图形数据库的简介

图形数据库将地图与其它类型的平面图中的图形描述为点、线、面等基本元素，并将这些图形元素按一定数据结构（通常为拓扑数据结构）建立起来的数据集合。包括两个层次：第一层次为拓扑编码的数据集合，由描述点、线、面等图形元素间关系的数据文件组成，包括多边形文件、线段文件、结点文件等。文件间通过关联数据项相互联系；第二层次为坐标编码数据集合，由描述各图形元素空间位置的坐标文件组成。图形数据库是地理信息系统中对矢量结构地图数字化数据进行组织的主要形式。

数据库中平面面积也是投影面积。

如果面数据的空间参考是地理坐标系，可以先将数据通过投影工具转为投影坐标系，再来计算投影坐标系的面积。

如果面数据的空间参考是投影坐标系，可以直接计算该数据的面积，这个计算出来的面积就是投影面积。

用ArcCatalog创建一个personal geodatabase，再在其中创建一个面图层，并定义必要的属性字段，然后在Arcmap中打开此图层，将建筑平面画出来，并将属性录入,在identify窗口中通过右键菜单Add hyperlink来链接到对应的照片就可以了。

问题一：大数据技术有哪些 非常多的，问答不能发link，不然我给你link了。有譬如Hadoop等开源大数据项目的，编程语言的，以下就大数据底层技术说下。

简单以永洪科技的技术说下，有四方面，其实也代表了部分通用大数据底层技术：

Z-Suite具有高性能的大数据分析能力，她完全摒弃了向上升级(Scale-Up)，全面支持横向扩展(Scale-Out)。Z-Suite主要通过以下核心技术来支撑PB级的大数据：

跨粒度计算(In-Databaseputing)

Z-Suite支持各种常见的汇总，还支持几乎全部的专业统计函数。得益于跨粒度计算技术，Z-Suite数据分析引擎将找寻出最优化的计算方案，继而把所有开销较大的、昂贵的计算都移动到数据存储的地方直接计算，我们称之为库内计算(In-Database)。这一技术大大减少了数据移动，降低了通讯负担，保证了高性能数据分析。

并行计算(MPP puting)

Z-Suite是基于MPP架构的商业智能平台，她能够把计算分布到多个计算节点，再在指定节点将计算结果汇总输出。Z-Suite能够充分利用各种计算和存储资源，不管是服务器还是普通的PC，她对网络条件也没有严苛的要求。作为横向扩展的大数据平台，Z-Suite能够充分发挥各个节点的计算能力，轻松实现针对TB/PB级数据分析的秒级响应。

列存储 (Column-Based)

Z-Suite是列存储的。基于列存储的数据集市，不读取无关数据，能降低读写开销，同时提高I/O 的效率，从而大大提高查询性能。另外，列存储能够更好地压缩数据，一般压缩比在5 -10倍之间，这样一来，数据占有空间降低到传统存储的1/5到1/10 。良好的数据压缩技术，节省了存储设备和内存的开销，却大大了提升计算性能。

内存计算

得益于列存储技术和并行计算技术，Z-Suite能够大大压缩数据，并同时利用多个节点的计算能力和内存容量。一般地，内存访问速度比磁盘访问速度要快几百倍甚至上千倍。通过内存计算，CPU直接从内存而非磁盘上读取数据并对数据进行计算。内存计算是对传统数据处理方式的一种加速，是实现大数据分析的关键应用技术。

问题二：大数据使用的数据库是什么数据库 ORACLE、DB2、SQL SERVER都可以，关键不是选什么数据库，而是数据库如何优化！ 需要看你日常如何 *** 作，以查询为主或是以存储为主或2者，还要看你的数据结构，都要因地制宜的去优化！所以不是一句话说的清的！

问题三：什么是大数据和大数据平台 大数据技术是指从各种各样类型的数据中，快速获得有价值信息的能力。适用于大数据的技术，包括大规模并行处理（MPP）数据库，数据挖掘电网，分布式文件系统，分布式数据库，云计算平台，互联网，和可扩展的存储系统。

