环境统计数据分析报告

环境统计数据分析报告（精选8篇）

环境统计数据分析报告 第1篇

人口增长数据的统计与分析课题： 一次方程组的应用 年级： 初中一年级 目的： 1.会列出二元一次方程组解简单的应用题，使学生使用代数中的方程去反映现实世界的相等关系，体会代数方法的优越性。2.渗透把未知转化为已知的辩证思想，培养学生分析问题、解决问题的能力。3.通过统计数字和计算，了解人口增长的情况和控制人口增长的意义。准备： 复印学生页，纸、笔。步骤： 1.统计数据。到当地统计部门搜集以下统计数据：本地20年前、现在、计划20年后的城镇人口和农村人口，计划农村人口增长率，城镇人口增长率。2.编制习题。利用统计数据编制问题。3.解决问题。列出方程组，解方程组，得到这个问题的解。4.再利用统计数据编制其他类似问题并求解。5.交流、讨论。引导学生讨论以下问题： ● 我国现在的人口数量多吗？为什么我国现在人口数量如此之多？你认为是哪些原因造成的？ ● 人口过快增长会给人们生活、工作造成什么影响？ ● 我国已经采取了哪些措施来控制人口增长？你认为还应采取哪些措施？

环境统计数据分析报告 第2篇

一、背景介绍

2008年末，“ 大数据 ”得到部分美国知名计算机科学研究人员的认可，业界组织计算社区联盟(Computing Community Consortium)，发表了一份有影响力的白皮书《大数据计算：在商务、科学和社会领域创建革命性突破》。它使人们的思维不仅局限于数据处理的机器，并提出：大数据真正重要的是新用途和新见解，而非数据本身。此组织可以说是最早提出大数据概念的机构。

2016年，中国已经全面进入了大数据时代，大数据时代的出现简单的讲是海量数据同完美计算能力结合的结果。确切的说是移动互联网、物联网产生了海量的数据，大数据计算技术完美地解决了海量数据的收集、存储、计算、分析的问题。

随着移动互联网、电子地图、电商的崛起，所产生的大量数据及用户所使用的流量及其内容更成为一个个大数据应用的主战场！如何分析加工应用这些大数据，及整体的大数据是有哪些发展趋势，有哪些应用场景本文将一一介绍！

二、大数据的应用场景

大数据时代最有意义就是利用大数据及大数据技术创造价值，大数据的企业应用场景就是介绍大数据在行业的应用，体现大数据商业价值。大数据的应用场景会将提升企业对大数据的关注，鼓励企业大数据产业中投入更多的资源，利用大数据这个工具，为人类社会造福。大数据的应用可以分为企业应用和政府应用，其关注点有所不同，我们分开介绍，先从大数据在企业应用开始谈起。1）医疗行业 医疗行业拥有大量的病例，病理报告，治愈方案，药物报告等等。如果这些数据可以被整理和应用将会极大地帮助医生和病人。我们面对的数目及种类众多的病菌、病毒，以及肿瘤细胞，其都处于不断的进化的过程中。在发现诊断疾病时，疾病的确诊和治疗方案的确定是最困难的。在未来，借助于大数据平台我们可以收集不同病例和治疗方案，以及病人的基本特征，可以建立针对疾病特点的数据库。如果未来基因技术发展成熟，可以根据病人的基因序列特点进行分类，建立医疗行业的病人分类数据库。在医生诊断病人时可以参考病人的疾病特征、化验报告和检测报告，参考疾病数据库来快速帮助病人确诊，明确定位疾病。在制定治疗方案时，医生可以依据病人的基因特点，调取相似基因、年龄、人种、身体情况相同的有效治疗方案，制定出适合病人的治疗方案，帮助更多人及时进行治疗。同时这些数据也有利于医药行业开发出更加有效的药物和医疗器械。医疗行业的数据应用一直在进行，但是数据没有打通，都是孤岛数据，没有办法起大规模应用。未来需要将这些数据统一收集起来，纳入统一的大数据平台，为人类健康造福。政府和医疗行业是推动这一趋势的重要动力。2）生物技术

主要是指大数据技术在基因分析上的应用，通过大数据平台人类可以将自身和生物体基因分析的结果进行记录和存储，利用建立基于大数据技术的基因数据库。大数据技术将会加速基因技术的研究，快速帮助科学家进行模型的建立和基因组合模拟计算。基因技术是人类未来战胜疾病的重要武器，借助于大数据技术的应用，人们将会加快自身基因和其它他生物的基因的研究进程。未来利用生物基因技术来改良农作物，利用基因技术来培养人类器官，利用基因技术来消灭害虫都即将实现。3）金融行业

大数据在金融行业应用范围较广，典型的案例有花旗银行利用IBM沃森电脑为财富管理客户推荐产品，美国银行利用客户点击数据集为客户提供特色服务，如有竞争的信用额度。，招商银行利用客户刷卡、存取款、电子银行转帐、微信评论等行为数据进行分析，每周给客户发送针对性广告信息，里面有顾客可能感兴趣的产品和优惠信息。大数据在金融行业的应用可以总结为以下五个方面：

精准营销：依据客户消费习惯、地理位置、消费时间进行推荐

风险管控：依据客户消费和现金流提供信用评级或融资支持，利用客户社交行为记录实施信用卡反欺诈

决策支持：利用抉策树技术进抵押贷款管理，利用数据分析报告实施产业信贷风险控制 效率提升：利用金融行业全局数据了解业务运营薄弱点，利用大数据技术加快内部数据处理速度

