時間：2023-09-19 18:34:10
引言：易發表網憑借豐富的文秘實踐，為您精心挑選了九篇數字經濟及人工智能范例。如需獲取更多原創內容，可隨時聯系我們的客服老師。
【關鍵詞】自組織神經網絡；智能建筑管理；BP神經網絡
1 基于自組織神經網絡技術原理
基于大規模自組織神經網絡技術[1]是在自組織神經網絡技術和專家系統的基礎原理運用多層數據融合彌補了單循環數據在智能建筑工程管理分析數據處理的不足和邏輯的缺陷學科.多跳自組織神經網絡是智能傳感器采集數據訓練樣本仿真學習模型即自動增速各個自組織神經元連接權閥值與感知識別隱式分布在整個網絡結構體系中實現自組織神經網絡模式記憶與信息處理應用.
2 基于大規模自組織神經網絡在智能建筑管理中研究
2.1 基于多跳自組織神經網絡在造價預測研究
基于大規模自組織BP神經模型應用40個高層智能建筑工程樣本訓練并用工程實例進行驗證高精確性;而用大規模自組織神經網絡模擬與輸入層和隱含層加入了偏置自組織神經元來促進學習訓練樣本數據中有噪聲、干擾等會造成過度學習現象,同時采用遺傳優化算法進行建筑結構優化.基于BP神經在智能建筑工程估價中的應用“特征提取器”的運算大量過去的工程資料中自動提取工程特征與預算資料的規律關系數據.
2.2 基于大規模自組織神經網絡在工程管理績效評價中的應用
運用大規模自組織BP神經模型對工程管理績效評價問題進行研究建立綜合考慮工期、質量、費用、安全四大控制指標的工程管理績效評價模型[2].實踐證明,基于BP神經網絡在運算工程管理績效評估模型有利于多跳自組織神經網絡預測工程工期、質量、成本、安全與績效之間復雜的非線性關系來提高管理績效的評價數據.
2.3 基于遺傳算法模型在建設工程評標結構優化應用
基于多層神經網絡的工作原理是先將輸入信號傳輸到下一層節點運算函數處理后再將該節點的輸出信息向下一層節點傳輸到信號傳輸到輸出層節點為止.同時運用遺傳算法模型構造及算法設計進行方案優劣排序、換位矩陣以及能量函數構造、大規模自組織神經元之間連接和輸出,并用實例說明了該方法的優越性和實用性與非線性.
2.4 基于BP神經網絡模型在建設工程招投標管理應用研究
基于BP神經網絡多層數據融合多跳自組織神經網絡技術原理分析自動預測工程招投標的招標價格和風險因素分析以及競標單位資格審查等方面的應用指出多跳自組織神經網絡具有的高度并行處理和可完成復雜輸入輸出的非線性映射組合結構,不僅可以保證高的中標率,且可避免招標過程中不確定性因素的影響.運用大規模自組織神經網絡的工程承包招投標報價的研究,提出了一個多因素確定高層智能建筑投標報價的大規模自組織模型影響報高率的諸多因素,并確定了其權值即確定了用BP神經網絡實施黑箱操作的樣本輸入值和目標值再通過訓練樣本自主調整修正輸入節點和輸出節點間的聯系得出符合各種情況要求的權值矩陣算法.
2.5 基于智能建筑算法模型研究
基于BP神經網絡是以訓練樣本算法即誤差反向傳播算法即BP神經算法的學習過程分為信息的正向傳播和誤差的反向傳播[1],其通過訓練樣本前一次迭代的權值和閾值來應用神經網絡技術的第一層向后計算各層大規模自組織神經元的輸出和最后層向前計算各層權值和閾值對總誤差的梯度進而對前面各層的權值和閾值進行修改運算反復直到神經網絡樣本收斂 BP神經網絡輸入向量為
X=( )T;隱含層輸出向量為Y=( )T;輸出層的輸出向量為O= )T;期望輸出向量為 ;輸入層到隱含層之間的權值矩陣 ,其中列向量 為隱含層第j個大規模自組織神經元對應的權向量;隱含層到輸入層之間的權值矩陣 ,其中列向量 為輸出層第k個大規模自組織神經元對應的權向量.各層信號之間的算法結構為:
以上式中的 均為S類型函數, 的導數方程為: （5）
神經網絡輸出與期望輸出的均方誤差為: （6）
則訓練樣本輸出層和隱含層的權值調整量分別為:
式中: 為比例系數,在模型訓練中代表學習速率.如果BP自組織神經網絡有 個隱含層,各隱含層節點分別記為 ,各隱含層輸出分別記為 ,則各層權值調整計算公式分別如下:
輸出層
綜合上述預測分析在BP神經學習算法運用各層權值調整公式均由學習速率、本層輸出的誤差信號和本層輸入數字離散信號決定在訓練樣本學習的過程受決策環境復雜程度和訓練樣本的收斂性即需要增大樣本量來提高網絡技術所學知識的代表性應注意在收集某個問題領域的樣本時,注意樣本的全面性、代表性以及提高樣本的精確性,增大抗干擾噪聲,還可以采用其他方法收集多層訓練樣本數據.
3 結束語
自組織神經網絡技術應用在智能建筑管理領域是在多層智能傳感器等多種信息技術飛速發展的多學科交叉研究領域得到廣泛應用.
參考文獻:
[1]周小佳.電力系統可靠性神經網絡模型及實現研究[D].博士學位論文,1997.
[2]胡保清等.神經網絡在土木工程領域的應用[J].低溫智能建筑,2004(2).
