前言：中文期刊网精心挑选了数据监测范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
数据监测范文1
2012年疲弱的经济环境对整个社会的消费能力造成一定冲击。截至2012年11月，国内社会消费品零售总额累计186832.5亿元，同比增长14.2%，增速比去年同期回落2.82个百分点。
作为消费大项的电子产品同样难逃低迷，电子产品消费增速呈现回落格局。数据显示，2012年10月份国内电子消费722.1亿人民币，同比增长14.0%，而2011年单月该数据同比增速普遍维持在30%左右。
一直引领电子消费潮流的美国市场情况更惨淡，10月份美国电子消费为73.68亿美元，同比降低4.2%。事实上，在2012年的大部分时间，美国月度电子消费同比增速是负数。这也反映出一个趋势，发展中国家正取代传统发达国家成为电子消费的主要驱动力，且中国已经取代美国成为全球最大的电子产品消费国。
在低迷的消费形势背景下，相关企业营收状况自然不会乐观。PC行业在2012年初一度迎来出货高峰，相关厂商也信心倍增，积极备货，但市场并没有一路高歌，而是趋于回落。
大陆电子终端相关产业营收状况并不乐观，工信部监测数据显示，1-10月份国内规模以上电子计算机制造业累计销售产值为17443.83亿元人民币，同比增速仅为9.5%，去年则接近15%。从产量层面上也可一窥端倪，1-11月份我国规模以上微型计算机制造业产量31445.9万部，同比增速仅10.6%，去年同期增速高达32%；打印机和数码相机产量则陷入衰退。
相机领域比PC领域更弱势，从监测数据看，无论是相关企业营收还是产业出货量均呈现衰退局面。纳入监测的台湾相机产业链企业2012年1-10月份营收827.16亿新台币，同比下滑1.87%。
具体到单个企业层面，表现更为直观，选取PC、相机和多功能一体机行业中的龙头企业联想、惠普、佳能、奥林巴斯和苹果进行观察。佳能和惠普均陷入巨额亏损，仅苹果公司仍能保持较强盈利能力。
细分行业
PC市场
2012年PC市场继续承受经济低迷和移动终端的夹击，表现极为弱势，出货量陷入负增长。IDC第三季度全球PC跟踪报告显示，2012年第三季度全球PC出货量为8779万台，同比下降8.6%，这个结果低于IDC在今年8月预测的同比下降3.8%。
相对于全球或本地区总产量，中国的PC产量相对突出。预计今年中国国内PC出货量相当于全球总量3.589亿台的23%，占亚太地区PC总产量的比例高达63%。今年中国笔记本出货量将从2011年的3580万台上升到4250万台。而台式PC的出货量则略低，预计将从3810万台上升到4110万台。台式机与笔记本对商业领域的出货量都将比消费领域出货量高出几百万台。尤其是，商业PC的信息安全性对于政府及军用采购极其重要。
台式电脑方面，行业增速萎缩很快。据联想公布的数据，在2012年第三季度全球台式电脑销量同比下跌幅度高达9%。必须指出的是，台式机市场依然占据相当重要的地位。以联想为例，其第三季度台式电脑全球销售额28亿美元，占集团总销售额32%。联想也是少有的在台式机市场仍能保持增长的厂商之一，该公司第三季度的全球台式电脑销售额同比增长5%。市场分额也提升了2.6个百分点， 达到创新高的15%。
平板电脑
2012年全球平板电脑销量继续快速攀升，IDC数据显示，2012年第一至第三季度，全球平板电脑市场的出货总量分别为1740万台、2500万台和2780万台，与去年同期相比分别增涨了141.7%、66.2%和49.5%。，预计全年出货量约为1.17亿台，年增长率达到65%，2013年出货量将增加至1.82亿台，事实上，这是一个相对保守的预计。
蓬勃的平板市场带来的是激烈的市场竞争，为了争夺市场，苹果在2012年先后了两款平板新品，谷歌在下半年推出了Nexus7。而为了扭转自己在移动市场上的尴尬局面，微软在第四季度推出了Windows 8操作系统和Surface系列平板电脑。
从全年的数据来看，2012年的中国平板电脑市场，依然是以Android和iOS为主，Windows的市场份额并不高。iPad系列仍是霸主，三季度其市场份额为50.4%，但二季度则为65.5%，份额下跌和消费者等待iPad mini有关。
三星硬件优势突出，产品线广泛；亚马逊商业模式先进；华硕和联想则具备较高性价比。虽然竞争对手各有特点，但在iPad mini推出后，市场反映极好。在这种背景下，苹果公司无论是在7英寸还是10英寸平板领域都将占据主流，目前仍看不到有谁具备在2013年取代其主导地位的迹象。
