大数据工作要点范例6篇

更新时间:2022-10-10 03:05:41

大数据工作要点

大数据工作要点范文1

科学工作流中的任务之间的依赖既包含控制依赖,也包含数据依赖。连接两个任务(t1-t2)的边表示任务t1的输出作为任务t2的输入,工作流中的每个任务可能读入一个或多个输入文件,然后写入一个或多个输出文件。在工作流层,文件可以分为3种类型:输入文件、中间文件和输出文件。不同类型的文件具有不同的生命周期。(1)输入文件。输入文件不由工作流中的任务产生,文件通常驻留在用户存储服务器上。在运行时,可以从一个存储服务器传送到另一个存储服务器,然后在这里被检索,也可以在存储服务器上直接检索。图1中的F-input就是一个输入文件[10]。(2)中间文件。在工作流运行过程中产生但无需长期保存的文件称为中间文件,将在所有使用它的任务结束后被立即删除。图1中的f-t1-o1、f-t1-o2、f-t2-o1、f-t2-o2都是中间文件。(3)输出文件,由工作流产生,对用户有用并且在工作流结束后需要永久保存的文件。在工作流执行过程中,这些文件通常被转移到常驻存储中。图1中的F-output就是工作流的输出文件。值得注意的是,输出文件不一定必须是工作流中最后任务的输出,也可能是中间环节任务的输出数据。

2云计算环境下工作流执行模型

科学工作流由工作流管理系统提交和管理,工作流管理系统驻留在提交主机,协调调度工作的流执行。工作流管理系统将工作流中的任务分配到虚拟机的工作节点,任务的执行所需要的数据可以从一个或多个输入数据存储点输入。中间文件在工作流执行期间驻留在数据暂存站点。当工作流结束时,工作流管理系统删除中间数据,同时将输出文件从暂存站点转存到输出站点,然后永久性保存。根据工作流管理系统和目标执行环境的不同,多个数据站点可以协同工作。例如,在输入数据已经驻留在计算节点的情况下,该计算节点和输入点是相同的。图2显示了具有两个任务的工作流,来说明工作流所需的文件是如何在逻辑上独立的站点之间移动的。

3对象存储应用于科学工作流中的数据管理

对象存储系统主要包括存储服务器、元数据服务器、客户端等组成部分,其核心思想是将数据的读和写与元数据存储分离,如图3所示。存储服务器主要负责数据存储、智能的数据分布以及每个对象元数据的管理;元数据服务器主要提供对象存储访问、文件和目录访问管理以及客户端缓存的一致性管理等功能。为了提供可扩展的可靠服务,对象存储器的内部结构非常复杂。例如,亚马逊的简单存储服务(S3)[12]通过REST(RepresentationalStateTransfer)、SOAP(SimpleObjectAccessProtocol)和APIs(ApplicationProgrammingInterfaces)提供检索和删除操作;它将一个对象的多个副本布局在存储服务器上以提供错误情况下的冗余。很多网格存储服务和为数据密集型应用设计的协议可以认为是对象存储,这种架构对构建来自不同的执行环境的数据管理模式而言具有重要的借鉴意义。针对面向大数据工作流,利用对象存储的优点,本文提出两个方案:一是工作流中的3类数据文件都使用远程的对象存储;二是在计算节点上使用共享文件系统作为数据暂存点来存储中间数据。

3.1单独使用对象存储

在这种情况下,所有的数据都存储在对象存储系统中,工作流管理系统需要从对象存储中无缝检索数据,为本地工作流任务使用。在这样的设置中,工作流管理系统从对象存储中检索输入文件和中间文件,然后,工作流中的任务对本地的POSIX文件系统做必要的输入/输出设置,任务完成时,工作流管理系统能够将中间数据和输出数据存储到对象存储中。这样,即使工作流被部署在分布的资源上,科学应用只需要对POSIX做常规的输入/输出设置,就能完成工作流的执行。工作流管理系统与对象存储的多次交互增加了工作流执行的开销,而该开销与分布资源上的计算相比并不算大。对象存储中既有输入数据也有中间数据,只要工作流系统与对象存储能够无缝检索和存储,那么任务执行可以在任何地方。如图4中,任务t1可以在校园计算机集群上完成,而属于同一工作流的任务t2可以在亚马逊的EC2上完成,t1、t2使用亚马逊的S3对象存储作为中间数据文件的暂存。总之,数据存储和执行环境的分离,使得工作流在分布资源上的执行更为容易。一个常见的情况是,当计算需求超过本地或校园计算所提供的资源时,将使用云资源。图4也说明了工作流的数据移动情况。在这里,文件F-i被传送到云中的高性能计算集群工作节点的本地文件系统。任务t1从该节点开始,读入输入文件F-i,然后写入本地文件系统的中间文件F-t,F-t被传回到作为数据暂存点的对象存储中。F-t文件将从对象存储中被检索进入到EC2节点的本地文件系统。任务t2启动后读取F-t文件(该文件是由t1创建),然后将F-o写到本地磁盘,再传送到对象存储中。以上所有的数据传输工作都由工作流管理系统完成。科学工作流中单独使用对象存储的明显不足之处是,数据重复传输会引起在大数据处理过程中的延迟。工作流中的多个任务使用相同的文件,所以重复传输是显而易见的[13][14]。对象存储将对同一资源的重复请求认为是不同的请求,对象存储通常以其良好的扩展性减轻这种重复对工作流性能造成的影响。另外,工作流系统可能在本地节点选择缓存文件,或者利用集群中的共享文件系统来减轻此问题。延迟是整个工作流性能应该关注的问题,云对象存储的设计提供了很高的带宽,但对单个检索或对象操作可能需要数秒钟的延迟。对具有大量文件的数据密集型的科学工作流而言,这种延迟显著增加了工作流运行的时间开销。大型工作流中的另一个问题是多数中间文件需要被传输到对象存储中由相关后续任务检索并使用。由于商业对象存储提供以GB为单位的存储,并按迁移、存储和检索的请求数付费,所以重复传输也就意味着费用的增加。

