测量与检测数据在大机上的应用
有砟线路大机精捣
一、学习的目的
从工务轨道检测和测量方面入手，重点分析轨检车波形图谱，结合捣固车起、拨道作业数据构成的原理，制定出较为科学合理的数据处理方法，利用数字化捣固技术，有效改善线路平纵断面的线形线位，消除70米长波不平顺。
二、主要学习内容
1、捣固车作业数据构成原理
1.1、08—32、09—32、捣稳联拨道测量系统构成
1 = 测量拨道正矢“H1”的拨道传感器
2 = 测量拨道正矢“H2”的拨道传感器
3 = 零点电位计
5 = 人工输入曲率修正值（V、F、W及相应的HV、HF、HW）的数字电位计
6 = 人工输入移动量（拨道误差）的调整电位计
7 = 遥控输入移动量（TELE操作、激光或准直装臵的遥控操作）的调整电位计
8 = 三点测量系统选择器（A = 后张紧小车、B = 测量小车、C = 拨道小车、D = 前张紧小车）
9 = TELE操作选择器
10 = 拨道指示器
11 = 所有输入信号的全部数值
12 = 自动拨道控制信号（由捣固镐下插信号触发）
13 = 拨道系统的人工控制
14 = 液压拨道系统的伺服控制
15 = 修正值指示器
16 = 三点拨道的弦固定叉
17 = GVA系统（轨道几何形状自动调整）
18 = 遥控接收调整马达
S = 拨道弦
i = 正矢比例H1:H2
1.2、08—475道岔捣固车拨道测量系统构成
1.3、拨道系统的几何原理
⑴捣固车拨道系统测量采用弦测法，通过B、D两点固定弦线，带动正矢测量传感器拨叉测量C点位臵偏差，经拨道控制板计算，采用电液伺服控制方式，由拨道油缸自动拨移到位。因前端D点小车弦线位臵固定，不能检测到设计轨道中线值，其拨道系统存在的误差“FD”值，系统把相对减小的拨道误差被传送到拨道小车“C”上，拨道仅保证在测量弦线长度范围直线方向或曲线园顺，并不能解决长大直线或整条曲线精确定位。
1 = 理想线路
2 = 拨道前的线路
3 = 无输入误差时拨道后的线路
4 = 拨道量
5 = 拨道弦的实际位臵
6 = 拨道弦的理论位臵
7 = 有输入误差时拨道后的线路
如果线路必须拨移到设计的位臵上，则必须使用3点精确法，必须在前端2号位输入轨道与设计中线的偏移量。这个偏移相当于前弦的固定端在理论上正确的轨道位臵上移动，与相应的正矢相互叠加，可使线路达到准确的几何位臵。
⑵缓和曲线线型方程：y=X3/6RL
⑶∑f(v i)=f(v1实测偏矢)+f(v2理论偏矢)+f(v3前端偏移量)+f(v4激光测量前端偏移量)+f(v5偏矢修正量)+
f(v6曲线超高影响偏矢修正量)
⑷三点法测量系统的几何原理
B点的偏矢“H2”测量传感器接地输出电压为零，弦线被固定在B点中心，轨道方向按三点进行测量，C点的拨道偏矢“H1”根据曲半径、缓和曲线长度和捣固车进入缓和曲线长度确定。
⑸三点测量系统误差的减少量与消除
①误差的减少量
B点位于机器后方已经拨好的轨道上，弦的前端点D 点存在拨道误差“FD”，在C点进行拨道直到“H1”与所设定的理论正矢符合为止。
设定理论正矢“H1”，移动C点到所需曲线半径为R 的位臵，残留误差“FR”取决于测点距离的比例。
继续向前拨道作业，B点处存在残留误差并因此影响下一步的测量。
1 = 理论线路
2 = 拨道前的线路
3 = 拨道后的线路
②误差的消除
在弦的前端点测得的误差“FD”依照外侧边作修正，并自动以正确的比例通过拨道控制系统传送给拨道正矢。
轨道在C点进行拨道，拨道量为设定的理论正矢“H1”加上误差调整值“FD/n”。这样，半径和角度位臵被完全修正。测量系统的残留误差“FR”= 0。
1 = 理论线路
2 = 拨道前的线路
3 = 拨道后的线路
4 = 拨道弦的实际位臵
5 = 拨道弦的理论位臵
1.4、直线激光准直拨道原理