大数据平台是为了计算，现今社会所产生的越来越大的数据量。以存储、运算、展现作为目的的平台。

问题四：常用大型数据库有哪些 FOXBASE

MYSQL

这俩可算不上大型数据库管理系统

PB 是数据库应用程序开发用的ide，根本就不是数据库管理系统

Foxbase是dos时代的产品了，进入windows时代改叫foxpro，属于桌面单机级别的小型数据库系统，mysql是个中轻量级的，但是开源，大量使用于小型网站，真正重量级的是Oracle和DB2，银行之类的关键行业用的多是这两个，微软的MS SQLServer相对DB2和Oracle规模小一些，多见于中小型企业单位使用，Sybase可以说是日薄西山，不行了

问题五：几大数据库的区别 最商业的是ORACLE,做的最专业,然后是微软的SQL server,做的也很好,当然还有DB2等做得也不错,这些都是大型的数据库,,,如果掌握的全面的话,可以保证数据的安全 然后就是些小的数据库access,mysql等,适合于中小企业的数据库100万数据一下的数据如有帮助请采纳,谢!

问题六：全球最大的数据库是什么 应该是Oracle，第一，Oracle为商业界所广泛采用。因为它规范、严谨而且服务到位，且安全性非常高。第二，如果你学习使用Oracle不是商用，也可以免费使用。这就为它的广泛传播奠定了在技术人员中的基础。第三，Linux/Unix系统常常作为服务器，服务器对Oracle的使用简直可以说极其多啊。建议楼梗多学习下这个强大的数据库

问题七：什么是大数据？ 大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。(在维克托・迈尔-舍恩伯格及肯尼斯・库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的方法[2]）大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。

说起大数据，就要说到商业智能：

商业智能（Business Intelligence，简称：BI），又称商业智慧或商务智能，指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。

商业智能作为一个工具，是用来处理企业中现有数据，并将其转换成知识、分析和结论，辅助业务或者决策者做出正确且明智的决定。是帮助企业更好地利用数据提高决策质量的技术，包含了从数据仓库到分析型系统等。

商务智能的产生发展

商业智能的概念经由Howard Dresner(1989年)的通俗化而被人们广泛了解。当时将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。

商务智能是20世纪90年代末首先在国外企业界出现的一个术语，其代表为提高企业运营性能而采用的一系列方法、技术和软件。它把先进的信息技术应用到整个企业，不仅为企业提供信息获取能力，而且通过对信息的开发，将其转变为企业的竞争优势，也有人称之为混沌世界中的智能。因此，越来越多的企业提出他们对BI的需求，把BI作为一种帮助企业达到经营目标的一种有效手段。

目前，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商资料及来自企业所处行业和竞争对手的数据，以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策既可以是作业层的，也可以是管理层和策略层的决策。

为了将数据转化为知识，需要利用数据仓库、线上分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是ETL、数据仓库、OLAP、数据挖掘、数据展现等技术的综合运用。

把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。

企业导入BI的优点

1随机查询动态报表

2掌握指标管理

3随时线上分析处理

4视觉化之企业仪表版

5协助预测规划

导入BI的目的

1促进企业决策流程(Facilitate the Business Decision-Making Process)：BIS增进企业的资讯整合与资讯分析的能力，汇总公司内、外部的资料，整合成有效的决策资讯，让企业经理人大幅增进决策效率与改善决策品质。

>>

问题八：数据库有哪几种？ 常用的数据库：oracle、sqlserver、mysql、access、sybase 2、特点。 -oracle： 1数据库安全性很高，很适合做大型数据库。支持多种系统平台（HPUX、SUNOS、OSF/1、VMS、 WINDOWS、WINDOWS/NT、OS/2）。 2支持客户机/服务器体系结构及混合的体系结构（集中式、分布式、 客户机/服务器）。 -sqlserver: 1真正的客户机/服务器体系结构。 2图形化用户界面，使系统管理和数据库管理更加直观、简单。 3具有很好的伸缩性，可跨越从运行Windows 95/98的膝上型电脑到运行Windows 2000的大型多处理器等多种平台使用。 -mysql: MySQL是一个开放源码的小型关系型数据库管理系统，开发者为瑞典MySQL AB公司，92HeZu网免费赠送MySQL。目前MySQL被广泛地应用在Internet上的中小型网站中。提供由于其体积小、速度快、总体拥有成本低，尤其是开放源码这一特点，许多中小型网站为了降低网站总体拥有成本而选择了MySQL作为网站数据库。 -access Access是一种桌面数据库，只适合数据量少的应用，在处理少量数据和单机访问的数据库时是很好的，效率也很高。 但是它的同时访问客户端不能多于4个。 -