作者介紹:
自去年以來，浙江省大力實施數字經濟“一號工程”，大力培育新技術、新服務、新模式、新產業，積極推進電子信息產業高質量發展。
浙江省電子信息行業總體保持較快增長，發展的穩定性、協調性和可持續性明顯增強，電子信息制造業綜合發展指數達73.34，居全國第3位。
穩步推進發展工作
過去的一年，為推進電子信息產業高質量發展，浙江具體抓了六個方面的工作。
強化頂層謀劃。省委、省政府提出將發展數字經濟列為“一號工程”，制定出臺了《浙江省國家數字經濟示范省建設方案》和《數字經濟五年倍增計劃》，將提升電子信息產業規模和能級作為數字經濟發展的一項重要內容來抓，重點是要培育壯大集成電路、通信與網絡、新型元器件及材料等基礎產業，加快發展物聯網、人工智能等新興產業，積極布局量子通信、柔性電子、虛擬現實等前沿產業，力爭到2022年全省數字經濟核心產業增加值突破1萬億元。
強化新興產業培育發展。瞄準行業前沿，制定實施專項行動計劃，大力推進智能網聯汽車、智慧健康養老、集成電路等產業培育發展。在智能網聯汽車領域，深入推進杭州及桐鄉兩地的應用示范，新增嘉善高鐵新城開展應用示范；制定智能網聯車輛道路測試管理實施細則，組織開展智慧高速公路的規劃研究，積極探索車路協同系統的研發與應用試點。在智慧健康養老產業領域，積極開展相關技術研發和服務產品推廣應用，入選國家應用試點示范26個，12個產品及服務入選全國推廣目錄。在集成電路領域，加快杭州、寧波等6個省級集成電路產業基地和杭州芯火創新平臺建設，大力推進“IP核—芯片設計—行業應用”協同發展。
強化重大項目落地建設。借助世界互聯網大會等平臺，加強省市縣聯動，精準對接招商，著力推動一批重大項目落地實施。在集成電路領域重點推進中芯國際（寧波）、中芯國際（紹興）、海寧泛半導體產業園、中電海康磁存儲等項目，計劃總投資近500億元，這些項目的建成將進一步增強我省電子信息產業綜合競爭力。
強化平臺載體謀劃建設。全力推進之江實驗室、阿里達摩院及智慧視頻安防、柔性電子等省級制造業創新中心建設，著力推動數字技術攻關和產業創新發展。以高新園區和特色小鎮等新型載體建設推動產業的集聚發展。目前，全省已擁有國家級、省級信息產業基地（園區）40余個、數字經濟特色小鎮27個，產業集聚效應不斷增強，已形成通信網絡、軟件、信息機電等5個千億級產業集群。
強化行業企業培育壯大。積極組織實施名企戰略，龍頭企業培育初見成效，數字經濟領域擁有超千億元企業1家、超百億元企業20家、上市企業67家、獨角獸企業23家。入選2018全國電子信息百強、電子元件百強企業分別達14家和20家，數量繼續保持全國前列。
強化政策支持和規范發展。組織實施“數字產業化提升行動”，安排專項資金5億元，著力加大對集成電路、柔性電子、智能硬件等領域重點扶持；支持企業積極申報國家重大專項并落實地方配套支持政策，下達“核高基”重大專項地方配套資金12233萬元。加快組建規模100億元的省數字經濟產業投資基金，積極推動參與國家集成電路產業投資基金二期（150億元）出資工作。加強行業規范公告工作，共27家光伏制造企業和4家鋰離子電池企業納入規范公告名單，行業規范發展的水平不斷提升。
2019再攀新的“高峰”
基于上述基礎，2019年，浙江將繼續以數字經濟為引領，從四個方面重點推進電子信息產業高質量發展。
強化數字經濟引領發展。深入實施數字經濟“一號工程”，以建設國家數字經濟示范省為抓手，著力在推進數字技術新突破、壯大數字產業新能級、激發實體經濟新動能、培育數字應用新業態、釋放數字賦能新價值、構筑協同發展新局面等方面取得新突破，力爭數字經濟核心產業增加值增長15%以上。
著力培育壯大數字產業。組織實施人工智能“鑄腦”、集成電路“鑄芯”、智能硬件“鑄端”、軟件“鑄魂”等行動計劃，著力培育壯大數字產業，推動集成電路、高端軟件等優勢產業邁向全球價值鏈中高端。結合新型消費升級與擴大，加強對智能家居控制、智能可穿戴設備等智能硬件產品的研發與推廣應用；深化應用示范，大力推進智能網聯汽車、智慧健康養老等產業創新發展；強化系統謀劃，研究制定超高清視頻產業發展和數字安防產業集群培育等行動方案，力爭電子信息制造業主營業務收入突破9000億元。
阿爾法狗接連打敗李世石、柯潔，無人駕駛汽車從科幻慢慢變為現實，人工智能正在全世界如火如荼地“跑馬圈地”。我們正在被一個前所未有的以智能技術為核心驅動力的新型社會裹挾著前行。隨著智能時代的來臨，每個企業和個人都在經受著前所未有的挑戰，但挑戰與機遇并存，我們要積極探索，緊跟前沿，才能在這波智能化浪潮中不致被淘汰。本書通過豐富鮮活的企業案例，幫助我們梳理分析人工智能及其相關的機器學習、超級計算、云端服務、網絡安全等前沿領域的發展現狀及方向，總結這些企業在智能時代下的應對之策及成功經驗，為之后企業的發展轉型等提供了很好的參考借鑒。
作者簡介
余來文，江西財經大學應用經濟學博士后、博士生導師、創業導師、野文投資董事長、文字傳媒董事長，《商業智慧評論》和《創業管理評論》出品人，并任江西財經大學、江西師范大學、江西理工大學、香港公開大學、澳門城市大學、亞洲城市大學等外聘MBA課程教授或創業導師。曾在海王集團、遠望谷股份、飛尚集團等公司工作，歷任副總經理、總經理等職務，為大潔王集團、南華西集團、銅川礦務局、陜西煤業集團等公司提供管理咨詢。先后在《管理科學》《北大商業評論》《銷售與管理》《中國經營報》《CHINA DAILY》以及人大報刊復印資料轉載等雜志報紙200余篇。出版《智能革命：人工智能、萬物互聯與數據應用》《分享經濟：網紅、社群與共享》《共享經濟：下一個風口》《互聯網：商業模式顛覆與重塑》《商業模式創新》《互聯網思維2.0：物聯網、云計算與大數據》《企業商業模式：互聯網思維的顛覆與重塑》等30多本圖書。林曉偉，江西財經大學管理學博士，現為閩南師范大學商學院副教授，福建省“新世紀”人才。先后在《系統管理學報》《經濟管理》《國際貿易》《當代財經》《中國社會科學報》《中央財經大學學報》《現代管理科學》等國內核心刊物20余篇，出版專著1部，參與編寫《智能時代：人工智能、超級計算與網絡安全》《電子商務：分享、跨界與電商的融合》《互聯網思維2.0：物聯網、云計算與大數據》《企業商業模式運營與管理》《物流學》《財務管理》和《會計學》等圖書。主持福建省級課題4項，先后參與國家自然科學基金項目等省部級以上課題9項，參與詔安縣農業和扶貧“十三五”規劃編制工作。主要研究方向為物流與供應鏈管理、產業互聯網、企業商業模式。
目
錄
1 第1章 智能時代
2 開章案例
6 1.1開啟智能時代
7 1.1.1 Mr Smart——我的智能生活
13 1.1.2智能時代之認知顛覆
18 1.1.3人工智能——工作“終結者”
19 1.1.4新產業的催生——“智”家幫的興起
25 1.2迎接嶄新的智能社會
25 1.2.1“數字化”——智能社會的“快引擎”
26 1.2.2“信息化”——智能社會的“大動脈”
27 1.2.3“網絡化”——智能社會的“高速路”
28 1.2.4“集成化”——智能社會的“點金石”
29 1.2.5“公共化”——智能社會的“新時代”