产品设计：利用大数据计算技术为财富客户推荐产品，利用客户行为数据设计满足客户需求的金融产品 4）零售行业

零售行业大数据应用有两个层面，一个层面是零售行业可以了解客户消费喜好和趋势，进行商品的精准营销，降低营销成本。另一层面是依据客户购买产品，为客户提供可能购买的其它产品，扩大销售额，也属于精准营销范畴。另外零售行业可以通过大数据掌握未来消费趋势，有利于热销商品的进货管理和过季商品的处理。零售行业的数据对于产品生产厂家是非常宝贵的，零售商的数据信息将会有助于资源的有效利用，降低产能过剩，厂商依据零售商的信息按实际需求进行生产，减少不必要的生产浪费。5）电商

电商是最早利用大数据进行精准营销的行业，除了精准营销，电商可以依据客户消费习惯来提前为客户备货，并利用便利店作为货物中转点，在客户下单15分钟内将货物送上门，提高客户体验。马云的菜鸟网络宣称的24小时完成在中国境内的送货，以及京的刘强东宣传未来京东将在15分钟完成送货上门都是基于客户消费习惯的大数据分析和预测。电商可以利用其交易数据和现金流数据，为其生态圈内的商户提供基于现金流的小额贷款，电商业也可以将此数据提供给银行，同银行合作为中小企业提供信贷支持。由于电商的数据较为集中，数据量足够大，数据种类较多，因此未来电商数据应用将会有更多的想象空间，包括预测流行趋势，消费趋势、地域消费特点、客户消费习惯、各种消费行为的相关度、消费热点、影响消费的重要因素等。依托大数据分析，电商的消费报告将有利于品牌公司产品设计，生产企业的库存管理和计划生产，物流企业的资源配制，生产资料提供方产能安排等等，有利于精细化社会化大生产，有利于精细化社会的出现。6）农牧业

大数据在农业应用主要是指依据未来商业需求的预测来进行农牧产品生产，降低菜贱伤农的概率。同时大数据的分析将会更见精确预测未来的天气气候，帮助农牧民做好自然灾害的预防工作。大数据同时也会帮助农民依据消费者消费习惯决定来增加哪些品种的种植，减少哪些品种农作物的生产，提高单位种植面积的产值，同时有助于快速销售农产品，完成资金回流。牧民可以通过大数据分析来安排放牧范围，有效利用牧场。渔民可以利用大数据安排休渔期、定位捕鱼范围等。1）交通

交通的大数据应用主要在两个方面，一方面可以利用大数据传感器数据来了解车辆通行密度，合理进行道路规划包括单行线路规划。另一方面可以利用大活数据来实现即时信号灯调度，提高已有线路运行能力。科学的安排信号灯是一个复杂的系统工程，必须利用大数据计算平台才能计算出一个较为合理的方案。科学的信号灯安排将会提高30％左右已有道路的通行能力。在美国，政府依据某一路段的交通事故信息来增设信号灯，降低了50%以上的交通事故率。机场的航班起降依靠大数据将会提高航班管理的效率，航空公司利用大数据可以提高上座率，降低运行成本。铁路利用大数据可以有效安排客运和货运列车，提高效率、降低成本。2）天气预报

借助于大数据技术，天气预报的准确性和实效性将会大大提高，预报的及时性将会大大提升，同时对于重大自然灾害，例如龙卷风，通过大数据计算平台，人们将会更加精确地了解其运动轨迹和危害的等级，有利于帮助人们提高应对自然灾害的能力。天气预报的准确度的提升和预测周期的延长将会有利于农业生产的安排。

三.大数据主流技术介绍

主流的大数据厂商分为大数据分析基础设施，大数据操作基础设施，大数据基础云服务，传统结构化数据库，商业智能，可视化领域等 1)大数据分析基础设施

主要指Hadoop的发行版本产品，主要厂商有Cloudera,Hortonworks,MapR.其他还包括HP的Vertica,EMC的GreenplumHD,IBM的BigInsights 2)大数据操作基础设施

主要是指企业级的NoSQL数据库和SQLonHadoop产品。主要产品有Caouchbase,Hadapt,Teredata,Marklogic等 3)大数据基础云服务（IAAS）

基于大数据基础设施提供云服务的有AmazonWebServiceElasticMapReduce、GoogleBigQuery、Infochimps、MicrosoftWindowsAzure,阿里云等 4)关系型数据库

关系型数据库产品Oracle、MicrosoftSQLserver、SAPSybase、IBMDB2、MySQL、PostgreSAL,MemSQL等 5)数据云服务（DAAS）

DaaS的服务主要有WindowsAzureMarketplace、Datasift、SpaceCurve、Factual等 6)商业智能产品

BI产品主要有Oracle的Hyperion、SAPBusinessObjects,MicrosoftBusinessIntelligence、IBMCongnos,SAS,HP的Autonomy、QlikView等这些产品通常具有分析和可视化能力。

7)分析和可视化应用

主要产品有SAS,TeraDataAster,EMCGreenplum,TableauSoftware,Tibco等。8)日志应用

主要产品有Splunk、Loggly、SumoLogic。其中Splunk是一个可运行于各种平台的IT数据、日志分析软件。9)广告／媒体应用

主要产品有MediaScience、BlucefinLaps、RocketFuelDataXu,RecordedFuture.其中RocketFuel是一家广告优化公司，每天处理15亿次品牌广告展示，广告效果完全基于数据来改善。10)垂直应用

主要有PredictivePliciing、BloomReach,Myrrix,Atigeo.其中BloomReach公司面向市场开发大数据应用（BDA）,通过机器学习，网络爬虫和搜索技术来挖掘数据，对网站的数据进行分析，然后为网站带来更多的流量，从而给他们的客户带来更多的利润。