3.2共享文件系统作为数据暂存

解决由数据重复迁移造成的延迟问题的方法之一,是工作流管理系统将中间文件暂存在POSIX兼容系统中,由多个计算节点文件系统共享,然后在一个资源节点上运行所有的计算。文件共享系统保存了工作流管理系统中所有任务的中间数据,在这种情况下,只有输入输出文件存储在对象存储中。由于中间文件不需要在对象存储与计算节点之间传送,从而可降低使用商业云对象存储的费用。如图5所示,是一个具有文件共享系统的高性能计算环境下具有2个任务的简单工作流。文件F-i被工作流管理系统传送到集群文件共享文件系统。任务t1在计算节点1上启动,从共享文件系统中读入文件F-i,然后将中间文件F-i-t写入到共享文件系统中,任务t2在计算节点2上启动,从文件共享系统中读入F-i-t(由任务t1创建),然后将其输出写入到F-o,F-o由工作流管理系统送到对象存储中,这种方法的优点在传统的有高速并行超级计算环境中尤为显著。例如,XSEDE(ExtremeScienceandEngineeringDiscoveryEnvironment)节点对多数科学工作流点有极大扩展性[15]。值得注意的是,如果第一个计算节点忙而需要将计算溢出到另一个节点时,这种随数据布局任务的方法,损失了布局计算的灵活性。以上两种方法各有所长,选择使用哪种方法取决于工作流的类型和工作流执行的目标环境,这就要求工作流管理系统的开发具有弹性的数据管理方案,允许科学家有效使用对他们有用的基础设施。工作流中的数据管理方案应该具有如下特征:首先,科学工作流管理系统允许任务和数据后绑定,任务依据资源的可用性映射到计算资源上,任务在执行时能够发现资源,并从众多存储中选择数据暂存位置;其次,在科学家只有一个计算资源可用的情况下,允许任务和数据的静态绑定;再次,支持使用不同协议和不同安全机制访问对象存储。

4相关工作

工作流管理系统处理数据的方法很多,Swift[16]采用与本文所描述的第二种模式类似,使用本地文件系统或共享文件系统作为数据缓存,提交主机扮演数据暂存的角色。系统首先选择一个计算站点来运行一个任务,然后将数据从提交主机推向该站点的文件系统,任务执行后,输入的文件被回传给提交主机,中间文件被留在共享文件系统中以便后续任务的执行。相对而言,本文将数据文件(包括输入、输出、中间文件)与提交主机分离,并使用不同的协议,具有更好的灵活性。其他工作流管理系统如Kepler[17],Triana[18]和Taverna[19]关注的是流式工作流中任务的调度和其他Web资源的调用,这些工作流具有图形化的用户界面,允许用户搭建具有不同部件的工作流,但通常没有涉及访问大量数据集的问题。这些工作流中的数据管理很大程度上依赖于用户,数据管理自动化非常有限。Kepler[20]引入了一个MapReduce执行器,允许执行采用MapReduce算法的混合工作流。Hadoop平台通常用来运行数据密集型的科学应用,它所提供的文件操作与POSIX类似,允许随机读,但不允许随机写。在这种情况下,Hadoop平台负责将输入文件切片并分布在各个数据节点。而本文提出的方法主要针对工作流运行在多个不同的执行环境中,代码不能MapReduce的情况。在XSEDE中,任务利用分布式文件系统如GPFS-WAN[21](GeneralParallelFileSystem-WAN)来访问数据,分布式文件系统支持POSIX操作,可以对输入和输出文件进行远程访问。研究表明[22],将大型数据集布局在本地计算节点会更好,但这一策略也会带来新的问题,如不同类型工作流的融合以及数据布局策略算法等。

5总结

大数据工作要点范文2

关键词:嵌入式;网络节点;Linux;ARM;工业数据采集

中图分类号:TP274.2

随着微电子技术及信息技术的不断进步,实时数据在企业中的利用也日益增多,企业在生产运行、生产决策、故障诊断、设备监测等方面都应用到了实时数据。因此,保证实时数据的及时性、准确性、可靠性、稳定性,是工业控制系统必须满足的基本要求。嵌入式系统集成了微控制器(或微处理器)的系统电路以及相应的专属软件,有效实现了操作效率与成本比例的最优化。嵌入式系统的应用,可有效促进企业生产、经营自动化程度的提高。

1 嵌入式数据采集网络节点的特点

传统的工业控制系统在管理模式、数据采集方面大部分都应用了B/S与C/S结合的结构模式,其数据库都集中于S(Server)端,运行于各网络节点的应用程序不能加载数据库,虽然该方式能较好地保证数据一致性,然而其对S端可靠性有着较高的要求,同时也需要S端具有较高的数据处理能力,不但使网络传输消耗大大增加,也不利于系统的扩展。

嵌入式工业数据采集网络节点的出现,则很好地规避了数据库的集中管理,其通过在各网络节点设置分布式数据库,利用广播协议,实现分布数据库的高速刷新,进而保证了所有数据库数据的一致性。同时,分布数据库也涵盖了全网的动态数据,各网络节点只需要同其分布数据库进行数据交换,就可实现全网通信,其不仅不需编程与通讯,还较好地实现了数据采集、交换的高速响应。

2 嵌入式操作系统及微处理器的选择

嵌入式系统,是指利用计算机技术,以应用为目标,应用系统对功耗、体积、成本、可靠性、功能具有严格要求的一种专用操作系统。在嵌入式操作系统中,处理器是其核心硬件,根据应用方向及功能,主要分为MCU(嵌入式微控制器)、EMPU(嵌入式微处理器)、EDSP(嵌入式DSP处理器)、SOC(嵌入式片上系统)四种。在嵌入式工业数据采集网络节点的开发过程中,通常会从主流嵌入式操作系统中进行选择,比如pSOS、Linux、WinCE、uC/OS、VxWorks等,其中Linux的应用最为广泛。在选择微处理器时,需要考虑到数据库构建资源及网络功能要求。目前,市场上的主流微处理器有ARM、MIPS、X86、PowerPC等。其中ARM采用了先进的RISC结构,并且拥有完整的开发工具、软硬件设计、技术支持,其是嵌入式系统硬件平台的理想选择。

3 嵌入式数据采集网络节点的硬件设计

网络节点的核心处理器采用S3C2410型ARM(ARM9内核),支持内存管理单元,硬件部分主要包括处理器模块、存储器模块、数据传输模块以及电源、复位、驱动、时钟模块4个部分。硬件构成框架如图1所示。

在实现过程中,通常会将存储器模块与处理器模块封装在一个模块中,加上复位、时钟、电源等构成核心模板,在此基础上实现Linux,并以此为核心扩展组件,以提升程序开发效率。在电路设计中,会将模块、核心模块分开,核心模块设计采用“金手指”形式,设计为DIMM-200标准接口。

4 嵌入式数据采集网络节点的软件设计

软件设计的任务包括建立开发平台、开发Berkeley DB数据库程序,其中数据库程序主要包括节点故障恢复、数据处理、网络通讯及串行通讯程序。

4.1 建立开发环境

要在ARM操作系统中建立数据库程序,首先需要创建开发环境。Berkeley DB可视作程序库,创建开发环境也就是编译Berkeley DB,利用编译获得的API函数,编写数据库系统。在编译Berkeley DB后,所得的API函数能适应多种操作系统(Linux、Windows等),本文分别在嵌入式Linux、Linux、Windows下创设了开发环境。

