Page 174 - 大数据技术及安全研究

大数据技术及安全研究
Big Data Technology and Security Research

于蕾、谭励和段振刚基于时序算法对太阳能热水监测系统的使用率做出准确的评
价。2020 年，潘点飞等人为了实现在轨道中采用生控系统进行故障预测的目的，
对系统遥测数据的时间序列信息展开了研究。通过 AIC 与 BIC 相结合的方法确
定了预测模型，并运用该模型对实际工程中的遥测数据进行预测验证。

在以神经网络为基础的数据预测模型中，学者大多使用的是 BP 神经网络、
LSTM 神经网络和 GRU 神经网络；2020 年，姬鹏飞、孟伟娜、杨北方和王丹丹
提出了基于自适应粒子群算法（APSO）优化的误差方向传播（BP）神经网络
预测方法，利用 APSO 算法优越的全局搜索能力更新 BP 神经网络的权值和阈

值，通过有效结合 2 种算法的优势，提高了某省农业机械数据预测的精度。对
于 LSTM 神经网络，王永志、刘博和李钰在 Tensor Flow 框架下使用 Python 语言
设计了一种基于长短期记忆（LSTM）神经网络的电力负荷预测模型，该模型可
以准确地预测电力负荷数据的日变化、周变化规律。2020 年，孙宇航、刘洋从

GRU 神经网络出发，通过训练神经网络逼近横波的速度与储层参数之间的关系，
利用纵波速度、密度和自然伽马等储层参数直接预测横波的速度。虽然目前对数
据预测评估的研究量较大，以神经网络作为切入点的研究也不在少数；但是这些
研究忽略了用户应用的问题，实用性不强。该文将以神经网络为着力点，以 Java

和 Python 语言为工具，为用户设计出简单易操作的数据预测软件，让更多的人
感受到计算机技术为生活所带来的便利。
（三）数据预测评估系统的特点与创新点
1. 技术特点

该软件使用了最新的智能化管理分析算法，可以快速在后台进行计算，并
将数据预测、数值评估的结果以及相应的管理操作呈现在用户面前，节省了大
量人工计算数据的时间。而且经过多层加密的完备的大数据信息的安全是有保
障的。

2. 技术创新点
（1）基于神经网络算法建成
神经网络算法是 1 种通过模仿动物神经网络行为特征对信息进行分布式并行
处理的算法数学模型。该网络依靠系统的复杂程度，通过调整内部大量节点之间

相互连接的关系，从而达到处理信息的目的。与传统算法不同，使用神经网络算
法的人工智能将拥有自学能力，能够实现自我学习和自我改进。

·162·