问题九：什么是大数据 大数据是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。 大数据首先是指数据体量(volumes)大，指代大型数据集，一般在10TB规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量；其次是指数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。接着是数据处理速度（Velocity）快，在数据量非常庞大的情况下，也能够做到数据的实时处理。最后一个特点是指数据真实性（Veracity）高，随着社交数据、企业内容、交易与应用数据等新数据源的兴趣，传统数据源的局限被打破，企业愈发需要有效的信息之力以确保其真实性及安全性。

数据采集：ETL工具负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。

数据存取：关系数据库、NOSQL、SQL等。

基础架构：云存储、分布式文件存储等。

数据处理：自然语言处理(NLP，NaturalLanguageProcessing)是研究人与计算机交互的语言问题的一门学科。处理自然语言的关键是要让计算机理解自然语言，所以自然语言处理又叫做自然语言理解(NLU，NaturalLanguage Understanding)，也称为计算语言学(putational Linguistics。一方面它是语言信息处理的一个分支，另一方面它是人工智能(AI, Artificial Intelligence)的核心课题之一。

统计分析：假设检验、显著性检验、差异分析、相关分析、T检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测与残差分析、岭回归、logistic回归分析、曲线估计、因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析（最优尺度分析）、bootstrap技术等等。

数据挖掘：分类 （Classification）、估计（Estimation）、预测（Prediction）、相关性分组或关联规则（Affinity grouping or association rules）、聚类（Clustering）、描述和可视化、Description and Visualization）、复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)

模型预测：预测模型、机器学习、建模仿真。

结果呈现：云计算、标签云、关系图等。

要理解大数据这一概念，首先要从大入手，大是指数据规模，大数据一般指在10TB(1TB=1024GB)规模以上的数据量。大数据同过去的海量数据有所区别，其基本特征可以用4个V来总结(Vol-ume、Variety、Value和Veloc-ity)，即体量大、多样性、价值密度低、速度快。

第一，数据体量巨大。从TB级别，跃升到PB级别。

第二，数据类型繁多，如前文提到的网络日志、视频、、地理位置信息，等等。

第三，价值密度低。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。

第四，处理速度快。1秒定律。最后这一点也是和传统的>>

问题十：国内真正的大数据分析产品有哪些 国内的大数据公司还是做前端可视化展现的偏多，BAT算是真正做了大数据的，行业有硬性需求，别的行业跟不上也没办法，需求决定市场。

说说更通用的数据分析吧。

大数据分析也属于数据分析的一块，在实际应用中可以把数据分析工具分成两个维度：

第一维度：数据存储层――数据报表层――数据分析层――数据展现层

第二维度：用户级――部门级――企业级――BI级

1、数据存储层

数据存储设计到数据库的概念和数据库语言，这方面不一定要深钻研，但至少要理解数据的存储方式，数据的基本结构和数据类型。SQL查询语言必不可少，精通最好。可从常用的selece查询，update修改，delete删除，insert插入的基本结构和读取入手。

Access2003、Access07等，这是最基本的个人数据库，经常用于个人或部分基本的数据存储；MySQL数据库，这个对于部门级或者互联网的数据库应用是必要的，这个时候关键掌握数据库的库结构和SQL语言的数据查询能力。

SQL Server2005或更高版本，对中小企业，一些大型企业也可以采用SQL Server数据库，其实这个时候本身除了数据存储，也包括了数据报表和数据分析了，甚至数据挖掘工具都在其中了。

DB2，Oracle数据库都是大型数据库了，主要是企业级，特别是大型企业或者对数据海量存储需求的就是必须的了，一般大型数据库公司都提供非常好的数据整合应用平台。

BI级别，实际上这个不是数据库，而是建立在前面数据库基础上的，企业级应用的数据仓库。Data Warehouse，建立在DW机上的数据存储基本上都是商业智能平台，整合了各种数据分析，报表、分析和展现！BI级别的数据仓库结合BI产品也是近几年的大趋势。

2、报表层

企业存储了数据需要读取，需要展现，报表工具是最普遍应用的工具，尤其是在国内。传统报表解决的是展现问题，目前国内的帆软报表FineReport已经算在业内做到顶尖，是带着数据分析思想的报表，因其优异的接口开放功能、填报、表单功能，能够做到打通数据的进出，涵盖了早期商业智能的功能。