32 1.3智能生態——智能時代的終極奧義
32 1.3.1傳統工業邏輯的顛覆式創新
36 1.3.2人人創造，智能時代新分子
37 1.3.3用戶“雙力”：參與力創造力
38 1.3.4“智”之大器之智能整合
39 1.3.5未來人工智能生態圈
42 1.4智能時代的內核
42 1.4.1人工智能之先發“智”人
45 1.4.2超級計算之千手“算”音
46 1.4.3云端服務之無上“云”法
47 1.4.4網絡安全之“安全”衛士
51 章末案例
56 第2章 人工智能
57 開章案例
62 2.1人工智能：讓機器更聰明
62 2.1.1人機大戰：阿爾法狗與柯潔
64 2.1.2人工智能與智能機器人
67 2.1.3機械思維向左，智能思維向右
68 2.1.4人機融合：超人類智能時代
72 2.2人工智能新認知
75 2.2.1解密人工智能
76 2.2.2重要的是數據，而非程序
77 2.2.3淘汰的不僅是工作，更是技能
80 2.2.4超人工智能時代
82 2.3大數據與人工智能
82 2.3.1數據驅動智能革命
85 2.3.2數據挖掘：從大數據中找規律
86 2.3.3大數據的本質：數據化
89 2.3.4大數據——人工智能的永恒動力
90 2.4人機融合：連接未來
93 2.4.1人工智能之“星際迷航”
95 2.4.2機器學習與人工神經網絡
96 2.4.3超越未來：人工智能之深度學習
101 2.4.4 人工智能之前世今生
102 2.4.5 人機融合：未來ING
104 章末案例
109 第3章 超級計算
110 開章案例
114 3.1大話超級計算機
114 3.1.1 超級計算知多少
115 3.1.2 從數據到超級計算的飛躍
117 3.1.3 大千世界，“數”在掌握
119 3.1.4 數據流——“超算流體”
122 3.2時代新寵——超級計算機
123 3.2.1 超級計算，未來國之重器
124 3.2.2 超算之不得不懂
126 3.2.3 大國超算之超常發展
132 3.3超級管理
132 3.3.1 數據收集——“超管”之“核基礎”
132 3.3.2 數據存儲——“超管”之“核聚變”
133 3.3.3 數據處理——“超管”之“核爆炸”
136 3.3.4 超級計算安全
137 3.4表演時間：超算之應用舞臺
137 3.4.1 互聯網應用：“互聯”的二次方
140 3.4.2 電子政務應用：政務“超算”跨時代
141 3.4.3 精準醫療應用：超算醫療，快，準，狠
145 3.4.4 智能交通應用：數據出行，悠哉，享哉
146 3.4.5 金融投資應用：“超算”致富經
149 3.4.6 新零售應用：“超”未來，“算”零售
153 章末案例
159 第4章 云端服務
160 開章案例
164 4.1云服務——“云”上境界
164 4.1.1 走進“云”化時代
168 4.1.2 享受云生活
172 4.1.3 幕后英雄——云計算推動“團隊”
173 4.2直擊云計算
174 4.2.1 云計算為何物
178 4.2.2 云計算從哪里來
179 4.2.3 虛擬化，一切皆有可能
181 4.2.4 云計算未來規模
183 4.3雙重界：云計算與虛擬網絡
183 4.3.1 云計算與虛擬網絡關系
184 4.3.2 云服務之“虛化”技術
189 4.3.3 虛擬服務器——“虛化”技術承載終端
193 4.3.4 多云大融通——云存儲設備
195 4.3.5 有備無患——云資源備份
198 4.4“三云”家族：公有云私有云混合云
199 4.4.1 公有云——“云”家必爭之地
201 4.4.2 私有云——私享“云端”之上
203 4.4.3 混合云：公私合并——“云端”最強音
207 4.5云應用——“云端”的機智強大
207 4.5.1 云應用：極致“云”風暴
210 4.5.2 云應用、云服務與云計算
211 4.5.3 AI云運用=“云端”最強音
212 章末案例
218 第5章 網絡安全
219 開章案例
223 5.1直擊網絡安全
223 5.1.1 計算機安全——21世紀的重點“安全區”
224 5.1.2 網絡安全：居安思危，嚴陣以待
227 5.1.3 安全攻擊之“四面”埋伏
228 5.2不得不知的網絡安全
229 5.2.1 網絡安全之認知“大充電”
232 5.2.2 網絡安全風險之危機四伏
236 5.2.3 網絡安全的“威脅危邪”
241 5.2.4 安全管理“六板斧”
242 5.3網絡“歪腦筋”：犯罪與黑客
243 5.3.1 網絡犯罪——犯罪“新境界”
246 5.3.2 黑客攻擊：高智商罪犯的攻擊
247 5.3.3 黑客攻擊“六”手段：智、快、狠
250 5.4無處不在的安全管家——網絡安全管理
250 5.4.1 網絡安全“密匙”：加密安全
254 5.4.2 保密系統：守口如瓶，從一而終
256 5.4.3 智能防火墻——安全防護之智能乾坤
260 5.4.4 網絡安全未來式：量子通信
264 章末案例
270 參考文獻
關鍵詞：地形測量，測繪技術自動化，數據
一、測繪自動化技術的核心內容
隨著計算機、網絡技術的發展及測量儀器的智能化，測繪自動化技術發生了重大變革，GPS全球定位系統、GIS地理信息系統、RS遙感以及3S集成技術成為了測繪自動化技術的核心。
1、GPS 技術
GPS 技術具有在海、陸、空進行全方位實時三維導航與定位能力的新一代衛星導航與定位系統，是一種高精度、全天候、高效率、多功能的測繪工具。GPS 定位技術與常規地面測量定位相比，具有抗干擾性能好、保密性強，功能多、應用廣，觀測時間短，執行操作簡便，全球、全覆蓋、全天候、高精度的特點。特別是 RTK的定位精度可達厘米級，在水上定位得到了廣泛的應用。GPS-RTK 具有定位精度高且精度分布均勻，速度快、效率高，觀測時間短，方便靈活，測程不受限制，不受通視條件影響等優點。
2、GIS 技術
GIS地理信息系統是利用現代計算機圖形和數據庫技術來處理地理空間及其相關數據的計算機系統，是融地理學、測量學、幾何學、計算機科學和應用對象為一體的綜合性高新技術。其最大的特點就在于：它能把地球表面空間事物的地理位置及其特征有機地結合在一起，并通過計算機屏幕形象、直觀地顯示出來。GIS 具有以下的基本特點：一是公共的地理定位基礎；二是多維結構；三是標準化和數字化；四是具有豐富的信息。
3、RS技術
遙感RS經過傳輸、處理，從中提取人們感興趣的信息。遙感包括攝影、衛星、航空、陸地、航天攝影測量等技術。遙感技術依其波譜性質，可分為電磁波遙感技術、物理場遙感技術、聲學遙感技術。遙感信息技術已從可見光發展到紅外、微波；從單波段發展到多波段、多時相、多角度、多極化；從空間維擴展到時空維；從靜態分析發展到動態監測。RS為GIS 提供信息源，GIS為RS 提供空間數據管理和分析的技術手段（圖像處理），GPS作為 GIS有力的補測、補繪手段，實現了GIS原始地圖數據的實時更新。
4、3S集成技術
3S集成技術是以上3種技術的綜合利用，是一種充分利用各自的技術特點，快速準確而又經濟地為人們提供所需的有關信息的新技術，三者的緊密結合，為地形測量等提供了精確的圖形和數據。
