件的另一大优势在于强大的散射光学分析能力。系统中光学表面的散射特性会影响照明结果。尤其是对于高端的设计，必须充分考虑光学表面的散射特性。在过去的三十多年中，ASAP 在这方面积累了丰富的经验。在 ASAP 内建有散射模型库。用户可以方便地调用。如果用户使用的散射模型（如 Diffuser）不在 ASAP 资源库里，也可用测得的数据在 ASAP 里很容易地建立起该 Diffuser 模型。可以通过预定的散射模型建立各种各样的实际的散射数据，并可以进行组合。支持从 BSDF 散射测量仪的数据导入。   ASAP优化功能 ASAP 提供目前行业内最先进的优化功能。区别于同类软件的 Script 编程功能确保用户可通过编写 Merit Function 来进行最有效的系统优化。丰富的优化演算法帮助客户应对不同的设计要求。 在 ASAP中，有 3种通用的优化方法：Brent’s Method 、Downhill Simplex 、Simulated Annealing。每一种方法在找寻许多不同成像和照明系统中的最优解中都很有效。 REMOTE 并行运算： 支持多台计算机并行运算的 REMOTE 增强功能。 ASAP 计算 14亿条光线所需要的时间，可以看到，通过 REMOTE 功能，增加计算机数量，可以大大缩短运算时间。14亿条光线只需要15分钟。   功能列表 在 SolidWorks 内建立 ASAP 属性的 GTX 文件  在 SolidWorks 内为物件分层和命名  在 Rhinoceros 内建立 ASAP 属性的 IGES 文件 用 ASAP SmartIGES 转换器来输入和输出 IGES 文件  用 XML 文件格式来输入几何结构和光学属性  支持 Python，VBscript，Jscript 和其他语言  内建预定义的 LED，CCFL，白炽灯和 arc 灯源库  拖曳式建立光源、透镜、玻璃、散射模型和表面特性  600多的例程库帮您启动模拟  保存、检查和继续优化功能，使用 ASAP .osf 文件 使用 ASAP Liquid Crystal Cell (LCC) 功能来模拟液晶材料  使用 ASAP General Uniaxial Medium(GUM) 功能定义非同轴材料  在斯托克顿矢量模式里模拟和追迹偏振光器件  模型化诸如 MUELLER 片等可改变偏振光的程度和状态的器件  模型化利用偏振光效应来设计背光显示板  用 BRO Digitizer 输入光源模型 使用增强的 REMOTE 功能进行分布式处理  使用 CONFORMAL radiometry 来观察、分析和监测光分布情况  可建立包含大量物件和光源的系统  模型化光学和机械系统部件  模型化成像系统，照明系统和聚光设备  模型化可见光，紫外光和红外辐射系统  模型化表面散射（BRDF）和体散射  模型化光纤传输和光纤耦合  模型化复杂系统的辐射分析  模型化偏振光和相干光效应  利用高斯光束分解来传输和分析波前  利用 ASAP BPM 算法来模拟微结构中的光传播 进行双精度的光线追迹并分析每条光线的信息 进行 CIE 颜色分析 利用 ASAP 优化功能对光学系统进行优化分析  在 ASAP Builde r或 scripts 中进行系统容差分析  读入 CODE V®， OSLO®， SYNOPSYS™ 和 ZEMAX® 生成的文件  输入和输出 FDTD Solutions™ 的复杂矢量场分布  输入由 Radiant Sources 测得的光源数据  支持 SolidWorks 3D 建模引擎  ASAP分析功能 辐射学分析、杂散光分析、偏振分析、波动光学分析、散射分析、高斯光束分析、象差分析、CIE 分析、光线分析。   照明/非成像光学设计分析： ASAP 提供对照度、光强、亮度等辐射物理量的计算，简单易用，并有各类图表用于演示和分析。 用户可以通过它计算任何 CAD 输出模型表面的辐射性能，不管是平面还是不规则曲面。 