国内的互联网企业在大数据应用和研发方面处于较好的水平例如淘宝、百度、腾讯、新浪等。但是在大数据产品和技术服务领域却落后于国际厂商。国际主流大数据产商包括Cloudera、Hortonworks、MapR,IBM,Oracle,EMC,Intel,SAP,Teredata。四.大数据产业链介绍

由于大数据及大数据技术是一个工具，无法像互联网企业那样形成一个大数据生态圈，形成闭环。但是从数据的收集，存贮，处理，分析，销毁等方面分析，可以形成大数据产业链。数据的收集

主要是指各种数据通过传感器或其他方式被采集，大数据的的采集除了传统的互连网入口、社交平台、搜索引擎、电商交易数据、在线问答、企业业务数据外，移动互联网的App将是一个重要的数据入口，例如通过手机APP内嵌的SDK将手机App上的用户行为数据集中进行收集和处理，TalkingData目前是这一领域的领先的大数据厂商，他们既有大数据又有数据管理平台DMP。摄像头采集的数据、导航地图的轨迹数据、物流信息、移动互联网App的LBS位置数据等都大数据的重要来源。在这个阶段主要是指拥有大数据的公司例如BAT，通讯行业、互联网企业、物流行业、零售行业、医疗行业等，它们需要大数据采集和存储产品。数据的存储

主要是指利用何种方式进行数据存贮，对于中小企业，云存储是以个不错的原则，对于金融行业和其他对数据保有权较为重视的企业，私有云将是一个不错的选择。政府主导的大数据存储平台可以作为参考。如果认为云平台无法采用时，采用低端的并行计算机可能是一个经济的方案，但是由于没有云操作系统，其存储的效率是个较大的挑战。EMC、NetAPP、日立的NAS存储可以考虑。SAN存储由于成本过高，不建议用于大数据存储，但是土豪除外。数据处理

数据处理主要是指数据处理平台，采用了SAAS概念的大数据处理平台都可以考虑，企业在考虑处理平台时建议，循序渐进，以未来2年内的数据处理量为参考，千万不要一次投资到位，因为数据处理的技术发展是几何级数的，两年后采用新的技术平台，其ROI将会大大降低，采用Cloudera,Hortonworks,MapR的Hadoop产品都可以，如果其在中国没有成熟团队建议考虑IBM,HP,Oracle的解决方案，他们的案例较多。数据分析

主要是指如何对处理完的数据进行商业分析，业务需求和技术需求必须有本企业技术和商业人员主导，外部厂商很难了解企业自身的商业需求，但是数据展现形式和分析方式可以交给厂商来做，主要涉及的厂商是传统的商业智能产品和可视化应用，包括Oracle的Hyperion、Teredata、SAPBusinessObjects,IBMCongnos,SAS,HP的Autonomy、QlikView等。数据销毁

主要是指数据如何进行安全管理，对于不再需要的数据如何进行销毁，鉴于数据的数量较大，存储需要重用，因此数据索引删除、数据空间7次重写，数据混淆、数据对称加密等方式都可以用作数据销毁，目前此阶段市场需求不多，因此还没有较为成熟的方案和厂商，未来将会用安全厂商进入此领域。

由于目前大数据产业的商业模式和盈利模式还在探索之中，大数据带来的直接收益还没有明确，目前主要的商业形式还是大数企业自身的大数据应用（例如，大数据计算平台，大数据采集和分析，数据分析报告），行业应用处于一个探索的阶段，在大数据较为集中的电信行业，并没有成立数据事业部，数据被当作资产良好的保存起来，国外的大数据投资`在2005年就开始了，很多高科技企业已经大数产业链上投入巨资进行技术开发和行业应用。

五．大数据隐私保护

大数据的隐私和伦理已经争论了很多年，由于其涉及我们每个人的自身利益，大数据隐私保护是大数据产业需要正面面对的问题。大数据在采集过程中必定会涉及到隐私数据，的收集，如果其保护的不好将会造成严重的后果，成为大数据产业发展的瓶颈。过度强调大数据的商业应用而忽视了大数据产业的隐私保护，将会产生灾难性的后果，大数据产业的发展可能会因此被禁止。过度强调隐私保护而不发展大数据产业也是一个错误的选择，人类可能会错失一个高速发展的机遇。大数据产业发展要建立在隐私保护基础之上，同时隐私保护也将通过适当约束来助推大数据产业的发展。

大数据企业在采集外部数据时，应该注意尽量不要收集可以识别出个人的PII信息，参照美国个人隐私定义者，PII信息包括姓名、地址、手机号码、身份证号、驾驶证号、银行帐号、借记卡／信用卡号。大数据企业在使用自身拥有的信息时也要注意保护敏感信息例如民族、政治意见、宗教信仰、健康／医疗信息，婚姻状况、性生活、年龄、性别、犯罪记录、个人喜好、标准IP地址等。

大数据企业应该在其公司的章程和文件中体现对个人隐私数据的保护，坚持遵守全球隐私保护7条原则；

1)知晓权（透明性）：应该通知本人关于所收集信息的目的

2)选择权：提供机会选择或放弃所提供的个人信息是否被使用或如何被使用 3)同意权：再符合知晓权和选择权的情况下才可以向第三方透露个人数据信息

4)安全权：采取负责的措施保护个人信息免受丢失、滥用、未授权获取、泄露、篡改、毁坏的威胁

5)数据完整性：确保个人信息在最终用途、合理防护方面的可靠性，确保信息精确、完整、无误。

6)可查询：提供本人查询个人信息的途径

7)责任性：企业有责任遵守上述法则，并应确保合规的机制。

大数据企业面对的数据分为公开数据，授权数据，隐私数据。公开数据来源于公共媒体因此可以无须强调保护，授权数据来源于数据收集过程中，客户对企业的授权，需要依据签订的协议使用范围来使用，不能过越权进行数据转让和贩卖，大数据企业仅能在签署的授权范围内部进行使用，企业在使用大数据时尽量使用分类数据、群体数据、趋势数据、统计数据。不要使用针对个体的数据，同时在数据分析是需要注意关注隐私数据保护。大数据企业在利用隐私数据时将要特别注意对其的保护，即使在客户授权的前提下，也要注意数据的使用场合和揭示方式，不要向外泄露受保护的PII信息。

