化学数据分析方法

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇化学数据分析方法范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

化学数据分析方法范文第1篇

关键词：学生调查；初高中衔接；策略

中图分类号：G633.8？摇 文献标志码：A 文章编号：1674-9324（2013）40-0091-02

初高中化学教学衔接问题，已成为高中化学教学老生常谈的话题，更是高中新课程开设以来教育专家常议的课题。大家都知道《全日制九年义务教育化学新课程标准》对初三化学课程的定位是：突出基础性、启蒙性、发展性的一种科普性的课程，而《普通高中化学新课程标准》明确指出高中化学课程目标是：在义务教育基础上，进一步提高学生的科学素养为宗旨的选拔性课程。初中、高中化学课程教学上的衔接当然也就成了一个重要的研究课题。如何做好初高化学教学的衔接，不能仅仅通过教师单纯的教学经验且年年一成不变的模式来解决初高中教学要求不同而引发的衔接问题。为了做好初高中教学衔接策略，校化学教研组在高一新生入学两周内开展学生学习情况调查——《新课程改革初、高中化学学习知识与能力衔接的调查分析》。本调查采用自制的《关于新课程初高中学科知识与能力衔接的调查问卷》（由高一备课组完成，其中问卷题分三类：开放性问题，选择题和填空题）。问题的范围包括学生对初高中各科知识学习的认识、学生在学习兴趣等方面的变化等。本次调查共得到434份学生调查问卷，对数据采用图表软件进行了统计分析。

下面是调查结果的数据分析图表，与本文息息相关的几组数据。

调查结果数据分析之一（如图一）。

该调查数据结果说明，高一新生适应高中学习的时间部分在入学1～2个月之间。

调查结果数据分析之二（如图二）。

该调查数据结果说明，教师的教学方式及教学策略有相当高的权重值。

调查结果数据分析之三。

该调查数据说明，学生认为初中学生从全日制义务教育要求的科普性学习方式与进入高中选拔性且以提高学生素质为目标的学习方式的转型过程的感受最大的不同是：①讲课速度和课堂容量的差异；②高中课程内容难；③初中容易理解，高中比较深奥，学起来更难；④高中讲课速度快；⑤高中知识容量大，难度提高，要花较长时间吸收；⑥高中比初中的知识面更广；⑦高中讲课方法较单调、且速度快；⑧高中练习要做得更多，方法不好就学不好。

调查结果数据分析之四（如图三）。

从学生的调查问卷分析结果不难看出，初中与高中化学的衔接，是新课程改革的大背景下，中学化学教学发展、学科的发展和学生的发展的一个重要、基本的内容，同时也是教师教学、教研永不过时的教科研课题。在正常的教学时间内将初高中知识的衔接渗透到高中化学教学的各个环节中，这对顺利帮助学生在较短的时间内适应高中的学习，促进高中学生的持续发展，提高学生的化学素养，激发学生的学习潜能等都具有重要的意义。

一、做到在“知识内容”的衔接上的“化整为零”

中学化学新课程的大致框架包括基本概念和原理、元素化合物知识、化学与社会生活、化学实验和化学计算等知识模块。知识模块间既相互关联又有一定的各自独立性，如何真正处理好初中与高中化学在“知识内容”上的衔接，就要有计划地做好下面两个方面的研究。

1.理清初高中“知识内容”，领会“知识内涵”，把握好初高中知识的关联及差异。现行新课程九年义务初三化学教材与普通高中课程标准实验教材（鲁科版）相比，高中化学教材有了较大飞跃。高一刚入学的新生明显会出现四个不适应，即知识基础不适应，学习方法不适应，思维方式不适应，学习习惯不适应。这与“调查结果数据分析之三”、“调查结果数据分析之四”反映的问题是相吻合的。

2.所谓“化整为零”就是要在吃透《新课程高中化学教学要求》的基础上，准确把握教材的难度和广度，将初高中衔接的“知识内容”渗透到高中课程的各个环节中。按照初中与高中本身的知识结构规律，理解初高中知识的内在关联，根据学生现有认知水平，把必修I与必修II的学习模块划分成不同的学习小专题并对应初中知识，找出“衔接”的关键点，融入相关课堂教学中，真正做到初高中知识学习的渐进性而不是“跳跃性”。高中课程的难度和广度，将初高中衔接的内容有计划地、有机地融入高一教学的每个专题中，真正做到衔接内容的“化整为零”，这符合高一学生的认知水平。

二、高度重视学生在高中学习的适应期，精心制定教学计划，适度调整教学进度，做到“学习能力”上的衔接

新课程环境下的中学化学提出了四种学习能力：实验与探究能力、分析与解决问题能力、信息处理和加工的能力、自学能力。这四种能力在初中、高中不同的学习阶段的要求是不同的，把握好这四种能力在每个学段的差异，也是做好初高中衔接的另一个研究的关键。适度调慢教学进度，稳步培养学生的学习能力，加强对初三化学知识的回忆和理解，并利用课前自学、实验探究、研究性学习、分组讨论等有效手段提升学生的“学习能力”，所谓“磨刀不误砍柴功”，这对高一学生的学习是有帮助的，更是有必要的。

初高中教学的衔接是新课程教学背景下永恒的课题。初高中的衔接不是简单把高中的教学要求挪到初中，也不是按初中的教学要求嫁接到高中，更不是在高中化学教学前安排几个专题就可以解决问题的，而要在重视其内在规律的前提下，采用各种直接有效的方式方法并渗透到教学的各个环节中，帮助学生顺利渡过因初高中的要求的不同而引发“衔接”。

参考文献：

[1]罗炳杰.新课程背景下如何处理好高初中化学教学的衔接[J].福建基础教育研究，2010，（2）.

