1、家安全监管 总局。 7. 2. 2 约束 可边。 7. 2. 3 出现次数 1:10 7. 2. 4 类型 字符串C 7. 2. 5说明 一个元数据可以有多个同义词，第一个同义词应该是统一的约定名称。 7. 3 表示符号 7.3. 1 定义 元数据的含义的描述，表达一个元数据的本质特性并使其区别于所有其他元数据的陈述(特别 明确的可省略)。 7. 3. 2 约束 可边。 7. 3. 3 出现次数 1:10 7.3.4 类型 字符串。 7.4 数据类型 7.4. 1 定义 表示数据元值的不同值的集合。 7.4.2 约束 必选。 10 7. 4. 3 出现次数 1:10 7. 4. 4 类型 字符
2、串C 7. 4. 5说明 可自能色的实例为宇符 7. 5 表示格式 7.5. 1 定义 DB15/T 2021.1-2020 从应用的角度规定的数据元值的格式需求，包括所允许的最大或最小字符长度，数据元值的类 型和表示格式等。 7. 5. 2 约束 必边。 7. 5. 3 出现次数 1:10 7.5.4 类型: 字符串。 7. 5. 5说明 数据格式的表示见表10 表1数据格式的表示 基本1各式举例说明 C 中文字符，可以包含汉字(中国等)、字母字符(a-z，A-Z)和数字字符等 cl2 12位字符(即6个汉字)固定长度问巾文宁待 C c. . 12 最多为12位字符(即6个汉字)长度的中文字
3、符(默认GB/T 2312信息交换用汉字编码字符 集、基本集) a 特指宁母宁符(A、B、c.) a a3 3位宁母宁符，定长 a. .3 最多为3位字母字符 n 数值型字符(0、1、2、3) n n3 3位数字字符，走长 11 DB15/T 2021.1-2020 表1数据格式的表示(续) 基本格式举例说明 n. .3 最多为3位数字字符 n n. .9, 2 数值型，总长度最多为9位数宁宁衍，小数点后保留2位数字 an 字母和数字字符 an an3 3位字母数字字衍，走长 an. . 3 最多为3位字母数宁宁符 d 口期型 d8 日期型，按年、门、日顺序，格式为8位定长、全数字表示(YYY
4、YMMDD)0年用4位数字表示， 月、H各时2位数宁表示，彼此之间没有分隔符 d 日期型，按年、月、日、时顺序，格式为10拉克长、全数字表示(YYYYMMDDhh)0年用4位数字 d10 表示，月、H、时各用2位数宁表示，彼此之间没有分隔符。如2003年1月5日9时，应表示 为2003010509 日期型，按年、月、日、时、分、秒顺序，格式为14位定长、全数字表示(YYYYMMDDhhlmnss)。 d14 年用4位数字表示，月、H、时、分、在!、各用2位数字表示，彼此之间没有分隔衍。如2003年 1月5日9时48分43秒，应表示为20030105094843 b b 布尔值。:否1:是 ul
5、 ul 长度不确定的文本 7. 6 值1或范围 7.6. 1 定义 根据相应属性中所规定的表忌形式、格式、数据类型和最大与最小长度而决定的数据元的允许 实例表示的集合。该集合可以根据名称、引用来源、实例表达的枚举，或者根据实例生成规则来规 定。 7. 6. 2 约束 可边。 7. 6. 3 出现次数 1:10 7.6.4 类型 宇符串O 7. 6. 5说明 当值士或范围是编码表示的枚举形式时，每一个数据元值及其实例都应当成对表示。 12 7. 7 交换约束 7. 7. 1 定义 DB15/T 2021.1-2020 根据对象的来源特性，在数据采集时，从应用角度规定该数据元是否为必选或可选。 7