环境统计数据分析报告 第3篇

1 基本情况

2007年抚顺市环境统计工业企业338个。在统计的总企业中, 重点工业污染源, 年排放废水100万吨以上的企业总计12家, 累计排放量占全市的75.64%;化学需氧量年排放140吨以上的总计10家, 累计排放量占全市的63.89%;二氧化硫年排放500吨以上的总计13家, 累计排放量占全市的86.72%。

2“三废”及其主要污染物排放分析

2.1 废水

2.1.1 废水排放特点

2007年全市废水排放量为13433.86万吨, 其中工业废水排放量5330.86万吨, 生活污水排放量8103万吨。排放情况见表1。

2.1.2 化学需氧量排放特点

2007年全市化学需氧量 (COD) 排放量为27362.08吨, 其中工业废水中COD排放量为4437.87吨, 生活污水中COD排放量为22924.21吨。

2007年工业废水中COD排放量按高低次序排列的企业依次为中国石油抚顺石化公司腈纶化工厂、中国石油天然气股份有限公司石化分公司石油二厂、抚顺铝业有限公司、抚顺特殊钢股份有限公司、清原满族自治县华龙淀粉厂、抚顺兴达金会牧业有限公司、中国石油天然气股份有限公司抚顺石化分公司乙烯化工厂、抚顺有色集团抚顺红透山矿业有限公司, 年排放量均在150吨以上, 占全市总量的56.10%, 达到二分之一以上。可见COD排放大户主要集中在石化行业和有色金属行业。

2.1.3 废水排放去向分析

2007年全市统计338家企业, 其中235家企业废水排入浑河, 共计汇入工业废水5017.94吨, 占全市工业废水排放量的94.13%, COD汇入量为4120.54吨, 占全市工业COD排放量92.85%。

抚顺市所辖五区三县, 其中东洲区4家企业、顺城区、新抚区的各1家企业、清原县、望花区的各2家企业废水和COD排入浑河, 排入浑河工业废水和COD较多的县、区有东洲区和望花区、清原县、新抚区, 这4个县区占浑河流域受纳的85.2%, COD占89.61%。由此可看出, 治理浑河的关键就是首先要控制化工行业和炼钢 (铁) 的工业废水和COD的排放。

2.2 废气

2007年全市共排放工业废气15517170万标立方米, 比2006年有所增加。

2007年全市共排放SO2100646.43吨, 较2006年增加了4431.48吨, 其中工业SO277340.46吨, 较2006年增加4415.65吨, 生活SO2排放量23305.97吨, 较2006年3000吨。全市烟尘排放量32482.97吨, 较2006年减少3318.6吨, 其中工业烟尘排放量24765.46吨, 较2006年增加104.4吨。全市工业粉尘排放量12171.19吨, 较2006年减少4448.83吨。

2.2.1 工业SO2排放特点

2007年工业SO2排放量主要集中在望花区、东洲区、新抚区, 共82381.56吨, 占全市工业排放量的81.85% (见表2) 。

2007年工业SO2排放主要集中在电力、热力的生产和供应、炼钢 (铁) 和石化行业, 排放量为71183.72吨, 占全市工业排放量的70.73%, 具有显著的行业分布规律。

2.2.2 工业烟尘排放特点

2007年工业烟尘排放量在全市排前几位的区、县有东洲区、新抚区、望花区、顺城区等, 共排放27621.36吨, 约占全市排放量的72.49%。 (见表2)

2.2.3 工业粉尘排放特点

2007年工业粉尘排放主要集中在望花区、清原县、抚顺县、东洲区, 共排放10767.79吨, 约占全市的88.47%, 其中就望花区和清原县就排放了7243.95吨, 占全市总排放量的59.52%。

此外, 工业粉尘排放具有典型行业分布特征, 主要集中在炼钢 (铁) 、水泥行业。这些行业的粉尘排放量为8811.46吨, 占全市总排放量的72.4%。因此必须要加强上述行业的治理, 推行清洁生产来加大控制粉尘污染的力度。

3“三废”处理及利用状况

2007年全市工业污染治理项目总投资为25659.7万元, 较2006年减少了8432.3万元。虽然环保资金投入减少, 但相应2007年污染物的排放量也比2006年的有所减少, 所以全市“三废”的处理能力有所提高, 且各企业已把总量控制和节能减排工作放到首位。为抚顺市总量控制和节能减排工作起到不可估量的作用。

4 结论和建议

4.1 通过对2007年全市环境统计数据分析, 可以得到以下几点结论:

4.1.1 2007年统计的重点工业源41家, 虽然仅占重点汇总企业的12%, 但所排废水、化学需氧量、二氧化硫等污染物均占到全部工业排放量的80%以上, 因此加强这些企业的污染防治是环境保护管理工作的重点。4.1.2 2007年工业废水排放量较2007年有所增加, 主要集中在化工、造纸、食品制造、机械加工行业, 行业分布明显, 因此应加强这些行业的节能减排工作, 提高废水用率。4.1.3与持续增长的GDP相比, 2007年COD排放量变化不大, 得到较好的控制。4.1.4 2007年二氧化硫排放量主要集中在供热、电力和炼钢 (铁) 的生产供应行业。随着我市热电联产项目的日渐完善, 市区6吨以下的取暖锅炉将被逐步淘汰。加强对项目脱硫设施运行的监督管理, 对二氧化硫的排放会有很大的防治作用。