伴随平板电脑出货量飙升的是其ASP的持续下降，当然，我们也可以认为ASP的不断走低提升了平板电脑的受欢迎程度。数据显示，2012年平板电脑ASP为481美金，较2011年下降61美金，降幅高达11.25%。
数码相机
毫无疑问，智能手机摄像技术的不断提高对相机产业造成了巨大威胁，尤其是低端相机。以在相机市场占有率一骑绝尘的日本为例，日本相机和影像产品协会公布的数据显示，2012年1-9月份日本厂商数码相机全球累计出货量较2011年同期衰退12.7%至7592.4万台。事实上，数码相机产业最近几年在出货量上一直延续低迷表现。
就9月份单月数据看更显悲观，当月日本厂商数码相机全球出货量同比大减42.3%至758.2万台，已连续第5个月呈现下滑，且出货量已连续第6个月跌破1000万台关卡；环比下滑幅度为13.1%。
数据监测范文2
[关键词]环境水质；监测技术；监测数据；处理
中图分类号：X832 文献标识码：A 文章编号：1009-914X（2016）30-0203-01
对环境水质进行监测具有重要的意义，借助环境水质的监测技术，可以一定程度上对国内水资源的污染得到改善。在对环境水质进行监测时，要注意对监测所得数据进行详细的分析，进而确保整个监测质量。国内主要有长江与黄河两大河系，下面还有很多不同的支流，但是最终都进入了大海，如果某处的水资源受到了污染，就会使很多区域受到牵连。因此需要强化对环境水质监测的力度，对各个河流的水质状况进行及时、详细的了解，确保水源质量。
一、环境水质监测意义
（一）饮用水
日常生活中都需要饮水，水是生命之源，但是如果水中有污染，就会产生很多问题，当水中存在有毒细菌时，很多疾病就会随之而来，例如痢疾、伤寒病、霍乱等。当水中存在大量海藻一类的物质时，水就会变质，会产生臭味，水色也会有差异。所以水资源一旦被污染，那么疾病就会被迅速传播，因此对环境水质监测对保证中国国民能否正常饮用健康水有重要意义。
（二）工业用水
近年来，中国工业发展势头迅猛，随着工业厂家大幅度增加，工业用水也越来越多，但是工业用水存在很多安全隐患，企业有时在这方面会忽略。例如在锅炉用水时，如果水里面含有许多Ca和Mg的硫酸盐，就会导致锅炉产生水垢，既耗费了更多燃料，也容易引起爆炸，对生命安全造成威胁。因此，监测工业用水质量对节约企业生产资本和保证员工人身安全有重要意义。
二、环境水质监测技术概述
国内目前使用的监测技术一般是远程监测技术，这一技术由远程监测系统构成，借助相关监测的软件对所要监测的水资源进行科学、合理的监测，然后由各级监测站把所辖区域内监测的数据借助软件上报到上级部门，最终对这些数据进行统计汇总，并找出各个地区水资源的污染源。
（一）重量监测法
重量监测法就是将抽取的水样通过分离或转化处理以后，与原有的水样进行对比称重，然后根据重量的变化来推断水质的变化情况，在经过科学的数据分析之后，得到合理的结论，达到水质监测的目的。重量监测法需要对抽取的水样进行分离或转化处理，而分离的方式通常为直接分离法，而D化方式为气化方式。在这种监测技术中唯一需要用到的测量设备就是天平，所以整个监测过程十分简单，成本很低，测试也很容易完成。但是在实际情况中，天平的精度不同会使得测量的数据准确度不一样，某些微量元素的监测需要很高的精度，所以对天平的精度要求比较高，而且天平在使用过程中也容易受到外界环境影响从而使测量发生偏差。所以重量监测法只适合精度要求不高的水质监测。
（二）化学滴定法
化学滴定法是将已知浓度的标准溶液滴到待测的水样当中，然后观察滴定情况，根据化学反应来推断水质中的元素含量。在滴定完成以后，通过已知浓度标准溶液的消耗量来计算待测水样中各元素的含量。这种化学滴定方法具有很强的科学依据，而且测试的结果也比较精确，化学滴定法也成为水质监测的一种主要方法。
（三）仪器监测法
仪器监测法对水质的监测主要是利用气相色谱法或者液相色谱法，这种水质监测方法对比重量监测法和化学滴定法来说，操作更为复杂，但是精确度要高出许多，所以，需要对水质中的一些含量极少的元素进行监测时，可以选用仪器监测法。
三、环境水质监测数据的处理方法
（一）有效数据整理法
有效数据整理法就是先对监测数据的真实性和准确性进行分析，筛选出可用的监测数据，然后将所获得的可用的监测数据进行整理、分类，将不同水质下的监测数据分别罗列出来，这样便于进行数据的对比和分析。
（二）无效数据清除法
在经过多次的水质监测之后，就会产生大量的监测数据，由于水质是随着环境变化的，所以监测的数据都会大不一样。为了使得监测的数据具有分析参考的价值，就要对这么多的监测数据进行筛选。对于老旧的数据酌情进行取舍，对于新的数据，在确保数据可靠性的情况下可以予以保留。通过这种方式可以去除大量无用数据，方便水质监测数据的分析，保证监测结果的准确性。