不规则曲面上的照度分析: 通过在 OBJECT 后面加上BIN命令，ASAP可以计算非平面上的照度。如下所示，ASAP可以计算类圆柱面上的照度分布。 CATIA模块  增加 CATIA 模组后，可从 ASAP 内直接读入 CATIA V5 的文件。BRO 采用了 CAA V5 的文件结构，因此 CATIA 用户可以充分信任CATIA模块提供的无缝转换！ ELTM模块    ELTM 模块为车灯设计者提供了一种可以自动分析是否通过 SAE, FMVSS, ECE 法规的功能。通过简单有序地操作，设计者可以从ELTM里看到哪些测试点未通过法规以及为何未通过。 杂光分析能力： 200多个项目：Infra-Red Astronomy Satellite（IRAS）, SIRTF, ISO, MERIS,Galileo,Cassini,ESA’s—X-Ray Mirror Module Telescope（XMM）。 ASAP 在杂散光分析领域有将近30年的历史。  2010年6月24-25日，在法国 Toulouse, 由 CNES,EADS/ ASTRIUM, EADS/SODERN and THALES ALENIA SPACE in association with the Centre for Technical Competence（CCT）等部门联合举办的杂散光 Workshop 上，ASAP 被公认为最普遍采用的杂散光分析工具，会议收到的论文中，绝大多数是在 ASAP 的帮助下完成的，无论数量还是质量都超过其他商业杂散光分析工具。 一、通过重点采样可实现快速高效的杂光追迹 重点采样的主要原理是:       在需要关注的物件表面附件定义边缘实体，然后利用 TOWARDS 命令将散射光线散射至该边缘实体。从而避免了追迹大量不需要的散射光线。       如下图所示，利用 TOWARDS 命令使光线只向一个环形区域散射: 二、杂光路径报表输出 系统由三片透镜组成。光源在轴上。序列追迹时，光线分布如右图所示。 考虑透镜表面的剩余反射时，追迹后的光线分布如图a。 上述的光线追迹图实际上由6条路径组成，每一条路径的具体情况如表a。 可以看到各条路径的光线数目、光通量、所占的比例、目前所在的位置，传输过程中与元件的交叉次数，以及在表面上的反射和散射情况。可以画出各条路径具体的传输情况，以便找到合理的解决措施。 下面画出第二条路径的具体情况:  可以看到这条路经在传输过程中形成了2个焦点，如果入射光能量较高，这2个焦点附近不得放置光学元件。 三、反向追迹查找杂光源头 在分析面上选择所关心的光斑部分，选择构成这部分光斑的光线，然后利用 REVERSE 命令将光线反向，并将其作为光源反向追迹至其初始位置，从而获得杂散光源头的信息。 四、杂散光分析能力 ASAP 具备在仪器加工之前就通过虚拟的模型分析模拟所有这些杂散光现象的能力，并可以提供给光学工程师必需的工具来分析以及修正杂散光问题。       用户能够在 ASAP 里建模复杂的光机系统，这些系统的零件都具有用双向散射分布函数（BSDF）所描述的精确地反射和散射光学特性。ASAP 采用精妙的模拟技术，如“重点采样”方法，来有效地建模随机散射问题。ASAP 让用户可以从数值和图表两方面去评估光学系统的散射路径并发现和修正杂散光问题。 尽管如此，拥有一套功能强大，快速和精准的仿真工具只是成功的杂散光分析的一部分。除了 ASAP 精湛的杂散光分析能力外，BRO 公司提供极具针对性的杂散光课程、鬼像分析课程和波动光学课程来让用户掌握杂光分析科学。BRO 的课程确保学员能够有效地分析和解决他遇到的困难的杂散光问题。 --提供 ASAP BSDF Fitting Utility 工具，进行散射模型建模 -- ASAP 提供 Lambertian, Harvey, Polynomial 等多种散射模型，可以对不同的光学表面特性进行精确模拟 --对光谱仪、激光系统、日冕观测仪和其他各种光学仪器进行杂散光分析 --提供相干光源，相干光被经常用来分析杂散光。