化学数据分析方法范文第2篇

一、引言：智慧教育的培养理念

随着物联网、云计算、三网融合等技术兴起和快速发展，为教育信息化和教育现代化注入新的推动力，教育进入智慧教育阶段。智慧教育是在新一代信息技术支持下，尊重每位学习者个性化与多元化的发展需要，创建智能化的教育环境，以最有效的方式促进学习者知识建构与智慧发展的一种教育形态。“智慧教育”最早是受“智慧地球”的概念启发而延伸过来的，IBM公司倡导的“智慧地球”是应用物联网、移动通讯、智能分析等新一代信息技术，促进世界更全面地互联互通，改变政府、企业和人类的生产、协作与管理方式，让所有事物、流程、运行方式都实现更深入的智能化，最终让人类能够更透彻地感应和度量世界的本质和变化。而智慧教育的本意也是应用新一代信息技术，变革今天依然停留在工业时代的“教学工厂”式学校教育，提升教育系统的效率和智能化程度，为信息社会培养适应时展的人才。

随着教育信息化的发展，不同国家、不同研究团体也赋予智慧教育不同的内涵。韩国认为智慧教育是智能化、可定制的个性化教与学。韩国政府提出发展智慧教育的推进战略，这个战略包含教育云框架与平台开发、加强教师能力建设、推进在线课堂与评估和采用数字化课本四个部分，目标是培养在21世纪社会中能够引领国际社会，具有创造力和个性的全球化人力资源。澳洲也推出智慧教育计划，认为新的智慧教育系统可以转变澳洲教育系统、吸引更多的学生，能授权给教师和管理者培养有高价值和全球技能的劳动力。我国学者祝智庭教授在综合国外对智慧教育研究之后，提出信息时代智慧教育是一种最直接的、帮助人们建立完整智慧体系的教育方式，其教育宗旨在于首先引导发现学习者的智慧，并通过协助发展、指导应用学习者的智慧，进而培养创造出学习者的智慧见解。

网络的普及加剧了数据的爆炸式增长，大数据时代已席卷而来。未来将是从数据中“钻取石油、开采黄金”的时代，企业对掌握信息管理与数据分析技术的信息管理类专业人才需求激增。本文提出如何以学生能力培养为核心，应用“智慧教育”创新完善信管专业的理论和实践教学模式手段，实现“以教为中心”向“以学为中心”的转变、“以有限静止知识为中心”向“以无限动态资源为中心”的转变。

二、基于智慧教育的信息管理与信息系统专业教学模式改革

信息管理与信息系统专业具有四个特点：一是信管专业具有很强的实践性；二是信息管理与数据分析技术变化迅速；三是企业基于数据分析的管理模式快速演变；四是信息管理与数据分析依赖于智能感知、网络传输等相关设备。因此，信息管理与信息系统专业的教学手段和模式必须不断创新，以尽快适应大数据分析技术的快速发展和企业对信管人才的需求。

（一）智慧教育的环境要求

智慧教育通过新技术与周围教育环境进行智能化互动构建智慧学习环境，进而运用智慧教学方法促进学习者进行智慧学习，学习者从而获得多种智慧以满足自身和社会的需求。智慧教育环境（如图1所示）包含六个维度：学习者、促学者、资源、设备、工具和学习活动。学习活动作为中心环节代表着学习活动的发生。学习者在活动中处于主体地位，是学习有效性发生的最终体现者。促学者作为学习活动的促进者，在不同学习环境中有不同的称呼，如学校教育环境下教师是学习活动的指导者，起引导性作用。资源包括学习资源和教学资源，资源作为知识的承载体，它的形式和使用方式将会影?学习活动的效果。设备和工具是数字化环境下对学习活动的关注，是学习活动顺利开展的利器。

智慧教育更加强调信息技术在促进教学方式和教学过程中的变革。通过明确智慧教育的教学环境，可以建构更加符合信息管理与信息系统专业技术特征和专业教学需求的文化共享（伦理、责任、价值认同、利益观）学习共同体，为信管专业学生提供更丰富的学习内容、学习工具和实践机会等。

（二）基于智慧教育的信息管理与信息系统专业教学与实践环境构建

基于智慧教育的信管专业课堂与实践教学学习环境框架，包括底层学习资源数据库、弹性分析云和用户使用终端三个部分组成（如图2所示）。智慧教育底层学习资源数据库分为原始用户数据库和聚合信息数据库，原始数据库保留了所有未经处理信息数据；弹性分析云的作用是综合用户需求，基于智能推送选择学习、教学和生活方式，促进学习的社会协作、深度参与知识建构；用户使用终端是基于移动、物联、无缝接入等技术，为学习者提供丰富的、优质的数字化学习资源和多种学习工具，使学习者拥有随时、随地、随需的学习机会。

第一，信管专业智慧教育资源数据库（包括原始和聚合信息数据库）。原始数据库来源于电子教学资源数据文档，教学资源可细分为理论性教学资源和实践性教学资源。理论性教学资源包括多媒体课件、课程视频资料、各种辅导资料、课程相关的案例库和试题库等；信管专业实践教学资源丰富，除了科研训练项目、开放性实验项目之外，还有学科竞赛、学术活动、企业实训等教学资源。聚合信息数据库根据原始数据库存储的数据，进行内容聚合，将高利用率信息提取出来形成“学习元”和“教学元”，再通过智能推送将这些信息推送到弹性分析云中进行分析，以便能更好地满足学生的学习要求。