（三）多重验证法
在对环境水质进行监测时，因为在监测的过程中，采样的过程有不同的方式，也就造成监测的数据可能不同。这就使水质无法得到充分的反映，为了防止出现这种现象，就需要使用数据反复验证法，确保水质监测的数据精确、合理，比较准确与公平。也就是在对环境水质进行采样和分析时，要对某处监测点反复进行验证，进而对这一区域内的样本进行科学分析，这种反复进行验证的方法可以确保监测到的数据准确，对整个水质监测的质量有很大的影响。
（四）时间序列分析法
在对水质进行监测时，因为监测频次太多，造成严重的财力与人力负担，监测频次太多，也就使消耗的财力不断增加，也就造成人力的浪费。但是，如果检测次数太少，又使监测数据失去了代表性，也就降低了数据监测的可靠程度，所以，使用时间序列分析法对数据进行处理，可以使数据监测的频次更加合理，防止出现上述问题。
四、环境水质监测发展的前景
国内环境水质监测的方法一般是人工抽样法，对一些制定区域的水质进行抽样监测，然后对监测结果进行分析，进而得出监测区域和周围环境质量的判断。人工抽查方法有一定局限，水质的监测无法实现连续性，无法对水质进行及时、动态的监测。所以在水质监测的部门内，需要使用一些先进的技术，对水质监测的特点和数据进行详细的分析，还可以引进一些先进技术，提高监测的效率和质量，在不断的实践中提高监测质量，并研究出更加先进的技术。我国水质监测部门需要重视监测技术，对各种技术进行总结，使各种技术不断得到完善与发展。要注意对监测数据的处理和分析，根据监测的数据，采取不同处理的方案，确保人们生活用水的安全。
总之，水资源是一种非常重要的自然资源，而我国地域辽阔，水资源也比较丰富。但是随着社会的发展，水质污染的情况也越来越严重，对环境水质的监测工作也迫在眉睫。所以，相关部门要加强对环境水质的监测，可以利用重量监测法、化学滴定法、仪器监测法等方式对水质进行数据的采集，再通过有效数据整理法、无效数据清除法、多重验证法、时间序列法等数据处理办法对监测数据进行分析，找出水污染的原因，再采取相应的应对措施进行水污染的治理。只有加强水质监测工作，提高水质监测技术，才能处理好我国的水污染问题，保护我国的淡水资源，提高水资源利用率，实现我国的可持续发展。
参考文献
[1] 吴晓红.环境水质分析监测技术与监测数据的处理[J].资源节约与环保，2015，04.
数据监测范文3
【关键词】 大数据 HDFS MapReduce CIMS
一、研究背景
工业化和计算机技术的发展，使制造系统每天产生的数据量不断增加，整个制造业产生的数据量远高于其他行业[1]。面对日益复杂的制造业生产系统，通过保存其运行过程中的中间数据，并对数据进行研究，能够解决当前的系统建模手段无法解决的问题。传统的数据分析方案一般先将数据保存到关系型数据库中，然后借助联机分析、处理等手段为决策提供支持[2]。
当面对制造业的海量数据时，可能会有如下缺陷[3]：
（1）数据来自不同地区的工作站、传感器等，而且数据格式不统一，既有结构化数据，也有非结构化数据，不利于处理；
（2）联机分析处理过程中会有大量的数据移动操作，当数据量达到PB级时，大量数据移动造成的开销变得难以接受。
因此，有必要研究并实现一个能够合并存储异构数据、并且可以完成基于大数据的CIMS数据分析处理的平台。本文将Hadoop大数据技术引入到CIMS海量工业数据的监测和分析中。
二、研究现状
范剑青[4]阐述了大数据独有的特点，说明大数据提供的海量数据给统计、处理以及统计估算和检验带来的问题。Jiang 等人[5]对电子商务网站的大量商品数据进行分析处理，提出了基于Hadoop的协同过滤算法。
Duke能源公司模拟大数据解决方案，使维护专家远程观看设备和记录异常指数，甚至可以及时采取纠正操作，但还不能真正实现大数据分析和处理平台。通用电气（GE）于2013年推出其大数据分析平台，用以将云平台中的工业机器产生的海量数据转化为实时信息，此平台可以认为是第一个能够真正管理工业海量数据的平台，但是难以处理来自多个数据源的数据。美国国家仪器公司和IBM联手推出InfoSphereStreams大数据解决方案，能够以很高的数据吞吐率分析来自多个数据源的信息，但其处理带有一定的数据延时，实时性不佳。
为解决海量数据处理时的实时性问题，本文拟采用开源的Storm流处理技术，并借助类SQL和Piglatin等过程化语言扩展，以实时监控整个大数据平台。
三、大数据技术在CIMS监测与分析平台中的设计
