在大数据时代, 依靠以机器学习为代表的人工智能技术从海量、复杂多样的电磁大数据中快速挖掘出有效的信息是当前的研究热点。面向电磁数据的机器学习算法具有多样性、多变性的特点, 要求相关人员具有专业能力与编程知识。为解决电磁大数据挖掘实现过程中的复杂编程问题, 提出面向电磁大数据的图形化编程平台, 将机器学习的各类算法组件化, 用户无需编写代码即可建立机器学习模型和工作流分析数据, 并以可视化的方式分析电磁数据, 帮助用户进一步理解数据, 具有快速开发与易上手的优点。

随着信息时代全球数据量爆发式增长，需要存储的数据量与日俱增。面对大数据存储的挑战，全息光存储技术将信息以数据页的形式并行记录在体全息介质中，可以实现大容量数据的存储与高速读写，具有独特优势。本文从全息存储的原理和关键技术入手，详细介绍了面向商业化应用的全息光存储系统和全息光存储介质的研究现状，探讨了实现大容量和长寿命数据存储的技术途径。

大数据时代对数据存储提出了新的要求，为克服目前存储技术无法逾越的障碍，全息存储回到人们的视野，为了解决传统全息存储的记录密度与理论值相差较大的问题，本文作者团队提出了将光的振幅、相位和偏振均作为调制变量的多维调制全息数据存储技术；为验证多维调制的实验结果，针对具有偏振响应的全息存储材料特性提高方面也开展了研究。这些研究成果加速了全息存储技术应用的产业化步伐。本文以该团队在北京理工大学期间开展的多维调制全息数据存储技术的研究成果为基础，分别从光的振幅、相位和偏振调制机理出发，综述了各个调制方法的理论基础和应用实例，以及提高全息存储材料性能的有效手段，最后进行了总结和展望。

物联网、大数据等互联网新技术在实现安全生产全要素的全面深度互联上发挥着巨大作用，风险管理也得到了各领域各层次持续关注，但在高风险工种作业的风险管理中，风险转嫁仍存在着诸如风险成本和风险概率模型缺失的局限性。从风险管理的困境出发，提出了采用大数据来解决风险管理悖论的可能性，并分析了大数据在风险管理领域的应用研究和案例。行业监管方可作为大数据的框架搭建方和数据收集及利用的监督方，通过数据建模并对数据进行监控从而发现潜在的风险因素，并据此举一反三，从根源上避免相关问题的发生；作业管理方对风险管理呈现主观和客观的考量维度，主观上作为一个理性经济人，矛盾的风险管理方式和逐利的分析决策本质会让其作出理性而非合理的判断，客观上大数据的应用将为高风险作业单位划定合理的阈值范围从而衡定合理的风险溢价；风险转嫁方对待风险的态度取决于风险管理和风险定价，大数据的应用将在一定程度上使得该风险管理领域变得指标化和数字化，并挖掘价值数据满足其提供全方位和个性化的合理风险转嫁需求。最终得出了大数据体系建设的明确监管方主导地位、加强管理方角色代入和优化转嫁方补充衔接的角色定位，给出了大数据体系建设的实施策略等应用建议。

配电网故障识别、分类与定位对快速隔离故障和保证电网安全运行具有重要意义。以大数据驱动法为基础, 提出了最少测量单元选择和区域最佳节点选择两种算法, 两种算法基于分类特征评估法, 在节点的选择策略上有所不同。分别使用决策树分类器和随机森林分类器验证算法性能, 在仅使用7%的节点数据时算法1的最高准确率达91%, 算法2使用16%节点数据的最高精度达到85%。实验结果表明, 提出的算法无需使用全部节点的数据, 可以在系统观测性较低的情况下, 实现配电网馈线故障线路智能识别定位, 具有测量节点数量少、准确率高等优势。