4.2 建议:

4.2.1应适当加宽环境统计工业企业的范围, 应统计产值占全省70%以上范围内的企业, 才能较真实地反映各地区的排污情况。4.2.2对统计人员实行持证上岗制度, 由国家或省培训地市级统计人员发证准入, 再由市培训区、县及重点排污企业的统计人员, 发证准入。这对予提高统计人员素质, 稳定环境统计队伍, 提高统计质量将起到很好的作用。

摘要：利用2007年度抚顺市环境统计数据, 分析工业废水、废气及主要污染物排放规律, 以便为环境管理, 尤其是节能减排工作提供有利依据。

基于大数据环境下的气象数据分析 第4篇

关键词：大数据 气象数据 分析

中图分类号：TP311.52 文献标识码：A 文章编号：1674-098X（2016）04（c）-0079-02

在社会的发展过程中，天气对社会中的很多行业都有一定的影响。在当前阶段，天气预报作为我国主要对天气进行预测的手段就对数据进行了一定的应用，但是随着大数据时代的到来，不仅是数据的数量，还是数据所隐藏的信息都有了很大的增加，在这种情况下，只是天气预报一种使用数据的手段就不能满足社会发展的需求，在这种条件下，加强对气象数据的研究，使其在气象工作中发挥出更大的作用，为人们的生活、工作提供良好的帮助。

1 大数据

1.1 大数据的内容

在当今社会的发展中，网络技术得到了大力的发展，在这种情况下，在网络中就会出现大量的数据，这些数据就构成了大数据，这些数据具有一定的实时性，其本质不在“大”上面，而是要对这些数据进行有效分析，将数据中所包含的内容全部挖掘出来，使用挖掘出来的信息来进行工作。因此，大数据就不只是对数据数量的一种诠释，更是对数据进行处理的一种手段。这就表示其与以往的数据有很大的不同，首先就可以发现两者之间规模具有很大的区别，其次是在对数据使用时，使用的方式也完全不同，在使用传统的数据时，只是使用单一的或者几种方式就可以了，而在使用大数据时，往往需要很多的方式才能完成[1]。

1.2 大数据的特征

随着社会科技的不断发展，大数据的应用越来越广泛，其特征也随之在增加。在大数据刚刚出现时，只是具有数据量大、处理传输的速度较高、数据的种类较多3个特征，而随着大数据的发展，在大数据的特征中又加入了数据真实性的特征，而到了现在，随着商业活动的不断增加，使数据又有了商业价值大的特征。根据这些特征可以发现，这些大数据中都含有一定的信息，为了将数据中的信息进行使用，就需要一定的手段将其从这些数据中寻找出来，这也是当前阶段中一个重要的工作内容。

2 气象数据

2.1 气象数据的内容

在气象部门工作的过程中，会出现很多的数据，其包括了气候数据与天气数据，这些数据统称为气象数据。气候数据就是使用一定的检测仪器对环境进行测量，将测量到的结果进行分析与整理所得到的数据。而随着社会的发展，世界各国对气候的研究有了更深层次的理解，使气候数据的内容有了进一步增长。天气数据就是为了推测天气变化而产生的数据，这些数据大部分是来自于卫星传输的。两者之间的区别主要在于前者往往反映的是一个地区长时间的环境变化，而后者只是表现了一个地区在一定的时间内的环境变化。但是两者之间还有一定的联系，对很长时间的天气数据进行分析与整理，就可以确定出某个地区的气候数据[2]。由于很多因素的存在，导致在我国当前阶段中对气象数据研究的对象为天气数据。

2.2 气象数据的特征

气象数据作为大数据中的一种，因此，其具有的特征就是大数据存在的一些特征。对其具体分析后可以发现，首先就可以发现其具有数据量大的特点：在气象部门发展的过程中，国家安装了很多雷达设备以及地面接受装置，同时，随着科技的发展，卫星技术的不断成熟，我国也向太空发射了一些气象卫星，在这些设备的使用过程中，产生了大量的数据，使其数量大的特点很好地体现出来。但是，对气象的观察并不是一直在进行的，这就使其产生的数据不是无限增长的[3]。同时其还具有一定的商业价值：在气象数据产生的过程中，来源比较单一，内容比较重复，这就不能使其自身带来经济价值，但是，其不能受到人为的干扰，在交通、旅游等行业中，就可以被很好地使用，将其商业价值很好地体现出来。

3 大数据对气象数据的影响

3.1 数据采集的影响

在对当前气象数据的采集过程中，已经将“大”的特点体现出来，但是这些只是对字面上的体现，而没有真正体现出来其真正的含义。在当前对气象数据的研究中，只是针对专门的气象数据进行研究，而与气象数据有关的其他数据研究得比较少，其中存在的利用价值很难被人们使用。因此，在对气象数据进行采集的过程中，不仅要将纯气象数据寻找出来，还要对其他气象中有关的数据进行采集。例如人们远距离出行要坐飞机，这时就可以对航班的信息进行了解，使人们出行更加便捷[4]。

3.2 数据存取的影响

由于大数据存在数量大的特点，这就为其存取造成了一定的影响。首先就是储存容量的问题，在我国当前阶段中，由气象产生的数据达到了5 PB（5×10245 B），需要的储存空间相当大。其次是存取速度的问题，由于数据量较大，在寻找有用数据的过程中需要花费一定的时间，可能达不到“1秒钟输出结果”的定律。在这两个问题当中，既有一定的联系，又存在着一定的矛盾，因此，在对气象数据存取时，就要进行统筹管理。对数据储存环境的扩建不是根本的解决办法，而是要加强对大数据的管理。在存储过程中，使用有效的方式对其进行分类，将其按照每种分类进行管理，使数据系统的性能更加强大[5]。