工业应用数据在数据量上远超普通应用，其海量数据存储的要求超过了传统的关系型数据库的存储能力。另外，工业应用数据也由传统的结构化数据扩展到结构化、半结构化以及非结构化数据并存，对这些数据格式以及数据类型都存在不同的工业数据进行采集、分析和处理的方式有别于传统方式，因此需要对监测和分析平台进行设计，从软件结构、通信方式以及数据存储方式等各个方面进行分析。
3.1 CIMS海量数据监测与分析平台的设计
在将大数据技术应用于CIMS海量数据的监测与分析时，海量的工业数据不再存放在传统的关系型数据库，而是存放到HDFS分布式文件系统上。因此，软件结构设计要与Hadoop的HDFS文件系统相对应。
3.1.1 软件结构
本文设计的CIMS海量工业数据监测和分析平台（以下简称“平台”）采用Master-slave主从架构，Hadoop集群的NameNode节点作为监测和分析平台的管理节点，完成数据采集、数据分析等各功能的功能模块是工作节点。管理节点管理整个集群的相关信息，并维护包括节点的主机名、IP地址等机器状态。工作节点可以根据工业应用的需求进行灵活的配置，也可以动态增加或减少。
平台主要分为如下部分[6]：客户端、消息中间件、数据查询模块、数据分析模块、数据采集模块以及Hadoop集群。客户端接收用户请求，向平台发出任务请求；数据采集模块、数据查询模块以及数据分析模块是平台的功能组件，分别提供工业大数据分析流程中的对应功能[7]：数据采集模块对外提供数据的访问接口，其功能是从不同的数据源获取数据，并将这些数据存储到Hadoop的HDFS文件系统上。
数据查询模块从HDFS文件系统中查询数据的存储索引，并返回给数据分析模块；数据分析模块中实现不同的数据分析配置方法，并交由MapReduce框架分布式地实现数据分析任务。
3.1.2 系统功能模块
平台中监测和分析的数据一般都是离散数据，所以选择消息中间件作为通信管理模块，消息中间件实现平台中各个模块间的通信。
以功能节点上线为例，由于管理节点存储了所有节点的状态信息，所以为保证整个集群信息的一致性，功能节点上线时需要先向管理节点注册其信息，管理节点会向消息中间件订阅“注册”这一主题，消息中间件接收到订阅请求后会创建相应的队列，并持续监听此队列的消息情况。消息队列中的消息是以文本格式存在的，本文的消息传递方式采用XML。平台中的操作请求都会发送给任务管理模块，由其解析后，再发送给相应的功能模块执行。
数据采集模块从基于HDFS文件系统的Hbase数据库中获取来自客户端的数据，由于工业数据的采集并发量可能比较大，因此要在采集端部署大量数据库；除此之外，ETL工具负责将异构数据源的数据抽取处理进行数据清洗。Hadoop上的数据分析模块能够完成多维分析，由于MapReduce的具备很强的并行处理能力，因此分析维度的增加并不会使数据分析的开销显著增加，这无疑是传统的数据分析平台所无可比拟的。
3.1.3 数据存储方式
传统的关系型数据库不能很好的支持结构化和半结构化的数据，HDFS分布式文件系统克服了这一缺陷，将非结构化数据和结构化数据都以文件形式存放，实现了廉价而又可靠数据存储。
工业数据可能来自多个不同的数据源，平台借助中间件屏蔽了它们之间的异构性，然后将这些原本异构的数据存储到HDFS文件系统中。这种异构数据存储方式不需要昂贵的存储设备，廉价的服务器即可组成可靠的存储集群；另外，存储集群节点同时还是Hadoop集群的工作节点，提高了数据存储节点的利用率[8]。
四、大数据技术在CIMS监测与分析平台的性能优化
软件工程思想中，不能只设计软件的结构，同时要对软件进行不断优化。平台集中了多个数据来源的数据，因此平台间的数据传递吞吐量比较大；另外，平台各个组件间的网络依赖关系比较复杂，合理分配网络资源对提升平台性能有重要的影响。
系统动力学研究复杂系统的结构、功能以及动态行为模式，可以利用系统动力学的相关原理和方法，对本文设计的平台进行模拟仿真研究。
在进行实际的大数据平台仿真分析时，为搭建Hadoop集群本文配置4台服务器，其中一台作为NameNode，其他服务器作为DataNode。具体的配置信息如表1所示：
系统动力学分析软件系统的基本思路是把与系统相关的网络变量转换为因果图及流图，因果图表征了变量间的相互影响关系，流图说明了变量的反馈积累；然后利用DYNAMO方程描述变量间的关系。因果图反应了平台中的反馈回路的正负极性，表示出系统元素间基本的相互影响关系。