第二，信管专业智慧教育弹性分析云（包括期望分析和智慧内容分析）。弹性分析云根据社会期望、教师期望和学生期望在数据层传递来的原始“学习元”和“教学元”上添加相关的个性化、共享化和智能化标识，形成具有可重用的、支持学习（教学）过程的共享信息，以实现自我发展的、智能性数字化学习（教学）资源。弹性分析云利用学习分析技术进行智慧内容分析，通过记录学习历史数据，基于大数据分析技术优化学习过程，设计多种智慧型学习活动，提高智慧生成与应用的含量，并提供具有说服力的教学管理服务。

第三，信管专业智慧教育用户使用终端。用户使用终端设计是基于大数据分析技术优化学习过程、干预教学的服务管理。通过聚集、分类以及关联规则等操作，分析记录在学习管理系统中的学习者行为数据，生成实时的数据报告，并利用行为数据中反映出的规律来生成预测模型，评估学生知识建构能力，进而针对学习者的个体差异（如能力、偏好、需求）提供学习诊断、建议和服务，形成基于角色的个性化定制学习元和教学元，通过智能推送服务和终端设备实现资源的互联和人的互动协作，为学生个性化学习提供更加有效的支持。

三、基于智慧教育的信息管理与信息系统专业建设

在大数据时代企业紧缺大量具有“大数据”思维方式、掌握数据分析技术的信息管理人才。如何利用智慧教育的技术与方法提升教师教学能力和学生自我学习能力培养，提高专业教学质量和实践教学水平，完善信息管理与信息系统专业建设，培养企业满意的信息管理专业人才，是我国高等学校信息管理与信息系统专业不可懈怠的追求目标。

（一）基于Moodle平台构建信管专业主动式智慧学习服务平台

Moodle平台（Modular Object-Oriented Dynamic Learning Environment，即模?K化面向对象的动态学习环境）是澳大利亚教师Martin Dougiamas基于构建主义教育理论而开发的课程管理系统。Moodle平台中教育者和学习者都是平等的主体，在教学活动中教育者和学习者相互协作并根据自己已有的经验共同构建知识。Moodle平台具有完善的web日志功能，学生自登录Moodle平台访问课程的那一刻起，其学习行为就被平台记录下来，其浏览时长、访问各模块情况、互动情况等均被记录下来，这些记录都可以在课程的“报表”功能中找到。同时，教师使用社会网络分析工具NodeXL对学生在讨论区的交互关系进行分析，可以得到节点度量基本数据图和交互网络图，从这些图中可以了解每个学生对专业课程自主讨论、参与情况，并且能够掌握每个学生的回复与被回复情况，利用这些内容来评价学生学习情况。目前信管专业可以选择与数据分析技术密切相关的一些课程开展试点，这些课程有“管理信息系统”“数据库原理与技术”“商务智能与数据挖掘”（如图3所示）。

信管专业通过Moodle平台动态记录与跟踪学生在不同场景学习的相关信息，利用社会网络分析工具、数据挖掘技术对海量数据进行抽取、转换、分析和模型化处理，进而了解学生学习的行为动机和学习实效等，从衡量学生“在座位上的学习时间”转移到衡量学生的“学习效率”，充分利用信息技术来改善提高学生的学习效果。

（二）基于整合技术的学科教学知识（TPACK）提升专业教师教学水平

2010年我国政府颁布《国家中长期教育改革和发展规划纲要（2010-2020年）》中明确指出，要深化教师教育改革，创新培养模式，造就专业化教师队伍。2012年教育部颁布《教育信息化十年发展规划（2011-2020年）》中明确指出要推进信息技术与教学融合，促进教师专业化发展。因此，如何提高教师信息化教学能力水平成为信管专业建设的焦点问题。

整合技术学科教学法知识（TPCK，Technological Pedagogical Content Knowledge）是在舒尔曼PCK概念基础上整合技术而形成的面向21世纪信息技术时代的教师知识框架。TPCK代表着教师能够根据具体的教学情景的需要，综合考虑学科知识、教学方法和技术支持，设计恰当的教学方案解决教学问题的方案知识。TPCK的核心是技术知识（TK， Technology Knowledge）、学科内容知识（CK，Content Knowledge）和教学法知识（PK，Pedagogy Knowledge）三者的动态平衡。TPACK（整合技术的学科教学知识） 将技术“整合”到具体学科内容教学的教学法知识当中去，对于有效使用技术进行教学，提高教师教育质量的核心关键要素，促进教师专业化发展至关重要（如图4所示）。

从TPCK的发展机制来看，教师学习技术需要具体情景的支持和教师亲身参与设计技术解决教学问题的过程。TPCK对教师应用技术的有效教学具有支配作用，它包含了具体教学情景中技术与学科知识、教学方法的真实的复杂关系，包括教师对技术的深刻理解，对自己原有教学观念、教学方法的重新审视与反思，敏锐地在技术、学科知识与教学方法的相互关系中寻求新的可能，如根据具体教学情景的需要设计新技术或利用新技术开创新的教学空间。

教师利用TPACK思维框架从教学―内容―技术三者重叠交互教学法，根据信息管理专业特定的教学/学习情境（如师生的信息素养、基于问题情境的教学内容、学生的认知风格与偏好、现有的数据分析实验教学设备环境等）的特点和约束条件，保持技术、学科知识和教学法三者的动态平衡，智慧灵活地选择应用恰当的教学法、学科内容以及支持技术，促进学生的智慧学习和智慧行为的涌现。