⑴在前张紧小车“D”上安装激光准直接收装臵，与激光发射装臵按基准轨对中校直成一直线，激光接收器自动跟踪激光光束，伺服电机跟踪过程中，左、右位移值转换成前端偏移电压值。
D = 前张紧小车
P = 准直小车
S = 测量弦
1 = 带有TELE电位计的调整马达
2 = 激光接收器
3 = 马达控制装臵
4 = 激光装臵——侧向调整
5 = 激光发射器
⑵激光发射器与接收器示意图
⑶直线激光准直工作原理示意图
2、起道测量系统构成
2.1、纵断面的测量
⑴线路左、右钢轨同时采用三点弦测法：
捣固车前端测点“F”，检测前端的横向水平和确定前端实际纵向位臵。
捣固装臵区域的测点“M”，为抄平传感器，测量左、右单根轨道高低。
捣固装臵后面的测点“R”，位于已修正好的轨道上，作为已达到纵断面标高的基准轨。
⑵超平弦位于每根轨的上方，在参考点“F”与“R”之间拉紧，两根弦彼此相互独立。
⑶抄平测量传感器安装于中间测量装臵的测量杆上，传感器的控制臂与抄平弦相连，输出量输入到左右抄平控制板自动控制起道液压伺服阀。
2.2、横向水平的测量
测点“F”、“M”和“R”处的横向水平值，采用电子摆来测量。
⑴前测点“F”处横向水平的理论值与实测值之差，自动地传递到左、右起道控制系统。
⑵起道和捣固作业过程中，中间测点“M”处（位于捣固装臵区域内）检查作业区域的横向水平。
⑶后测量点“R”以下作用：
①检测起道和捣固过后的轨道横向水平；
②参与左、右起道控制；
③用电子记录仪记录横向水平。
起道抄平系统实际上进行两个方向上的起道作业：一是对横向水平的控制，以实现超高；二是对纵向高低的控制，以实现轨道线路前后高差。
2.3、起道值的输入
起道量由捣固车前端2号位手动输入或ALC录入自动实现，并以一定的比例传送到抄平控制板与中间“M”处的抄平传感器相叠加。2号位操作人员只需输入一股钢轨的起道量，另一股钢轨通过电子摆检测横向水平差，自动计算该股实际起道量。
抄平系统可按下列方法使用：
⑴近似法
不需对轨道进行纵断面测量，只需选定一个固定的起道量进行捣固作业，该方法误差较大，现有的纵向误差得到修正减小，横向水平误差被消除。
⑵精确法
轨道需由专业测量人员测量，捣固作业时测量人员将一股钢轨的起道量标记在轨枕上，作业过程中起道量由人工同步给定。
⑶有准直测量装臵的精确法
这种精确法不必事先对轨道进行测量，可使用下列系
统：
①伺服控制纵向准直测量装臵：
用一种专门的抄平装臵，此装臵固定在机器前方的轨道上，而在前抄平测量杆上装有用于自动跟踪的目标板。作业时，通过伺服控制将目标板调整至同一纵断面的高度，调整量自动地叠加到起道量的设臵中。
②激光系统
激光光束照射到装于前段平面二维的接收器上，产生一个纵向高程值，并以此作为轨道所要求的起道量。
⑷数据录入模式
⑸专业测量基准轨选择：直线可选左或右股，曲线
必须选低股轨。
⑹纵断面修正值: 捣固车作业过程中，在竖曲线或
变坡度点起始点处开始，前端2号位必须手动录入修正
值，保证过渡区域线型不变，否则纵断面竖曲线桩点因捣固作业移位。也可选择“自动模式”, 通过捣固车计算机“ALC”或“GVA”自动将修正值传至前端起道给定，计算机显示器显示修正。
①变坡点修正
②竖曲线修正
3.1、捣镐深度设定
3.2、异步夹持原理
利用非同步均衡压力原理进行压力振动捣固。所有的镐掌均以同样的压力下插到道砟中，与其在道砟中的运动无关。这说明所有镐掌表面的压力是均衡的，使其可在道床中独立运动，其表面压力相当于道砟的阻力。捣固过程中，阻力在每对镐掌的前方。一旦阻力达到予设的压力，相应一对镐掌自动停止挤压道砟。其余的镐掌继续挤压直至达到预定的压力。采用的异步夹持原理可保证每根轨枕下的道砟均匀压实。
图1：Unomatic捣固机
每根轨枕下的空隙大小不同，每个镐掌在不同的空隙中的运动也不同。
3.3、压实过程