4.2 实现数据库的应用函数

在创建开发环境以后,可对API函数进行直接调用,与此同时,还需要根据需要,根据API函数编制出应用函数,建立数据库系统,实现数据的管理与存储。

4.3 设计应用程序

根据设计要求,可根据功能将应用程序分为4个模块:一是串行通讯程序,该程序主要用于接收、存储串口485、232的数据,可应用C语言进行编写;二是网络通讯程序,该模块是网络节点的核心程序,其主要用于实现数据的网络传输,且为双向传输,包括数据接收及广播;三是数据处理程序,该程序主要用于实现提取暂存队列数据,释放数据所占内存空间,同时将提取数据存储到数据库中;四是故障恢复程序。当在系统运行过程中,若节点出现故障,该程序可使各节点可对故障节点的相关信息进行记录,在节点恢复正常后,又可自动恢复故障时间段中的数据,以确保各节点分布数据库中数据的一致性。

5 网络节点实现的功能

在嵌入式系统环境下,运用工业以太网技术进行网络控制,实现实时数据的可靠、稳定、高速传输,其能有效促进工业控制网络技术的发展。嵌入式工业数据采集网络节点最终实现的功能有:

第一,网络节点中配置了CAN、RS485、RS323总线和网络接口模块,以便在控制网络中顺利接入各种通讯设备,实现即插即用。在该系统中,可将核心模块嵌入应用电路,同智能设备组成一个完整的分布数据库监控平台。

第二,通过运行嵌入式Linux,建立多个分布式数据库,各分布式数据均包含了全网数据,同时各分布数据库都拥有自己的IP地址,其能对节点进行任意的增删和即插即用,极大地扩展了网络节点的通讯距离和容量。此外,在分布数据库中,还可以进行历史查询,利用数据广播,实现了全网数据库的高速刷新,刷新时间可达到毫秒级,从而保障了全网数据的一致性。

第三,在每个网络节点中,都嵌入了通讯协议,实现了网络通讯的自动化、无编程化,有效节省了软件编程成本,也使其他软件编程变得更为简单。每一个分布数据库都包含了整个网络的动态数据,各节点通过与自己的数据库进行数据交换,就能实现全网通信。

6 总结

嵌入式工业数据采集网络节点,综合运用了以太网技术、数据库技术和嵌入式系统,其较好地融合了控制网络技术和数据库技术,通过在工业控制层嵌入分布数据库,实现了对全网历史数据、实时数据的管理与查询,其使工业数据采集摆脱了对服务器数据库的依赖,实现了数据存储的稳定性、高效性,同时有效提升了服务性能、降低了成本,嵌入式网络节点必然会成为工业现场控制网络的主流发展趋势。

参考文献:

[1]王珏,谭辉,黄亮.工业CT用数据采集与传输系统设计及实现[J].仪器仪表学报,2009,30(4):722-727.

[2]陈尧.基于嵌入式Linux的工业数据采集设备以太网端口设计与实现[J].电脑编程技巧与维护,2013(16):68,96.

[3]何景波.基于Linux的嵌入式应用系统技术研究[D].中北大学,2009.

[4]刘昊.面向制造执行系统的RFID嵌入式数据采集终端研究[D].北京工业大学,2010.

[5]刘溯.基于ZigBee技术的工业数据采集系统设计及实现[D].哈尔滨工业大学,2011.

大数据工作要点范文3

1 以大数据为核心的审计信息化建设的意义

以大数据为核心的审计信息化建设发展带来了巨大的机遇和挑战,大数据审计应用的出现大大提高了企业的竞争力,企业发展发生了战略性的技术调整,使企业的总体工作形成了数据化的发展模式。在大数据的审计信息技术建设下,企业的审计工作发生了本质性的改变,现代信息化技术的审计工作已经代替了从前人工手动化的审计工作,因而对于企业发展来说,大数据化的审计信息化建设具有跨时展的意义,已经成为了当前审计学方面中的主要研究方向,并且成为了新一轮信息化技术产业融合的新目标,不仅促进了大数据为核心的信息科学技术的高度发展,还在一定程度上提升了企业的经济效益,并创造出了巨大价值。

2 大数据下审计信息化的特点

大数据通常是指数量上非常庞大,而结构又十分复杂,种类多变的信息数据结构。随着计算机云时代的到来,大数据也不断应用到企业审计工作当中,使得企业审计信息化建设的发展呈现出以下三点特点。

2.1 使企业信息化控制管理发生改变

在传统的企业审计中,一般都是手动的控制系统,企业审计制度与实际生产工作结合在一起进行控制,在企业审计工作实施过程中,采用穿行测试以及符合型测试的方式,对企业审计工作流程进行监控。但是在以大数据为核心的企业审计信息化工作中,企业审计制度的控制比传统人工手动控制的更加完善和细致,在大数据审计系统下,审计控制的流程都将转化隐性的控制工作。因此,在信息化审计中怎样才能够找到关键的控制点,已经成为了当代审计信息化建设中的核心问题。[1]核心大数据下的信息化审计发展有利也有弊,它在为企业发展提供大量的数据的同时,数据系统自身仍然存在着漏洞,一旦漏洞出现问题,数据信息化系统造成的损失将会带来比人工手动控制系统造成的损失更为严重的后果。

2.2 使数据处理信息化更加集中和自动

以大数据为核心的企业信息化审计使得数据的处理变得更加的自动化和集中化管理,将企业的审计工作变得更加简洁、明了,数据处理工作更加方便、快捷。传统企业审计工作都是手动控制的,而在大数据下的企业审计工作全是由计算机系统给控制而完成的,审计工作人员只需要在计算机中输入一定的信息,就可以完成企业审计工作的操作了,而且信息大数据系统还可以分享,通过数据分享可以为企业中所有的用户分享,因而随着计算机大数据核心技术的不断更新和发展,审计信息化建设中的漏洞也会不断地更新补丁进行修补,将数据处理变得更加自动化、智能化和集中。

2.3 使审计信息化手段发生改变

在大数据核心技术下,企业中的会计信息审计管理手段也相应地发生了改变,传统信息审计手段还是通过人工手动来查阅账目、纸质数据的方式来进行人工审计。后来,随着计算机技术的普遍普及,企业中的审计手段采用计算机处理系统进行了数据审计工作。而大数据技术是对过去计算机技术的进一步升级与提高,可以使用大数据信息化的平台系统进行审计工作,因而在大数据环境下,审计信息化手段也有自身的风险漏洞特点,需要针对漏洞问题来进行更新思考。[2]