二、測繪自動化技術的發展趨勢
隨著計算機、網絡技術的發展及測量儀器的系統、智能化，測繪自動化技術向著3G技術及集成技術自動化、實時化、數字化，數據庫和應用軟件的開發應用，三維可視化技術以及人工智能化發展。使測繪技術自動化技術能全方位的應用于到了實際測量中，提高了測量的效率和準確性。
1、集成技術與 3G 技術的深入發展。大力普及集成技術與 3G技術的應用范圍，對 3G技術中不足的問題進行改進，更新并完善 3G技術與集成技術的測量手段、方法及功能，進一步加強其測量的準確度，使其的技術在地形的測量、測繪領域得到更廣的應用、拓展。對數碼及全球數字的攝影測量技術在GIS、GPS、RS 及 3S 的集成應用，使得地形測量更加深化，同時也推進了測繪技術朝著數字化、電子化及自動化的方向發展。
2、測繪軟件及數據庫的開發與更新。加強地形測量數字化測繪軟件的研發，使測繪軟件系統更加高效、靈活和功能齊全，使測繪軟件技術在地形測量中起到了相當重要的作用。更新完善信息數據庫，將采集的測量數據轉換直接進入信息數據庫，數據管理查詢方便，數據共享，實現全球數據更新和擴展空間基礎信息系統的動態管理，實現測量數據的管理科學化、標準化、信息化，實現測繪數據的傳輸網絡化、多樣化、社會化，使測繪技術走向自動化，實時化，數字化。
3、專家系統及人工智能在測繪技術中的體現。專家系統及人工智能隨著測繪技術及計算機的技術不斷發展，其在測繪技術過程中，發揮了廣泛的重要的作用。例如，計算機可以通過專家知識，進而模擬人的思維能力，并進行相關的推理、對智能化的圖形、信息、數據進行處理，更好的實現管理的職能，提高了工作的效率。專家系統在測繪技術中有著關鍵作用：可對全部的測量流程實行監測、控制，進行、分析及處理，進而實現信息的共享。
三、測繪自動化技術在實際中的應用
1、在工程地質測繪方面的應用。工程的地質測繪工作是進行工程勘察的前提工作，測繪技術是將工程地質與建設相關的地址現象進行觀察、分析、描述。便于今后及時地搜集地質的資料、地貌特征等信息。
2、在防災及救災中的應用。測繪及自動化技術的使用，能夠較好地實現對大河、大江、及河湖等水位的實時監測，對監測洪水及災害的面積有指導作用。測繪技術可以對陸地上的水資源及地下的水資源進行污染的監測；還可在防災、抗災及救災等預警系統的管理工作中，起到重要的作用。
3、在城市的給排水中的應用。目前，在城市的給排水管理工作中，可將自動跟蹤全站儀運用到城市的排水建設及測量工作中，此技術的運用，能很好地控制管道掘進的方向及位置，較快實現了排水管道的自動化掘進。
4、在資源調配中的應用。測繪及自動化技術在資源的合理分配中，起到協調作用。首先，其可利用數字測量技術或者攝影測量技術建立相應的數字模型，對水庫及大壩的選址、庫容量的計算及受益范圍等進行準確設計。其次，為合理地開發及利用各類資源提供相對科學的依據。最后，其還能夠精確地將某地區的農作物及土地的干旱、洪澇情況詳細的顯示出來，并根據旱情的嚴重程度及水庫的庫容量，對水資源進行合理地調配。
四、結束語
隨著計算機、網絡技術的發展及測量儀器的智能化，測繪自動化技術發生了重大變革，從傳統的測繪技術（例如電子測距儀、經緯儀、水準儀和平板儀）向 3G 技術、數字攝影測量技術以及人工智能化發展，推動了測繪技術自動化技術的活躍和革新，測繪技術朝著自動化、實時化、網絡化和數字化方向發展，使地形測量更快速、簡單、精確。
參考文獻：
【1】王志民，魏征軍. GPS-RTK技術在數字化地形測量中的應用[J]. 中州煤炭. 2007（05）
【2】陳貽勝. GPS準動態在特殊環境下的地形測量中的靈活應用[A]. 華東六省一市測繪學會第十一次學術交流會論文集[C]. 2009
【關鍵詞】測繪技術；地形測量學
地形測量學是研究測繪地形圖及與其有關測繪工作的理論、方法的應用技術學科。地形測量是為城市、礦區以及各種工程提供不同比例尺的地形圖，以滿足城鎮規劃、礦山開采設計以及各種經濟建設的需要。
地形測繪是研究地球局部表面形狀和大小，并將其測繪成地形團的理論和技術。通過測定小范圍地表高低起伏形態和地物(如建筑物、道路、耕地等)的特征點的平面位置和高程，經相應的數據處理、采用一定的測量符號按一定的比例縮繪在圖紙上。從而獲得與相應地面幾何圖形相似的地形圖，為國家經濟建設提供設計與施工的圖紙資料。
傳統的測繪包括控制測量、地形測量、施工測量、竣工測量和變形監測5個部分。現代測繪技術自動化技術具有自動化程度高、測圖精度高、圖形屬性信息豐富和圖形編輯方便等優點。
1 測繪自動化技術
測繪自動化是集數據采集、處理、傳輸、顯示于一體。隨著計算機、網絡技術的發展及測量儀器的智能化，測繪技術自動化技術發生了重大變革，3S技術(GPS全球定位系統、GIS地理信息系統、RS遙感)及其集成技術成為測繪技術自動化技術的核心。
1.1 GPS技術 GPS(Global Positioning System)稱為全球定位系統，是美國20世紀70年代開始研制的，它歷時20年，于1994年3月全面建成的利用導航衛星進行測時和測距，具有在海、陸、空進行全方位實時三維導航與定位能力的新一代衛星導航與定位系統，是一種高精度、全天候、高效率、多功能的測繪工具。
GPS定位技術與常規地面測量定位相比，具有抗干擾性能好、保密性強，功能多、應用廣，觀測時間短，執行操作簡便，全球、全覆蓋、全天候、高精度的特點。特別是RTK的定位精度可達厘米級，在水上定位得到了廣泛的應用。
GPS RTK(Real Time Kinematic)技術開始于90年代初，是一種全天候、全方位的新型測量系統，稱載波相位動態實時差分技術，是目前適時、準確地確定待測點的位置的最佳方式，是基于載波相位觀測值基礎上的實時動態定位技術。
GPS RTK具有定位精度高且精度分布均勻，速度快、效率高，觀測時間短，方便靈活，測程不受限制，不受通視條件影響等優點。
1.2 GIS技術 地理信息系統（Geographical Information System-GIS）是利用現代計算機圖形和數據庫技術來處理地理空間及其相關數據的計算機系統，是融地理學、測量學、幾何學、計算機科學和應用對象為一體的綜合性高新技術。其最大的特點就在于：它能把地球表面空間事物的地理位置及其特征有機地結合在一起，并通過計算機屏幕形象、直觀地顯示出來。
GIS具有以下的基本特點：一是公共的地理定位基礎；二是多維結構；三是標準化和數字化；四是具有豐富的信息。
地理信息系統對空間地理信息進行處理，準確采集有關的數據，并對地理空間數據和信息進行處理、管理、更新和分析，是采用數據庫、計算機圖形學、多媒體等最新技術的技術系統，對現代測繪技術自動化技術的起重要支撐作用。
目前GIS地理信息將向著數據標準化(Interoperable GIS)、數據多維化(3D&4DGIS)、系統集成化(Component GIS)、系統智能化(Cyber GIS)、平臺網絡化(Web GIS)和應用社會化(數字地球)的方向發展。