基于以上分析，对本文设计的平台进行系统动力学分析如下：由于平台是一个非线性时变系统，影响其性能的因素不仅包括管理节点、消息中间件、Hadoop集群等，还包含网络带宽、服务器配置等客观因素。根据系统建模目的，可以知道系统边界应该包括如下因素：用户请求数目、数据采集模块采集到的输入数据、消息中间件队列中的消息数量、消息中间件路由消息的延迟、Hadoop集群的性能等。
平台的系统边界确定后，接下来需要分析系统边界内的元素间的影响关系，以及它们之间是否有因果关系。经分析可知，用户请求的增加会导致消息中间件队列中的消息增加，而消息中间件路由消息的延迟降低会降低系统中消息传递的整体时延。
消息中间件的工作性能和系统各个模块的工作时延组成正反馈回路，说明消息中间件和系统模块是正相关的，所以平台整体性能的提升依赖于消息中间件和系统模块的合理资源配置。
消息中间件的各种配置参数，比如响应速度、吞吐量等参数对提升平台的分析性能影响很大，在优化消息中间件的各种参数后，比较本文设计的基于大数据的数据分析平台和传统的工业数据平台的性能，在同时对PB级别的工业数据进行分析时，当CPU数目相同时，响应速度的结果如表2所示：
对于不同的数据级别，两种大数据平台的处理效果如表3所示：
由结果可知，在处理相同的数据量时，在响应速度的性能上，本文设计的工业数据分析平台要优于传统的数据分析平台。
当处理不同的数据量时，随着数据量的增加，传统的大数据处理平台的处理时间也呈现显著增加，而本文设计的大数据处理平台处理时间是线性的，明显优于传统大数据处理平台。
五、总结与展望
本文首先介绍了Hadoop大数据技术，分析了其HDFS文件系统和MapReduce计算框架；
接下来对基于大数据技术的CIMS海量工业数据监测和分析平台进行设计，从软件结构、通信方式以及数据存储方式等各个方面进行了分析。最后利用系统动力学的原理，对影响平台性能的因素进行了研究。
与Duke能源公司模拟的大数据解决方案相比，本文设计的平台已经能够采集、分析并处理海量数据，真正意义上在工业领域引入了大数据技术；而且此平台还能够处理来自多个数据源的数据，比通用电气的大数据分析平台具备一定的优势。
参 考 文 献
[1] 韩燕波，赵卓峰.面向大规模感知数据的实时数据流处理方法及关键技术[J].计算机集成制造系统.2013，19（3）：641-653.
[2] 邓华锋，刘云生，肖迎元. 分布式数据流处理系统的动态负载平衡技术[J]. 计算机科学. 2007（07）
[3] 胡茂胜.基于数据中心模式的分布式异构空间数据无缝集成技术研究[D].武汉：中国地质大学，2012.
[4] 杨林青，李湛，牟雁超等.面向大规模数据集的并行化Top-k Skyline查询算法[J].计算机科学与探索.2014， 12（26）.
[5] J.Jiang， J. Lu， G. Zhang， and G. Long. Scaling-up item-based collaborative filtering recommendation algorithm based on hadoop. SERVICES， pp. 490 -497， 2011.
[6] 王黎维，黄泽谦，罗敏，彭智勇. 集成对象数据库的科学工作流服务框架中的数据跟踪[J]. 计算机学报. 2008（05）
数据监测范文4
结合目前电厂实际情况来看，设备状态监测系统与数据挖掘技术是密切相关的，就目前数据挖掘技术应用角度来看，其实施步骤及实施要点主要可以按照以下流程进行。
1.1以监测系统模型预测值实施监测数据挖掘技术规范下所确定的非参数性模型，可以在监测设备现场运行时产生符合设备运行规范的相应预测值，设备状态实时化预测值的确定，不单纯由设备现场运行情况确定，同时也会按照设备同监测系统各监测点的相互关系以及设备过往运行情况进行调整。准确的说，设备状态实时化监测，应当充分考虑到大量历史信息数据，并全面把握各模型内部测点关系后，动态化确立的，在实践当中，利用高精度的预测数值同设备实际运行数值进行分析比较，并采用统计学方法进行分析，可较为全面的把握现场设备的各项参数，并针对设备及系统的早期故障进行有效预警。比如，若单项参数的实际测量结果同预测值存在较大差异时，则应参考偏差规模大小及系统相关的预警机制，督促相关设备运营维护人员尽快处理故障，防止故障严重化或者出现规模扩大化。此外，构建科学合理化的预警条件后，主设备管理与操作使用人员，应该按照工作实践，对新设备运行状态进行较为妥善的早期处理，进行全面操作，从而全面提升设备早期稳固性与可操作性。