3 加强以大数据为核心的审计信息化建设的相关建议

3.1 改变观念,树立大数据审计信息化思维

提高企业大数据环境下的审计质量,首先就是要转变原有的审计观念,进而树立大数据化的审计思维,使得信息化的审计工作可以在企业内全面普及和发展,要随时记录审计工作中的数据信息,及时总结审计工作中出现的问题和数据结果,对于科学有效又合理的审计工作要不断加以推广,对于审计工作出现的不足要不断地进行总结。要把提高企业审计工作的质量作为企业管理中的战略重点来安排,从企业发展的长远性角度来看待大数据技术,有规划地来进行审计工作。还要加强对大数据审计信息化建设工作的重视性程度,为企业审计工作人员创建沟通交流平台,使审计人员能够在平台中进行交流讨论和经验改进,促进审计信息化水平的不断提高。[3]

3.2 加强对审计人员的素质培养

以大数据为核心的审计方式变化多样,企业要明确数据类型的要求,又要能够了解企业审计管理工作中的数据语言,这样在不同部门中都可以对数据信息进行分析。因此,需要审计工作人员能够科学掌握审计信息的专业化职业技能,具有大数据分析和协调能力,还能够充分了解大数据网络数据库、计算机系统方面的专业化知识,将大数据系统处理同计算机系统的应用能够紧密地结合在一起,进而满足企业审计信息专业化建设的需求。大数据的发展,需要更为广阔的思维空间,而审计工作的信息化建设更是离不开审计人员的理论知识学习,只有全面的认识了解了审计工作,才能够做到从企业宏观战略的角度上出发,去体现审计工作的重要性意义。

3.3 强化企业审计控制管理工作

现代化企业发展中,随着审计工作的不断数据化和信息自动化管理,使得企业中的以权谋私现象变得更加隐蔽,更加难以发现,因此必须要强化企业审计制度中的控制管理工作,减少以权谋私现象的发生,防止审计工作人员在工作岗位上利用自身的职务之便,去做损害企业公司利益的事情,给企业的公私财产造成巨大的损失。[4]因而在强化企业审计中的管理工作时,要充分认识到企业审计工作中遇到的问题,从而减少计算机系统出现的漏洞与风险,提高企业审计控制管理水平,可以采用信息平台中的穿行测试,进而对审计控制工作的科学有效性进行管理,也能够发现审计信息化流程中存在着的隐性风险,从而提高企业审计信息化建设的风险意识,从而针对风险因素进行管理。强化企业审计管理工作,还要加强对数据信息的收集、整理和管理工作,加强大数据系统的建设,扩展数据的集中性力度,并且要完善数据管理制度,对审计用数据进行集中性的规范化管理,使得审计数据信息化管理统一化集中进行,保证数据的积累,存放工作,还要提升审计数据电子存档备份的质量,从而保证审计数据的安全性,防止审计人员对数据进行作假。将数据技术手段开发同审计工作紧密联系在一起,进而提高对审计工作问题的审查分析能力,将审计数据的结果标准化设置,做好企业的横向审计分析和纵向审计分析,构建大数据审计系统,组建大数据团队,从而强化企业审计控制管理工作。

大数据工作要点范文4

关键词:大数据;高校;学生党建

高校党建工作是高校学生教育管理工作的重要组成部分,党中央十六号文件指出:要充分发挥党员在大学生思想政治教育中的先锋作用。也在第二十三次全国高等学校党的建设工作会议上作出重要指示:高校肩负着学习研究宣传马克思主义、培养中国特色社会主义事业建设者和接班人的重大任务。大数据时代下,积极利用大数据,将数据分析应用到高校党建工作中去,对于发挥高校学生党建工作的有效作用,具有十分重要的意义。

一、大数据对高校学生党建工作的重要促进作用

1.大数据的利用有利于掌握学生党员的思想现状。

对学生党员思想现状的掌握,是高校学生党建工作有效开展的前提条件。大数据最早用来描述更新网络搜索索引需要同时进行批量处理或分析的大量数据集,后来涵盖了处理数据的速度。大数据技术的战略意义首先在于掌握庞大的数据信息,学生每天的日常行为如购物、消费、监控摄像区域的进出、网上活动、各种通信行为等等都被记录。学生党员作为党建工作开展的重要对象,在党建工作开展的过程中,通过结合各方面的网络平台数据,结合学生党员平时浏览的网页信息、关注的网络平台、博客信息微信信息的更新、图书馆借阅的记录等各方面数据信息,有利于动态掌握学生党员的思想信息,了解学生党员的思想现状,这是党建工作有效开展的前提,有利于促进党建工作的开展。

2.大数据的分析有利于预测学生党员思想的发展趋势。

对学生党员思想发展趋势的深入分析,有利于促进高校学生党建工作的深入开展。大数据时代下,通过对多方面、多领域的数据分析,可以在更加全面地掌握学生党员的思想动态、关注点等方面内容的基础上,详细分析学生党员对于党建工作中满意或不满意的地方,归纳出学生党员对于党建工作的认可度,从而探讨其背后的原因,分析学生党员的思想动态,预测其发展趋势,这些能促进党建工作的有效开展。

3.大数据的分析有利于建立健全党建有效工作机制。

党建工作机制的建立健全,是顺利开展高校学生党建工作的保障。通过大数据的分析,可以实时深入的了解当今时代下,高校学生党员的思想行为特点,通过分析学生党员实际关注的事物、平时的各种表现、对学生党员的态度以及行动等方面数据情况,检验高校学生党建工作取得的成效,这对于建立健全党建有效工作机制起到良好的借鉴,促进党建工作的有效开展。

二、大数据时代下高校学生党建工作面临的问题

1.大数据时代下需要提升高校党务工作者的素质。

大数据时代对高校党务工作者的综合素质有着更高的要求。作为新媒体时代下的高校党务工作者,不仅要有深厚的党建理论知识基础和丰富的党建工作经验,还要了解多媒体技术的运用,熟悉多媒体教育载体,懂得利用网络平台开展党务工作,懂得通过各种大数据来关注学生思想动态,采取灵活有效的方式,与学生适时互动。

2.大数据时代下需要加强对学生正确思想的引导力度。

大数据时代下,信息多元化、价值多样化,大数据时代下网络信息充斥着大学生生活的方方面面。新时代的大学生,在思想趋于半成熟、价值观念处于待形成的阶段,更加容易受到外界各种思潮的影响。因此,要引导大学生形成正确的思想,引导大学生树立正确的价值观念,高校党务工作者就要结合网络时代和学生特点,加强引导的工作力度,提高工作效率。