捣固头埋在道砟中，随着面向轨枕的夹持运动，形成一个正弦形的摆动。镐头运动的频率、振幅、夹持速度和夹持力的协调决定道砟的稳定（压实）质量。具体的研究证明频率和振幅的迭加振动对道砟的稳定性有很大的影响。下列的图形表明（图2）当频率为35 Hz ，振幅为5mm 时将产生均匀有力的向上提升的作用。
图2：轨道高度的稳定性取决于捣固频率源;频率和振幅对道砟表面稳定性的影响
图 3 ：配合镐掌的挤压速度和振幅，通过冲击力将道砟捣实
道床的重新布砟和成型要求适当的压力和时间。在捣固
第７期 ２４ ２０１４年４月１０日 计算机教育 ＣｏｍｐｕｔｅｒＥｄｕｃａｔｉｏｎ ◆新视点 文章编号：１６７２．５９１３（２０１４）０７—００２４－０６ 中图分类号：Ｇ６４２ 大数据分析及其在医疗领域中的应用 邹北骥 （中南大学信息科学与工程学院，湖南长沙４１００８３） 摘要：互联网和物联网技术的快速发展给数据的上传与下载带来了前所未有的便利，使得互联网上 的数据量急剧增长，由此产生了针对大数据的存储、计算、分析、处理等新问题，尤其是对大数据的挖掘。文章分析当前大数据产生的背景，阐述大数据的基本特征及其应用，结合医疗领域，论述医疗 大数据分析的目的、意义和主要方法。 关键词：大数据；物联网；医疗；大数据挖掘 １ 大数据早已存在，为何现在称之为大
数据时代 计算与数据是一对孪生姐妹，计算需要数据，数据通过计算产生新的价值。数据是客观事 物的定量表达，来自于客观世界并早已存在。例 如，半个世纪前，全球的人口数量就有数十亿，与之相关的数据就是大数据；但是在那个时代，由于技术的局限性，大数据的采集、存储和处理 还难以实现。 互联网时代之前，采集世界各地的数据并让它们快速地进入计算系统几乎是一件不可想象的 事情。２０世纪８０年代兴起的互联网技术在近３０ 年里发生了翻天覆地的变化，彻底地改变了人们的工作和生活方式【ｌ】。通过互联网人们不仅可以下载到新闻、小说、论文等各类文字数据，而且可以轻而易举地下载到音乐、图像和视频等多媒体数据，这使得互联网上的数据流量急剧增长。据统计，现在互联网上每分钟流人流出的数 据量达到１ ０００ ＰＢ，即１０亿 ＧＢｔ２１。 推动大数据产生的另一个重要因素是物联网技术。近几年发展起来的物联网技 术通过给每个物品贴上标签 并应用ＲＦＩＤ等技术实现了
座椅设计与人体测量及数据应用 （一）设计问题： 现代座椅设计，要满足人机工程学需求，要便于人使用。 设计思路： ●确定使用人群。 ●确定使用人群需要被测量的数据列表 ●查找数据资料 ●确定百分位选择 ●估计功能修正量和心里修正量，得到准确数据。 ●图示 （二）使用人群：10岁----25岁男女学生群体 （三）需要测量的数据有： 膝 腘 高 度
对于座椅与人体接触部分，需要测量的人体数据有：
（四）查找数据资料： （五）百分位选择：
根据数据类型和实际生活习惯可知： ●坐板高度 应根据膝腘高度中的女士第5百分位数据，即34.6cm，因为如果坐 板太高，大腿会受到压力会使人感到不舒服，如果个子矮小的女士 合适使用，那大个子的人士也可以使用。 ●坐板深度 应根据臀部—膝腘部长度的男士第95个百分位数据，即49.4cm，因 为如果坐板太短，不方便人使用。 ●坐板宽度 应根据坐姿臀部宽度的女士第95个百分位数据，即36.8cm，因为如 果坐板过窄，不利于大腿部位的受力，不方便使用。 ●椅背高度 应根据男士臀部—头顶长度的男士第95个百分位数据，即96.3cm， 因为如果椅背高度过低，显示器会被头部遮挡，不利于交流使用。 ●椅背宽度 应根据男士肩部宽度的男士第95个百分位数据，即40.4cm，因为如 果椅背宽度过窄，会导致男士后仰时，无法舒适使用。 （五）功能修正量 ●坐板高度应加上鞋的高度约3.5cm，凳面高度5cm,即坐板总高为 43cm. ●椅子深度应该适当考虑使用舒适性，所以应该适量增加心理修正量 2cm,即坐便器深度为52cm. ●椅面宽度应该加上两腿坐立放开后增加的臀宽5cm，和心理修正量 10cm，即椅面宽度为52cm. ●椅背高度68cm。显示屏最下端高度96cm。 ●椅背宽度52cm。 ●椅背厚度与坐板厚度根据材料和结构适当定量。
