本系统在国内属首家研制，可推广到所有热电厂，以提高工作质量、工作效率、提高科学管理水平

1 成果简介本项目基于 iSCSI 的块数据 I/O 连续跟踪、块差异存储及压缩、虚拟镜像及快速启动、数据库一致性检测以及嵌入式技术等，结合现有的高性能硬件平台，提供文件级和卷级连续数据备份方案，可实时、透明保存企业内的分散数据，保证用户数据的安全和完整。该系统提供任意时间点或版本的数据恢复；采用基于差量的版本管理，存储空间小，网络传输数据少，易于实施，系统后台透明运行，稳定可靠；支持远程异地办公人员使用；备份数据集中管理，便于公司集中备份和保护企业价值数据。与传统备份产品相比，具有可靠性高、可用性好、速度快、部署简单、无缝集成的特点。本地化的生产和服务，可以大大地提高服务质量和降低成本。而且作为具有自主知识产权的安全产品，可以更加稳定地保护数据安全，减少风险。同时本产品在国际市场上也有一定的竞争力。2 技术指标数据恢复点目标（ RPO） ： 任意点恢复；全盘恢复速度： 30-40MB/s；快速差异恢复速度： 150-200MB/s；数据压缩比： 15-20： 1；单服务器负载： 20-30 保护对象；服务器存储平均写入速度： 120-150MB/s。3 应用说明应用对象广泛，针对各种国营企事业单位、军队、大中小型企业等，另外还可应用于数据托管的服务运营等。4 效益分析资金投入： 500 万元 年销售收入： 1000 万元 年净利润： 200 万元

需求名称：荔枝长势监测大数据系统开发 悬赏金额：30万元 发榜企业：广州市荔鼎生态农业开发有限公司 需求领域：果树、软件开发、农业信息、物联网技术 产业集群：现代农业与食品产业集群 技术关键词：荔枝长势监测、大数据系统、物联网、智慧农业

成果简介：BITPDM是面向科研院所与中小规模制造企业开发的，面向产品全生命周期进行产品数据及过程管理的业务集成平台，实现产品信息、项目信息、电子文档、产品状态信息、工艺信息、资源信息及设计过程的集成管理。BITPDM系统提供的功能包括：项目管理、电子仓库管理、电子文档管理、产品结构与配置管理、基于产品族的标准件管理、设计过程与任务管理、数据状态管理、集成的工艺/工装/资源管理、系统配置与管理等。BITPDM系统运行于Windows操作系统，支持Oracle、SQLServer等商用数据库。支持与

为了提高学生的动手能力和创新能力，提高实验教学质量。北京润尼尔网络科技有限公司针对各类大中专院校《数据结构》实验课程,开发出了配套的可在网上开展的基于C/S结构的数据结构实验教学系统。系统由课程实验平台和虚拟实验教学管理系统两部分组成，课程实验平台提供了真实的C/C++数据结构程序编制编译开发环境，可进行C/C++数据结构程序编辑、编译、运行、项目工程的提交、实验报告的编写，虚拟实验教学管理系统提供全方位的虚拟实验教学辅助功能，包括：实验前的预习、实验的开课管理、典型实验案例库的维护、实验教学安排、实验过程智能指导，实验结果的自动批改、实验成绩统计查询等功能，为实验教学环境提供服务并开展应用。 通过大量数据结构实验知识点的训练题目，以及系统综合的训练，能够快速提高学生对数据结构的理解能力和实际动手能 力。同时，能够很好解决开发学习中关键学习点掌握的问题，该软件可满足各类大中专院校和培训机构C/C++课程的实验教学环节的需要。 系统依据大多数高校数据结构教学大纲提出了12个典型实验案例的训练：  (1) 实验1 堆栈和队列  (2) 实验2 树、二叉树的存储结构  (3) 实验3 树、二叉树的遍历  (4) 实验4 树、森林及二叉树的基本概念练习  (5) 实验5 线性表  (6) 实验6 开发一个可应用于双向链表的Bidirectional Iterator  (7) 实验7 Linked类的进一步扩充  (8) 实验8 List类的另一种设计和实现  (9) 实验9 Binary Search Tree的平均树高  (10) 实验10 查找、排序的应用实验  (11) 实验11 冒泡排序实验  (12) 实验12 初​始​化​队​列​+​入​队​列​+​出​队​列​+​销​毁​队​列 除上述实验之外，用户也可以根据教学需要自主添加典型实验。 系统用户分为学生、教师、教务管理员和系统管理员四种角色，不同角色拥有不同权限。  ►学生：选课、选择实验、开展实验、接受实验指导、在线提交实验报告、保存和提交实验结果、查询实验成绩和批语。  ►教师：典型实验库维护、发布实验、安排实验、批改实验报告、系统指导、统计并发布学生的实验成绩和批语。  ►教务管理员：课程计划、开课计划、选课日期设置、开课审核、开课查询。  ►系统管理员：用户管理、分组管理、角色管理、权限管理、系统维护等。 性能指标 支持同时在线用户数1万人以上，经过在多所学校的实验教学应用，系统运行稳定，不限终端用户数，完全能满足各类高校的实验教学需要。 服务器运行环境 操作系统：Windows Client/Server，Linux/Unix Server 环境支持：JDK1.6_25 客户端运行环境 操作系统： All Windows系列