1.2构建监测系统模型在采用数据挖掘技术构建设备状态监测系统时，应当优先结合各子机组系统，按照现场设备构建完善的系统模型。具体来讲，就是从既有的数据库中调用大量数据，按照模型构建需要进行整理，将其转化为设备状态监测系统可识别的格式，再按照模型构建规范进行后续操作。考虑到设备原有运行数据中存在涵盖设备运行规律以及设备具体运行参数等与设备密切相关的海量数据，故可以通过对过往数据库内信息进行充分分析处理后，构建较为完善的动态模型，并依此确定最符合设备现场运行规律与设备参数的设备状态监测内容。考虑到数据挖掘技术主要是对历史数据进行全面分析整理后进行模型构建，故建模方式同样可以采用非参数形式，避免了一般性建模工作中静态参数的约束，使得设备运行现场反应更为精准，有效解决了常规建模法需要大批人力资源支撑的问题，另外，为了解决建模设备规模较大这一问题，采用数据挖掘法也能全面实现，既拥有良好效果，又具备较强的技术性。
1.3以预期值及实测值分析设备故障就目前设备情况来看，对比监测站点提供的设备实测值与预期值，可以大致分析获得设备在整个系统当中哪部分测点更易出现故障，并进一步确定设备运行风险较高的测点。以大型风机为例，大部分大型风机常拥有数几十个测点，而出现故障的测点缺一半仅有几个。在利用该设备状态监测法时，用户可以按照设备故障预防要求，选取最需要进行监测的几个点，并要求电厂调动设备管理相关部门确定完善的预警等级制度，并制定完善的故障排除和检修计划，利用数据挖掘技术整理的早期故障处理经验，逐渐构建起较为完善的在线式设备动态维护管理系统。可按照设备以往事故及预警的数据信息，对导致事故的潜在参数影响度进行分析，通过考察导致故障的现象在设备中所占据的百分比，从而基本排除导致设备事故的潜在可能，为其配备相应的设备运营维护管理计划。此外，全部设备的早期预警处理方式及结果，都应记录于整个数据挖掘技术管理系统内，通过不断整合设备过往故障处理信息与现场处理经验，从而逐渐构成完善的设备现场维护管理系统，提高设备状态监测效率。
2数据挖掘技术监测设备状态的优势
将运用数据挖掘技术后的设备状态监测系统与传统常规式监测系统对比，其主要优势如表1所示。由表1可知，在实际应用过程中，利用数据挖掘技术，构建较为完善的设备状态动态化监测系统，可以较为有效的实现规范设备参数、在线监测设备运行以及设备故障快速化排除等工作。在提高设备可靠度的同时，也能够尽可能避免超出原计划停机等大型故障。本文中所提到的实施要点，具有一定参考价值。
3结束语
数据监测范文5
信号微机监测设备在当前现场维修中起着重要作用，本文介绍了微机监测设备在施工前和维修中需要注意的重点事项，并就如何做好微机监测设备数据核对进行了简单地分析和探讨。
【关键词】数据校核 采集位置 信息 施工
随着新技术的不断更新运用，信号微机监测设备已是现场维修不可缺少的设备，因为信号微机监测设备对保证行车安全，监测信号设备运用状态，发现设备隐患、辅助故障处理、指导信号维修工作都起着重要作用。因此微机监测各项信息采集的正确、准确是微机监测发挥作用的重要保证，如何保证微机监测采集的信息准确，需要维修人员在施工开通前和日常维修中对数据不断的进行校核，从而保证信息准确。现就如何做好校核工作谈一点体会。
1 把住施工开通前的数据核对
虽然微机监测设备是维修不可缺少的设备，但它不属于行车设备，即使微机监测设备故障也不影响行车设备使用，所以在施工中往往不被重视，而在以往的施工中都先保证联锁设备正常开通，不能做到微机监测设备同步开通，这样给微机监测的核对工作带来一定影响，施工开通后由于受行车条件约束，微机监测的部分功能无法做到全部核对，如列车信号主灯丝断丝报警试验，设备对位核对，灯丝继电器电流、轨道电路电压超标数据的调整等都是在短时间无法完成的问题。因此在施工过程中电务段必须严把施工质量关，主要做好以下几项工作：
（1）派技术人员对微机监测图纸审核，确保微机监测采集的项目不漏、不错。
（2）协调施工单位和微机监测厂家做好施工准备，做到各种配线符合标准，设备安装位置符合要求、配线采集位置正确，对施工中易出错的地方重点强调。
第一，六线制双机牵引E机、J机动作电流模拟量的采集，必须在1DQJ111-2DQJF111（E机）和1DQJ111-2DQJF121（J机）之间采集，因为采集位置不同会造成测试的电流数值为E机与J机的总电流。
第二，四显示自动闭塞区段的出站信号机1DJ电流必须在1DJ63至LXJ11（根据图纸设计）之间采集，如果采集位置错误，在开放绿黄灯时造成1DJ采集电流的数值是两个灯位的合电流。
第三，外电网质量采集位置必须在电力引入口处刀闸的上方。
第四，环境采集设备的安装位置、数量，要按机械室、微机室、电源屏室分别安装等。