人体测量数据统计分析与研究 菲菲洋洋 (**安全科学与工程学院，辽宁省阜新市123000) 摘要：人体身高数据在机械设备研发，服装设计等方面有很重要的作用，因此有必要对人体的有关参数进行研究，本文运用人体测量学、数据处理等知识，结合文献调查法、数据统计分析法，调查了安全学院100名男生的身高，对测量获得的数据进行统计、方差计算，同时对所获得的数据进行分析，分析与国家标准的差异、分地区分析人体尺寸的变化、不同地区平均身高上的差异，以及是否符合原国家标准的规定、分析差异存在原因。 关键词：人体测量数据；人体测量学；调查法；数据分析 引言 为了使各种与人有关的机械、设备、产品等能够在安全的前提下高效率的工作，实现人机的最优结合，并使人在使用时处于安全、舒适的状态和无害、宜人的环境之中，现代设计必须充分考虑人体的各种人机学参数，因此有必要对人体的有关参数进行研究。近10年来 ,我国经济迅猛发展 ,人们的生活水平大幅度提高，人们的身体状况是也发生了相应改变，为了更好的了解学生身体状况变化情况 ,本设计对100名学生的身高进行调查，对测试结果内容的分析与探讨,找出存在的主要问题。 1 人体测量的基本知识 1.1 人体测量学 人体测量是一门新兴学科，它所涉及的是一个特定的群体而非个人，选择样本必须考虑有代表性的群体，测量的结果要经过数据统计处理，以反映该群体的形态差异与差异程度。它是通过测量各部位尺寸来确定个体之间和群体之间在人体尺寸上的差别。用以研究人的形态特征，从而为各种安全设计、工业设计和工程设计提供人体测量数据[1]。 1.2 人体测量的主要方法 普通测量法、摄影法、三维数学测量法 1.3人体测量的基本术语 (1)被测者姿势 a立姿 指被测者挺胸直立，头部以眼耳平面定位，眼睛平视前方，肩部放松，上肢自然下垂，手指直，手掌朝向体侧，手指轻贴大腿侧面，自然伸直，左、右足后跟并拢，两足前段分开大致成450夹角，体重均匀分布于两足。 b坐姿 被测者挺胸坐在被调节到肋骨头高度的平面上，头部以眼耳平面定位，眼睛平视前方，左、右大腿大致平行，膝弯曲大致成900，足平放在地面上，手轻放在大腿上。 （2）测量基准面。人体测量基准面是由3个互相垂直的轴来决定的。
课程名称：大数据分析与应用 一、课程编码： 课内学时：32学分：2 二、适用学科专业：计算机专业硕士 三、先修课程：无 四、教学目标 通过本课程的课堂学习与应用案例，建立科学的大数据观，掌握大数据架构、大数据精准语义搜索、大数据语义分析挖掘、知识图谱等关键技术，熟练使用常用的大数据搜索挖掘与可视化工具，提升大数据的综合应用能力。 五、教学方式 课堂学习、研讨班与应用实践 六、主要内容及学时分配 1.科学的大数据观2学时 1.1.大数据的定义，科学发展渊源； 1.2.如何科学看待大数据？ 1.3.如何把握大数据，分别从“知著”、“显微”、“晓义”三个层面阐述科学的大 数据观。 2.大数据技术平台与架构4学时 2.1云计算技术与开源平台搭建 2.2Hadoop、Spark等数据架构、计算范式与应用实践 3.机器学习与常用数据挖掘4学时 3.1常用机器学习算法：Bayes,SVM，最大熵、深度神经网络等； 3.2常用数据挖掘技术：关联规则挖掘、分类、聚类、奇异点分析。 4.大数据语义精准搜索4学时 4.1.通用搜索引擎与大数据垂直业务的矛盾； 4.2.大数据精准搜索的基本技术：快速增量在线倒排索引、结构化与非机构化数 据融合、大数据排序算法、语义关联、自动缓存与优化机制； 4.3.大数据精准搜索语法：邻近搜索、复合搜索、情感搜索、精准搜索； 4.4.JZSearch大数据精准搜索应用案例：国家电网、中国邮政搜索、国家标准搜 索、维吾尔语搜索、内网文档搜索、舆情搜索； 5.非结构化大数据语义挖掘10学时 5.1.语义理解基础：ICTCLAS与汉语分词 5.2.内容关键语义自动标引与词云自动生成； 5.3.大数据聚类； 5.4.大数据分类与信息过滤； 5.5.大数据去重、自动摘要； 5.6.情感分析与情绪计算；