ASAP 可以模拟相干光源，对其的传播和最终分布进行精确地光场幅度和相位分布计算，精确处理衍射等现象 --使用 DECOMPOSE DIRECTION和DECOMPOSE POSITION 来对光束进行分解，分析微小面型 --对成像系统、二极管激光器、干涉仪、光栅系统、光学标准具等进行分析 --依照杂散光分析流程，帮助光学工程师寻找杂散光的来源 -- 进行基本的辐射学和辐射物理量计算 --合理使用光阑(Stop)和光瞳(Pupil)来进行杂散光分析 --加入基本的隔板和挡光板来进行杂散光分析 --利用 PATHS 功能，可以对光线路径进行分类，筛选定位出杂光的位置。 --进行鬼像和杂散光计算，从鬼像中减少杂散光 --评估杂散光分析的准确度 --计算来自物件边缘的杂散光 --分析来自各向异性表面的散射光 --计算红外系统的杂散光 --计算鬼像辐射照度 --提供 ASAP Scatter 命令和应用 --计算来自于被污染的镜面或透镜的散射光 --提供偏振光源   五、杂散光及鬼像分析实例 物理光学分析功能： ASAP 采用为高斯光束迭加的方法。任何复合场都可以使用高斯光束迭加表示，并且这种现象是使用 ASAP 研究波动现象的基础。 ASAP 中包含两种波动光学传播。使用时间很长的一种方法是高斯光束传播，一种方法是光束传播法(BPM)。BPM 用于处理传统高斯光束法不能很好处理的微观结构。 偏正分析——偏振相关元件包括： 1、由琼斯矩阵模拟理想光学元件，包括:垂直线偏器、水平线偏器、±45°线偏器、1/4波片、1/2片、右旋圆振光偏器以及左旋圆振光偏器; 2、利用 MEDIA CRYSTAL 命令模拟单轴双折射晶体; 3、利用 MULLER 命令模拟不同透反系数的偏振相关元件; 4、利用 RPM 命令模拟真实的偏器; 5、利用 RRM 命令模拟真实的延迟器; 6、利用 GUM 命令模拟一般的单轴介质; 7、利用 LCC 命令模拟液晶元件; 8、利用 CPE 命令模拟级联的偏振相关元件 ASAP BIO 将生物系统中光学现象的模拟能力推进到一个崭新的水平 ASAP BIO 具有与许多其它模拟生物系统中光传播和散射的工具通过CAD 文件进行数据交换的能力。 生物系统包括使用 CT 或者 MRI 扫描获得的表面，通常涵盖了成千上万个物件。CAD 互通性和先进的光线追迹能力使得 ASAP BIO 能够输入、分析并且能够对这些结构进行精细解析。   生物光学——高精度地模拟光与细胞的相互作用 模拟光在生物组织系统内传播和散射。是唯一能够模拟自定义波长的光与生物组织在人体皮肤内发生作用的软件。也是唯一能够精确模拟单眼和双眼系统的软件。   应用领域客户分布 经过近30年的发展，ASAP 软件已被业界所认可，客户遍布全球40多个国家。客户中既有位于世界500强的大公司，也有正处于创业阶段，蓬勃发展的中小企业。   国际上比较知名的客户有： GE，Sony, Ford，Kodak, Xerox, Stanley, Olympus, Philips，General Motors，Allied Signal，IBM，Samsung......   国内比较知名的部分客户有： 国防科大、国家天文台、西安光机所、瑞声科技、大疆科技、长春光机所、上海光机所、成都光电所、上海航天802、中航工业613、浙江大学、复旦大学、香港理工大学、暨南大学、五邑大学、华南理工大学、天津工业大学、上海小系车灯、华中科技大学、中北大学、郑州大学、AL-Lighting, Philips 等。     ASAP 已经成为国际知名企业进行高品质产品研发的首选光学软件。BRO 公司以强大的 ASAP 软件、全面的客户教育培训和及时细致的技术支持，帮助客户不断提高产品性能，在行业中保持优势地位!