主要研究APT 网络攻击全链条的通用表征和威胁模型， 实现攻击的全链条威胁分析；研究跨平台内核数据实时可信 采集方法，探索基于去噪和去冗技术的高效数据解析、基于 语义恢复技术的关键字段填充；研究多源异构内核数据的重 构方法；研究保持全局依赖的数据压缩方法，实现实时、高 效、普适的数据压缩；研究面向APT网络攻击全链条的智能 检测框架，实现对攻击的全链条高效检测；研究APT网络攻 击的演化模式，实现APT网络攻击的可解释溯源分析。

一、项目简介 水下目标检测与识别，是水下机器人等相关系统能够被高效应用的前提。然而现有系统难以应对水下图像能见度较低，对比度差，存在颜色漂移和边缘模糊等问题；另外，水下图像样本稀少且缺乏足够的变化性，使得相关基于机器学习的目标检测与识别系统由于缺乏训练样本而无法有效应用。 二、前期研究基础 项目利用深度学习等新的理论突破，提出两种解决方案，一种是通过结合水下成像原理与深度风格迁移、生成对抗网络等算法，由普通光学图像生成水下图像，构建水下图像目标检测与识别仿真库，该数据库一方面数据量大且具有较大的变化性，也即场景与目标均具有较大的变化性；另一方面，由于是由普通光学图像迁移获得，因而也可以直接应用普通光学图像自身的标签信息，无需再对其进行标注。另一种是研究基于水下退化图像处理算法的检测和识别系统，解决由水下图像的色彩漂移和细节丢失等退化现象带来的目标检测和识别问题。同时通过水下退化图像处理模块和检测识别系统的联合优化技术，可以实现退化图像的增强方法与检测识别系统的最佳匹配。在保证处理后的退化图像性能指标的前提下，进一步提升水下图像的目标检测识别性能。 三、应用技术成果 1）基于深度学习风格迁移的水下图像生成效果示例 a为自然场景图像中的目标检测结果；b为模拟生成的水下风格图像及其目标检测结果；c为图像增强后的目标检测结果。 四、合作企业 无

水是维系生态系统健康的重要因子，具有调节河川经流、发展灌溉、提供工业和饮用水源、繁衍水生生物、沟通航运、改善区域生态环境以及开发矿产等多种功能，在支撑经济社会发展和维持生态环境平衡中发挥了重要作用。水质监测是水资源保护中的基础性工作，对于污染源控制、环境规划具有重要意义和作用。我国一贯主张预防优先于治理的环境保护政策，在《国家中长期科学技术发展规划纲(2006-2020)》确定的16 个重大专项中，水专项是迄今为止我国资金投入总量最大的环境科研项目，投入逾百亿，旨在为中国水体污染控制与治理提供强有力的科技支撑。建立智能水质监测网络，加强水质监测能力，提升河湖管理水平，是水污染防治与水资源可持续利用的重要前提。 二、前期研究基础 项目组与联合环境技术（厦门）有限公司签署了合作课题“水环境远程监测云平台技术服务”，2017.9-2020.8，30万。利用无线网搭建水环境远程监测云平台，通过云端实时收集系统运行的过程数据，并进行统计分析，服务端和APP客户端实现实时查看数据和远程设备运行情况，并能远程控制设备启停等。 三、应用技术成果 项目组开发了膜系统远程监控维护系统（UE-MRTU），并于2017年12月部署应用在云南昆明的一个自来水厂。 四、合作企业 联合环境技术（厦门）有限公司于2006年6月成立，专业从事以膜法技术为核心的中水回用、固液分离、纯水制备、废水等项目的设计、研究与开发应用。作为中国最早的膜系统服务商，提供膜系统的设计、制造、安装；以及膜系统的污染检测、清洗维护、运营管理。联合环境技术公司的膜法水处理技术在工业、民用及商业领域得到广泛应用（如江苏某市政污水处理厂，福建某市政污水处理厂，外蒙古乌兰巴托某饮料厂污水处理项目和江苏某太阳能光电有限公司污水处理项目）。工业应用产品包括外压式中空纤维膜组件和浸入式膜组件，可应用于给水/污水处理、水回用、海水淡化、食品、制药、石油、化工、电力、生物分离及其它分离过程；家用/商用净水设备包括膜净水器或集成水净化系统；集装式一体式应急超滤设备等，成功运用于各个领域的水处理项目；扩展水生态系统综合项目，包括提供水生态修复、水环境监测及水务投资/运营。已获得十几项国家发明和实用新型专利授权，在远程监控方面也获得了多项软件著作权。