6、. 7. 2 约束 必边。 7. 7. 3 出现次数 1:10 7.7.4 类型 宇符串。 7. 8 宇段名称 7.8. 1 定义 在提供的共享数据中对应的字段名称。 7. 8. 2 约束 可边。 7. 8. 3 出现次数 0:10 7.8.4 类型 字符串C 7. 9 标识符 7.9. 1 定义 由注册机构分配的、与语言无关的元数扭的唯一标识符。 7. 9. 2 约束 必边。 7. 9. 3 出现次数 1:10 7.9.4 类型 数字。 7. 10 蒙文名称 13 DB15/T 2021.1-2020 7. 10. 1 定义 中文名称对应的蒙文。 7.10.2 约束 可边。 7.10.3 出
7、现次数 0:10 7.10.4 类型 字符串。 注:关I本章约定的定义的说明: a) 每个定义应区别于目录中的任何其他定义，以保证专一性。定义中所表述的一个或多个特 性必须便被定义的概念与其他概念相区别; b) 用描述性的短语或句子阐述，阐述必须简练、准确而不含糊，避免跟其他元数据定义互相 依存; c) 定义中仅可使用人们普遍理解的缩略语: d) 所有简称在第一次出现时，应予以说明。 8 草原大数据技术 8. 1 草原大数据质量 8. 1. 1 草原大数据生命周期 草原大数据一般要经历四个不同的阶段:数据生成、数据采集、数据存储、数据分析。其中， 数据生成阶段，是数据被创建的阶段，包括创建的结
8、构化数据和非结构化数据:数据采集阶段，由 数据收集、数据传输和坎据预处理组成:数据存储阶段，结合分布式、云计算技术，达到低成本、 低能耗及高可靠性的目标:数据分析阶段，结合降雨、气温、土壤状况与历年草原动植物产量等相 关数据，运用大数据挖掘技术，预测1f.原未来的生态环境发展状况。 8. 1.2 草原大数据的质量框架 8. 1. 2. 1 草原大数据指标 草原大数据指标(简称指标)指用于衡量草原资源和环局情况的单位或方法。通过几个关键 指标来衡量草原资源和环境情况的好坏。包括植被、土壤、气象、总人口数以及草原经济指标等。 指标需要经过加和、平均等汇总计算方式得到，并且是需要在一定的前提条件进行
9、汇总计算， 如时间、地点、范围，也就是我们常说的统计口径与范围O 指标可以分为绝对数指标和相对数指标，绝对数指标反映的是规模大小的指标，如人口数、植 被、收入、用户数、土壤，而相对数指标主要用来反映质量好坏的指标。 14 DB15/T 2021.1-2020 8.1.2.2 草原大数据质量元素 描述草原大数据质量的信息项，包括位置精度、属性精度、逻辑一致性、完整性、趋势性和数 据说明。 在数据分析和数据仓库领域，草原大数据质量由草原大数据质量元素来描述。草原大数据质量 元素分为两类，即定量元素和非定量元素。定量元素，用于描述数据集满足预先设定的质量标准及 指标的程度，并提供定量的质量信息。非定
10、量元素提供综述性的、非定量的质量信息。 8.1.2.3 草原大数据的质量维度 草原大数据的质量维度包含5个维度，分别是可得性、可用性、可靠性、相关性、外观质量等。 每一个维度有包含13个要素: a) 可得性。可得性包含可访问性和实效性两个要素，其中数据的可访问性应明确数据提供访 问的标准接口、数据使用权限等;数据的实效性应明确数据准确接收的时间、数据更新时 间以及数据收集和过程解释的时间问阳等; b) 可用性。数据的可用性包含可靠性良好的数据源、数据规范化、数据产生的时间等三个要 素: c) 可靠性。可靠性包含数据的准确性、数据一致性以及数据完整性等三个要素，其中数据准 确，t1应明确得到的数
