面向寒区水文模拟的区域气候模式降水订正方法对比

使用区域气候模式降水驱动水文模型是提高站点稀少地区水文模拟精度的一种重要思路。如何根据地面台站观测对区域气候模式降水数据进行误差订正,一直都是寒区水文研究的热点问题。然而,目前尚无系统研究对比不同降水订正方案并评估其对寒区水文模拟的影响。因此,对比了两种主流的区域气候模式降水订正方法:概率密度匹配法和最优插值法,以2004～2009年为研究时间段,评估了两者在玛纳斯河流域的表现。结果发现:在统计意义上两种方法各有优劣。概率密度匹配法对中低值降水的订正结果良好,年平均降水的空间分布也更合理,但对高降水值的订正结果不稳定,且相关系数和均方根误差没有改善。订正前,模式降水与台站观测降水的相关系数为0.37,均方根误差2.80 mm/d,订正后的相关系数为0.36,均方根误差为2.70 mm/d。最优插值法对相关系数和均方根误差改善显著,订正后分别为0.85和1.46 mm/d,但空间分布相比订正前改善不明显,且会得到更多的微小降水。将订正前后的降水数据分别驱动水文模型,在使用同一套率定参数的情况下,概率密度匹配法订正的降水对径流模拟的改善微弱,纳什效率系数仅从0.63提高至0.65,而最优插值法则对降水的订正更加有效,订正后的降水模拟的径流纳什效率系数提高至0.71。本研究有助于解决寒区水文模拟中降水数据的质量优化问题,提高寒区水文的模拟精度。     

运用网格技术实现地震减灾科学计算系统

通过创建网格计算服务,将原有地震减灾应用系统中的计算系统改造为网格计算服务,运用集中任务调度系统统一管理调度应用系统中的计算请求,进而将传统的单一的集中式的计算模式转变为分布式的网格计算模式。经试验显示改造为计算网格的应用系统计算效率有了很大的提高,这进一步证明作者提出的设计思路的可行性,从而为在地震减灾应用领域中急需解决的技术难题提出了解决方案。     

使用隔离驱动模式设计工作量计算管理系统

我校已经使用教务管理系统多年,积累了大量的数据,如何有效利用这些数据来提高办公效率,工作量计算管理系统基于教务系统的原始数据,采用隔离驱动模式进行设计,大大提高了系统的可移植性。通过介绍工作量计算管理系统的设计,详细描述了隔离驱动模式在系统设计过程中的应用。     

GRAPES模式中Helmhothz方程两种求解方法的对比研究

GRAPES是中国气象局自主研发的一个全球/区域分析预报系统。其模式计算方程组经过离散化之后,积分求解过程最终归结为对一个椭圆方程或Helmholtz(赫姆霍兹)方程的求解,这个求解是整个动力框架计算的核心。在目前GRAPES全球模式的准业务计算中,对于分辨率为0.5o的系统,Helmholtz方程的求解时间占到了整个模式计算时间的三分之一强。而且随着未来高分辨率模式的进一步加细,以及模式计算精度的提高,方程求解计算总量更是呈指数式增长。为此,本文分析了GRAPES模式中求解Helmholtz方程所采用的广义共轭余差法(GCR),并对比给出了利用PETSC函数库中提供的GMRES方法求解Helmholtz方程的一些初步测试结果。结果表明,采用高精度的GMRES方法可以减少模式预报偏差,改善模式预报准确度,在大规模并行计算时具有更好的可扩展性能。     

Cluster计算能力模型总结与设想

Cluster计算,中文名称为集群计算。它可以被认为是这样一种技术：它把许多系统连接到一起,使多台服务器像一台机器一样进行计算工作。采用cluster计算,通常是为了提高系统稳定性的同时,提高系统对大数据的实时处理能力。在cluster计算中,服务器群在网络中表现为单一的系统,并以这种模式加以管理。对于并行计算和集群计算,现已提出的各种计算模型,大多针对的是并行计算与它的共性,而非特性。而如果需要针对这些特性,就需要用一种更加准确的模型加以描述。将介绍基于集群的一些计算模型,并提出新的cluster计算模型的一个可能的方案。     

全局异步局部同步的带阈值的脉冲神经膜系统

带阈值的脉冲神经膜系统是一类生物启发式计算模型，提出该系统的灵感来自神经元电位变化与其活动的联系。对于带阈值的脉冲神经膜系统的计算能力研究，人们已证明该系统在极大同步工作模式下，作为产生数或接受数的计算设备时，是与图灵机等价(计算通用)的，而该系统在其他工作模式下的计算能力如何也是人们普遍关心的问题。文中研究的是带阈值脉冲神经膜系统在全局异步局部同步模式下产生数的能力，证明了突触带整数权重的相应系统是计算通用的，而突触带正整数权重的相应系统只能产生半线性数集。研究结果表明，突触权重的取值范围影响着全局异步局部同步工作模式下带阈值脉冲神经膜系统的计算能力。     

基于瘦客户的混合计算设计与实现

随着瘦客户系统的广泛应用,瘦客户计算系统中一些固有的缺点越来越明显:单一依赖服务器计算,瘦客户端剩余过多的计算能力,对网络带宽要求较高等.在这篇文章中,我们提出了基于瘦客户计算的服务器/本地混合计算模式—即通过适当利用瘦客户端本地计算资源的能力来进行应用处理,在一定程度上避免或改进了这些不足.通过对媒体播放应用在传统瘦客户计算模式和混合计算模式的比较测试,证明了新模式在取得性能改善的同时,可以有效地缓解服务器计算和网络带宽压力,提高幅度达75%以上.     

互连网络局部迭代负载平衡技术

新的基于网络的计算模式（如网格计算,云计算,P2P计算）的共同特点是计算节点之间都是通过互连网络进行通信。对互连网络各个计算节点产生的工作负载进行平衡是提高计算系统性能的关键。文章介绍了近年来在互连网络上使用局部迭代方式求解负载平衡问题在算法设计及其性能分析反面的若干基本研究成果。     

基于机器学习的网络入侵检测研究

随着网络通信数据的几何增长,基于人为分析的网络入侵检测方法限制了系统的自动检测能力。软计算模拟技术可以有效地提高分析系统的能力,其中基于机器学习的方法可以进行网络入侵自动检测。这些技术都是基于网络数据的统计分析,数据处理算法可以使用先前发现的数据模式,对网络通信的新数据模式做出决策。本文探讨了智能网络入侵检测系统中应用的多种软计算技术和机器学习方法,为建立一个健壮的智能网络入侵检测系统奠定基础,从而获得高效的网络入侵检测与防御系统。     

基于ESCA系统的层次化显式访存机制研究

针对高性能混合计算系统中的存储墙问题,在分析其计算模式特点及传统访存机制局限性的基础上,提出适用于混合计算系统的层次化显式存储访问机制,并基于ESCA多核处理器系统进行实现和评测。实验结果显示,针对核心应用程序DGEMM,延迟隐藏能够占据整体运行时间的56%,并获得1.5倍的加速比,能弥补计算与存储访问间的速度差异,提高系统计算效率。