（三）基于学习分析技术（Learning Analytics）构建师生互动教学平台

智慧学习环境中的信息技术可以为教师团队提供各种支持，包括教学资源的获取、教师间的协调、师生的互动等。为促进教师的教学与学生的有效学习，通过整合论坛空间、微博、QQ群等多种方式，为师生提供一个互联网、移动网无缝互通师生教学平台，教师可以设置课程视频资料、课程设计任务库、各种辅导资料，课程测试空间历年试题等相关教学资源库，实现连接课堂教学、社区学习、资源环境的“联结”教学模型，通过网络虚拟环境和在线社区来连接教学、教师与学习者，实现学生的个性化学习、增强学生的学习动机。

随着数据日益智能化，信管专业利用无线网络环境和学习分析技术重构传统教育模式中的基本过程与结构，教师通过数据挖掘、推断和建模等方法来分析学习者数据、用户信息、课程信息等重要数据，并对师生互访社群图和中心性进行分析发现潜在问题，从而在讨论区与学生开展互动交流进行个性化教育。教师借助互联网师生教学平台定期设置大数据相关问题的专题讨论，或对某个信息管理典型案例进行在线分析，通过对当前学习难点的在线集思广益和在线方案讨论，对学生实现个性化的教育指导。

（四）建设面向数据管理时代的实用自制教学实验的开放式实验室

随着大数据时代的到来，企业管理进入了“从数据到信息，再从信息到知识”的发展阶段，众多企业都面临着大量的数据，但缺乏实用技术支持定量分析的困境。无论是在数据准备和数据清洗期间，或者在数据探索期间，数据分析基本理论复杂性对常见的统计分析软件如Excel、E-views、SPSS等分析方法的应用提出了挑?穑?数据驱动领域的实践者对于如何学习、应用一系列实用的计算分析工具和解决方案存在着迫切的需求。

为迎合社会数据化、信息化和网络化发展的时代要求，加速培养与信息化社会相融合的复合型人才，信管专业改革实验教学手段，利用Python、D3、Mlpy、Openrefine和MongoDB等数据分析工具设计有推广价值的实验软件、实验设备及教学方案，进行数据分析和模型构建方面的知识讲解和实验教学，加深学生对数据分析基本原理的理解与掌握。根据数据分析实验教学的需要，自制实验软件具备完整的数据分析处理、方案设计、图表再现等功能， 满足数据分析、统计决策等方面的教学和实验需要， 培养学生应用数据分析理论和计算机技术的能力，解决数据时代的管理问题并进行相关决策。通过建设面向数据管理时代的实用自制教学实验的开放式实验室，使学生能够针对来自不同管理领域复杂的数据分析需求提出建设性的解决方案，提高学生在数据分析领域的创新和实践能力，培养特色鲜明的信管专业人才。

（五）针对大数据行业建立开放式企业实训基地

大数据分析技术快速发展和现代企业管理决策模式的转变，决定信息管理与信息系统专业教学必须与企业紧密结合。积极与阿里巴巴、杭州网易信息技术有限公司、台湾鼎捷软件公司等多家企业进行校企合作，建立“大数据管理与应用”的企业实习实训基地。针对各类型企业不同用人需求，将企业实践融入到教学过程中，让学生从实际运作层面上理解信息管理与信息系统专业中抽象的定义、理论、模型，从整体上对专业内容进行认知与把握，实现课堂教学与企业现实业务结合，实现数据、环境和需求的互动。

为充分利用企业在信息化管理实践方面的知识积累优势，还鼓励学生参加企业实际项目开发，这样学生能最直接面对企业需求，充分培养和锻炼学生的技术能力（工具、流程、专业知识）、管理能力（现代化管理理论、项目管理）和系统能力（系统开发、企业规划），通过企业工程师鉴定的方式验收项目成果，评价学生的实践能力和对相关课程的实际理解情况，使学生在实践中快速提高技术应用能力。

化学数据分析方法范文第3篇

Abstract： This paper introduces the concept of big data and application prospects in foundry enterprises smelting process for casting crack of chemical composition of the influence of welding repair rate as the research subject， selecting suitable mining software for data mining， data analysis， find out the connections between various data， effectively solve the problem of data island. Big data to verify the result has reference and controlling function in enterprise management， large data analysis method can be applied in the management of small and medium-sized enterprises.

关键词：大数据；数据挖掘；信息孤岛

Key words： big data；data mining；isolate island of information

中图分类号：TP274 文献标识码：A 文章编号：1006-4311（2016）08-0213-02

0 引言

大数据是维克托・迈尔-舍恩伯格在2008年的著作《大数据时代》中提出的概念，在维基百科中解释为无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。主要特点为Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。对于技术收益方，大数据的概念显得通俗易懂，体现在大数据并不在“大”，而在于“有用”、价值含量高。

随着互联网的发展，越来越多的企业实行无纸化办公、数字化管理，在这一过程中，企业各方面的管理包括技术质量、人力资源、财务、现场生产组织等均形成了一定规模的基础数据。但是，这些数据是独立的，伴随企业的发展形成了数据孤岛，导致宝贵的信息资源不能得到有效利用。如何以这些连续或者离散的基础数据为基本保障，进行数据挖掘，形成知识，实现数据的有效利用受到越来越多企业的重视。本文以铸造企业熔炼过程中材质的化学成分对铸件裂纹焊补率的影响为课题，对大数据进行研究，探讨大数据分析在中小型企业管理中的应用。