《大数据交易应当重视和研究的几个问题》指出，为了保证交易数据来源的正当性和交易主体的合法性，为了有效克服大数据交易中的问题和风险，对于数据这种新型特殊财产的权属、开发利用及流转的特殊规律应当抓紧研究，相关制度建设要及时跟进。该报告建议从两方面入手：一是从私法角度明确数据的财产性质及其权属分配规则。在充分保护人格权和商业秘密的基础上，将数据产权按价值贡献在被采集者、采集者以及数据加工者等相关主体之间进行合理分配。二是从公法角度明确关于数据采集、加工，大数据产品的开发、流转等的监管规范。要明确数据的采集和利用不得违背公认的社会道德和善良风俗；在不损害相关主体的合法权益和公共利益的前提下，推动政府数据公开共享；禁止有可能威胁国家安全的跨境数据流动。

清华大学地球系统科学系阳坤教授课题组在《科学数据》（Scientific Data）上发表题为“The first high-resolution meteorological forcing dataset for land process studies over China”的研究成果，发布了过去十年间阳坤团队开发的一套服务于陆面、水文、生态等地表过程模型的中国高时空分辨率气象数据集。该数据采用严格的数据质量控制，统一的站点数据、卫星数据和再分析数据的融合方法，避免了不同学者对同一研究区域气象数据的重复处理。近地面气象数据是地表模型的主要驱动。自2004年美国国家航空航天局（NASA）发布全球陆面数据同化（GLDAS）气象数据以来，北美、欧洲等区域高分辨率气象驱动数据集也不断涌现。阳坤教授团队自2008年起利用中国气象局数据共享的契机，开始了中国区域高分辨率气象驱动数据集的开发，建立了气象数据的预处理系统和融合系统，完成了首套相对稳定可靠的长时间序列数据产品。该数据集覆盖了中国陆地区域，时间跨度为40年（1979-2018），空间分辨率0.1度，时间分辨率3小时，包括了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等 7 个变量。基于独立站点数据的评估表明，该数据集较国际上广泛使用的 GLDAS 数据集具有更高精度。目前，该中国区域高分辨率气象驱动数据集已发布在国家青藏高原科学数据中心，可免费获取。原文链接：https://www.nature.com/articles/s41597-020-0369-y数据网址：https://doi.org/10.11888/AtmosphericPhysics.tpe.249369.file