11、据与真实数据之间的误差，包括数据数据源的准确性、数据源的真实 状态以及数据表示的标准化等;数据的一致性应明确数据经过处理之后，它们的概念、值 域或格式与处理前的数据匹程度、在一定时间内数据保持一致并且可以验证以及数据和其 他数据源的数据可验证性;数据的完整性应确保数据在内容上，应包括数据使用者所需的 全部项目，做到没有残缺和疏漏，包括数据格式是清晰的并且满足标准、数据与结构完整 性以及数据与内容完整性是一致的: d) 相关性。相关性表示数据在多大程度上适合当前工作，包括收集的数据阐述的内容、大多 数检索的数据集是在检索主题用户需要以及信息、主题提供与用户检索主题的匹配等; e) 外观质量。外观
12、质量表示根据己知或定义良好的术语、属性、单位、代码、缩写或其他信 息，来正确解释数据内容的能力，应包括明确数据的内容、格式等是清晰的井且是可理解 的、可以很容易油判断提供的数据满足要求以及数据描述、分类和编码内容满足规范井且 很容易理解。 8. 2 数据处理与分析关键技术 8.2. 1 采集的内窑 草原大数据依据性质及使用目的不同，主要包括公共立础数据、草原基础数据、专题数据、综 合数据和元数据等: a) 公共基础数据，包括基础地理信息数据、遥感影像数据、社会经济和气象数据等，用于辅 助草原大数据处理分析: b) 草原基础数据，包括草原资源数据、湿地资源数据、三化资源数据、生物多样性资源数据
13、等，提供草原业务基础数据: c) 专题数据，包括草原资源管理数据、草原保护及生态工程建设数据、灾害监控与应急数据、 草原产业数据、草原科技等数据: d) 综合数据，包括草原社会经济数据、草原文献资料数据、草原政策法规数据、草原教育培 甘iI数据等数据，辅助草原清查及统计分析: 15 DB15/T 2021.1-2020 e) 元数据，包括草原数据标识信息、数据时间序列信息、数据质量信息、数据共享信息、空 间参照信息等1 f) 其他数据，不分属于以上类别的草原数据资料。 8. 2. 2 采集的流程 8.2.2.1 采集前期准备 草原数据采集前期准备工作，包括组织准备、技术准备和其他准备: a)
14、组织准备:组织草原数据采集队伍，明确队伍责任分工等; b) 技术准备:制定数据采集工作方案、技术方案和操作细则等; c) 其他准备:明确数据采集目标，确定数据采集对象，整理历史数据，收集调查工具等。 8. 2. 2. 2 数据采集 见本标准(匀耀%讀缁龤頀h瀀椀异崃脃膃脃褃鴃伄琀桞煷搀漀挀瀀椀挀最椀昀琀桞煷搀漀挀尀尀挀挀搀昀戀攀搀戀昀挀昀攀攀稀琀眀倀漀洀最砀挀一氀爀洀攀愀砀匀栀欀挀瘀欀挀猀焀爀戀倀一琀夀儀琀桞煷琀栀煷捎搀昀挀愀戀戀戀愀戀愀蔀=栀/罢鞋瘀樀最稀爀挀眀椀圀最匀唀伀儀爀瘀焀椀爀爀栀儀挀娀氀樀吀娀伀堀猀倀栀倀餀蘀D蘀H阀同胔-農棙 i縀$申请计算机应用能力考试免考审批表 .docpic
15、1.gif申请计算机应用能力考试免考审批表.doc2019-101066e32b7b-6265-4792-97f3-cf467f7119c2ZlDJtMSDGYM/99u+dnnWwe3Ree4CLeYH0s+lpGU/IDqWs0xAWkukYA=申请计算机应用能力考试免考审批表,申请,计算机,应用,能力,考试,审批fbf462cea0f6e4828b03920fc8bd2c38申请计算机应用能力考试免考审批表 姓 名陈勇性 别男出生年月1959.09 身份证号 6502031959093 00018 学 历大专学 位无 何时何学校何专业毕业2009年7月毕业于云南大学经济管理专业 现工作单