1 数据准备

1.1 信息收集

信息收集是根据确定的数据分析对象抽象出在数据分析中所需要的特征信息，然后选择合适的信息收集方法，将收集到的信息存入数据库。本文研究的是材质为ZG15Cr1Mo1V的铸钢件的裂纹焊补率与熔炼过程中化学成分之间的关系。需要收集的信息包括在焊接过程控制系统中提取目标参数裂纹焊补率，在熔炼过程控制系统中提炼熔炼参数、熔炼过程中检测到的化学元素、熔点等。

1.2 数据集成

数据集成是把不同来源、格式、特点、性质的数据在逻辑上或物理上有机地集中，从而为企业提供全面的数据共享。由于铸件号的唯一性，本文的结果参数和影响因子可以通过铸件号结合在一起，实现了数据集成。

1.3 数据规约

数据规约技术可以用来得到数据集的规约表示，它小得多，但仍然接近于保持原数据的完整性，并且规约后执行数据挖掘结果与规约前执行结果相同或几乎相同。由于本文使用的数据样本数量没有达到百万级别以上，因此没有必要做数据规约。

1.4 数据清理

数据库中的数据有一些是不完整的或者含噪声的，或者是不一致的，因此需要进行数据清理，将完整、正确、一致的数据信息存入数据仓库中。

本文在对数据集成完毕存入数据库后，对基础数据进行了修订和清理，将不符合的数据从数据仓库清理掉，确保数据的真实性和可靠性。

1.5 数据变换

通过平滑聚集，数据概化、规范化等方式将数据转换成适用于数据挖掘的形式。对于有些实数型数据，通过概念分层和数据的离散化来转换数据也是重要的一步。

本文所研究课题的目标是找出对裂纹焊补率有影响的关键化学元素，由于数据样本量不是很大，所以对结果裂纹焊补率结果进行了分类。按照中位数进行排列，在中位数以下的样本定义为低裂纹，中位数以上的样本定义为高裂纹。这样的定义避免过大或者过小的因子对整体结果的影响，也更有利于数据挖掘的分析。

2 数据挖掘

根据数据仓库中的数据信息，选择合适的分析工具，应用统计分析、事例推理、决策树、规则推理、模糊集、甚至神经网络、遗传算法等方法处理信息，得出有用的分析信息。

2.1 工具选择

可以进行数据挖掘的软件有免费和付费两种。免费的主要有以下：①Weka：其支持几种经典的数据挖掘任务，显著的数据预处理，集群，分类，回归，虚拟化，以及功能选择。

②JHepWork：其主要是用开源库来创建一个数据分析环境，并提供了丰富的用户接口来实现自己的挖掘算法。付费的主要有以下几种：1）SAS：是一个模块化、集成化的大型应用软件系统，可以处理大数据下的挖掘和统计，缺点是价格高。2）SPASS：“统计产品与服务解决方案”软件，相比于SAS价格较低，操作简单，但是功能没有SAS强大。3）SQL Server Business Intelligence Development：是微软Sqlserver 数据库自身携带的关于商务智能的模块，能和数据库非常好的结合起来，提供了线性回归、贝叶斯算法、关联、逻辑回归等算法。本文的数据挖掘工具选择微软的商务智能平台。

2.2 挖掘算法确认

根据不同的目标确立不同的挖掘算法，本文研究课题主要采用以下几种挖掘算法。

①朴素贝叶斯算法。这是基于贝叶斯定理与特征条件独立假设的分类方法，它能检查所研究的实体的每个属性，从而确定该属性本身在何种程度上影响了想要预测的那个属性。

②神经网络。Microsoft神经网络算法通过构造多层感知器网络创建分类和回归挖掘模型。当给定可预测属性的每个状态时，Microsoft神经网络算法可以计算输入属性的每个可能状态的概率。

③逻辑回归。Microsoft逻辑回归算法是Microsoft神经网络算法的一种特殊形式。逻辑回归算法用于那些结果是“二选一”的情形的建模，如客户可能买或不买某种产品，一个人的病情可能会发展也可能不会发展等。

2.3 挖掘过程实施

如图1，在SQL Server Business Intelligence Development中创建一个Analysis services项目，配置好数据源和数据源视图，并创建对应的数据源。

结合挖掘算法并分析，得出以下结论：

①W元素的含量是影响材质为ZG15Cr1Mo1V铸钢件的裂纹焊补率的贝叶斯关键因子。且当其含量

②Nb元素的含量对铸件裂纹焊补率影响较大。经过预测，当Nb元素质量分数在0.003%-0.004%之间时，铸件裂纹焊补率比较低。

③Ca 元素的含量也对铸件裂纹焊补率影响较大。数据挖掘预测当Ca元素的质量分数在0.002%-0.003%之间时，铸件裂纹焊补率比较低。

2.4 模式评估

模式评估是从商业角度，由行业专家来验证数据挖掘结果的正确性。经过对上述数据有效性的验证，技术部门对相关结论进行分析核实，得出上述结论具有参考和控制性的评估结果。

2.5 知识形成

将数据挖掘所得到的分析信息以可视化的方式呈现给用户，或作为新的知识存放在知识库中，供其他应用程序使用。将本文研究课题的实验结论提供给公司虚拟设计部门，进行相关的实验研究。需要注意的是：数据挖掘过程是一个反复循环的过程，每一个步骤如果没有达到预期目标，都需要回到前面的步骤，重新调整并执行。本次实验针对贝叶斯关键因子W元素含量进行了验证，对铸件W元素含量小于0.007%的铸件且其余检测化学含量项目相似的6批铸件进行检测验证，发现除了1批铸件的的裂纹焊补率为1.34偏高外，其余铸件的焊补率均低于0.3，检验结果支持了W元素含量对于裂纹焊补率的影响。这使得在以后的熔炼工艺设计中，W元素的含量成为重点关注的项目。