（3）参加施工的人员要掌握施工进度，最好与联锁设备同步进行，微机监测设备及软件安装到位。信号机电流、轨道电路电压等设备电气特性调整符合测试标准。
（4）在设备开通验收时按规定逐项核对，主要核对以下项目：站内、区间轨道区段对位核对；信号机对位核对，包括各灯位开放试验；道岔名称、位置对位核对；外电网Ⅰ、Ⅱ路对位核对；列车信号机主灯丝断丝报警对位核对；熔丝报警对位核对；各种模拟量数值与实际测试值核对；各种模拟量参数上下限设置核对；站场图显示信息核对；电缆绝缘、电源漏流测试线对位核对；微机监测各种功能试验。
对各项数据核对做好记录，验收中存在的问题做好统计，会同施工部门及微机监测厂家逐条克服，暂时克服不了的问题，做好备案，限期整改不留下施工隐患。
2 日常维修中的数据校核
现场信号车间、工区日常微机监测查询、测试时只注意报警信息和超标数据的处理，而微机监测显示合格数据往往被忽视，如果由于软件或采集器材问题，数据变化后微机监测采集不到时，一些隐患问题不能被发现，所以对微机监测采集的数据，每年要进行一次人工测试核对，保证微机监测测试的数据准确，日常维修中重点核对：
（1）电缆绝缘、电源漏流测试。由于电缆绝缘、电源漏流测试的原理是利用继电器动作组成不同的进路序列来进行测试每条电缆、电源的，如果继电器该吸起时未吸起，造成测试的路数不对应，从而影响数值的真实性。
（2）轨道电路电压、相角、信号机电流、道岔表示电压等模拟量数值与仪表实测值比较，存在误差及时进行修正，保证微机监测测试数值准确。
（3）在进行微机监测数据校核的同时，应根据信号设备技术标准和电特性数据的变化规律，合理设定微机监测模拟量采集数据的上限和下限，减少由于上下限设置不合理导致的误报警问题。
总之，微机监测系统在电务设备中的应用，为信号设备维护提供了更好的手段，为信号设备的预防修也提供了有利的条件，因此也需要对微机监测采集数据不断的核对，保证信息准确，使其能更好的发挥作用。
作者简介
王洋（1977-），男，内蒙古赤峰市人，工程师。
数据监测范文6
【关键词】环保验收；监测；分析；数据质量；重要性
中图分类号： X324 文献标识码： A 文章编号：
前言
通过对环保验收监测数据质量的分析，我们可以更好的做好环境保护工作，更好的有针对性的控制污染源。目前，我国的环保监测数据质量存在一些不足之处，亟待改善和提高。
环保验收监测数据质量的重要性
项目建成后,在试运行阶段必须开展环境保护验收。环境保护验收对照环评及相关批复文件的要求,对企业的建设运行逐项进行监测和检查。环境保护验收对建设项目起着重要的把关作用,只有环保验收通过后,项目才能开始正式运行。只有环评报告对建设项目提出的措施具备科学性、准确性、可操作性,工程在建设中才能将环保措施切实落实到位,才能实现真正意义上的/“三同时”。在验收监测时,对照环评进行监测和检查中发现一些环评中出现工程描述不清、环保措施不科学、污染物核算偏差等问题。这些对验收监测工作的开展造成了一些困难和不便。因此，进一步提高环保验收监测数据质量的准确性显得非常重要。
三、环保验收监测数据质量的不足之处
1.污染物排放核算偏差
部分环评在污染物核算过程中出现疏漏,对于污染物浓度、总量等关键数据的预测产生了偏差。预测数据的错误如不能被发现,将直接影响到建设项目能否通过环保验收。
(一)污染物浓度及总量核算问题
某钢铁企业球团厂新建项目，环评预测回转窑不用建设脱硫设施，其废气中SO2排放浓度约45呵亩，而验收监测数据显示SO2排放浓度约400呵亩。SO2排放浓度达到《工业炉窑大气污染物排放标准》(GB9078-1996)中球团竖炉二级标准2000呵盯要求。但SO2排放总量无法满足环评按照45州亩浓度核算的总量要求。由于环评核算只计算了燃煤中的硫含量,未将铁精粉的含硫量计入核算。这就造成总量指标过低。如果企业不增建脱硫设施,SO2排放总量无法满足要求。但由于费用和场地的限制,该设施无法实施。这就造成因为环评核算问题,企业被动超标而无法通过环保验收。
(二)无组织污染物总量核算问题
某水泥厂各类堆场较多。环评将无组织排放颗粒物也计入粉尘总量控制指标。总量核算只应对有组织废气进行监测核算,不对无组织污染物进行统计。计入了无组织颗粒物的总量指标明显偏大,其无法客观准确的反映工程实际情况。以上二类环评数据核算问题,无法准确的反映出污染物浓度及总量。验收监测的实际数据与环评数据对应后会产生或大或小的明显偏差。这要求环评单位对数据进行深入的分析描述,做出更加缜密判断,避免出现原则性的错误。
2.现场空白和实验室空白