Tableau、FineBI之类，可分在报表层也可分为数据展现层。FineBI和Tableau同属于近年来非常棒的软件，可作为可视化数据分析软件，我常用FineBI从数据库中取数进行报表和可视化分析。相对而言，可视化Tableau更优，但FineBI又有另一种身份――商业智能，所以在大数据处理方面的能力更胜一筹。

3、数据分析层

这个层其实有很多分析工具，当然我们最常用的就是Excel，我经常用的就是统计分析和数据挖掘工具；

Excel软件，首先版本越高越好用这是肯定的；当然对excel来讲很多人只是掌握了5%Excel功能，Excel功能非常强大，甚至可以完成所有的统计分析工作！但是我也常说，有能力把Excel玩成统计工具不如专门学会统计软件；

SPSS软件：当前版本是18，名字也改成了PASW Statistics；我从30开始Dos环境下编程分析，到现在版本的变迁也可以看出SPSS社会科学统计软件包的变化，从重视医学、化学等开始越来越重视商业分析，现在已经成为了预测分析软件；

SAS软件：SAS相对SPSS其实功能更强大，SAS是平台化的，EM挖掘模块平台整合，相对来讲，SAS比较难学些，但如果掌握了SAS会更有价值，比如离散选择模型，抽样问题，正交实验设计等还是SAS比较好用，另外，SAS的学习材料比较多，也公开，会有收获的！

JMP分析：SAS的一个分析分支

XLstat：Excel的插件，可以完>>

1、读取和查询都十分方便

传统的关系型数据库采用表格的储存方式，数据以行和列的方式进行存储，要读取和查询都十分方便。而非关系型数据不适合这样的表格存储方式，通常以数据集的方式，大量的数据集中存储在一起，类似于键值对、图结构或者文档。

2、存储结构稳定

关系型数据库按照结构化的方法存储数据，每个数据表都必须对各个字段定义好（也就是先定义好表的结构），再根据表的结构存入数据，这样做的好处就是由于数据的形式和内容在存入数据之前就已经定义好了，所以整个数据表的可靠性和稳定性都比较高。

3、存储规范

关系型数据库为了避免重复、规范化数据以及充分利用好存储空间，把数据按照最小关系表的形式进行存储，这样数据管理的就可以变得很清晰、一目了然，当然这主要是一张数据表的情况。

如果是多张表情况就不一样了，由于数据涉及到多张数据表，数据表之间存在着复杂的关系，随着数据表数量的增加，数据管理会越来越复杂。而NoSQL数据库的数据存储方式是用平面数据集的方式集中存放，虽然会存在数据被重复存储，从而造成存储空间被浪费的问题。

4、存储资源

NoSQL数据库由于使用的是数据集的存储方式，它的存储方式一定是分布式的，它可以采用横向的方式来开展数据库，也就是可以添加更多数据库服务器到资源池，然后由这些增加的服务器来负担数据量增加的开销。

5、实现了数据共享

数据共享包含所有用户可同时存取数据库中的数据，也包括用户可以用各种方式通过接口使用数据库，并提供数据共享。

6、减少了数据的冗余度

同文件系统相比，由于数据库实现了数据共享，从而避免了用户各自建立应用文件。减少了大量重复数据，减少了数据冗余，维护了数据的一致性。

先学网页三剑客

再学动态语言和数据库

买个域名和虚拟主机，做好域名绑定和

解析，然后制作网站，做好之后用FTP工具上传就可以了

如果自己不会做的话也

可以找建站公司做

张立海 赵洪彦 于道永 赵亮宇 张业成

(国土资源部实物地质资料中心，北京 101149)

摘要 介绍了秦皇岛海平面新旧两种监测系统工作原理，通过数据对比，总结出自动监测系统具有的五方面优良功能，还阐述了海平面观测的数据库功能和未来的建设目标。

关键词 秦皇岛；海平面；自动监测；数据库

一、前言

秦皇岛海平面观测站始建于1979年，是根据著名地质学家李四光的地质力学理论和地球系统科学思想建造的，目的是通过监测研究海平面变化，探索水圈、气圈、岩石圈运动规律与动力来源，并通过海平面异常变化探索地震预报新途径。