3 整合业务流程

通过本课题的实施，对大数据的工作流程做了整合，具体流程如下：

①确立目标，明确要验证什么、发现什么；

②数据仓库的建立，将相关因子进行数据处理并放入数据库；

③根据目标确立挖掘算法；

④依据挖掘算法得出的结论，并进行理论和实验验证；

⑤将经过验证的结论形成知识。

4 结论

在本课题的研究过程中，数据清理和模式变换是核心。研究初期，由于模式变换不到位，对挖掘得出的结论进行验证，得到不符合的结论，同时在研究过程中统计理论知识的欠缺，使整个模式评估花费的时间较多。这些都需要在今后工作中加强相应知识的学习。

经过这次课题的研究，验证了大数据分析结果在企业管理中具有参考和控制性作用，大数据分析方法可在中小企业管理中加以应用。

参考文献：

[1]拉尔森（Larson，B.）.商务智能实战[M].盖九宇，赵龙刚，曹玉玲，等，译.北京：机械工业出版社，2011，9.

化学数据分析方法范文第4篇

关键词：MOOC；物联建设平台架构；大数据；计算机媒体类课程

中图分类号：G434；TP393 文献标识码：A 文章编号：2095-1302（2017）03-0-02

0 引 言

教育部在2015年年度工作要点中明确提出要“继续加大优质数字教育资源开发和应用力度，探索在线开放课程应用带动机制，加强‘慕课’（MOOC）建设、使用和管理。”国家随之确定了“慕课”建设框架，其中涵盖了高职高专等职业教育的内容。国务院参事汤敏老师2015倡导的“慕课最大的空间和机会实际上是在职业教育”，鼓励高职优质慕课资源和平台的建设。此举对于完善终身教育体系，提高国民的职业技术和能力，乃至学习型社会的建设都有重要意义。

目前国内MOOC的研究主要包括MOOC平台建设研究、MOOC教学模式研究、“翻转课堂”实现方式研究等。清华大学、北京大学、北京航空航天大学、复旦大学等很多高水平大学都设置了MOOC，并进行了深入研究。同时，在国家积极倡导“互联网+教育”的时代背景下，更具特色的高职高专院校如何结合自身学科建设特点与优势，发挥“重技能，强能力”的培养特点，提供更优质的开放性远程教育服务是各高职高专院校面临的一项挑战，从大量MOOC课程建设的尝试中探索自己的MOOC之路。

MOOC不是单纯的教师讲课，而是通过网络技术，将课堂教学、学习体验、师生互动等不同教学环节通过编排完整呈现，从而在线产生大量数据。这些大数据中蕴含了大量的对教育教学具有普遍意义的规律和价值，通过对这些慕课大数据进行挖掘与分析，教师可以有效掌握教学规律、预测教育活动、进行教育管理和决策等。

1 高职高专院校慕课物联网建设

目前，大多数高职高专院校都有自己的图书馆，而MOOC学习需要学生进行登录、学习、进行互动等。将MOOC的平台建设与学校已有的图书馆平台相结合，充分利用已有资源，进行统一资源平台登录，可有效降低学校建设MOOC平台的成本，提高资源使用率。MOOC与图书馆统一物联建设平台如图1所示。

统一MOOC教育平台与图书馆系统，学生通过图书馆统一登录账户登录，通过MOOC教室进行MOOC课程在线学习。慕课教育平台包括在线教学、课辅教学、社交媒体（包括微信、QQ等）、知识分析与综合等，最终形成知识的积累信息。

MOOC教学平台与大数据分析平台直接相连，将学生学习记录以及图书借阅记录等提交大数据分析平台进行分析。此外，大数据分析平台还包括数据存储、数据清洗和数据预处理、大数据分析与可视化等功能。

学生可以通过客户端、浏览器及移动端等设备，形成一个综合的物联网技术平台。

2 慕课大数据分析

通过MOOC平台可以获得学校学生对于MOOC课程学习的有效记录，包括学生的学号、姓名、登录时间、下线时间、学习课程名称，学习课程知识点记录、在线互动内容、在线互动次数、做作业次数、做作业时长、做作业成绩、学生考试课程名称，课程期中考试成绩、期末考试成绩、课程综合成绩、课程成绩排名等内容。由于学生使用的是与图书馆平台进行综合统一登录的平台，还可以获取学生的图书借阅情况，如借阅图书名称、借阅日期、还书日期等。

针对获取的学生学习MOOC的综合大数据，需要采用大数据分析平台进行处理。图2所示为基于分布式集群处理的大数据处理平台架构图。平台采用大数据生态圈的Python，数据库采用MongDB，存储动态常用分析所用的数据；数据预处理与存储模块包括用于大数据分布式存储的分布式文件系统（Hadoop Distributed File System， HDFS）和Tachyon分布式内存管理系统，可对获取的数据进行清洗并提供存储服务；在计算处理方面，采用UC Berkeley提出的基于内存计算的Spark。Spark所有作业都在内存中完成，通过分布式弹性数据集（Resilient Distributed Dataset，RDD），Spark能够对作业流程进行扫描并根据作业的先后次序进行优化，加快在内存中的运算速度。利用Spark中的MLlib和Graphx提供机器学习、优化和图计算等方面的功能，并辅以Mahout和Hadoop MapReduce框架进行其他算法的补充；可视化模块以JavaScript为手段，采用D3和Processing将整个过程中产生的相关结果进行可视化展示。