大数据应用分析案例分 析 Company Document number：WTUT-WT88Y-W8BBGB-BWYTT-19998
大数据应用与案例分析 当下，”大数据”几乎是每个IT人都在谈论的一个词汇，不单单是时代发展的趋势，也是革命技术的创新。大数据对于行业的用户也越来越重要。掌握了核心数据，不单单可以进行智能化的决策，还可以在竞争激烈的行业当中脱颖而出，所以对于大数据的战略布局让越来越多的企业引起了重视，并重新定义了自己的在行业的核心竞争。 在当前的互联网领域，大数据的应用已十分广泛，尤其以企业为主，企业成为大数据应用的主体。大数据真能改变企业的运作方式吗答案毋庸置疑是肯定的。随着企业开始利用大数据，我们每天都会看到大数据新的奇妙的应用，帮助人们真正从中获益。大数据的应用已广泛深入我们生活的方方面面，涵盖医疗、交通、金融、教育、体育、零售等各行各业。 大数据应用的关键，也是其必要条件，就在于"IT"与"经营"的融合，当然，这里的经营的内涵可以非常广泛，小至一个零售门店的经营，大至一个城市的经营。以下是关于各行各业，不同的组织机构在大数据方面的应用的案例，并在此基础上作简单的梳理和分类。 一、大数据应用案例之：医疗行业 SetonHealthcare是采用IBM最新沃森技术医疗保健内容分析预测的首个客户。该技术允许企业找到大量病人相关的临床医疗信息，通过大数据处理，更好地分析病人的信息。在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过3000次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施，避免早产婴儿夭折。
大数据分析的应用和产品 大数据很火。2月18日，微软宣布投资三家中国云计算和大数据公司。2月19日，IBM宣布将与AT&T在大数据分析领域展开合作——AT&T计划贡献出一个全球可访问的移动网络，用来收集数据并将其发送至应用程序；IBM公司则主要致力于生产用于数据管理和分析的软件。 “读心术”、“未卜先知”，都是大数据分析头上的耀眼光环。不管你信不信，“数据”真的会说话。人们在互联网上的一切行为都会留下数据，而通过对这些数据的分析，就能够得到消费习惯、职业、喜好甚至性格等信息。在这些信息的基础上，政府可以治理交通，减少犯罪率，而企业则可以利用这些数据进行有针对性的营销，提升业绩。 虽然目前大数据分析还处于发展的初级阶段，要从海量的非结构性数据中提取出有用信息并不是一件容易的事儿，但是很多企业已经开始利用大数据分析并推出了相关的应用和产品。大数据分析究竟能做什么？大数据分析又正在做什么？让我们一起来看看吧！ 洞察“人类大迁徙” “春运”，被誉为人类历史上规模最大、有周期性的人类大迁徙。过去，我们只是粗略地知道在40天左右的时间里，有几十亿人次的人口流动。现在，随着大数据时代的到来，我们可以描绘出能够揭露更多细节的“迁徙地图”。 2014年的春运，央视首次推出了“据说春运”特别节目，基于“百度迁徙”提供的可视化大数据服务，实时播报国内春节人口的迁徙情况，例如最热门的迁出城市，最热门的迁入城市等等。尽管采用的是大数据这一当前最时髦的科技手段，但浅显易懂的“迁徙地图”，还是几乎让每个老百姓都看得明白。 那么，这张“迁徙地图”是如何绘制的呢？原理上其实并不复杂。目前，几乎每个中国人都拥有一部手机，而每部手机每一天基本上都会产生3次与位置相关的数据：既包括来自基站的数据，也包括用户在使用定位、导航等与位置相关服务时产生的数据。因此，只要调