该站建成后，于1982年1月1日开始使用HCJ1-2型卷筒验潮仪正式观测，迄今已取得了24年的连续实测数据。

为了提高监测精度和服务功能，在中国地质调查局支持下，依托“环渤海湾重点地区环境地质调查及脆弱性评价”项目，对秦皇岛海平面观测系统进行改造升级，建成了自动监测与远程传输系统。2004年9月，该系统开始安装调试，2004年11月按《海滨观测规范》GB/T14914—1994开始试运行，至2005年11月，连续工作一年后，开始正式运行。至2005年12月，连续工作13个月，设备运行良好，共获取50余万个数据，数据保存安全完整。

为了检验对比海平面自动监测系统性能，在安装使用自动监测系统以后，仍保留验潮站原有的HCJ1-2型卷筒验潮仪，两套监测系统并行。经过一年多应用实践，两套系统取得的数据相互吻合对应，说明两套观测系统都是可靠的。与此同时，建立了海平面观测数据库，为环渤海地区环境地质信息系统增补了海平面数据信息。

二、海平面监测系统运行

1HCJ1-2型卷筒验潮仪

HCJ1-2型卷筒验潮仪是20世纪80年代比较先进的验潮仪器，此仪器自1982年秦皇岛海平面观测站建成后一直使用至2005年。这种半机械化的卷筒式潮汐观测设备的观测工作比较复杂、繁锁。

此仪器观测工作程序为：早8时给卷筒验潮仪安装专用记录纸，并校正潮时潮位数值；验潮仪用墨笔记录历时24小时的潮汐变化曲线；次日早8时，更换记录纸，取回前24小时的潮汐记录纸，人工分析处理验潮曲线——潮时、潮位校正，读取整时潮位值，分析高低潮的潮时和潮高，手工填写潮汐月报表。

秦皇岛海平面观测站自建站以来，运用此仪器完成了24年的潮汐数据观测，为地质调查、城市发展、港口建设以及减灾防灾提供了准确可靠的基础数据。

2潮汐自动监测系统

2004年11月，潮汐自动监测系统在秦皇岛海平面观测站投入试运行。该系统主要有：传感器、数据采集器、数据显示器、无线传输设备、网络终端、存储设备等(图1)。传感器——设置在验潮井内，灵敏感知潮位信息，并将潮位电信号传送到数据采集器；数据采集器——是测量系统的核心部件，完成数据采集、处理和暂存功能，并将采集数据传输给数据显示器和无线传输模块；数据显示器——在观测现场，由采集器支持的电子屏显示实时采集的潮位数据；无线传输设备——通过无线调制解调器，运用CDMA无线网络系统传送数据信息；网络终端——即数据管理中心，通过计算机网络，运用应用软件解译传输信息，获取观测数据，并分析管理数据；存储设备——将接收的数据安全存储到数据库。

图1 秦皇岛海平面自动监测系统框图

潮汐自动监测系统具有自动化数据采集与无线传输功能，实现了自动连续潮汐测量，数据采集间隔时间为1分钟，每天记录的潮汐原始数据为1440个，通过自动分析还可得到每天高低潮的潮时和潮高数据。为避免因无线传输中断引起的原始数据丢失，数据采集器还有60天的全部观测数据的临时存储功能。通过数据采集器内置时钟校准装置和无线通讯网络，实现时间校准，做到潮时准确、可靠。观测现场的实时潮位显示屏的潮位数据，提供观测工作人员与现场校正皮尺的潮位数据随时对比，检查潮汐自动数据采集记录的准确性。

潮汐自动监测系统功能优良：①数据采集量大，提高了潮汐观测精度，自动采集系统每分钟采集1个数据，每天采集1440个数据，而原HCJ1-2型验潮仪，只能从记录曲线读取每天24个整点潮位数据，二者相比较，数据采集量是原来的60倍，显然，数据精度和准确度也相应提高了几十倍；②实现了自动观测和实时传输功能，特别是在风暴潮来临时，无须工作人员到海上观测房查看潮位数据，能够通过无线传输系统实时、准确获取潮位数据，及时向港口、减灾等部门提供潮位数据；③实现了潮时的自动校准，通过数据中心计算机的时刻和无线网络校正数据采集器的时间，取代原HCJ1-2 型验潮仪人工校正验潮曲线潮时的工作，减少了人为因素造成的误差，提高了数据处理的准确度和可靠性；④实现了数据自动存储、自动打印，应用计算机技术将每年50余万个观测数据全部存入硬盘，可以随时查询应用，取代了保存曲线纸和手工填写潮汐月报表的工作；⑤提高了信息服务功能，无线传输系统实现了随时随地的实时潮位查询，不受时间、地点限制，能够及时提供实时潮位数据，此项功能是原HCJ1-2型仪器不可能实现的。