数据挖掘子系统与数据分析子系统是整个框架的核心，整个大数据处理平台以Spark分布式集群为主体，由1台主节点，8台子节点组成，其中主节点与子节点机器均为4核Intel Xeon E7-8837，2.67 GHz，16 G内存，HDFS存储容量为2.5 T。

此外，学生还可以在线下根据自身需求选择不同的教学资源、方式、媒介，亦可自行决定课程学习时间，加之网络论坛的辅助和课上网络平台的使用，使得教学更富成效。

3 计算机媒体类课程慕课的应用推广

针对计算机类课程，通过图1所示的MOOC与图书馆统一资源平台，借助大数据分析平台，对于获取的学生的数据结构、操作系统、程序设计基础等课程的学习数据进行综合处理，得到准确的学生学习喜好模式，及对教师MOOC课程水平进行准确分级。

4 结 语

基于这些计算机类课程大数据分析的结论，梳理出计算机媒体处理类课程MOOC教学的特点，结合MOOC的独特优势与媒体处理类课程需要大量视频、图像、PPT、音频等综合展示的特色，将其他类课程MOOC建设模式和大数据分析的结论，灵活迁移到媒体类课程教学中，帮助教师探寻学生的学习规律，调整教学，提高教学效率，提出具体的教学方法改进措施，使得课程的讲授更加灵活、开放、动态，更加具有针对性，方便教师更好地满足学生个性化学习的需求，真正做到因材施教，取得事半功倍的成效，在减少教师负担的同时，也让学生能够学的更直观，更深入，更扎实。

参考文献

[1]陈向东，王研.大数据时代高职高专MOOCs（慕课）教学模式研究[J].巢湖学院学报，2014，16（6）：155-161.

[2].大数据时代高职院校网络信息化教学模式探究[J].电子世界，2015，18（16）：86-87.

[3]左菊仙，邓坚.大数据时代下的高职院校数字化教学模式探讨[J].科技传播，2015（10）：135-136.

[4]谭勇，刘德周.大数据时代下新型信息化教学模式发展趋势初探[J].西南林业大学学报，2014，34（12）：1-4.

[5]薛玉利.基于MOOC的翻D课堂模式在数字电子技术教学中应用的可行性分析[J].物联网技术，2016，6（9）：94-95.

[6]何颖，陈绥阳，林智慧.MOOC创新特质视角下的人才培养新思路[J].物联网技术，2016，6（9）：98-99.

化学数据分析方法范文第5篇

关键词：电厂循环冷却排污水；外排处理；污水处理；SBOT；臭氧-活性炭过滤

1试验流程

选择某电厂循环冷却排污水（水量为7000m³/d）进行试验分析，污水外排需要满足《城镇污水处理厂主要水污染物排放标准》（DB33/2169—2018）的相关要求，目标水质的pH标准值为6～9。试验流程为排污水—进入集水池—在SBOT单元曝气—投入混凝剂，泵后投入助凝剂—进入澄清池—进入滤池—进入中间水池—经过提升泵提升至臭氧氧化塔—进入活性炭滤池—污水外排[1]。

2试验与分析方法

2.1试验方法

（1）SBOT运行。第一阶段，将水注满，并加入300kg的专用菌种进行闷曝，时间为3d。第二阶段，将进水量调整为初始进水量的1/3，持续3d，每天投入100kg的菌种。第三阶段，将进水量调整为初始进水量的2/3，持续3d，每天投入50kg菌种。第四阶段，调整进水量为满负荷，并控制池内溶解氧含量为3mg/L。（2）澄清池运行。选择除磷效果较好的PAFS、PAM为混凝剂，PAFS投加量控制在35mg/L；PAM的投加量控制在0.2mg/L[2]。当污泥沉降比为30%时进行排泥处理，排泥频率为3～5min/2h。（3）滤池运行。采用间歇定时方法，对出水质量进行检测，结合试验需求和标准要求，确定反冲洗强度为14.4L/（s·m2）。（4）臭氧-活性炭过滤运行。将污水与臭氧的接触时间控制在30min，投加量为55mg/L。当污水进入活性炭滤池环节时，进行反冲洗操作，强度控制在8L/（s·m2）[3]。

2.2分析方法

根据国家相关标准，对污水的重铬酸盐指数（CODCr）、氨态氮（NH4+-N）、总氮（TN）、总磷（TP）、悬浮物（SS）指标进行分析。《城镇污水处理厂主要水污染物排放标准》规定目标水质的重铬酸盐指数（CODCr）为20mg/L，氨态氮（NH4+-N）为1.5mg/L，总氮（TN）为10mg/L，总磷（TP）为0.3mg/L，悬浮物（SS）为10mg/L。