日前，国防科技大学系统工程学院大数据与复杂网络研究团队同四川大学、电子科技大学一起，组建新冠病毒大数据交叉学科研究平台，助力新型流行病研究和防控，给多个省份和国家有关部委等提供了8份数据分析报告和决策建议报告，为防控和战胜疫情贡献出了科学智慧。国防科技大学系统工程学院大数据与复杂网络研究团队基于新冠病毒大数据交叉学科研究平台，利用海量多源异构大数据，结合疫情发生发展规律，对人群流动及传播风险进行了综合建模和分析，为政府决策提供了参考依据。特别是团队通过分析春运期间人口流动大数据，建立起疾病传播模型，测算出了疫情扩散蔓延阶段武汉市向全国各地区的输出人口状况和新冠病毒感染的风险指数。还有许多研究人员尝试通过客运数据，研判各个地区及城市的感染风险。也有学者采用“百度迁移”所提供的人口流动数据，通过春运期间从武汉流向全国各省市的人口规模(不包含港澳台数据)和全国感染病毒人数的可视化分布，直观解读两者间的联系。同时加以推断，武汉封城之后，二次传染所造成的病毒传播将日趋占主导地位，传播程度和各省市的人口密度以及管控措施等密切相关。

这项研究收集了2020年1月1日至1月28日期间，中南医院收治的138名新冠肺炎病例数据，其中40名（29%）医护人员和17名（12.3%）住院病人受到院内交叉感染。受感染的医护人员中，31人在普通病房工作，7人在急诊部门，2人在重症监护室。 武汉中南医院的这项单中心病例分析成果，清楚阐释了新冠肺炎的临床特征和治疗经验，为抗“疫”阻击战取得进一步胜利打下坚实基础。同时，研究证明“超级传播者”存在的可能性和病毒不可小觑的侵袭力，全员警戒一刻不容松懈，尤其要求一线的医护战士得到最严格的防护武装。

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。应用范围: 1、智能网关： 开发基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置服务器。 综合接入能力： 包括有线传感器和特定的无线传感器、与现有系统的对接 有效感知能力： 实现基于图像的AI视觉感知能力，重点研究基于小目标的图像分类算法 安全传输能力： 提供4G、5G、NB-IOT的上行传输模块化替换 提供安全的加密手段，保证数据安全 现场调试配置能力： 具有现场WiFi调试功能，方便安装和运维人员现场配置和检测 软件和通信标准版本现场升级 2、AI模型管理系统 需要实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。 样本管理能力 原始样本管理、样本实例库分类和管理、检测样本管理等 模型计算和管理 算力管理：对算力的统筹，外部算力的对接等 算法管理：自主开发算法的管理和调动，外部算法的调用和对接 模型管理：包括模型的功能属性和已经应用的情况的统计分析 设备管理 设备的AI模型配置能力、AI推演过程的监控、AI推演结果的跟踪采集和分析 3、数据管理和标准化处理 数据有效性管理 监测数据是否按时上传、上传数据是否符合要求、是否为非法数据 告警输出：把告警信息进行分类，并推送给相关的运维系统 数据质量评估 按照标准对现场采集数据进行多维度的质量分析，为后续数据应用提供参考依据 数据标准化 格式标准化：完善采集时间、地点、单位等属性， 输出标准化：按照标准协议与工业互联网平台数据池进行对接 数据安全 区域性部署：可以应用户要求部署在其内网 并行部署：可以通过并行部署，网关上联多个服务器，确保用户的可靠性需求 数据回滚能力：可以应工业互联网平台要求对数据进行一定期限内的回滚，保证数据在一定时间段内不丢失 4、智能运维 开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提供效率、降低人员成本、保证系统运行质量和数据的有效性。 运维人员管理 对运维人员的信息、定位、工作状况管理 巡检任务管理 对部署的硬件和相关工作环境定期巡查的任务制定、下发、执行过程和结果的记录和管理 临时故障处理 对系统自动告警和现场突发状况的应急处理能力，包括人员调配、处理流程提示和建议、相关情况处置参考案例、后续统计追踪等。网关核心板实物照片

包括以下步骤：第一步、确立接收端模型；第二步、化简接收端模型；第三步、通过分层检测算法解调出发送的数据。本发明的基于分层检测的空移键控传输系统接收端数据检测方法，其误码（BER）性能随着搜索半径的增加逐渐逼近最优检测算法（ML），当搜索半径为发送端天线数目时，本发明的检测算法等价于最大似然检测算法。本算法通过对每层进行计算排序使得在较小的搜索半径下可获得接近最优检测算法的误码率性能，因此本发明能在获得较好性能的同时，大幅度降低接收端算法的复杂度。

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。

基于大数据和 AI 的应用，可实现复杂场景下的网络问题识别、多场景优化方案的协同策略方案的动态和自动化执行。可以构建智能网络规划及运维平台，以实现极致性能和极简运维，使能新业务的自动化覆盖优化、移动性优化、负载均衡优化、节能优化、故障分析与定位。同样可以基于无线数据和视频数据融合的用户个体及群体行为在多场景应用下，充分发挥5G的优势，创造巨大的社会效益。

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。