1.3 RS技術 遙感RS（Remote Sensing）起源于20世紀60年代，不直接接觸被研究的目標，感測目標的特征信息(一般是電磁波的反射、輻射和發射輻射)，經過傳輸、處理，從中提取人們感興趣的信息。遙感包括攝影、陸地、衛星、航空、航天攝影測量等技術。遙感技術依其波譜性質，可分為電磁波遙感技術、聲學遙感技術、物理場遙感技術。
遙感信息技術已從可見光發展到紅外、微波；從單波段發展到多波段、多角度、多時相、多極化；從空間維擴展到時空維；從靜態分析發展到動態監測。
RS為GIS提供信息源，GIS為RS提供空間數據管理和分析的技術手段(圖像處理)，GPS作為GIS有力的補測、補繪手段，實現了GIS原始地圖數據的實時更新。3S的綜合應用是一種充分利用各自的技術特點，快速準確而又經濟地為人們提供所需的有關信息的新技術，三者的緊密結合，為地形測量提供了精確的圖形和數據。
2 測繪自動化技術的發展趨勢
隨著計算機、網絡技術的發展及測量儀器的系統、智能化，測繪技術自動化技術向著3G技術及集成技術自動化、實時化、數字化，數據庫和應用軟件的開發應用，三維可視化技術以及人工智能化發展。使測繪技術自動化技術能全方位的應用于地形測量中，提高了地形測量的效率和準確性。
2.1 3G技術及集成技術的進一步發展 積極普及3G技術的應用，改進3G技術中存在問題，更新3G及其集成技術測量的方法和手段，加強測量精度和準確性，使3G技術能在地形測量測繪技術領域的應用進一步擴展。
全球數字攝影測量系統在GPS、GIS、RS和3S集成技術中的應用，對數碼攝影測量和地形測量更加普及和深化，使測繪技術向電子化、自動化、數字化方向發展。
2.2 測繪軟件及數據庫的開發與更新 加強地形測量數字化測繪軟件的研發，使測繪軟件系統更加高效、靈活和功能齊全，使測繪軟件技術在地形測量中起到了相當重要的作用。
更新完善信息數據庫，將采集的測量數據轉換直接進入信息數據庫，數據管理查詢方便，數據共享，實現全球數據更新和擴展空間基礎信息系統的動態管理，實現測量數據的管理科學化、標準化、信息化，實現測繪數據的傳輸網絡化、多樣化、社會化，使測繪技術走向自動化，實時化，數字化。
2.3 人工智能和專家系統在測繪技術中的應用 隨著計算機技術的發展和測繪技術與相關學科的交叉、綜合，人工智能和專家系統在測繪技術中有著廣泛的應用前景。計算機利用專家知識模擬人腦思維進行推理，從事智能化的數據、圖形處理和信息管理工作，極大地提高工作效率，使測繪技術向自動化、智能化發展。
全球定位系統(GPS)、數字攝影測量系統(DPS)、遙感技術(RS)、地理信息系統(GIS)和專家系統(ES)這5S技術的發展和相互結合，專家系統在其中發揮著重要的作用，專家系統對整個測量流程進行控制，并執行相應的推理、分析和處理工作，并可實現信息資源共享，實時動態監測診斷，提高效率和質量，是測繪技術通向實時、自動、智能測量系統的關鍵。
關鍵詞：物聯網；商業應用；智能
隨著物聯網時代的到來，物聯網已不在是未來概念，其不僅能引領信息科技與傳統領域融合，還能帶動數十萬億美元的經濟價值。無論是IBM、ARM和英特爾等國際巨頭，還是以華為、BAT等為代表的國內企業都已瞄準物聯網，只有能充分利用物聯網的企業才將成為萬物互聯時代的贏家。那么在2017年，在物聯網領域有哪些最值得關注的公司？
谷歌
谷歌自2014年以32億美元收購Nest智能家居廠商后，正式踏入物聯網領域，在長期關注物聯網發展的楊劍勇先生看來，由于這一筆交易，也促使了眾多科技企業紛紛開始涉足智能家居領域。盡管Nest沒有達到預期，但作為新興產業，谷歌的探索從未停止，于去年推出一款搭載智能語音技術的Google Home音箱設備來承擔智能家居夢，以此來爭奪家庭入口。
亞馬遜
亞馬遜也在全力以赴進軍物聯網，不僅了AWS IoT平臺，還可以讓聯網設備輕松且安全地跟云應用和其他設備進行交互。與此同時，亞馬遜推出的Echo是當今最暢銷的消費級智能產品，由于采取了在語音識別上更加開放的策略，整合了更多的第三方資源，因此Echo的銷量也是一路攀升。此外，兼容亞馬遜智能語音助理Alexa產品無處不在，讓Alexa迅速爆紅，以語音控制為入口轟動業界。
三星
三星自收購SmartThings智能家居平臺后，一直致力于推動物聯網產業落地，早前其也表示，到2020年，三星的產品物聯網覆蓋率將達到100%。另外在2016年6月，三星將在美國硅谷研發物聯網技術，包括數字醫療和無人機、機器人、自動汽車等智能機器，未來四年，在美國研發機構投資12億美元開發物聯網技術，并將面向物聯網領域的初創企業投資，以此擴大物聯網業務規模。
IBM
對于物聯網商業應用之路，IBM是核心推動者之一，率先提出“智慧地球”概念，建議投資新一代的智慧型基礎設施，把感應器嵌入到電網、鐵路、橋梁、公路、建筑等各種物體中，并連接至網絡，形成所謂的“物聯網”，然后將“物聯網”與現有的互聯網整合，實現人類社會與物理系統的整合。如今IBM在推動物聯網產業發展時，已開始聚焦人工智能，并成立了IBM沃森（Watson）物聯網全球總部，把認知計算確立為重要戰略支柱之一，以人工智能方式推動物聯網落地，在IBM的幫助下，物聯網將越來越智能。
ARM
在移動芯片領域，英特爾與AMD作為PC芯片巨頭卻不敵ARM，全球有90%的智能手機采用ARM設計的處理器，然而震驚全球的事件是軟銀以高達243億英鎊收購ARM，孫正義舍棄眾多優質資產，甚至背負高負載，也不惜巨資收購ARM。顯然孫正義對未來趨勢的判斷，為圍繞物聯網的豪賭拉開序幕。
微軟
作為PC時代霸主的微軟，在移動互聯網時代表現平常，造就了蘋果、谷歌的崛起。盡管未享受到移動互聯網紅利的微軟，但在納德拉（2014年2月接任微軟CEO）的帶領下，奉行‘移動先行、云先行’的戰略，帝國正在崛起，市值更高達5000億美元，在全球市值排名第三。同時也預示著微軟正走上一條正確的道路，而微軟也希望所Win10無處不在，借此連接人與各種設備、服務與場景。
英特爾
在PC時代呼風喚雨的英特爾，并未抓住移動互聯網這一波機遇，如今信息科技向物聯網延伸之際，英特爾積極擁抱物聯網，主要聚焦在5G、無人駕駛、人工智能等前沿領域，希望與各合作伙伴共同創造一個萬物智能互聯的未來。不過筆者關心在遭遇轉型陣痛的英特爾，能否抓住物聯網機遇重塑昔日輝煌？
通用電氣
通用電氣（GE）作為美國工業4.0踐行者，擁有百年歷史，多年前就致力于物聯網方向轉型，首次提出“工業互聯網”概念，讓一切連接至互聯網，各種設備和機器等透過安裝各式各樣的傳感器來收集數據，對形成的大數據加以分析，賦予機器感知、學習、自我優化的能力，并從數據中獲取價值。此舉徹底改變了GE，由此從工業巨擘成為數字企業，更掀起了數字化工業浪潮。早前《財富》雜志改變世界的公司中，GE排名在前三。
諾基亞
自把手機業務出售后，近年來，諾基亞專注向物聯網方向轉型，積極發展5G、云和物聯網等技術。為提高自身在物聯網時代的競爭力，爭奪行業制高點，不僅以156億歐元收購阿朗，還有一直面向物聯網領域的基金，規模高達10億美元，并推出了面向所有連接設備的智能管理平臺，使客戶能夠更加便捷地為智能停車、智能照明、智能交通及自動駕駛等物聯網垂直應用部署全新服務。
華為
