为准确掌握超宽冷轧机不同宽度带钢的板形特征,以某2180 mm超宽冷轧机1900 mm宽度带钢实测板形数据为研究对象,借鉴‘大数据’的思想,结合数据挖掘领域中聚类分析方法,提出基于网格和密度的板形特征聚类方法,并以此方法对几种典型带钢宽度的大量板形实测数据进行分析,得到不同宽度带钢的板形特征.以分段函数对板形特征进行多项式表达,得到不同宽度带钢的板形特征参数化分析结果.提出的基于网格和密度的板形特征聚类与分析方法,能够快速准确地对大量板形实测数据进行分析,提取出长期生产过程中板形缺陷特征并得到参数化表达,从而为冷连轧机,特别是超宽带钢冷连轧机的辊形改进和控制策略优化提供数据基础

从非开挖水平定向钻进（Horizontal directional drilling，HDD）装备技术、地下生命线工程的探测与信息化、双向对穿HDD技术、大口径HDD技术、HDD回拖力计算模型、地表变形与冒浆6个方面开展了文献调研工作，分析了HDD装备与技术研究应用进展：世界上最大回拖力（20000 kN）的电驱动钻机被设计并研发；电磁感应法被广泛用于既有生命线的空间探测，复杂干扰下的数据解析与精度提高仍是研究重点；基于三维数据，融合建筑信息模型、人工智能、大数据等技术，借鉴美国“811”体系，局部完成了地下生命线的信息化；采用对穿技术完成了长距离的地下生命线敷设；基于过程化的HDD工艺参数、设备参数和控制监测技术被大量应用，有效提升了应用中的风险识别能力；针对不同地层条件下的回拖力计算为设备选型提供了依据，并为HDD多学科融合研究提供了途径；复杂地质条件下的冒浆、卡钻等热点和难点也得到初步探索研究，构建了理论、实验和数值分析模式，为提高HDD的应用效率和质量提供了依据。综合国内外研究进展，进一步分析了HDD的发展趋势

《工程科学学报》：油气资源开发的大数据智能平台及应用分析（北京科技大学、中国科学院计算机网络信息中心、中国石油大学（华东）石油工程学院）

《工程科学学报》：基于文本挖掘的矿山安全隐患大数据分析与可视化

• 11.1 NoSQL简介 • 11.2 NoSQL兴起的原因 • 11.3 NoSQL与关系数据库的比较 • 11.4 NoSQL的四大类型 • 11.5 NoSQL的三大基石 • 11.6 从NoSQL到NewSQL数据库 • 11.7 文档数据库MongoDB

• 10.1 可视化概述 • 10.2 可视化工具 • 10.3 可视化典型案例

8.1 流计算概述 8.2 流计算处理流程 8.3 流计算应用 8.4 流计算开源框架 - Storm

• 6.1 概述 • 6.2 HBase访问接口 • 6.3 HBase数据模型 • 6.4 HBase的实现原理 • 6.5 HBase运行机制 • 6.6 HBase编程实践

 分布式并行编程：编程方式的变革  MapReduce模型概述  Map和Reduce函数  MapReduce工作流程  并行计算的实现  实例分析：WordCount  新MapReduce框架Yarn

2.1 为什么需要大样本理论 2.2 随机序列的收敛 2.3 大数定律与中心极限定理 2.4 统计量的大样本性质 2.5 随机过程的性质 2.6 大样本OLS的假定及估计量的性质 2.7 大样本OLS的stata实例