教学课程资源库 更多>>

关键词： 财务风险管理   企业优化   企业内控   大数据分析   大数据平台   动态监控   大数据视角   相应的措施  

摘要： 大数据分析可以帮助企业更全面地了解和掌握风险情况,提前预警并采取相应的措施。企业可以收集大量的数据并对其进行分析和研究,及时发现存在问题的情况,并采取相应的风险评估措施。其次,大数据可以帮助企业优化内部控制的设计和执行。通过对数据的分析,企业可以找出内部控制存在的薄弱环节,并加以改进和强化,从而提高内部控制的效能和有效性。此外,大数据还可以帮助企业实现财务风险的动态监控和预测。通过对大数据的分析,管理层可以及时掌握市场风险,并采取相应的措施。然而,大数据视角下企业内部控制与财务风险管理也面临着一些挑战。数据的处理和分析需要企业具备相关的技术和人才。企业需要投入大量的资源来建设和维护大数据平台,并培养专业的数据分析人才。其次,大数据的安全性和隐私保护也是一个重要问题。

摘要： 党的二十大报告指出，“坚持以人民为中心发展教育，加快建设高质量教育体系”，高质量发展成为我国教育的重要特征。因此，对高职教育教学质量也提出了更高要求，而课堂教学无疑成为教育教学质量的最大保证。有效课堂的实施有助于提高课堂教学质量，推进“三教”改革。本文以大数据与会计专业的财务大数据分析课程为例，针对当前教学中存在的问题，从课程内容构建、教学设计、教学评价等方面进行有效课堂实践的探索。

关键词： 世界技术活动   专利大数据   地理重心迁移   格局演化   重心模型  

摘要： 【目的/意义】从全球宏观地理视角出发，量化探究长时间序列下世界技术活动地理重心的迁移规律。【方法/过程】选取1970—2020年间50个主要国家/地区的专利大数据作为分析对象，在解构出揭示世界技术活动格局演化不同侧面的六个分析维度的基础上，利用空间统计分析、重心模型、大地主题解算和地理信息技术等方法工具，分别量化分析六个分析维度和整合后的世界技术活动地理重心的空间格局分布及其时空迁移特征，总结出地理重心的主要迁移规律。【结果/结论】1970—2020年：(1)世界技术活动地理重心长期稳定分布于北纬40°附近，并表现出小幅向南迁移态势。(2)世界技术活动地理重心表现出大幅向东迁移态势。(3)西方发达国家/地区在世界技术活动中仍处于优势地位，但这种优势正在逐渐减弱。(4)亚洲国家/地区在世界技术活动中的长足进步是推动地理重心迁移的主要力量。【创新/局限】研究系统应用地理学的相关方法、工具直观呈现了世界技术活动近50年来地理重心的迁移规律，今后将尝试从中心国家转移、网络结构演化等视角全方位揭示世界技术活动的格局演化规律并开展合理预测。

关键词： 燃煤发电机组   风煤比   水煤比   电煤比   经济性   大数据分析  

摘要： 智能发电背景下需要深入探讨对燃煤发电机组运行数据的深入分析、利用的方法。机组运行经济性通常用发电（供电）煤耗来表征，实质上是燃料量与发电量的比值。本文提出用电煤比-发电量与燃料量的比值来计算机组运行经济性，形成风煤比、水煤比、电煤比全部以单位燃料量为基准来计量的燃煤机组主要概念体系。与煤耗越低、经济性越好相反，电煤比越高、经济性越好。根据某600MW燃煤发电机组W火焰锅炉实际运行数据计算电煤比、风煤比、水煤比，并用风煤比和水煤比通过二次函数预测（拟合）电煤比的变化，预测效果较好。二次函数的变化规律和机组当前风煤比和水煤比的取值范围，可为机组运行优化调整风煤比、水煤比提供定量依据。炉内三维燃烧在线监测及锅炉闭环优化控制系统的试验结果表明，根据本文方法预测模型得到的风煤比和水煤比改进方向，与优化运行的实际参数的变化是一致的，结果试验前后该机组电煤比增加幅度达到2.42%，取得了改进机组运行经济性的实际效果，证明了本文分析方法的实用性。

关键词： 电网动态检测技术   大数据技术   分布式   电网扰动  

摘要： 在当今时代,随着可再生能源和分布式能源系统的快速发展,传统的电力系统正面临着前所未有的挑战和机遇。分布式电网,作为一种更加灵活和高效的电力供应模式,正逐渐成为电力系统的重要组成部分。在这种背景下,大数据技术以其强大的数据处理能力和高效的分析性能,为分布式电网的动态监测提供新的解决方案。本研究根据大数据技术设计了电网动态监测与电网扰动识别的技术方法,提出了低频振荡在线分析和PMU状态估计的技术手段,通过实验测试了系统性能。结果表明,系统的综合表现较为优异,准确率相对较高、数据完整性良好,系统在不同工况下的性能表现较为稳定,符合预期效果。

关键词： 助学金评定   综合评价算法   指标体系   随机森林模型  

摘要： 随着智慧校园建设的不断推进,助学金评定的信息化、数字化服务也应加快数字化转型,立足现有评价体系,细分助学金评价指标,建立数字化评价体系。采用基于自助采样的集成学习思想,通过构建多个决策树来解决助学金评定问题,并进行可视化系统搭建。预测结果表明,随机森林模型对于助学金评定具有一定的实用价值。

关键词： 闪锌矿   微量元素   机器学习   大数据分析   铅锌矿床  

摘要： 闪锌矿微量元素特征是识别铅锌矿床成因类型的重要指标。拟通过机器学习方法识别出判断铅锌矿床成因类型的关键控制元素,建立基于闪锌矿微量元素特征的广义铅锌矿成因类型判别图。系统收集了密西西比河谷型、火山块状硫化物型、喷流-沉积型、矽卡岩型4种成因类型铅锌矿床中3700条闪锌矿的12种微量元素数据(Cd,Mn,Ag,Cu,Pb,Sn,Ga,In,Sb,Co,Ge和Fe),使用支持向量机和随机森林2个机器学习分类模型对其进行分类,对这些特征元素重要性进行排序。基于闪锌矿微量元素特征,利用大数据和机器学习方法构建的铅锌矿床分类模型可以有效地区分不同成因类型的铅锌矿床,支持向量机和随机森林分类模型在测试集上的准确率分别为98.5%和96.9%。同时,通过主成分分析对12种元素特征进行统计分析和降维可视化,并结合随机森林模型特征元素重要性排序,识别出能区分铅锌矿床4种成因类型的关键化学元素。结果显示,闪锌矿的12种微量元素中,Mn,Ge,In,Co,Sb和Ga这6种元素用于区分铅锌矿床成因类型效果显著。新构建了4种成因类型铅锌矿床闪锌矿ln(Mn/Cd)-ln(Ge/Cd)-ln(Co/Cd)三元二维图,以及ln(Mn)-ln(Sb)、ln(Co)-ln(Ga)和ln(Mn)-ln(In/Ge)二元二维图,可用来有效区分密西西比河谷型、火山块状硫化物型、喷流-沉积型、矽卡岩型4种类型铅锌矿床。