3.大数据时代下需要创新高校党建工作的方式方法。

在当今大数据时代,大学生可以随时通过网络媒体获取各种学习信息,可以通过视频、图片等手段获取各种学习资源,可以了解社会各界的信息动态,形成自己的看法和见解。因此,除了传统的“线下”教育方式,新时代的高校党务工作者要结合新媒体和学生特点,创新工作方式方法,不断开拓工作新思路,采取工作新举措,把“线上”教育和“线下”教育有机结合起来,积极利用网络平台,结合学生学习生活的各方面数据,通过多种渠道,创新工作方式,实现实时动态的反馈,提高工作的成效。

三、大数据时代下高校学生党建工作的有效路径

大数据时代下,大数据的科学有效利用,对于高校学生党建工作的开展起到了良好的促进作用。然而,大数据时代下,高校学生党建工作有着机遇也面临挑战。基于各种机遇和挑战,高校教育工作者要结合大数据时代的特点,通过多方面有效路径的探讨,从而提高高校学生党建工作的有效性。

1.建立健全相关制度,加强党建工作重视力度。

高校党建工作的有效开展,健全的制度是重要保障。在大数据时代下,要做好高校党建引领学风建设的工作,在大数据掌握分析的基础上,要建立健全相关制度。结合在大数据分析基础上得出的高校学生党建工作开展过程中存在的问题,科学分析,建立健全相关制度,加大党建工作的重视力度,从机构设置、队伍建设、工作流程、运作模式等方面,加以健全与规范,促使工作的制度化、规范化、科学化。

2.加强校园文化建设,营造良好党建工作氛围。

在大数据时代下,高校党建工作的有效开展,良好的工作氛围是重要条件。党建工作者要根据当今网络时代和当代大学生的特点,结合校园文化,加强校园文化建设和党建工作宣传,充分利用大数据时代带来的机遇和条件,营造良好的党建工作氛围。

3.夯实工作队伍建设,提升党务工作者综合素质。

大数据时代下,高校党建工作的有效开展,高素质的工作队伍是基本保证。要做好高校党建工作,需要工作队伍作用的发挥,党务工作者素质的高低对工作的成效有着较大的影响。一方面,要注重提升丰富党务工作者的理论知识水平。高校党务工作者要具备相应的政治理论素养,掌握相关党的理论知识,明晰党的政策法规,熟知教育学和心理学等相关理论知识,具备扎实的理论基础,有着丰富的理论知识。另一方面,要注重提升党务工作者的相关工作能力。新媒体时代下的党务工作者要能结合大数据时代的特点,懂得利用和掌握大数据,要具备熟悉信息网络技术的能力,能够利用各种网络载体、充分发挥网络媒体优势来开展教育工作。同时,党务工作者在提升自身利用网络平台技术的基础上,要注重提升把握学生思想动态的能力,并在工作过程中加强党建工作。

4.丰富党务工作内容,加大党务工作引领学生教育管理工作的力度。

大数据时代下,高校党建工作的有效开展,丰富的党建工作内容是前提基础。要提升高校学生党建工作的成效,工作的内容是前提基础。信息时代下,在开展高校学生党建工作的过程中,要注重学生党建工作内容的丰富。一方面,要注重教育信息的正确选择和引导。在各种信息充斥网络的时代,丰富教育内容的同时要注重教育内容的科学选取,要对那些能产生正能量、给予学生以正确引导的新时代内容加以选取利用。另一方面,要注重将党建工作与学生教育管理结合起来。在开展党建工作的过程中,要通过思想引导、技能提升、方法推广等方式,加大党建工作在思想上、组织上、动力上引领作用的发挥力度,通过党建工作的有效开展来促进学生教育管理工作。

5.创新党务工作方式,形成“线上”“线下”积极互动平台。

大数据时代下,高校党建工作的有效开展,灵活有效的党建工作方式是关键环节。大数据时代下,信息时代化,大学生个性凸显,这些都给当今教育工作者带来了挑战。要取得较好的教育成效,就必须结合时代形势和学生特点,采取灵活有效的工作方式,增强学生党员先锋模范作用的发挥,可以采取多种方式开展相关工作。第一,建立健全党建网站,加强宣传与引导。通过建立党建网站的途径,设置“党建网上课堂”“红色论坛”“党建促学风”等栏目,大力宣传党建相关知识,适时对学生进行教育引导。第二,打造官方微信微博,加强引导与交流。当前高校中,微信微博等平台成为大学生熟悉并喜爱的交流平台。新媒体时代下,党务工作者可以通过党建微信微博平台的打造,及时给予信息推送,在线跟学生进行互动交流,了解学生动态,适时加强引导。第三,构建党支部网络工作平台,加强工作落实与推进。高校学生党建工作应充分发挥“大数据”的作用,让网络平台在高校成为我们党组织传播主流信息、宣传党建理论、加强自身建设的坚强武器和牢固阵地。通过党支部网络工作平台的构建,充分发挥学生党支部的作用,使党支部成员自由畅快地通过网络开展交流学习和研讨工作。通过组建“网络党支部”“党支部微信群”,可以有效挖掘高校党建教育新资源,促进高校思想政治教育工作的顺利开展。第四,开展党建工作“微课堂”,增强网络宣传和舆论引导。结合当今大数据时代与学生特点,可以开设党课“微课堂”,进行政策法规的宣讲、党建活动的宣传、党史时政的普及等,定时更新社会各类政策法规条例和生动案例,追踪社会热点问题,增强对学生党员的教育时效性和实效性。第五,举办网络党建促学风建设比赛活动,以赛事促建设。通过“网络党建微电影比赛”“先锋模范领头兵党员网络评比大赛”等多种方式,利用网络平台,宣传先进典型,发挥党建对学生教育管理的促进作用。

参考文献:

[1]闫树.“微文化”时代高校学生党建工作创新探究[J].学校党建与思想教育,2015,(5).

[2]赵杰.以党建为载体加强高校学风建设[J].黑河学刊,2014,(4).

[3]邬驾铨.大数据时代的机遇与挑战[J].求是,2013,(4).

[4]李国杰,程学旗.大数据研究:未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J].中国科学院院刊,2012,(6).