《应用统计学系列教材·大数据分析:方法与应用》可用做统计学、管理学、计算机科学等专业进行数据挖掘、机器学习、人工智能等相关课程的本科高年级、研究生教材或教学参考书。 目录 第1章大数据分析概述 1.1大数据概述 1.1.1什么是大数据 1.1.2数据、信息与认知 1.1.3数据管理与数据库 1.1.4数据仓库 1.1.5数据挖掘的内涵和基本特征1.2数据挖掘的产生与功能 1.2.1数据挖掘的历史 1.2.2数据挖掘的功能 1.3数据挖掘与相关领域之间的关系1.3.1数据挖掘与机器学习 1.3.2数据挖掘与数据仓库 1.3.3数据挖掘与统计学 1.3.4数据挖掘与智能决策 1.3.5数据挖掘与云计算 1.4大数据研究方法 1.5讨论题目 1.6推荐阅读 第2章数据挖掘流程 2.1数据挖掘流程概述 2.1.1问题识别 2.1.2数据理解 2.1.3数据准备 2.1.4建立模型 2.1.5模型评价 2.1.6部署应用 2.2离群点发现 2.2.1基于统计的离群点检测 2.2.2基于距离的离群点检测 2.2.3局部离群点算法 2.3不平衡数据级联算法 2.4讨论题目 2.5推荐阅读 第3章有指导的学习 3.1有指导的学习概述3.2K—近邻 3.3决策树 3.3.1决策树的基本概念 3.3.2分类回归树 3.3.3决策树的剪枝 3.4提升方法 3.5随机森林树 3.5.1随机森林树算法的定义 3.5.2如何确定随机森林树算法中树的节点分裂变量 3.5.3随机森林树的回归算法 3.6人工神经网络 3.6.1人工神经网络基本概念 3.6.2感知器算法 3.6.3LMS算法 3.6.4反向传播算法 3.6.5神经网络相关问题讨论 3.7支持向量机 3.7.1最大边距分类 3.7.2支持向量机问题的求解 3.7.3支持向量机的核方法 3.8多元自适应回归样条 3.9讨论题目 3.10推荐阅读 第4章无指导的学习 4.1关联规则 4.1.1静态关联规则算法Apriori算法 4.1.2动态关联规则算法Carma算法 4.1.3序列规则挖掘算法 4.2聚类分析 4.2.1聚类分析的含义及作用 4.2.2距离的定义 4.2.3系统层次聚类法 4.2.4K—均值算法 4.2.5BIRCH算法 4.2.6基于密度的聚类算法 4.3基于预测强度的聚类方法 4.3.1预测强度 4.3.2预测强度方法的应用 4.3.3案例分析 4.4聚类问题的变量选择 4.4.1高斯成对罚模型聚类
. ,.. 大数据处理技术发展现状及其应用展望 一、定义 著名的管理咨询公司麦肯锡曾预测到：“数据，已经渗透到当今每一个行业和业务职能领域， 成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者 盈余浪潮的到来。”这是大数据的最早定义。业界（于2012年，高德纳修改了对大数据的定义）将大数据的特征归纳为4个“V”（量Volume，多样Variety，价值Value，速Velocity），或者说特点有四个层面：第一，海量数据量。大数据计量单位至少是PB级别；第二，数据 类型繁多。比如，网络日志、视频、图片、地理位置信息等等都是囊括进来。第三，商业价 值高。第四，处理速度快。 在大数据时代，三分技术，七分数据，得数据者得天下。在大数据时代已经到来的时候要用 大数据思维去发掘大数据的潜在价值。Google利用人们的搜索记录挖掘数据二次利用价值， 比如预测某地流感爆发的趋势；Amazon利用用户的购买和浏览历史数据进行有针对性的书 籍购买推荐，以此有效提升销售量；Farecast利用过去十年所有的航线机票价格打折数据， 来预测用户购买机票的时机是否合适。 大数据分析相比于传统的数据仓库应用，具有数据量大、查询分析复杂等特点。