1.痛点问题 多年来，工业大数据领域大数据分析算法和模型都是基于大量代码实现，效率低，难以实现快速开发。同时，工业大数据处理分析模型处理过程多由多个算法通过一定的计算流程构成，计算流程复杂多变，迫切需要一款支持灵活定制和快速开发的处理分析技术来支持工业大数据处理分析。 2.解决方案 清华数为交互式大数据处理与分析技术针对工业大数据处理与分析任务的交互式探索、建模、调试和应用而设计。根据CRISP-DM设计原则，一般大数据处理与分析分为业务理解、数据理解、数据准备、建模、评估和部署等阶段，各阶段相辅相成，形成一个大数据处理分析生命周期。 图1.交互式大数据处理与分析技术设计思想 本成果技术基于上述CRISP-DM的设计思想而设计，完全支持大数据处理与分析生命周期。该技术的特点包括： （1）内置数百种通用和专用的大数据分析算法和模型，并提供了按需扩展机制，用户可以按照自己的需要随时添加和扩充，以支持客户特定的大数据应用需求； （2）支持拖拽方式构建处理与分析流程，完全图形化设计大数据处理分析计算流程，并能在设计过程中进行单步/多步运行调试，查看中间结果，实时调整运行结果，以获得用户期望的处理分析结果； （3）支持机器学习模型训练及使用，内置了机器学习模型训练框架，一般机器学习模型在该技术的支持下，可以实现快速训练，训练结果可支持进一步的大数据处理与分析； （4）支持数据处理与分析流程参数化，在其提供的内部数据处理与分析算法模板中，用户通过算法模板可以开发面向Java、Python的算法，并集成和扩展到该技术的算法集合，实现按需定制处理分析； （5）支持数据画像和学习模型可视化，以图形化的方式定制数据画像的方法模型，并以二维和三维图表的形式展示给用户； （6）支持批处理、流处理和流转批处理三种处理方式； （7）按需定制运行计划与资源有效利用，用户可设置任务执行计划，任务执行计划定期运行，以实现周期性处理分析，方便获得持续的运行结果。 清华数为交互式大数据处理与分析技术面向多种用户角色，包括数据工程师、数据分析师、数据科学家、算法工程师、运维工程师、代码工程师等。采用分层设计，分为客户层、服务层、计算层。 客户层包括流程建模调试工具，用户可用工具图形化拖拽式设计处理与分析计算模型，并可进行调试和查看中间结果；管理工具，针对服务层所调用和访问的计算框架或者外部系统进行管理，包括对于数据源、计算环境、存储环境等的管理工具。 服务层主要包括流程调度服务，即负责按照用户所设定的工作计划来定时调度执行计算模型；执行服务，是负责执行处理分析计算的模型和算法的服务；计算资源管理服务负责管理执行服务中所能集成的所有的服务，如计算框架和存储设施等。 计算层是执行服务在执行处理分析算法和模型中所访问的外部服务，包括计算组件或框架，以及持久化存储组件或者系统等。 图2.交互式大数据处理与分析技术架构 本成果的交互式处理与分析技术较好地解决了工业大数据处理分析工作中所遇到的问题和痛点，并且能够广泛应用于多个行业和领域中，如能源、矿山、医疗器械、装备制造业、消费品制造业、工程机械行业等。 合作需求 期待与工业、医疗等领域企业紧密合作，获得各领域的实际需求，促使该技术不断完善和升级迭代，走向成熟。 未来将在工程机械行业、医疗机械行业、矿山行业、装备制造行业、互联网电商行业等寻求更多的成果转化、深度合作机会，在合作基础上，推动上述行业领域实现数字化转型和智能化升级，为国家实现“双碳”目标做出清华贡献。

一种支持对地观测数据元数据注册的映射方法及系统，首先构建存储观测数据元数据信息的注册信 息模型，包括构建观测数据元数据注册信息模型的注册包;依据观测数据元数据注册对象，构建注册信 息模型的外部对象类;依据观测数据元数据对象之间的相互关系，构建注册信息模型的关系类;依据观 测数据元数据的分类信息，构建注册信息模型的分类架构;依据观测数据元数据的相关属性，构建注册 信息模型的扩展属性类。然后构建观测数据元数据信息模型到注册信息模型的映射关系，包括构建观测 数据元数据信息模型到注册信息模型的映射流程;构建观测数据元数据类型和注册对象的类型映射;构 建观测数据元数据属性到注册对象的属性映射。