大数据工作要点范文5

关键词:激光扫描; 数据处理; 工程侦察; 机载雷达

中图分类号:TN95 文献标识码:A

文章编号:1004-373X(2010)11-0047-04

Application of Airborne Radar in Project Reconnaissance

WANG Wei, GAO Jie

(Engineering Institute of Engineering Corps, PLA University of Sci. &Tech., Nanjing 210007, China)

Abstract: Since the data acquisition of the reconnaissance information in the existing reconnaissance means is slow and the processing course is complex, the airborne LIDAR method which can improve the project reconnaissance efficiency is proposed. The flow chart of LIDAR data processing is presented. The common DEM and DOM accomplishment generated after the data processing can realize the digitlization of the battlefield information quickly, which has the important effect in the project reconnaissance.

Keywords: laser scanning; data processing; project reconnaissance; airborne radar

0 引 言

激光雷达扫描得到的数据作为未来侦察信息的重要来源之一,在主要军事强国得到了大量的应用。它具有侦察数据量大、战场信息数据采集快的优点。然而这些数据并不能直接为我们服务,对于如何处理这些庞大的数据,进而满足作战需求就显得尤为重要。通过激光扫描数据处理实现战场目标侦察数字化,增强战场监控能力和快速获取战场数据信息,为工程保障提供可靠战场信息有着重大的意义。本文重点介绍了机载激光扫描数据处理的一般方法,结合战场数据需求对其在工程侦察的应用进行了展望。

1 数据处理

一般来说,对于机载激光原始数据的处理过程分为数据前处理与数据后处理,具体说来,包括POS数据解算、激光脚点三维坐标计算、激光点云数据预处理、数据滤波与分类、数字高程模型DEM生成、正射影像制作、建筑物三维重建以及地物提取等过程。数据处理流程如图1所示。

2 数据前处理

机载激光扫描数据采集得到的原始数据包括:

(1) 原始激光点云数据,由激光扫描仪采集得到;

(2) 原始数码影像数据,由数码相机拍摄采集得到;

(3) 惯性导航仪(IMU)数据;

(4) 机载GPS数据;

(5) 地面基站GPS数据。

原始激光数据仅包含每个激光的发射角、测量距离、发射率等信息,原始数码影像也只是普通的数码影像,都没有坐标、姿态等空间信息。只有在经过数据前处理(也称为数据预处理)后,才完成激光和影像数据的“大地定向”,只有空间坐标和姿态等信息。

原始激光点云数据的大地定向包括数据定位和定向两大内容,需要用到机载GPS观测数据、地面基站的GPS观测数据、IMU记录的姿态数据和系统参数(IMU,激光扫描仪、相机之间的相对位置及姿态参数)等。

2.1 激光点云数据定位

机载三维激光扫描在采集数据的过程中,GPS天线同步记录的坐标信息会受到对流层延迟误差、电离层延迟误差卫星星历误差及多路径效应等误差的影响要消除或减小这些误差的影响,才能提高定位精度。

图1 机载激光雷达数据处理流程

消除上述误差通常采用的方法有两种:一种为精密单点定位;一种为双差分定位。

精密单点定位又称为绝对定位,即利用GPS卫星和用户接收机之间的为距观测值,确定测站在WGS84坐标系中的位置。使用精密单点定位方法时精密星历和钟差文件是必需的,可以直接从网站上进行免费下载。使用单点定位最大的优势是不用布设地面基站,这样就可以节省许多人力、物力,但单点定位的精度劣于差分定位精度,在精度要求不高的情况下可以使用。

DGPS双差分定位可以保证比较高的定位精度,该方法是在地面布设基准站,与机载GPS装置进行同步观测,用基准站测定具有空间相关性的误差或其对测量定位结果的影响,供机载GPS装置改正其观测值或定位结果。

基站布设的多少和位置根据测区大小、地形及数据精度要求等具体确定,不同的要求需对应布设不同个数的地面基站。一般情况下,为保证仪器工作的同步性及初始化精度,机场需布设一个基站,若测区面积较小且距离机场较近,在机场布设一个基站基本可以满足生产需要。但有些项目,例如电力巡线或选线项目中,作业区域为条带状,且地形多为山地,一般情况下离机场较远,此时需在测区增设一个或多个地面基站。由于地势崎岖,地面基站布设难度较大,所以在考虑保证数据精度的同时也要考虑尽量减少外业工作量。

DGPS双差分定位方法也可以联合精密星历和钟差文件,定位精度较高。实际生产中一般使用这种定位方法。

2.2 激光点云数据定向

无论通过单点定位还是双差分定位得到的都是GPS接收装置处的坐标信息,而最终需要的是激光扫描仪处的坐标信息,所以还需要根据GPS天线的偏心分量和扫描仪的偏心分量计算激光扫描仪的坐标信息。一般情况下,只要重新安装设备,GPS天线的偏心分量都会有变化,每次都需要重新测量。而扫描仪的偏心分量比较固定,检测期内,使用厂家提供的检测值即可。

IMU与激光扫描仪的相对位置参数由厂家提供,联合定位信息可以得到激光扫描仪的航迹文件,包含激光扫描仪在各个GPS采样时间的位置信息、姿态信息及速度。

根据激光扫描仪的航迹文件,为每个激光点在WGS84坐标系下赋坐标值,即激光数据的大地定向。大地定向后的激光数据,可以通过专业软件打开浏览,因每个激光点都已有坐标属性,以高程显示的激光数据已能比较清晰地看出地面起伏及地物情况。

2.3 激光点云数据的检校

在航飞过程中,IMU和激光扫描仪的相对姿态可能会发生微小的变化,从而对激光数据产生影响,为消除这种影响,通常要对大地定向后的激光数据进行检查。若数据质量较好,则可以直接进行数据加工;若数据存在问题,则需对数据进行检校。

数据检校参数通常是指偏心角分量:侧滚角(Roll)俯仰角(Pitch)和航偏角(Heading)的偏心角分量。

由于大量数据同时运行速度较慢,实际生产中,为较快地得到较好的检校参数,通常的做法是,首先在检校场数据中选择一块典型地形的数据进行检校,得到理想的检校参数后运用在整个检校场,若还有问题,经过微调即可以得到一组检校参数,将该组检校参数运用在整个测区,即可以实现对测区激光数据的检校。经过检校的激光数据,不同航带、不同架次的数据都能很好地匹配,由此便可以进行进一步的数据处理。

2.4 激光点云数据坐标转换

检校后的激光点云数据为WGS84坐标系,国内客户要求的成果坐标一般为工程坐标系,工程平面坐标系通常指北京54坐标系、西安80坐标系或当地独立坐标系,高程系统则指1956黄海高程系统、1985国家高程系统或地方独立高程系统。