3.3 数据分析的影响

在气象部门的工作过程中，很早就将对气象数据的分析作为了主要的任务，但是在大数据环境下的分析还处在起步的阶段，其他行业大数据的分析过程中为气象行业的数据分析提供了良好的保证。在气象部门进行数据分析的过程中，将相对关系进行有效把握，对其进行良好分析，就可以对未来做出预测。而在大数据环境下，气象数据的数量得到了一定的增加，对未来预测的过程中就有更多的数据来进行分析，可以保证预测的结果更加准确。

4 结语

在对当前阶段中的气象数据进行分析可以发现，大数据对气象工作产生的影响有很多，上述几点只是其中影响最广泛的几点。从国家的发展角度来说，在大数据环境中，气象数据面向社会各界是必然的趋势，加快了社会各行业的发展；从公共服务角度来说，要对大数据进行有效分析，将数据中人们的需求信息寻找出来，根据这些信息加强对服务的改善，使其能满足人们的需求。在当今社会中，大数据对社会的影响还会继续的增加，在这种情况下，有效地利用好大数据就可以使其更好地发展。

参考文献

[1]刘立明，王彬.气象网格环境下大数据的端到端传输机制研究[J].计算技术与自动化，2014，8（1）：122.

[2]刘培宁，韩笑，杨福兴.基于R语言的NetCDF文件分析和可视化应用[J].气象科技，2014，4（4）：629.

[3]米卫红，巢惟忐，支星，等.移动互联网环境下的上海市气象信息数据发布：需求、现状与探索[J].电子政务，2014，10（11）：23.

[4]聂俊岚，刘益萌，陈贺敏.非线性映射的气象数据可视化及其应用[J].燕山大学学报，2015（3）：276.

环境统计数据分析报告 第5篇

EXCEL在环境监测数据统计分析中的应用

利用EXCEL电子表格软件的公式计算、函数与逻辑运算功能,应用到环境监测分析数据的数值修约、线性回归参数计算、污染物评价、分析报表快速统计等,可以大大提高数据统计的准确率与工作效率.

作 者：谢有亮 麦爱华 XIE Youliang MAI Aihua 作者单位：广西梧州市环境保护监测站,梧州,5430002刊 名：内蒙古环境科学英文刊名：INNER MONGOLIA ENVIRONMENTAL SCIENCES年，卷(期)：20(3)分类号：X830.2关键词：EXCEL 公式计算 函数 逻辑运算 数据分析 环境监测

分析论文：云计算环境下大数据 第6篇

1大数据处理流程

基本的大数据的处理流程可以分成数据采集、数据处理与集成、数据分析和数据解释4个阶段。首先获取数据源的数据，因为在数据源端的数据包含各种各样的结构，需要使用某种方法将其进行预处理，使数据成为某种可以用一种算法分析的统一数据格式，接着需要找到这种数据分析的算法，将预处理过的数据进行算法特定的分析，并将分析的结果用可视化等手段呈现至用户端。

1.1数据采集

大数据的采集是整个流程的基础，随着互联网技术和应用的发展以及各种终端设备的普及，使得数据的生产者范围越来越大，数据的产量也越来越多，数据之间的关联也越来越复杂，这也是大数据中“大”的体现，所以需要提高数据采集速度和精度要求。

1.2数据处理与集成

数据的处理与集成主要是对前一步采集到的大量数据进行适当的预处理，包括格式化、去噪以及进一步集成存储。因为数据采集步骤采集到的数据各种各样，其数据结构也并不统一，不利于之后的数据分析，而且，一些数据属于无效数据，需要去除，否则会影响数据分析的精度和可靠性，所以，需要将数据统一格式并且去除无效数据。通常会设计一些过滤器来完成这一任务。

1.3数据分析

在完成了数据的采集和处理后，需要对数据进行分析，因为在进行数据分析后才能体现所有大数据的`重要价值。数据分析的对象是上一步数据的处理与集成后的统一格式数据，需要根据所需数据的应用需求和价值体现方向对这些原始样本数据进一步地处理和分析。现有的数据分析通常指采用数据仓库和数据挖掘工具对集中存储的数据进行分析，数据分析服务与传统数据分析的差别在于其面向的对象不是数据，而是数据服务。

1.4数据解释

数据解释是对大数据分析结果的解释与展现，在数据处理流程中，数据结果的解释步骤是大数据分析的用户直接面对成果的步骤，传统的数据显示方式是用文本形式体现的，但是，随着数据量的加大，其分析结果也更复杂，传统的数据显示方法已经不足以满足数据分析结果输出的需求，因此，数据分析企业会引入“数据可视化技术”作为数据解释方式。通过可视化结果分析，可以形象地向用户展示数据分析结果。

2云计算与大数据分析的关系

云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源，是一种按使用量付费的模式。这种模式提供可用的、便捷的、按需的网络访问，进入可配置的计算资源共享池(资源包括网络、服务器、存储、应用软件、服务)，这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。目前，国内外已经有不少成熟的云计算的应用服务。数据分析是整个大数据处理流程里最核心的部分。数据分析是以数据的价值分析为目的的活动，而基于大数据的数据分析通常表现为对已获取的海量数据的分析，其数据来源可能是企业数据也可能是企业数据与互联网数据的融合。从目前的趋势来看，云计算是大数据的IT基础，是大数据分析的支撑平台，不断增长的数据量需要性能更高的数据分析平台承载。所以，云计算技术的不断发展可以为大数据分析提供更为灵活、迅速的部署方案，使得大数据分析的结果更加精确。另一方面，云计算的出现为大数据分析提供了扩展性更强，使用成本更低的存储资源和计算资源，使得中小企业也可以通过云计算来实现属于自己的大数据分析产品。大数据技术本身也是云计算技术的一种延伸。大数据技术涵盖了从数据的海量存储、处理到应用多方面的技术，包括海量分布式文件系统、并行计算框架、数据库、实时流数据处理以及智能分析技术，如模式识别、自然语言理解、应用知识库等等。但是，大数据分析要走向云计算还要赖于数据通信带宽的提高和云资源的建设，需要确保原始数据能迁移到云环境以及资源池可以随需弹性扩展。