16、位市文化馆参加工作时间1975.09 现有职称馆员申报职称副研究馆员 免考理由男年满50周岁 所在单位审 查意见 负责人： 公 章 年 月 日 地州市或厅 局人事部门 审核意见 公 章 年 月 日 系列（专 业）职称 主管部门 审批意见 公 章 年 月 日 瓦拉西瓦0001900001计算职称201910102010019853435FC1WJRkE92ehXrLV22A6olPO/u/wCtyC0TyehGOYGmWVBVO5nKYamLx7D7G5brMS0莺V(匀鴀%吊讀缁萀頀h椀蜃蜈蜈輈匈匉唉慹搀漀挀瀀椀挀最椀昀慹搀漀挀尀尀挀挀昀昀戀搀愀昀搀戀稀栀渀娀焀眀爀瘀氀唀砀攀嘀唀娀樀甀樀氀爀眀
17、吀琀最儀搀堀吀氀一嘀伀栀儀慹愀搀攀攀攀昀挀挀愀戀慹癸塺揿晹虛晎虛鑹瑎栰鞋鑾瑎虒聎塎奾螋筟楒桓晹虛晎虛鑹瑎栰鞋舰葔筟鑾瑎虒聎塎奾螋筟楒桓骋骋筟癸豎瑎铿癸u瑎骋獶葎聎筟瞘慎晹虛姿R晎虛瑖栰鞋鑾瑎虒聎塎奾螋桓筟晢屝鹏蒍獶葛筙乾譬盿骋骋晎虛N瑎骋聛塧晹虛瑎骋晹虛N瑎骋筟瞘慎晎虛耰塧筟瑎栰鞋瑎虒聎塎奾瑎葞瑶螋桓筟晢屝鹏蒍獶罢鞋吀儀倀堀猀儀挀刀漀爀堀嘀唀倀漀一渀漀夀匀嘀稀最圀嘀夀搀椀最漀攀匀昀瘀倀渀礀瘀戀栀戀攀匀栀/罢鞋瘀樀最稀爀挀眀椀圀最匀唀伀儀爀瘀焀椀爀爀栀儀挀娀氀樀吀娀伀堀猀倀栀倀疂耀舀(樈韃貙磯合工具dataaggr吨ationtools 将分散于众多数据源的数据转化成一个全新数据源的过程。 3.
18、 15 数据虚拟化datavirtualization 数据整合的过程，以此获得更多的数据信息，这个过程通常会引入其他技术，例如数据库、应 用程序、文件系统、网页技术、大数据技术等等。 3. 16 去身份识另IJde-identification 也称为匿名化(anonymization)，确保个人信息不会通过数据被识别。 3. 17 文件存贮数据库、locumentstore databases 也称为文档数据库(do创cun肮l 的数据库，这类文档数据也称为半结构化数据。 3. 18 数据抽取、转换及装载Extract，Transform and Load. ETL 是一种用于数据库或者数
19、据仓库的处理过程。即从各种不同的数据源提取(E)数据，井转换(T) 成能满足业务需要的数据，最后将其加载(L)到数据库。 3. 19 Hadoop数据库(HBase) 一个开源的、非关系型、分布式数据库，与Hadoop框架共同使用。 4 DB15/T 2021.1-2020 3. 20 Hadoop分布式文件系统Hadoopdistributed file system 是一个被设计成适合运行在通用硬件(commodityhardware)上的分布式文件系统。 3.21 内存数据库in-memorydatabase 一种数据库管理系统，与普通数据库管理系统不同之处在于，它用主存来存储数据，而非
20、硬盘。 其特点在于能高速地进行数据的处理和存取。 3. 22 物联网lnternetof Things 在普通的设备中装上传感器，使这些设备能够在任何时间任何地点与网络相连。 3. 23 法律上的数据一致性juridicaldata compliance 存储在云上的数据要符合当地的法律。例如，当用云存储数据涉及到的有关数据开放共享原则、 个人隐私信息等在不同国家有不同的法律定义，该数据应该符合当地数据存放的法律。 3. 24 M2M数据machineto machine data 两台或多台机器问交流与传输的内容。 3. 25 机器数据machin己data 由传感器豆豆算法在机器仨产生的数据。 3. 26 机器学习machinelearning 机器学习是人工智能的一部分，指的是机器能够从它们所完成的任务中进行自我学习，通过长 期的累积实现自我改进。 3. 27 多维数据库multi-dimensionaldatabase 用于优化数据联机分析处理(OLAP)程序，优化数据仓库的一种数据库。 3.
