摘要：随机扰动使得网络数据分布散乱,令散乱数据随机插补精准度下降,构建了基于自抗扰控制的散乱数据随机插补优化模型。使用径向基函数对散乱数据进行逼近,实现散乱数据降噪。构建基于自抗扰控制的随机插补优化模型,即通过定义跟踪微分方程组对散乱数据进行过滤处理。通过跟踪微分算法将被扰动数据替换为稳定跟踪数据。在内部扰动和外部扰动随机插补控制量中引入补偿因子,通过非线性函数来生成随机插补控制量,实现散乱数据随机插补优化。实验结果表明,该模型所有插补数据均与实际数据一致,插补结果更为精准,具备较高的实际应用价值。

摘要：为深入贯彻落实生态文明思想,确保实现“碳达峰、碳中和”目标,有必要聚碳排放、碳达峰等监测难题。本文提供了监测框架与核心指标、创新达峰管理模式的设计思路,汇聚能源消费、排放因子、经济社会数据形成专业的“碳”数据库,通过建立准确的碳核算数据模型,开展碳排放达峰监测应用,从时间、地区、行业领域入手,分析能耗和碳排放发展情况,识别二氧化碳排放主要驱动因素,推演排放趋势,支撑碳达峰路径制定。

摘要：为了解决因数据离散程度过大导致大规模数据并行挖掘质量变差的问题,提出基于多维关联规则的大规模数据并行挖掘方法。遵循多维关联思想建立关联树结构,根据RFM值计算公式完善多维运算法则,利用多维关联规则构建数据集合。求取近邻值指标、逆近邻值指标的数值,以此确定离散挖掘系数,结合该系数并行挖掘大规模数据。实验结果表明,在多维关联规则作用下,数据离散度取值小于35%,数据分布不再呈现稀疏状态,能有效提升大规模数据并行挖掘质量。