3基于云计算环境的Hadoop

为了给大数据处理分析提供一个性能更高、可靠性更好的平台，研究者基于MapReduce开发了一个基于云计算环境的开源平台Hadoop。Hadoop是一个以MapReduce算法为分布式计算框架，包括分布式文件系统(HDFS)、分布式数据库(Hbase、Cassandra)等功能模块在内的完整生态系统，已经成为当前最流行的大数据处理平台，并被广泛认可和开发应用。基于Hadoop，用户可编写处理海量数据的分布式并行程序，并将其运行于由成百上千个节点组成的大规模计算机集群上。

4实例分析

本节以电信运营商为例，说明在云计算环境中基于Hadoop的大数据分析给大数据用户带来的价值。当前传统语音和短信业务量下滑，智能终端快速增长，移动互联网业务发展迅速，大数据分析可以为运营商带来新的机会，帮助运营商更好地转型。本文数据分析样本来自于某运营商的个人语音和数据业务清单，通过Hadoop2.6.0在Ubuntu12.04系统中模拟了一个大数据分析平台来处理获得的样本。希望通过对样本数据的分析与挖掘，掌握样本本身的一些信息。以上分析只是一些很基本的简单分析，实际上样本数据中所蕴含的价值要远远大于本文体现的。以上举例意在说明基于云计算的大数据分析可以在数据分析上体现出良好的性能，为企业带来更丰富更有效率的信息提取、分类，并从中获益。

5结束语

环境统计数据分析报告 第7篇

室内环境自动监测系统的数据分析研究

为了实时监测建筑室内环境的质量,从而对室内环境实施管理,在一些绿色建筑内,应用了室内环境自动监测系统(IEMS).然而,当这些建筑运行了相当长的时期之后,如何通过分析这些长期积累在数据库的环境数据,进行全面的室内环境评价,至今也没有一个良好的`标准方法.本文利用案例分析的手段,介绍了一种基于长期监测数据的环境分析评价方法.通过案例分析可知,该数据分析方法不仅可以评价长期的室内环境水平,同时可以找到建筑室内环境运行方面的缺陷,为提高建筑环境运营管理水平提供技术支撑.

作 者：叶剑军 叶倩 李景广 胡红波 邓天福 樊娜  作者单位：上海市建筑科学研究院,上海,201108 刊 名：绿色建筑 英文刊名：CHEMICAL MATERIALS FOR CONSTRUCTION 年，卷(期)：2010 2(2) 分类号：X8 关键词：室内环境自动监测系统   后评估   数据分析   缺陷诊断  

环境统计数据分析报告 第8篇

1 大数据环境的特点

大数据作为信息全球化的产物, 它有四大特点:大量的数据、多样的数据类型、高速的运算能力、价值密度低。

1.1 大量数据

大数据, 顾名思义, 数据量大是大数据的基本特点。大数据时代, 数据一直在不断的生产, 其数量的级别从Trillion byte级别, 跃升到Pet byte级别, 甚至是Zetta byte, 并一直处于增长趋势之中。

1.2 多样的数据类型

数据量的巨大也会使数据类型呈现多样化的特点。大数环境下, 数据类型众多, 并且不断产生新的种类。网络日志、图片、电子邮件等都得到了快速发展, 且日益成为信息数据的主体部分。

1.3 高速的运算能力

根据一秒定律, 大数据环境下可以十分快速的从不同种类的数据中获取价值高的信息。其运行系统是一个分布式结构。它是以海杜普大数据框架为基础, 通过集群的威力, 具有高速的运算能力。为适应大数据的应用程序, 其访问数据是通过流的形式, 提高传输率来实现的。由于许多搜索引擎、数据发掘等技术的不断发展, 数据的运算能力将变得更加高效。

1.4 价值密度低大

大数据有价值密度低的问题。一方面大数据环境下处理分析数据需要非常高的成本, 存储和计算PB级的数据是非常消耗成本的。另一方面大量的数据, 多样的数据类型, 导致信息资源复杂, 对其进行数据统计中, 很难进行细化分析, 很难形成有效的价值, 其价值密度比较低。综上可知, 除存在价值密度低的问题, 大数据具有数据量大、种类繁多、运算高效等优点。大数据通过这些优势, 使自己成为数据分析的前沿技术。

2 大数据环境下数据结构

大数据环境下数据结构是以非结构化和半结构化数据为主, 结构化数据为辅, 但结构化数据始终处于核心地位。数据结构一般可以分为结构化数据、非结构化数据、半结构化数据。结构化数据一般是指普通出文本之类的数据, 详细地说来, 是指那些方便于计算机处理的数据。它通常被存储在数据库中, 有着明确的语义标签, 可以被分割, 单独使用, 又可以在特殊情况下成为一个独立的单元被使用。而非结构化数据则是指网页、视频之类的信息数据。它是以自由文本的形式, 存在于数据库之外, 在计算机内并没有固定的数据模式, 因而计算机很难处理分析。半结构化数据则是出于结构化数据和非结构化数据之间的数据结构形式。正如上文所述, 大数据环境下数据具有数据体量大、数据类型繁多等特点。而在这大量的数据中, 非结构化数据占大多数。通过相关的调查统计可知, 大中型企业中, 非结构化和半结构化数据占有76%, 结构化数据只占24%。此外当今世界非结构化数据正以十分巨大的速度增长, 大约70%左右。由于非结构化数据在计算机内没有固定的数据模式, 其结构并不固定, 因此处理起来很困难, 很难实现信息的价值最大化, 从而造成了大数据价值密度低。因而在数据环境下, 合理有效地处理非结构化数据是每个企业必须解决的问题, 也是企业实现价值最大化的潜力所在。