目前验收监测中，水和气都没有带现场空白。实验室空白也没有在数据报告中出现。空白值是影响检测限的重要指标之一，也影响监测数据的准确度。海南省曾检出矿泉水As超标，我们在工作中也曾发现原子荧光法测As时空白荧光强度大于800，而标准工作曲线的最高浓度点荧光强度只有700多。必须采取消除空白的措施降低空白值，否则监测数据无效。我们也曾发现同一批次的优级纯HCl、HNO3，不同瓶的As、Hg空白值相差几十倍。不规范的试剂生产厂家买来各知名品牌的标签使用，而知名厂家对化学试剂质量不进行监控的现象常有发生。盗用标签现象更为严重，在As及重金属监测中扣除包括现场空白及实验室空白在内的全程序空白十分重要。
四、环保验收中部分常规监测项目数据质量欠佳
1.pH的测定
pH值是最简单的监测项目。某电厂扩建项目灰渣厂地下水的pH值在环评监测时在6.7～6.9范围内，而验收监测时pH值在5.62～6.67的范围，出现了pH值低于6.5的超标数据。补测结果显示，灰渣浸出液pH为9.7～10.3,显然验收监测数据有误。地表水和污水监测技术规范要求pH值现场测定。我国地表水和污水的pH标准都是6～9，而不是6.0～9.0。在实际监测时，pH值可以监测到小数点后一位，而小数点后两位是难以准确测量的。但是，目前验收监测数据中的pH值都精确到小数点后第二位，甚至在某监测站的监测结果中出现过pH值为9.04和9.02的数据。这种数据也给鉴别pH的达标与否造成难度。通过补测pH值得最高值为8.6，属于达标排放。这类问题在环境监察中也曾经不止一次出现，应该引起监测单位的注意。
2.二氧化硫和烟尘
在燃煤电厂验收中，手工监测与CEMS系统比对时，存在白分之几十误差是允许的。让人不可思议的是，有的报告中的比对误差竞小于1%。在实际工作中，烟尘、二氧化硫的比对数据出现小于4%的误差是难以理解的，这是因为CEMS测定烟尘采用的是光学法，而手工监测采用的是重量法。由于两种方法的原理不同，对数据的影响因素也不相同，误差大是可以理解的，而误差太小就不合理了，有数据造假的嫌疑。
表1是一组真实的数据。因垃圾淋滤液要求喷入焚烧炉处理，所以烟气湿度极高，手工监测仪的除湿效果较差，且气样中的水分会溶解相当量的二氧化硫进入仪器的管路，而不能进入检测器被检测导致测定结果偏差。
3.COD、BOD
曾有“同一水样BOD值是COD值得1/3的说法”，综合污染水排放标准限值和环评也都是这么处理。其实，这是不合理的。不同行业的污水COD和BOD的比值不可能是固定的。例如：某造纸厂污水COD103mg/L,BOD119mg/L。从COD和BOD的定义来看这种BOD大于COD的数据是不合理的。这个数据的产生，是受水样中纤维素的影响，导致测定时分取的水样缺乏代表性。我们也曾发现生活污水处理设施排口的COD大于200mg/L，而BOD未检出的数据，这可能是接种失败。此外，氯乙烯和氨碱厂排水的COD也会存在氯化物的正干扰，导致监测结果超标。但是，目前相当多的监测站不具备氯气校正法的测定条件。
4.氟化物的监测
氟化物(含氟化氢)是电解铝和水泥验收中必测项目，目前气氟、尘氟的采样因设备污染导致误差，采样杆等采样系统会影响监测质量，土壤中氟化物监测质量更差。表2是某电解铝项目周边土壤氟化物的监测结果。
同一点位采集的土壤样品结果有的竞相差100倍之多，其中有的土壤中氟化物分布不均匀的因素，但主要是样品制备的分析产生的误差。因为在实际监测时，即没有加标样的，也没有质控样，很难保证数据的准确性。但从监测分析的技术角度考虑，应认为监测数据低的是错误数据。因土壤成分复杂，其浸出液和土壤碱熔后的试液中的氟化物不一定都是以离了态存在，若按土壤监测技术规范要求的使用高铝增锅熔样，因其中的石英质，会在酸化时以SiF4、逸出使结果偏低，在土壤熔融过程中，也会有“爬壁”现象，使土壤熔融物逸出导致结果偏低。
5.砷及重金属
目前As及重金属监测的数据质量，主要是空白难以准确扣除，空白波动性较大，影响了分析方法的检出限，因此在验收报告中数据有效位数的取舍难以把握。
表3、表4是两个铜冶炼项目周边地下水监测结果。
可见表3的数据合理，表4数据不合理，首先Pb,Cd,Fe的灵敏度差别很大，其检出限不可能都是0.01mg/L。此外，实际地下水Fe,Cu,Zn都小于0.01mg/L是不合理的，并且该项目位于长江上游，土质是红壤土，更加说明了数据的谬误。经过询问得知，所采集的水样并没有加保护剂，水样三天后才送至实验室分析。所有水样的金属成分均已水解沉淀，当然都未检出。这是采样方法选择不当的结果。气的无组织排放Hg,As,Pb,Cd也都未检出，因未见原始数据，难以做出分析，只能判断数据不够合理。
