阿白的案例列表
燃气管网安全评估系统
系统架构：基于微服务架构与前后端分离设计，构建高可扩展、易维护的系统平台。 技术方案：前台选用Vue；后台选用Spring Boot、Spring Cloud 、Nacos、Sentinel。 数据处理： 整合内外部多源数据 （业务数据、社会工程数据），通过ETL流程进行大数据采集、清洗与治理，保障数据质量。 智能引擎： 自主研发指标引擎，支持可配置、多层级风险指标的定义与计算，灵活适应风险评估需求。 AI风险建模： 应用特征工程技术，构建燃气管网泄漏风险评估机器学习模型，实现并应用KNN、SVM等核心算法进行精准风险区 域识别。 整个系统前后台所有功能，及算法实现全部由本人，耗时
TD-LTE立体多维站址规划系统
为移动运营商为实现建站需求及选址的合理性评估，同时对新站规划参数进行核查修正，提高新建站与网络需求的契合度，使基础建设投资效益最大化，优先解决最迫切的需求，支撑精准的无线网络规划工作。本系统后台采用了myBatis,Spring,Spring MVC,SpringBoot等框架，部署Tomcat服务器。前台选用了Cesium,three.js，百度地图Javascript API，实现基于地理信息的二，三维地图呈现。 本人负责整个项目后台的核心算法实现；前台二，三维地图组件的开发。
案例判断参考
阿白的案例列表
燃气管网安全评估系统
系统架构：基于微服务架构与前后端分离设计，构建高可扩展、易维护的系统平台。 技术方案：前台选用Vue；后台选用Spring Boot、Spring Cloud 、Nacos、Sentinel。 数据处理： 整合内外部多源数据 （业务数据、社会工程数据），通过ETL流程进行大数据采集、清洗与治理，保障数据质量。 智能引擎： 自主研发指标引擎，支持可配置、多层级风险指标的定义与计算，灵活适应风险评估需求。 AI风险建模： 应用特征工程技术，构建燃气管网泄漏风险评估机器学习模型，实现并应用KNN、SVM等核心算法进行精准风险区 域识别。 整个系统前后台所有功能，及算法实现全部由本人，耗时...
TD-LTE立体多维站址规划系统
为移动运营商为实现建站需求及选址的合理性评估，同时对新站规划参数进行核查修正，提高新建站与网络需求的契合度，使基础建设投资效益最大化，优先解决最迫切的需求，支撑精准的无线网络规划工作。本系统后台采用了myBatis,Spring,Spring MVC,SpringBoot等框架，部署Tomcat服务器。前台选用了Cesium,three.js，百度地图Javascript API，实现基于地理信息的二，三维地图呈现。 本人负责整个项目后台的核心算法实现；前台二，三维地图组件的开发。...
