简介：摘要目的探讨时序预测模型中的差分自回归滑动平均(ARIMA)和自回归(AR)模型在预测广州市急救调度日出车数量方面的价值。方法采用Matlab仿真软件对广州市2021年1月1日至2021年12月31日的急救调度出车记录分析计算日出车数量时间序列，对该序列进行时序预测模型辨识，得到ARIMA(1,1,1)、AR(4)以及AR(7)模型，利用这些模型对日出车数量做出预测拟合。ARIMA(1,1,1)模型将数据分为训练集和测试集，参数运算采用Prony方法，预测拟合未来的出车数量；AR(4)和AR(7)模型采用均匀系数，预测当天出车数量。结果ARIMA(1,1,1)、AR(4)以及AR(7)都可以实现对日出车数量的有效预测，ARIMA(1,1,1)的预测拟合误差随着预测时间的延长下降。两个月内的急救调度日出车量预测拟合平均绝对百分比误差（MAPE）低于6%，结果基本都位于95%置信区间内，利用模型的残差分析验证了模型显著有效。结论ARIMA模型可以对两个月内的急救调度日出车量做长期预测拟合，AR模型可以对急救调度日出车量做短期有效预测。

简介：【摘 要】 当前，随着信息技术产业革命浪潮，特别是大数据技术创新应用，全球社会正式进入“数据驱动”的时代。大数据也逐渐渗透进了征信业务，对我国征信业的发展起到了非常大的促进作用。但同时由于信息传播速度较快，大数据时代在给人们带来便利的同时，还存在个人信息数据被泄露的风险。本文主要以了解大数据征信的含义及应用为基础，分析大数据征信数据安全的特点和面临的问题，为提升我国大数据征信数据安全能力提出一些建议。

简介：摘要柴发系统作为数据中心最后一道电源，应急时能否顺利投入直接影响数据中心的供电可靠性，多柴发并列使用是大型数据中心的常见模式。各柴发在启动后并列前，经高压断路器、高压母排、电压互感器与大地间形成回路，在高压母排上存在一定分压，此电压的存在可能影响首台柴发顺利合闸并网，进而影响其他柴发的找同期并列，本文对母排分压的形成机理、电压过大影响柴发并列的原因进行了分析，并阐述了应对的措施。