3 数据安全

由于大数据环境下非结构化数据的暴增, 以及大数据自身的缺陷, 也为数据的安全买下了隐患。其存在的问题以及解决方法如下。

3.1 存在的问题

3.1.1 信息处理设备的安全

数据需要设备处理, 而设备的管理与数据安全有着重要关系。一旦设备出故障, 数据很有可能消失或泄露。因而对设备的管理维护, 是做好数据安全工作的第一步。机房环境、线路距离、电磁干扰、电压电源以及计算机的软硬件设备等都是需要仔细考虑的。如果出了问题, 后果不堪设想。例如夏天温度过高, 计算机的温度也会升高, 如果不及时散热, 计算机就会出现短路, 导致数据丧失。

3.1.2 信息内容的安全

危害信息内容安全主要体现在信息的泄露和破坏上。其他用户通过非法途径窃取他人信息, 造成原用户的信息泄露。系统故障、病毒侵害, 导致数据内容删减破坏, 这些都是危害信息内容安全的行为。如索尼公司遭黑客侵入事件, 就是信息内容安全受到侵害的具体表现。

3.1.3 信息传播的安全

我们平时传输数据, 一般是通过各种网络通信协议进行传播的, 如TCP/IP, HTTP地址等。但是这些协议本身就有很大的安全漏洞, 它没有完善的数据保护机制。许多网络攻击、病毒的传播都是通过这些网络协议的漏洞, 对用户数据进行攻击、破坏, 严重甚至导致网络系统瘫痪。

3.1.4 信息管理的安全

管理作为数据安全的重要组成部分, 管理的好坏, 与数据安全与否有重要关系。不健全的安全管理制度必然会造成数据安全问题。这主要体现在无法提前预防、实时控制网络攻击、破坏行为, 此外也表现在数据受到攻击后的数据恢复、修补上。这种不健全的管理制度, 必将为日后数据安全管理埋下隐患, 不利于数据安全的维护。

3.2 解决的措施

3.2.1 做好设备的更新维护

设备的更新换代及维护对于数据安全的维护具有重要作用。及时更换设备, 检查设备线路, 控制电源、电压, 注重设备的防潮防尘等, 这都是做好设备的更新维护的重要举措。

3.2.2 采用先进的安全防御技术

这主要是针对信息内容和传播安全问题所提出的措施。网络保护中, 我们既然无法阻止非法用户的破坏, 也不能去反击对方, 那么能做到的就只有做好防御工作。采用先进的安全防御技术, 对于信息内容保护能够起到重要作用, 其具体表现在加强网络访问控制、给数据加密、数据隔离、病毒治理等方面。如杀毒软件、安全卫士等防治病毒修补漏洞的安全防御性软件, 就能有效地保护自己信息不受非法人士入侵和篡改。

3.2.3 完善保护网络安全制度

网络由于其本身隐秘性特点, 导致有些用户在网上十分肆无忌惮, 任意公开他人隐私, 人肉他人信息等。这些受害人的隐私权受到了侵害。政府部门应加强网络监督机制和维权机制, 保护受害人的合法权益。

3.2.4 加强保护数据安全的意识

以上从外在客观条件上提出解决方法, 但任何危险都是受人的主观意识影响的。如果每个人都有保护信息安全的意识, 那么就不会有人会去侵害他人的信息安全, 如果每个人都能注重信息安全, 那么非法人士也不会有机会侵害他人的信息安全。加强数据安全的法律意识和道德意识, 使人们自觉遵守网络运营制度, 营造良好的网络学习、交流环境。由此可见, 信息安全的保护不仅仅需要外在的硬件、软件支持, 也需要人的责任心、使命感的维护。

4 结 语

大数据的生成发展从根本上来说是经济全球化的结果, 从直接原因上来看则是信息化的必然结果。数据量大、种类繁多、运算高效迅速、但其价值密度低, 是大数据环境下数据的四大特点。由于网路信息数据的飞速发展, 网路安全问题也变得越来越棘手。信息内容、传播、管理及设备的安全, 在大数据环境下都受到了不同程度的威胁, 因而必须针对这些问题加强防护意识, 真正做到信息数据的安全。当今世界的信息化程度不断加深, 数据结构和数据安全等问题将会不断加深、演变、发展, 因此不管是企业还是个人, 应紧跟信息技术的前沿, 不断开发应用新型技术, 以此适应大数据环境的发展。

摘要：大数据又称巨量资料。它是当前信息全球化过程中的必然产物。庞大的数据、多样的种类及高效的运算等特点造成了大数据环境下的特殊的数据结构, 也带来了一系列的数据安全问题。笔者简述大数据环境的一般特点, 分析大数据环境下的数据结构和数据安全问题, 以此展望大数据环境下的发展前景。

关键词：大数据,数据结构,数据安全

参考文献

[1]常景.关于大数据环境下的数据安全分析[J].信息通信, 2014 (6) .

[2]李洪洋.大数据环境下的数据安全研究[J].电子技术与软件工程, 2013 (7) .