華為自提出物聯網戰略之后，其發展愿景變為“更美好的全聯接時代”，如今年銷售規模超5 000億人民幣，也是中國最典型的“技術驅動”企業，僅去年研發費用就高達83.58億歐元（約606億人民幣），有數據顯示，華為10年來累計投入近3 000億。這一龐大的研發資金投入，確保其在未來通信領域處在領先地位，尤其在萬物互聯的時代下，確保華為構建連接的核心能力。作為要連接世界的華為，致力于構建領先的物聯網聯接能力。
百度
隨著物聯網的部署越來越廣，作為支撐物聯網應用后端服務的人工智能技術，是其最核心一環，而發展人工智能也是百度的核心戰略，因此百度積極通過軟硬結合來推動AI 商業落地。百度將智能家居作為發展方向之一，成立了智能家居硬件和度秘事業部，加速人工智能戰略布局及人工智能產品化和市場化進程，以智能家居為切入點，依托人工智能技術所積累的優勢，以此搶奪入口控制權。
騰訊
騰訊在面對物聯網領域布局時，主要在連接層依托連接優勢來構建一個開放的物聯網生態系統，推出了物聯云平臺，為設備提供快速、安全、穩定的接入物聯網的一體化解決方案，已有超過5 000個合作伙伴加入了該平臺。騰訊物聯云毛華早前對南方周末記者表示，騰訊物聯云的連接將不再局限于QQ，未來也有可能延伸到微信。
小米
Riverbed 高級經理Mason Coffman在去年年前初做過五個深入人心的趨勢預測： 混合IT將持續發展，且越來越復雜； 領導企業將對自適應安全架構產生需求；超融合邊緣設施將替代遠程地點的數據存儲；SD- WAN將為IT提供更多對邊緣網絡的控制以及更高的效率；IT將持續鞏固它作為價值中心而非成本中心的地位。
公司通常都會要求員工對未來做出計劃，基于最有根據的推測，分析趨勢，甚至依靠他們的直覺來確定最佳的行動方案，在哪里投入資金和資源等。
在Mason的基礎上，我認為新的一年將會出現一些新的變化，包括：容器及微服務的迅猛發展；數字轉型大規模發展；更多云；網絡成為重中之重；成本趨于均衡；應用更加豐富
超融合化；大規模遷移；通過人工智能及機器學習變得更加智能；數據移動。
這些話題能否吸引您的目光？誠然，很多企業需要的可能不是所有這些，而是一個整體的、全面的管理和可見性。但我的看法卻略有不同：
容器及微服務迅猛發展
正如前幾年云的發展一樣，容器的創新、突破及深入探索的價值，利用預裝環境幫助企業專注于提供用戶體驗，而不僅僅是簡單地提品和服務。
2017年，人們會要求現有提供商以及更多提供專業服務的新加盟廠商能夠提供更廣泛及更深入的功能。同時，公有云越融合，網絡功能的加耦解耦就會越容易，并且所包含服務的進一步抽象化將更普遍。
此外，2017年，隨著企業向容器化或微服務轉化，企業需要尋求安全和合規性的內部推動力，需要為這些服務進一步優化網絡、存儲和監測的能力。
數字化轉型大規模發展
數字化轉型，即通過技術創新重新界定企業業務流程的過程將大規模發展。企業業務轉型將越來越快，而還沒有啟動此類項目的企業也會迫于競爭對手的壓力而選擇轉型。
對于那些要在今年加大數字化轉型力度的企業，我們有一些建議：要記住的是數字化轉型，不僅僅是技術問題。我認為數字化轉型綜合了以下所有內容：技術（云、大數據、物聯網，移動、社交、網絡，統一通信等）；業務流程（戰略、領導力、流程），以及人員（合作伙伴、供應商、客戶、員工、競爭對手）。
而且每個企業的數字化轉型都有各自的特點，這是由企業的基因所決定的。
更多云
盡管主流公有云提供商亞馬遜、微軟和谷歌將繼續爭奪市場份額，但規模小且專業化的云提供商也將繼續增長，提供細分市場或行業市場能力。云產品仍比較復雜，尋求多樣化產品、避免被供應商綁定的企業將選擇融合或混合解決方案，并與私有云數據中心基礎設施相連接。
《首席信息官》雜志的Clint Boulton指出：“私有云耗時且成本高，大型提供商無法做到針對每一個獨特要求提供服務，這就意味著小型提供商在2017年將有增長機會。”
網絡成為重中之重
盡管所有的焦點都集中在云、微服務、容器和其他創新技術上，云網絡及云到私有數據中心的連接性在2017年也將成為重點。
網絡技術，無論是SD-WAN、NFV或是其它什么，都需要非常靈活，以便適應這些發展變化。研究公司IHS預計，數據中心和SDN市場在2019的增長將超過15倍，這將使我們更加關注SD-WAN和SDN提供商。
成本趨于均衡
多年來，云已日益商品化，各種核心服務的價格也被一再拉低。然而，451 Research的研究人員則認為，盡管價格持續下跌，但下降速度還沒有人們想象得那么快。
2016年，微軟委托451 Research所做的一項研究顯示，34%的受訪者認為價格是更換云提供商的最大原因。
隨著云計算和相關服務價格的持續走低，企業對公有云提供商帶來的壓力也將壓縮潛在的利潤。《首席信息官》雜志的Boulton指出：“IT高管們2017年將能更好地控制云成本，因為他們的實踐正趨向成熟。”
我相信2017年云計算將是“買方市場”，因為大型和小型云提供商都將壓縮自己的利潤，提供創新產品，以獲得市場份額。
應用更加豐富
為加強客戶和員工的終端用戶體驗，企業需要繼續開發或重構移動應用和本地應用，并且在企業內部推進使用更多的SaaS應用。由于越來越多的員工和用戶都走向移動端，沒有“移動優先戰略”的企業將會在競爭中被淘汰。
Riverbed公司產品副總裁Josh Dobies認為：“由于獲得帶寬容易且經濟適用，因此SaaS和云應用將快速被采用。”
因此，未來將發生應用向云遷移，企業采用SaaS服務等變革，但企業也需花費額外的時間及資源確保這些應用的穩定和高性能，從而獲得積極成果。
超融合化
超融合適用于本文中提及的所有相關內容。對Coffman預測的2016年的超融合邊緣基礎設施及普通的超融合架構（HCI）同樣適用。
為使超融合獲得成功，企業需確定總體上接受軟件定義架構。為滿足各方需求（無論是從網絡邊緣、數據中心還是從云提取或推送數據），企業將越發向可靠、可拓展且安全的基礎設施靠攏。聽起來很復雜？確實復雜，這意味著提供超融合基礎設施可視化和管理的企業將在2017年表現不凡。
大規模遷移
從最初的嘗試到企業完全采用云，對于使用云計算的企業以及想拓寬云覆蓋的企業來說，抑或是單純想向云靠攏的企業來說，2017年都將是創紀錄的一年。
我認為，許多公司急于實現云，有些甚至只是為了跟云沾邊，或單純想讓自己看起來有“移動”氣質。他們這樣做無異于將大頭釘強行插入方孔里，即他們使用的云或服務并不適合他們，而且還詫異為何效果不好。
通過人工智能和機器學習變得更加智能
對人工智能和機器學習而言，2017年將會是重要一年。
由于許多企業專注于人工智能和機器學習以實現業務差異化，因此為滿足需求，企業需在大型云內部優化服務。
實際上，一些分析師認為，由于一些機構很明確只使用這些服務，而并非為“初級”工作設計的一般云計算或存儲服務，所以在一些認知交易上的云服務價格將有所下降。
然而，實時交付數據分析及結果，是決定人工智能和機器學習成功的關鍵因素之一。但這將對網絡造成非常大的壓力，而且還將迫使那些使用機器學習和人工智能服務的企業優化和監測往返于這些服務、智能設備，以及工作流程的網絡可用性和性能。對提供廣域網優化、邊緣網絡解決方案以及SD-WAN服務的企業來說，2017年將會是革命性的一年。