完成两个坐标系统的转换,首先需要具有控制点在两套坐标系统中的坐标(例如WGS84坐标及北京54坐标),求出转换参数,然后将转换参数应用于激光数据,完成激光数据的坐标转换,转换后的激光数据即为工程坐标系,基于此而生产的数字高程模型(DEM)、数字表面模型(DSM)等数字产品也在工程坐标系下。

平面坐标转换通常使用的是布尔莎七参数法,平面坐标转换流程图如图2、图3所示。高程系统的转换比较简单,根据控制点在两套坐标系统的高程,求得高程异常,应用于激光数据便可以实现激光数据的高程系统转换。

激光数据的坐标转换可以在检校后进行,也可以在激光数据分类后进行或不对激光数据进行坐标转换而直接转换至成果的坐标系统,这些都是可行的。目前比较成熟的做法为:激光数据检校后进行坐标转换,将激光数据直接转换至成果要求的工程坐标系下,再进行数字产品生产,这样基于激光数据生产的所有产品都是工程坐标系,避免了其他转换方法中可能需要进行多次转换的麻烦。

图2 平面坐标转换流程(一)

图3 平面坐标转换流程(二)

2.5 确定影像外方位元素

相机与激光扫描仪的相对位置参数由厂家提供,联合定位信息可以得到相机的航迹文件,包含相机在各个GPS采样时间的位置信息、姿态信息及速度。初始航迹文件在WG584坐标系下,可以根据生产需要将航迹文件转换至相应工程坐标系,转换方法与激光数据坐标转换方法相同。

根据仪器记录的曝光点信息及原始影像的编号可以得到每幅原始影像的曝光时间,以GPS时间表示。由此相机航迹文件与原始影像的曝光时间文件相结合便可以得到每幅原始影像的外方位元素[1]。

3 数据后处理

在数据前处理上作得到成果,包括经大地定向后的激光数据和经计算得到的影像外方位元素基础上,即可以正式进行常见的DEM和DOM成果数据的加工生产,这一过程称为数据后处理。

3.1 激光数据分类及DEM制作

经过预处理的激光地表数据及激光地物数据都在同一层。需要提取出纯地表数据方能生成DEM。经过分类,将建筑物、植被等非地表数据放在其他层里面,纯地表数据就被分离出来。经过分类的纯激光地表数据是具有三维坐标值的离散点,构TIN后即可以按规定格网生成DEM。

正常情况下解作生成的DEM成果只包含纯地表数据,但由于激光扫描数据分类及生成DEM的方式方便快捷,所以也可以根据客户的应用需求,将感兴趣的地物与地表数据一起生成DEM,以达到特殊应用的目的。激光数据的可视性强,因而可以将不同的地物分类在不同的层里,按层显示时能清楚地看到地物构成情况;经过精细分类的激光数据,去除噪点后,可以保留所有要素生成数字地表模型(DSM)。

3.2 影像数据处理及DOM制作

通过对原始影像进行预处理,已经得到了每幅原始影像的外方位元素。激光扫描测量系统中影像的内方位元素已知,由此便可以完成影像的相对定向和绝对定向,从而生成正射影像。

然而由预处理后得到的外方位元素精度可能达不到生产要求,需要进行进一步的纠正,一般通过找影像连接点的方式进行。

根据与影像对应的纯地表激光数据找连接点,所谓的连接点为两幅有重叠影像上的同名点,一般每两幅有重叠的影像需保证至少4个连接点,而实际生产中为保证产品质量,通常需保证至少8个连接点,所有连接点都必须是地面点且分布均匀,根据影像连接点重新计算影像外方位元素,使用理想的外方位元素进行正射影像的生产。

4 在工程侦察中的应用

利用机载激光扫描产生的DEM,可以快速地生成战场三维数字地图。典型的一套机载激光扫描系统可以在4 h内用一架固定翼飞机完成长30 km、宽10 km区域的勘测。其垂直精度可达15 cm,平均点距为1.5 m,合计记录了15 300 000个反映详细地形和地物的数据点\。

4.1 生成的DEM,DSM数据类型功能

(1) 所选位置坐标查询:实时显示鼠标选中点的地理坐标和高程;

(2) 最佳渡场开设位置:对河流区域进行扫描,系统对扫描点云数据进行处理,分析出适合开辟渡场位置,计算出最短路径,确定最佳点;

(3) 距离、面积量算:地图上两点的距离包括水平距离、直线距离、高差和地表距离;面积包括图上面积和地表面积;

(4) 空间分析及应用:目标性质、种类、具置和特点等;

(5) 地理信息数据库\:建立了完备的战场信息数据库,以备指挥员决策使用。

4.2 工程侦察专题功能

机载激光扫描法相比于传统的电子速测法,作业半径更广、更深,速度更快,效率也更高。传统工程兵道路、桥梁、筑城、地雷、爆破、渡河、伪装、给水等作业任务都需要战场高分辨率的战场三维景观信息的支撑,机载激光扫描正是适应的这一需要。

(1) 工程实体目标建模功能:工程实体目标是指工程兵部(分)队工程作业的对象。工程实体信息模型是指满足工程保障作业战术计算所需要的工程实体目标情报信息的集合。基于机载激光扫描的DEM,DSM能够生成相应的工程实体目标三维建模功能。

(2) 辅助分析功能:扫描生成工程作业区域的三维实物景观;采集工程作业实体目标信息,并进行各种分析、评估等,之后确定改进、改造、调整、规划、再设计抢修的方案及对策。

(3) 工程作业规划与配置功能:将建立的工程实体三维模型在扫描生成工程作业区域的三维实物景观中进行规划和配置,可以对工程作业情况进行仿真和演示。

(4) 空中侦察与地面侦察相协调。大区域范围的工程作业区域的三维实物景观则由机载空中激光扫描生成,小面积的工程作业区域的三维实物景观可以由地面扫描生成,两者相互补充,能满足快速性、高分辨率等特殊需要。

参考文献

[1]郑斌.利用机载激光雷达扫描系统快速获取地面三维数据\.科技创新导报,2008(20):15-17.

[2]陈建军.机载激光雷达扫描的特点及其工程应用\.内江科技,2008(12):122-124.

[3]黄秀军.三维激光雷达扫描技术获取高精度DTM的应用研究[J].工程地质学报,2007,15(3):428-432.

[4]马立广.地面三维激光雷达扫描仪的分类与应用[J].地理空间信息,2005,3(3):60-62.

[5]郑德华,沈云中.三维激光雷达扫描仪及其测量误差影响因素分析[J].测绘工程,2005,14(2):32-34.

[6]刘正军.钱建国.三维激光雷达扫描数据获取高分辨率DTM试验研究[J].测绘科学,2006,31(4):72-74.

