有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
结直肠癌发病风险预测芯片|结直肠癌预防数据集|风险评估数据集
收藏国家人口健康科学数据中心2024-03-04 收录
下载链接：
https://www.ncmi.cn/phda/dataDetails.html?type=project_data&id=CSTR:17970.24.A002C.202107.11.V1.0
下载链接
链接失效反馈资源简介：
本数据集为中国人群结直肠癌风险预测芯片所采用的SNP位点信息及对应风险预测模型的计算公式，芯片由中国人群结直肠癌易感性关联的显著SNP位点组成。本芯片可用于对人群进行结直肠癌风险预测和高危人群的识别，未来可用于结直肠癌的个体化筛查。
提供机构：
中山大学
创建时间：
2021-12-23
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国区域地面气象要素驱动数据集 v2.0（1951-2024）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 74 年（1951~2024 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 74 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。CMFD 2.0 的数据内容与此前宣传的 CMFD 1.7 基本一致，仅对 1983 年 7 月以后的向下短/长波辐射通量数据进行了更新，以修正其长期趋势存在的问题。
国家青藏高原科学数据中心 收录
中国劳动力动态调查
“中国劳动力动态调查” （China Labor-force Dynamics Survey，简称 CLDS）是“985”三期“中山大学社会科学特色数据库建设”专项内容，CLDS的目的是通过对中国城乡以村/居为追踪范围的家庭、劳动力个体开展每两年一次的动态追踪调查，系统地监测村/居社区的社会结构和家庭、劳动力个体的变化与相互影响，建立劳动力、家庭和社区三个层次上的追踪数据库，从而为进行实证导向的高质量的理论研究和政策研究提供基础数据。
中国学术调查数据资料库 收录
ERIC (Education Resources Information Center)
ERIC (Education Resources Information Center) 是一个广泛的教育文献数据库，包含超过130万条记录，涵盖从1966年至今的教育研究、政策和实践。数据集内容包括教育相关的期刊文章、书籍、研究报告、会议论文、技术报告、政策文件等。
eric.ed.gov 收录
广油工业旋转大机组故障诊断样本数据库
面向工业大机组故障诊断与维护的智能监测与预警系统，用于大型工业旋转机械，涵盖烟机、汽轮机、压缩机、发电机等多种类型的机组的实验数据研究。1、用途：能够用于大型工业旋转机械的故障诊断，包括早期故障预警、故障类型识别、故障严重程度评估等。2、起到的作用/解决的问题：大型机组故障诊断困难，依靠人工经验判断故障原因和部位，效率比较低下且成本高。利用该数据集研究构建泛化效果更好的智能诊断模型，可提高故障诊断的效率和准确性，降低维修成本，减少停机时间。3、带来的经济收益：据统计，工业大机组停机损失每天可达数十万至数百万元。利用该数据集构建的智能诊断系统，可以提前发现潜在故障并预警，从而避免计划外的停机，每年为工业大机组带来更大的经济效益。此外，通过数据驱动的智能维护，可减少人工成本，提高设备使用寿命，降低备件库存成本。随着工业互联网和智能制造的发展，该系统将具有广泛的应用前景和商业价值。
深圳市数据知识产权登记系统 收录
Materials Project
材料项目是一组标有不同属性的化合物。数据集链接： MP 2018.6.1（69,239 个材料） MP 2019.4.1（133,420 个材料）
OpenDataLab 收录