數據移動
如前所述，2017年必將是數據移動爆發的一年。其原因在于，企業將數據從邊緣推送至數據中心或云端；人工智能和機器學習將生成海量的PB級數據；企業將內部基礎設施轉至云；企業重構以及推出新應用；大量連接設備（物聯網設備）上線。
關鍵詞：人工智能 電氣自動化控制 應用
人工智能是一種新型技術，與傳統技術相比，人工智能有著巨大的優勢，該種技術主要是建立在計算機與網絡技術中，能夠解決很多傳統技術難以解決的問題，目前，人工智能已經在經濟建設與社會發展中得到了廣泛的應用，也取得了良好的成效，但是，在一些主觀與客觀因素的限制之下，人工智能在電氣自動化控制中的應用依然存在一些不足之處，下面就針對人工智能的特點及人工智能在電氣自動化控制中的應用進行深入的分析和探討。
1 .人工智能控制器特點分析
在電氣自動化中使用的人工智能控制器多為非線性函數近似器，其中代表性的有遺傳算法、模糊理論、神經算法與模糊神經算法等，使用非線性函數近似器有著巨大的優勢，這主要表現在以下幾個方面：
第一，在開展人工智能電器設計時并不需要應用精確的動態模型，不需要明白非線性與參數變化等因素就能夠完成設計；
第二，只要適當的調整系統的下降時間、相應時間，就能夠有效提升函數性能，產生的過沖也很小；
第三，人工智能控制器能夠設計相應時間與語言，調節方式十分的簡單，對于信息與數據也有著良好的適應性，抗干擾性能理想，容易實現；
第四，人工智能控制器的一致性良好，與驅動器無直接聯系，即使輸入的數據是未知的也可以獲取到理想的預測結果。（以以太網為例的人工智能控制器原理示意圖詳見圖1）
圖1 以太網為例的人工智能控制器原理示意圖
2 .人工智能在電氣自動化控制中的應用分析
2.1 人工智能在電氣自動化設計中的應用
自動化電氣的設計十分的復雜，牽扯到很多專業，如變壓器、電路、電力電子技術、電機等等，對設計人員專業技能水平的要求也較高，也需要用到大量的人力、物力與財力，利用人工智能技術就可以有效解決人力難以解決的問題，有效提升設計的精度與工作效率。
此外，在電氣設備的設計過程中，需要根據不同的情況采取相應的算法，要想有效提升設計的質量與效率，工作人員必須要具有應用人工技能的經驗與能力。
2.2 人工智能在電氣控制中的應用
電氣自動化控制是一個關節性環節，如果能夠采取科學的措施提升整個系統的自動化水平，就可以有效降低人力、物力財力的投入，有效優化人工系能系統的運行質量。
人工智能技術在電氣自動化設備中的應用包括神經網絡控制、專家系統控制以及模糊控制幾個方面，其中，模糊控制的應用范圍最為廣泛，究其根本原因，是由于該種方式簡單，與生產的聯系也更加的緊密。
而模糊控制在整電氣自動化中的應用主要集中在交流傳動與直流傳動兩個方面，其中，直流傳動主要集中在模糊控制器之中，如Sugeno、Mamdani，而Sugeno是Mamdani的一個部分，Mamdani多應用在調速控制系統中，其規則庫為if-then規則庫。將模糊控制器應用在交流傳統控制系可以代替傳統PSI控制器與PI控制器，近年來，在科技水平的發展之下，模糊控制器也開始應用在全數字高動態性能傳動系統之中，也取得了一定的成效。
2.3 人工智能在故障診斷系統中的應用
人工智能技術中的專家系統、模糊理論與神經網絡已經在電氣設備故障診斷系統中得到了廣泛的應用，其中應用范圍較廣的就是發動機、發電機與變壓器故障的診斷工作中。在診斷時，需要先從變壓器油中將氣體分離出來，再根據氣體的情況分析故障的發生狀態。如果使用傳統的診斷方式是難以判斷出故障的復雜性、非線性以及不確定性的，診斷結果并不理想。但是，使用人工智能技術即可有效提升診斷的成功率，就現階段來看人工智能技術主要采取專家系統、神經網絡與模糊邏輯集中診斷方式。
2.4 人工智能在電力系統中的應用
目前，人工智能在電力系統中的應用包括神經網絡、專家系統、啟發式搜索、模糊集理論幾個方面，其中，專家系統是一種集經驗、規則與專業知識一體的程序性系統，該種系統需要依賴一定領域的知識與經驗進行推理，并模擬專家的決策對各個難題來處理。專家系統主要包括六個部分，即推理機、知識庫、人機接口、知識獲取、咨詢解釋、數據庫。在整個系統的使用過程中，需要根據實際情況的變化來更新規則庫，以便獲取到最及時的要求。
目前，很多訓練算法與神經網絡都在電力系統中得到了一定程度的應用，神經系統的儲存方式與學習方式都十分的靈活，也有著強大的狀態分類能力以及識別能力，在負荷預測的過程中，神經網絡能夠對模型進行科學合理的分類，并實現對輸入的選擇，構建出日預測模型以及周預測模型，將人工神經網絡與元件關聯進行有機結合即可實現對復雜系統的診斷，識別是不同的故障。
2.5 人工智能在日常操作中的應用
電力系統不僅對電力系統自身的自動化水平有著直接的影響，對于管理工作也有一定的影響，將人工智能技術應用在日常操作中可以對加用電腦進行實時操作，可以實現報表自動生成、日志生成、日志儲存等多種功能。這不僅可以簡化操作，也能夠有效提升操作的可視性與簡便性，可以看出，將人工智能系統應用在日常操作中可以有效提升電氣自動化系統的工作效率，這也是未來階段下我國電力系統發展的重要方向。
3. 結語
總而言之，在科技水平的發展之下，電力自動化控制系統也得到了完善的發展，與此同時，人工智能系統在電氣自動化控制中的應用也取得了一定的成效，將人工智能應用在電氣自動化控制系統中可以有效提升設備的使用效率與使用質量，但是由于一些客觀因素的限制，人工智能技術還存在一些不足，相信在不久的將來，這一問題定可以得到完美的解決。
參考文獻：
[1]王金亮.人工智能技術在電氣自動化控制系統中的應用研究[J]. 科技致富向導，2012（10）
[2]龍，曲利，董洪潮.人工智能在電氣自動化控制中的應用[J]. 科技傳播，2013（09）
[3]胡蝶.人工智能在電氣自動化控制中的應用[J]. 中小企業管理與科技（下旬刊），2010（09）
一、我國醫藥制造企業數字化轉型發展現狀及問題
醫藥制造業是我國國民經濟的重要組成部分，在整個消費市場中有著舉足輕重的地位。進入21世紀以來，我國醫藥制造業發展迅速，目前已成為全球第二大醫藥市場，原料藥生產出口穩居世界第一。2007-2017年，我國醫藥制造業規模以上企業的主營業務收入從5967億元增長至28200億元，復合增長率達到16.8%，遠高于同期GDP增長率。不過，我國醫藥制造業創新能力弱、競爭能力不強等問題突出，產品仍“以仿為主”，創新藥欠缺，藥品質量和療效等都有待進一步提高。另外，隨著近幾年藥品“帶量采購”、“兩票制”等政策的實施，對藥企運營與成本控制提出更高要求和挑戰，再加上疫情沖擊，我國醫藥制造企業的收入和利潤收到較大影響，規模以上企業的主營業務收入近幾年一度出現下滑。在以上背景下，推動醫藥制造企業數字化轉型是推進我國藥企向創新型技術型轉型升級、提升自身競爭力的有效手段。當前，我國醫藥制造企業數字化與智能化水平還有較大提升空間，據統計，我國有超過一半的醫藥制造企業處于單點信息化、數字化覆蓋狀態，系統間集成度較低；另外，仍有26%的醫藥制造企業處于數字化起步階段。