[7]马超杰,王科伟.机载军用激光雷达扫描技术\.航空科学技术,2007(5):10-12.

大数据工作要点范文6

关键词:excel 水文水利 分析计算 效率

一、前言

在水文水利工作中,一个非常重要的部分就是处理水文水利的相关数据,将数据进行分析、统计和整合、分类是水文水利工作中的重要部分。由于数据分析和整理工作较为繁琐,而且富有变化性,因此,建立一个可以同时处理所有相关数据的程序是不现实的,而若是每一个工作都单独编写程序又会浪费太多时间,降低工作的效率,提高工作的复杂性。因此,就需要一个易于操作又功能强大的软件对水文水利的相关数据进行处理,Excel就能够很好地满足水文水利日常数据处理的要求。将Excel软件与水利工作结合在一起,不仅是水利工作数字化、信息化建设的要求,也是科技发展的必然趋势。如今,Excel软件已经成为水文水利中重要的日常工作软件,通过科学、合理地使用Excel可以提高工作效率和计算结果的准确度,工作人员通过掌握Excel中的公式运用和VBA编程,能够快速而又针对性的解决绝大部分水文水利数据分析计算问题。

二、Excel的相关数据处理

在水文水利工作中,经常要处理大量原始数据,这也是水文水利数据分析计算工作的前期必要准备工作。通过Excel软件,能够实现这些数据的分类筛选、排列组合等基本操作处理。在这些基础操作的帮助下,工作人员能够迅速查找到需要的数据资料进行下一步的分析整合。除了基本的数据筛选、排序和分列功能,Excel还可以帮助工作人员对缺失的数据进行补充或插补。在水文水利工作中,常常需要准备长期的水文数据作基础,这其中的时间跨度可能会达到数十年。由于时间跨度较长,有时会出现数据缺失的现象。比如长江某流域1940~2000年的降雨数据共有3个水文站进行记录,其中一个水文站1963~1966年的降雨数据缺失,这时就可以应用同一流域降雨存在相关性的原理,利用Excel中的线性回归功能,在其他两个水文站的数据基础上通过线性回归对缺失数据进行插补,以此对数据补充完善。

灵活运用Excel中的自定义函数运算也可以帮助工作人员有效的进行数据运算和处理。在实际水文水利数据计算过程中,一些Excel内置函数公式无法处理所有数据计算问题,这时工作人员就可以通过Excel中的宏指令利用VB进行编程,以此借鉴内嵌函数所无法解决的问题。通过编程也可以有效减轻工作人员的数据计算负担,扩展Excel的功能。

三、关系曲线图的绘制

在水文水利数据计算分析工作中,经常需要利用已知数据经过分析和计算对未来的数据走势进行预测,这其中关系曲线的拟定是一种常用的计算分析手段。在Excel中,“图表”功能非常实用,在它的辅助下能够有效进行关系曲线图的绘制。具体操作中,只要在Excel中输入两组相关的数据,之后点击“插入”中选择“图表”,在列表中选择适当的图表类型就可以进行曲线绘制。如可以选择“xy散点图”进行对频率~供水系数(P~K)的关系进行散点图绘制,在散点图的基础上确定其函数图象的线型。也可以选择趋势线进行绘制,在趋势线类型中,包括分线性、对数、多项式、乘幂、指数等多种类型,工作人员可以根据数据的需要选择最适合的趋势线进行图表绘制。举例来说,如果工作人员要在双对数纸上点绘某流域洪峰流量~集水面积相关关系,他可以选择乘幂类型趋势线。具体操作中,首先要确定最适合的趋势线类型,之后根据实际数据需要修改相应公式上有关参数,通过这种方式拟定最佳相关关系曲线。如果在绘制中需要双对数纸,则可通过在“坐标轴格式”中勾选“对数刻度”即可实现。在拟定最佳相关关系曲线后,即可直接根据公式进行相关内插、延长,大大简化相关法计算。

四、频率计算

在水文水利数据计算中,频率计算是基础计算方式,也是常用的计算方法。传统的频率计算通常是人工在频率格纸上进行点绘从而绘制出频率曲线,在Excel中,则可以通过绘制频率格纸图进行频率绘制和计算。目前,常用的频率格纸图为海森频率格纸图,绘制这种频率格纸图的关键在于横坐标频率刻度的绘制。在具体操作中,可以使用NORMSINV函数,即标准正态累计分部函数的反函数,通过NORMSINV函数计算各频率值至中值(P=50%)的水平距离,由于已知中值到横坐标左端点的距离为3.719,因此可以计算出各频率至横坐标左端点的距离,所用公式即为NORMSINV(P)+3719。通过此公式也可以将需要计算的经验频率值及适线法拟定频率曲线的频率值进行转换,然后在频率格纸图上进行绘制。

五、水量供需平衡计算

在水文水利数据计算工作中,一个很重要的工作目的就是要通过数据计算得出的结论为水库的修建规模,工程的各项参数等提供依据。在此目的的要求下,需要计算出水库的调节流量、调节库容和供水保证率之间的关系,即对水库的水量供需平衡进行计算。水量供需平衡的基本公式为:W入-W出-W损=V末-V初,,通过这个公式的灵活运用可以对水库的径流调节进行有效计算。在水量供需平衡计算中有两个关键计算点需要注意:一是IF函数运用,二是迭代计算。在水量平衡计算中,对于水库蓄水增量的计算一般使用多层IF函数进行计算,对于水库正常蓄水位和死水位的不同关系进行不同函数计算。在IF函数计算中,有时对于水量损失的计算会出现循环计算的错误,这时就需要使用迭代计算,在“公式”的下拉菜单中选择启用迭代计算,然后在“最多迭代次数”及最大误差中选取适当的值进行计算,能有效避免循环计算的错误。

六、结语

在Excel用于水文水利工作中以来,通过大量的实践经验能够证明Excel对于水文水利数据计算及分析工作有非常重要的辅助作用。在Excel软件的帮助下,能够进行相关数据的基本运算处理、关系曲线的拟定、水量供需平衡计算、水文频率曲线绘制等,通过Excel应用极大提高了工作效率和数据计算的准确性,其操作的简便性也极大减少了工作人员的工作量,同时,Excel还能够对计算结果进行直观化的呈现,其数据结果能通过清晰、美观的方式表现出来,这些优势都使得Excel在水文水利工作中发挥着越来越重要的作用。对Excel进行深入学习,通过掌握不同的规律和方法让其更好地为水文水利工作服务,必能更好地发挥Excel的作用,提高水文水利工作效率。

参考文献:

[1]叶守泽.水文水利计算[M].北京:中国水利水电出版社,1994.