产品质量已经成为市场竞争中决定胜负的最关键的要素。建立生产质量模型无论是对生产过程的本质特性研究还是对实际生产过程的控制、预测、优化、仿真和质量诊断都具有重要的现实意义。 本系统重点实现对生产过程相关因素进行实时监测，解决产品生产过程中各项指标的变化与产品质量之间的模型关系，基于统计模型，运用偏最小二乘法、具有优化结构的神经网络、多变量统计过程控制等方法，对从实际生产过程中得到的统计数据进行分析和建模，消除、避免生产过程的异常波动，使过程处于正常波动状态。研究影响产品质量的关键因素，给出调整的策略，科学指导生产。 以钢铁制造流程为代表的大型流程工业是一类由不同功能但又相互关联、相关支撑、相互制约的多种工序和多种装置及相关设施构成的、工序串联并集成运行的复杂过程系统。针对大型流程工业的特点，解析多流程、多尺度、多装置间的相互关系，建立有效的质量控制模型，寻求最优的质量控制策略，监控产品的生产质量状态，确保产品的质量成为一个重大的研究课题。 生产质量建模和过程监控可以应用于钢铁冶金生产等流程型工业中，也可以广泛应用于石油、化工和机械制造等其他领域中。本系统的应用案例有：宝钢股份有限公司条钢部高线生产中的轧件尺寸精度评估与SPC控制系统，鞍钢股份有限公司冷轧热镀锌生产质量建模与分析系统。

1 成果简介发音质量评价（ Pronunciation Scoring）是使机器自动评价目标语言语音的发音质量，它可广泛用于口语教学和口语考试系统。 2003 年清华大学出版社推出的《新时代交互英语》丛书和教学软件采用了本课题组研发的口语发音质量评分技术，该产品曾获得第五届国家级教学成果一等奖，目前已有多家高校使用该系统进行英语口语教学，这也是国内第一个得到实际应用的自动英语口语教学评测系统。如图 1 所示。  图 1 《新时代交互英语》的演示界面 2005 年 7 月北京市科技计划研发攻关计划正式设立了项目“嵌入式智能英语、汉语教学机及课件制作系统的研发”，本课题组承担了该项目研发工作，与德国英飞凌公司合作，开发了具有世界先进水平的具有双核结构的嵌入式语音处理专用芯片，并以此芯片为核心完成该课题的硬件平台，在此基础上完成的嵌入式智能英语、汉语教学机及课件制作系统通过了国家广播电视产品质量监督检验中心的检验。在项目结题验收中，专家组一致认为： A）该课题研发嵌入式智能英语、汉语教学机及课件制作系统具有自主知识产权，能够有效地、互动地协助外语学习者的口语学习； B）创新成果“式发音评价及语音识别技术”当前世界先进、国内领先水平。 2008 年 3 月，教育部“大学英语四、六级网络考试系统研发与服务体系建设”项目启动了自动口语发音评测的预研计划，目标是在大学英语四、六级网络考试（机考）中实现自动发音质量评测，本课题组是该计划唯一的发音评测技术提供方。 2008 年，本课题组与教育部中央教育科学研究所联合承担了中国教育学会教育实验研究分会“十一五”规划课题—“英汉口语教学评测信息系统智能化的实验研究”，探索口语发音评价技术对口语教学和评测方式和方法的影响，探索更为公正、客观的口语能力评价标准。2 应用说明清华大学自 2003 年以来，一直专注于口语发音质量评价技术，积累了丰富的经验，在限定内容的发音质量评价领域取得了丰硕的成果，已开始从实验室走向产业化，解决面向大规模的产业应用的关键问题，如环境噪声和通道差异对评测性能的影响、学习者的口音问题、评测技术与不同口语考核目标的关系、不限定内容的发音质量评价方法等。利用四、六级口语测试累积的海量数据，探索以上问题的理论根源，提出新的口语发音质量评价方法，形成口语评价的主客观标准，推进口语教学/评测方法迈上一个新的台阶。 总结该技术的主要特点如下：支持英语、汉语等国际上应用最为广泛的语种；发音质量评价性能好，大规模数据实验（ 5000 人测试）表明该技术与主观评价的相关性达到了 0.8，已逼近主观评价之间的相关性（ 0.85）；支持小学、中学、大学以及社会培训等不同层次的口语教学与评测；对环境噪声和通道差异具有很好的鲁棒性，可用于不同的环境和系统；程序可根据应用目标进行裁剪，既可移植到学习机、手机等嵌入式平台，又可用于个人计算机、网络服务器等。该项技术已经获得大学英语四、六级考委会、清华大学出版社、北京市科委的实际使用认可，具备了大规模产业化应用的条件。3 应用范围该项技术适用于英语、汉语的口语评测系统，英语、汉语的口语培训软件和系统，英语、汉语的口语教学辅助系统，可在嵌入式、个人计算机和网络平台上实现。4 合作方式投、融资或技术许可。