具體而言，我國醫藥制造企業數字化、信息化主要存在如下問題：第一是新藥研發能力普遍偏低，研發階段信息化支撐手段缺乏。當前醫藥研發需要強大的平臺及人工智能、大數據分析等手段支撐，我國醫藥企業特別是中小企業仍處于傳統醫藥研發階段，缺乏信息化手段及數據的支撐，導致藥物研發耗時耗力，且成功率低。第二是醫藥生產階段信息化及自動化大部分處于單點覆蓋階段，未形成端到端集成。一方面部分生產環節還未實現自動化，這在中成藥制造企業中較為常見，如藥材預處理、藥物提取、環境控制等環節，仍需要大量人工參與。另一方面，醫藥企業信息化與自動化大部分互相分離，生產過程中的數據沒有得到實時收集以用于研發、生產過程的控制及管理。第三是企業營銷流通、產業鏈協同等環節信息化水平普遍偏低。我國醫藥制造企業對藥品營銷渠道管理、營銷數據的實時跟蹤及數據分析能力普遍不足。同時，當前藥企普遍缺乏互聯網營銷及用戶服務類平臺，基于線上的創新發展觀念薄弱。另外，醫藥制造企業利用信息化平臺打通產業鏈上下游企業，實現上下游企業數據同步、資源及業務協同等方面還存在較大短板。
二、我國醫藥制造企業開展數字化轉型推進創新發展建議
基于我國醫藥制造企業數字化、自動化現狀及問題，為推進我國醫藥制造企業運營升級、產品及服務模式創新，提升行業在國際的綜合競爭力，企業應根據自身實際情況進一步提升研發、生產、營銷流通、用戶服務等環節智能化、數字化水平，同時推進企業各環節系統間集成及數據共享流通，最終實現智能化研發、智能化生產制造、智能化企業管理等全新生產運營模式的構建，具體建議如下。
（一）研發環節數字化
醫藥研發環節數字化是目前我國醫藥制造企業存在的最大短板，也是企業加強創新藥開發力度的關鍵一步。研發環節數字化建議從以下幾方面開展。一是企業內部要構建統一的研發基礎數據庫，如電子實驗記錄、儀器原始數據、化合物/生物樣品數據、生物活性數據庫等，實現研發過程中各類數據電子化、標準化，并實現基礎數據庫在企業內部的數據共享。二是完善企業級的研發信息管理系統實現研發流程集成。構建醫藥研發平臺，建立標準化的研發流程，基于研發平臺實現研發流程集成。基于研發平臺推進研發數據的整合和開發利用，實現對研發進程和研發質量的管理和控制，提高實驗效率，加快藥物研發進程。三是充分利用大數據、人工智能等新一代信息技術輔助研發創新。醫藥制造企業應和專注于大數據、人工智能的信息技術服務企業開展廣泛合作，共同探索人工智能、大數據等技術在藥物研發、臨床試驗過程中的應用，以降低研發成本、縮短研發周期。例如運用人工智能、大數據等技術在藥物研發、臨床試驗等階段進行大批量文本分析及預測、虛擬藥物篩選、病例分析及臨床匹配、晶型預測、發掘藥物新適應癥等工作，以提高藥物研發效率。
（二）生產環節數字化
醫藥生產環節應重點推進生產過程自動化、智能化水平，加強各環節智能化系統的整合，逐步形成貫穿整個生產過程的智能化、自動化控制體系。由于化藥、生物藥、中藥生產數字化基礎存在較大差異，建議企業在數字化轉型過程中，根據自身情況選擇具體方案。具體建議如下。一是中小企業首先提升藥品生產關鍵環節的自動化、智能化水平。推進智能裝備、智能傳感器等智能設備的普及，加強提取、濃縮、醇化、干燥、滅菌等關鍵環節自動化控制系統的部署，逐步實現各個環節工藝參數和質量控制參數（如溫度、流量、壓力、液位、質量、濃度等）的自動采集、監測、分析、集中顯示、報警和控制，簡化生產流程，減少人工干預。二是逐步形成貫穿全生產過程的智能化控制體系。在關鍵環節自動化系統部署基礎上，推進各環節自動化控制系統的整合，形成貫穿整個生產過程的智能化、自動化控制體系，強化生產制造各類參數數據匯聚與分析，實現信息和數據的快速、合理、準確傳遞與共享，全面提高生產制造過程信息化管理能力。三是完善企業生產類信息化系統建設及綜合集成。完善生產執行（MES）、環境監測、藥品質量監管、倉儲管理等生產信息化系統建設，實現生產自動化、智能化設備數據、物料、能耗等數據接入到生產信息化系統中，實現數據的實時監測及分析應用。推進生產信息化系統間集成及數據共享流通，形成集管控、優化、調度、執行和經營于一體的生產新模式。
（三）營銷流通及用戶服務環節數字化
營銷流通及用戶服務環節數字化是傳統醫藥制造企業較為欠缺環節，隨著“互聯網+”在醫藥及醫療領域的滲透，營銷流通及用戶服務環節數字化成為醫藥企業進行精準營銷、開展服務化轉型的關鍵。具體建議如下。一是搭建精準營銷平臺。醫藥制造企業應聯合醫藥流通企業打造面向基層醫療市場的數字化精準營銷平臺，重點探索醫藥產品精準營銷方式，提高資源投放有效性。一方面基于精準營銷平臺整合下游終端客戶資源，匯聚營銷數據和客戶數據，掌握藥品流向動態，對渠道終端（如醫院、藥店等）營銷數據進行實時動態管理以輔助差異化營銷科學決策制定、渠道優化、終端覆蓋等。另一方面基于新媒體環境，通過大數據分析手段分析醫生社交網絡、閱讀量和轉發量、醫學信息瀏覽記錄等線上數據，挖掘醫生使用偏好，實現有的放矢、精準營銷。二是打造線上線下融合的醫藥新零售、健康服務平臺。醫藥制造企業應探索建設B2B、B2C電子商務平臺或與大型醫藥電商平臺進行合作，實現營銷渠道下沉，推進線下線上全面融合。另外，有實力的醫藥制造企業可探索建設企業數字化服務平臺，并和線下醫院、體檢中心、理療中心、藥店等實體機構進行密切合作，將數字化服務平臺向線下機構及個人用戶延伸，基于平臺開展藥事個性化遠程咨詢、療效數字化評估、遠程審方、健康監測、健康管理等。同時基于平臺沉淀消費者疾病譜變化、健康需求和消費習慣等數據信息，開展C2M反向定制化研發生產。另外，醫藥制造企業應積極與數字化診療平臺、互聯網醫院等平臺類企業合作，聯合推出慢病管理、術后跟蹤等服務，包括在線診斷、藥品購買配送、用藥跟蹤等，形成“醫+藥”閉環，延伸大健康服務半徑，創新開展營銷模式。
（四）企業運營管理數字化
企業運營管理數字化是醫藥制造企業實現內部運營升級的重要手段，通常包括企業人財物的數字化綜合管理、企業數據匯聚及綜合分析、企業智能決策等。具體建議如下。一是推進企業運營管理數字化升級。針對中小企業，建議通過實地部署或采購SaaS服務等方式，推廣辦公自動化、企業資源管理、客戶關系管理、供應鏈管理等運營管理類信息系統的使用，加強企業管理精準管控能力。對于有實力的大型企業，建議推進運營管理類系統與藥品研發、生產制造、營銷流通、用戶服務等環節信息化系統的整合，實現研發、生產、營銷、用戶服務、企業運營管理相關流程及數據的融合貫通。二是提升企業大數據創新應用水平。建議有實力的醫藥制造企業打造企業數據，盤活企業全量數據，實現企業各環節數據的匯聚整合、提純加工、數據分析、數據應用服務等，形成基于大數據分析與反饋的工藝優化、流程優化、設備維護與事故風險預警、精準營銷及用戶服務能力，實現企業生產與運營管理的智能決策和深度優化。三是推動產業鏈上下游信息化協同。加強醫藥制造企業與上下游產業鏈企業的協作，通過系統整合、流程打通等推進上下游企業生產要素互通共享，逐步實現產業鏈互聯、平臺協同、要素融通，推動產業鏈企業生產和服務資源優化配置。
三、推進醫藥制造企業數字化轉型政策建議