潮汐自动监测系统存在的问题：①由于受资金限制，现在使用的无线传输系统信号比较弱，有时出现传输中断现象；②数据采集部分因受海上环境影响，容易受到腐蚀，需配备相应的备用器件，如数据采集主板、专用通讯调制解调器，此外还需配置避雷设施、不间断电源等；③为保证观测数据的准确性，须加大投入，进行验潮井维护工作，包括验潮井周围海洋环境和验潮井淤堵情况调查。

三、海平面观测数据库功能

2004年10月，本站开始潮汐自动监测系统试运行，本观测系统采用自动监测数据采集导入数据库软件，数据库主要有如下4个方面的功能。

1数据录入

数据录入是指工作人员运用自动监测系统采集数据，将潮汐观测数据由数据采集器传输到数据整理中心的计算机中的过程。数据录入分为：全部数据、逐时数据、原始数据、定时数据4种。全部数据录入——包括自动观测采集的整点数据和原始数据；逐时数据录入——录入自动采集的整点数据，即录入每天24个整点时刻的观测数据；原始数据录入——录入每1分钟的潮汐观测数据；定时录入——选择录入某一天的具体整点时刻的观测数据。

工作人员选择录入数据的方式和时间段后，开始数据录入，并可在主界面状态栏跟踪数据录入情况。

2数据管理

数据管理包括所有录入的观测数据，在数据管理界面中，由数据显示和曲线图两部分组成。

数据管理具有以下主要功能：查询功能——方便快捷地查找用户所需的某日观测数据和曲线；打印功能——打印出用户所需的某日观测数据和观测曲线；曲线对比——用户选定对比图像的“步长(以小时为单位)”，数据曲线连续移动，用户能够了解观测要素的变化趋势；整日数据对比——选定某一天的数据，可以前后自动翻页，对比整日数据和查找数据；数据增删——工作人员可以检查修改录入数据，可以增加或删除数据记录，但此功能应谨慎 *** 作，以免误删数据。

3月报表生成

根据《海滨观测规范》规定，经过一个月观测后，观测数据应整理生成月报表。数据整理时可根据实际观测数据选择性地生成所需要月份的月报表，也可生成全部月报表，并可在浏览窗口查看生成月报表的结果。

4数据存储

潮汐自动数据采集与传输系统能够保证数据存储内容完整、准确。观测数据全部存储在计算机硬盘上的jwtz文件夹，便于管理和利用，并可随时刻录到光盘中备份。截止到2005年12月已存储潮汐观测数据50余万个。

四、结语

秦皇岛海平面潮汐自动观测系统已达到国内领先水平，为了更好服务于地质调查和区域经济发展，秦皇岛海平面观测站拟建成一个融气象、水文、环境和地壳运动为一体的综合性监测站。为完善环渤海地区环境地质信息系统提供更加丰富的基础数据，提高地质环境评价水平。

Qinhuangdaosea-Levelselfmonitoringsystem and Database Construction

Lihai Zhang，Hongyan Zhao，Daoyong Yu，Liangyu Zhao，Yecheng Zhang

(National Geologicalsample Center，ministry of Land and Resources，Beijing 101149)

Abstract This paper introduces the working principles of old and newsea levelmonitoringsystems in QinhuangdaoBased on data comparison between twosystems，the papersummarizes five functional advantages of automaticmonitoringsystem，and elaborates on the functions ofsealevelmonitoring database and its future construction goals

Key words Qinhuangdao；sea level；automaticmonitoring；database

以上就是关于图形数据库的简介全部的内容，包括:图形数据库的简介、在数据库中什么是平面面积、如何用Arcgis创建一个数据库 可以点开一个建筑平面就可以查询到他的属性数据和拍摄的图片等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！