教学质量监测与评价系统是集“教、学、管、测、评、存、用”于一体的中小学智慧教育管理与监控评价系统。系统主要基于网络阅卷系统、小测评卷管理系统、智慧课堂得出的基础数据，生成各种统计数据，让用户简单科学地完成考试质量分析、教学质量跟踪、试题质量分析、教学质量评估、高考分析等，从而解决教育信息隐形化、决策粗放化、资源缺失等难题，提高教学质量与综合竞争力。

得到三个重要结果：（1）在在线社交网络中，个体的传播力可以被精确地定义为最大连通渗流集团的大小与个体在该连通集团的概率的乘积。这里第一次给出了社交网络中个体传播力的简洁数学方程。（2）任何个体的影响力都可以在特征关联长度内，仅仅通过局部的网络结构信息来精确衡量，其误差会随该长度成指数衰减。这种现象与物理相变中临界行为之间有着深刻的理论关联。（3）基于上述发现，设计了一个优化算法来选择最具有影响力的个体。该算法不需要知道网络结构的全局信息，从而其计算时间复杂度与网络规模无关为一常数。在顶点数量以亿为单位的网络上，该算法时间复杂度比以往最快的贪心算法快上千万倍，且可以获得质量极高的优化解。

本发明公开了一种分开处理数据与元数据请求的方法。包括： 增加请求的元数据语义；为每个 SCSI 设备设置数据请求队列与元数据 请求队列，后者专门用来处理元数据请求，且对不同的请求采用不同 的处理方式。根据元数据请求粒度小、实时性强、分布分散的特点， 元数据请求队列采用优先响应处理的方式，请求不经过 I/O 调度层， 不在请求队列中延迟，直接下发到磁盘驱动器；对请求粒度大，频度 相对低，分布集中的数据请求，采用经过 I

成果简介： 数据获取手段的不断进步，产生了海量的地理科学数据，在科学数据共享需求的背景下，如何从大数据中准确发现并获取用户所需的数据，是地理信息共享迫切需要解决的问题。本研究针对常规信息检索方法不适用于地理共享数据智能发现的现状，从数据关联和用户模型两方面着手，构建面向地理共享数据的异构信息网络模型，将地理共享数据和其他相关信息放入一个更加复杂的环境中去

技术优势 智慧水利大数据平台项目成果包括- -套软件产品“水文与水库大坝安全监测大数据平台”和两类算法，即“水库入库流量预测算法”和“智能水库防洪调度算法”。 1)水文与水库大坝安全监测大数据平台:该平台基于传感器网络采集水库水文信息和大坝的各个核心区域的压力、位移、沉降等信息，基于大数据分析技术和可视化方法，设计实现了一种面向水库大坝安全监测的可视分析软件平台。 2)水库入库流量预测算法:水库入库流量预测是精细化水库调度的基础，现有的基于水文模型的库流量预测方法对流域的适应能力较弱，预测精度难以满足精细化调度的应用需求。该项目基于历史水文数据，采用深度学习技术，对水库的入库流量进行滚动预测。结合智能化的时间序列决策方法，能够实现对水库的智能化管理调度。 3)智能水库防洪调度算法:汛期的水库防洪调度是水库管理中面临的重要问题。该项目针对水库防洪调度中的上下游安全问题建立多目标优化模型，采用计算智能方法对模型求解获得精细化的水库防洪调度方案。与现有工程实践中基于规则的水库防洪调度不同，该方法不依赖于水利专家的经验，能够提供更加精细化的水库防洪调度方案。 智慧水利大数据平台——功能模块图 大坝安全检测指挥中心数据大屏——水库大坝一张图 系统主要功能模块