3试验结果分析

3.1去除重铬酸盐指数（CODCr）的效果

对该试验SBOT、臭氧-活性炭单元的重铬酸盐指数（CODCr）去除效果进行分析，具体如图1、表1所示。结合图1、表1数据分析可知，重铬酸盐指数（CODCr）的总体最大去除率为87.3%，最小去除率为84.6%，平均去除率为86.2%。该试验选择的污水水源为城市水，重铬酸盐指数（CODCr）多为难降解有机物，可生化性较差。该试验选择应用SBOT单元，原因在于其运行中，进水端的厌氧环境为重铬酸盐指数（CODCr）的降解提供了便利条件[4]。该试验的SBOT单元末端出现少量玫瑰旋轮虫，表明此单元具有活性污泥特性。通过臭氧氧化处理，羟基自由基对有机物进行进一步降解，并在活性炭吸附作用下提高了重铬酸盐指数（CODCr）的去除效果。

3.2去除氨态氮（NH4+-N）的效果

对该试验SBOT单元的氨态氮（NH4+-N）去除效果进行分析，具体如图2、表2所示。结合图2、表2数据分析，氨态氮（NH4+-N）的总体去除率为99.2%，去除效果良好。由于氨态氮（NH4+-N）的去除效果受到曝气均匀度、生物载体量等因素影响，因此在一定范围内，溶解氧的含量越高，氨态氮（NH4+-N）的去除效果越好。该试验发现，当溶解氧的含量超过6mg/L时，生物载体的磨损增加，总氮的去除效果受到影响，降低了水中的有机物含量，使混合液夹带氧气进入厌氧区，不利于厌氧菌生长。为了提升氨态氮（NH4+-N）的去除效果，降低碳源消耗，基于该试验图2、表2数据分析，确定溶解氧含量为2.9mg/L左右[5]。

3.3去除总氮（TN）的效果

对该试验SBOT单元的总氮（TN）去除效果进行分析，具体如图3、表3所示。结合图3、表3数据分析，总氮（TN）的总体平均去除率为75.6%，与传统生化工艺相比，去除效果较好。总氮（TN）的去除效果受到碳氮比、回流比、pH值等因素影响[6]。该试验中，SBOT单元应用了活性污泥法、生物膜法，利用两种方法的特性加速池内水流的切割气泡运动，提高了氧利用率，形成良好的厌氧氨氧化微单元。基于上述分析，明确在碳氮比为2左右时，总氮的去除效果最佳。

3.4去除总磷（TP）的效果

对该试验SBOT单元的总磷（TP）去除效果进行分析，具体如图4、表4所示。结合图4、表4数据分析，总磷（TP）的总体平均去除率为91.1%，去除效果良好。由于去除总磷需要通过生化与化学作用方式，因此需要通过化学辅助除磷[7]。特别是在澄清单元运行过程中，需要投加聚合铝铁进行水解反应，产生氢氧化铁[Fe(OH)3]，吸附磷酸根生成磷酸铁（FePO4）等难溶化合物[8]。

3.5去除悬浮物（SS）的效果

对该试验SBOT单元的悬浮物（SS）去除效果进行分析，具体如图5、表5所示。结合图5、表5数据分析，悬浮物（SS）的总体去除率最大值为97.5%，最小值为89%，平均值为91.8%，该试验的悬浮物（SS）去除效果良好。由于悬浮物（SS）由脱落的生物膜、部分无机污泥颗粒组成，因此在去除悬浮物（SS）的过程中，少部分悬浮物（SS）可以通过排泥管排出，而大部分悬浮物（SS）可以在澄清单元运行中通过混凝沉淀去除，残余的部分胶体物可以通过过滤方式去除[9]。综合分析该试验效果，SBOT工艺在悬浮物（SS）去除方面具有稳定性高等优点。

4结论

（1）应用SBOT工艺，可以提高污水处理效果（溶解氧含量为3mg/L）。重铬酸盐指数（CODCr）平均去除率为86.2%，氨态氮（NH4+-N）的总体去除率为99.2%，总氮（TN）的总体平均去除率为75.6%，总磷（TP）的总体平均去除率为91.1%，悬浮物（SS）的平均去除率为91.8%。与传统生化工艺相比，基于SBOT工艺的排污水处理方式具有稳定性高、效果良好等优点。（2）在澄清单元运行过程中，可以投加聚合铝铁进行水解反应，以产生氢氧化铁[Fe(OH)3]，吸附磷酸根生成磷酸铁（FePO4）等难溶化合物。同时，通过混凝沉淀方式，可以去除悬浮物（SS），提高了试验效果。

参考文献：

[1]肖艳.电厂循环冷却排污水达标外排处理试验研究[J].能源环境保护,2021,35(4):34-38.

[2]杨秀美,郭莹,廖健.工业污水排放监测与水质预警研究综述[J].化纤与纺织技术,2021,50(5):42-44.

[3]郑思伟,唐伟,闫兰玲,等.城镇污水处理厂污染物去除协同控制温室气体的核算及排放特征研究[J].环境污染与防治,2019,41(5):556-559+583.

[4]杜葆强,张朝阳,胡明明,等.9F级燃气-蒸汽联合循环供热机组循环冷却水电化学处理试验研究[J].全面腐蚀控制,2021,35(2):36-41.

[5]马岚.电容去离子技术用于电厂循环冷却排污水脱盐实验研究[D].北京:华北电力大学(北京),2021.

[6]许振华,李会鹏,张建华,等.结晶软化处理技术用于电厂循环水补充水处理的试验研究[J].应用能源技术,2020(9):40-42.

[7]金文龙,乐晖.强降雨对昆承湖总磷浓度的影响分析[J].环境保护科学,2021,47(5):123-125+139.

[8]李碧莹,马晓娜,田会芹,等.盐度对养殖水体中总氮总磷浓度测定的影响研究[J].海洋湖沼通报,2021,43(5):127-135.