对于“大数据”（Big data）研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具 有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。 二、大数据的技术 技术是大数据价值体现的手段和前进的基石。我将分别从云计算、分布式处理技术、存储技术和感知技术的发展来说明大数据从采集、处理、存储到形成结果的整个过程。 2.1、云技术 大数据常和云计算联系到一起，因为实时的大型数据集分析需要分布式处理框架来向数十、 数百或甚至数万的电脑分配工作。可以说，云计算充当了工业革命时期的发动机的角色，而大数据则是电。 云计算思想的起源是麦卡锡在上世纪60年代提出的：把计算能力作为一种像水和电一样的 公用事业提供给用户。如今，在Google、Amazon、Facebook等一批互联网企业引领下，一 种行之有效的模式出现了：云计算提供基础架构平台，大数据应用运行在这个平台上。 业内是这么形容两者的关系：没有大数据的信息积淀，则云计算的计算能力再强大，也难以找到用武之地；没有云计算的处理能力，则大数据的信息积淀再丰富，也终究只是镜花水月。 那么大数据到底需要哪些云计算技术呢？这里暂且列举一些，比如虚拟化技术，分布式处理技术，海量数据的存储和管理技术，NoSQL、实时流数据处理、智能分析技术（类似模式识
大数据应用与案例分析 当下，”大数据”几乎是每个IT人都在谈论的一个词汇，不单单是时代发展的趋势，也是革命技术的创新。大数据对于行业的用户也越来越重要。掌握了核心数据，不单单可以进行智能化的决策，还可以在竞争激烈的行业当中脱颖而出，所以对于大数据的战略布局让越来越多的企业引起了重视，并重新定义了自己的在行业的核心竞争。 在当前的互联网领域，大数据的应用已十分广泛，尤其以企业为主，企业成为大数据应用的主体。大数据真能改变企业的运作方式吗?答案毋庸置疑是肯定的。随着企业开始利用大数据，我们每天都会看到大数据新的奇妙的应用，帮助人们真正从中获益。大数据的应用已广泛深入我们生活的方方面面，涵盖医疗、交通、金融、教育、体育、零售等各行各业。 大数据应用的关键，也是其必要条件，就在于"IT"与"经营"的融合，当然，这里的经营的内涵可以非常广泛，小至一个零售门店的经营，大至一个城市的经营。以下是关于各行各业，不同的组织机构在大数据方面的应用的案例，并在此基础上作简单的梳理和分类。
一、大数据应用案例之：医疗行业 Seton Healthcare是采用IBM最新沃森技术医疗保健内容分析预测的首个客户。该技术允许企业找到大量病人相关的临床医疗信息，通过大数据处理，更好地分析病人的信息。在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过3000次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施，避免早产婴儿夭折。 它让更多的创业者更方便地开发产品，比如通过社交网络来收集数据的健康类App。也许未来数年后，它们搜集的数据能让医生给你的诊断变得更为精确，比方说不是通用的成人每日三次一次一片，而是检测到你的血液中药剂已经代谢完成会自动提醒你再次服药。 二、大数据应用案例之：能源行业 智能电网现在欧洲已经做到了终端，也就是所谓的智能电表。在德国，为了鼓励利用太阳能，会在家庭安装太阳能，除了卖电给你，当你的太阳能有多余电的时候还可以买回来。通过电网收集每隔五分钟或十分钟收集一次数据，收集来的这些数据可以用来预测客户的用电习惯等，从而推断出在未来2~3个月时间里，整个电网大概需要多少电。有了这个预测后，就可以向发电或者供电企业购买一定数量的电。因为电有点像期货一样，如果提前买就会比较便宜，买现货就比较贵。通过这个预测后，可以降低采购成本。