智能变电站过程层网络异常流量检测

为了避免智能变电站过程层网络通信出现异常变动的现象,需要准确检测智能变电站过程层网络异常流量,为此提出新型的检测方法.设计了基于网络演算的变电站通信网络流量计算模型,将根节点全部设成信源,通过流量路由实现周围输入与输出端口的联系,获取智能变电站过程层网络中全部设备端口输入与输出流量.还应用优化支持向量模型进行异常流量检测,将网络异常流量与正常流量分类,实现智能变电站过程层网络异常流量检测.实验结表明:在检测,网络流量特征提取、异常流量检测效果均符合应用需求.     

基于流量摘要的僵尸网络检测

随着僵尸网络的日益进化,检测和防范僵尸网络攻击成为网络安全研究的重要任务.现有的研究很少考虑到僵尸网络中的时序模式,并且在实时僵尸网络检测中效果不佳,也无法检测未知的僵尸网络.针对这些问题,本文提出了基于流量摘要的僵尸网络检测方法,首先将原始流数据按照源主机地址聚合,划分适当的时间窗口生成流量摘要记录,然后构建决策树、随机森林和XGBoost机器学习分类模型.在CTU-13数据集上的实验结果表明,本文提出的方法能够有效检测僵尸流量,并且能够检测未知僵尸网络,此外,借助Spark技术也能满足现实应用中快速检测的需要.     

基于计算机视觉的管路振动感知算法

为解决电厂生产区域中管路振动超出正常范围未能及时预警而导致管路破损或连接法兰、阀门处出现工质泄漏的问题,提出了一种基于计算机视觉的管路振动感知算法,首先采用卷积神经网络估计待测管路的光流信息,然后通过分析光流信息检测出管路是否振动,接着通过振动测量模块对监测画面中检测出振动的管路目标的振动频率和振幅进行测量,从而实现对管路振动的感知.在电厂原有摄像头拍摄的振动管路数据上进行了实验,测试结果表明本文方法的速度约为4 f/s,振动频率的测量误差小于0.08.为计算机视觉技术在不改变电厂原有硬件装置的情况下实现实时管路振动检测和测量任务提供了新的思路.     

基于高精度流线生成的交互流场可视化

高效准确的流线绘制一直是流场可视化的重要研究内容,流线可以对流场的重要特征进行有效的稀疏表示,但流线需要长期的粒子追踪过程及大量的积分计算,在面向大规模流场可视化时时间效率较低,需要高性能计算设备进行辅助计算.本文通过设计一种基于深度学习的高精度流线生成算法,将初始的低精度流线快速映射为稠密的高精度流线,可以在较短的时间内快速生成可靠的流线可视化结果,并在此基础上设计了交互式实时流场可视化系统,涵盖了流场的特征检测,属性关联分析,信息论分析等,帮助用户快速了解流场数据,找到自己感兴趣的区域进行后续进一步深度分析,避免了获取过多冗余数据,同时优化了分析工作的效率,满足用户对于流场结构,特征属性等多维度进行关联分析的需求.     

协同进化遗传算法及在车间调度中的应用

提出了一种新型协同进化遗传算法.该算法借鉴了协同进化的思想,对种群进行分组处理,每个组根据自己组内个体的优良情况以及个体差异情况采用不同的交叉策略和变异策略.为防止早熟,当未触发灾变条件时仅采用自适应策略动态调整变异因子;当触发灾变条件时,在采用自适应策略的基础上引入灾变机制产生部分新个体以跳出局部最优,函数优化结果表明了该算法的有效性.采用该算法求解以最小化最大完工时间为优化目标的流水车间调度问题,结果表明,该算法在收敛速度以及优化结果的准确性都优于传统的遗传算法,在求解车间调度问题方面具有良好的性能.     

大图上跳数受限的可达查询算法研究与优化

判断有向图上两个顶点之间是否存在一条路径是一个经典问题,而对于一些路由规划和图分析等实际应用,要求查找是否存在跳数受限的可达路径,这是一个变种的图可达查询问题.对于大图上跳数受限的查询算法,不仅仅要对大图查询的时间效率和空间效率进行权衡,而且还要利用跳数受限的特性进行优化.普通的可达查询算法存在小度数顶点索引项占用空间过多的问题,造成空间浪费严重.为此我们提出了一种面向跳数受限的2-hop部分索引方法,采用改进的索引方法并结合局部搜索,实现跳数受限的有效可达性查询.实验结果表明,在Orkut社交网络数据集上与已有算法相比,该算法索引空间节省了32％,同时查询时间略微增加,使得我们算法可以计算更大规模图的跳数受限可达问题.     

空气流量传感器智能测试系统的实际应用

空气流量传感器是一个重要的发动机控制反馈元件,在发动机自身排放与控制等性能方面有着十分重要的影响。本文设计了传感器智能测试系统,通过小波变换对信号进行去噪处理,并对处理后的信号进行变换分析并对该系统的进行验证。实验结果表明,该系统能有效地提高空气流量传感器的性能和使用质量。     

东北植被生长峰值特征的变化及对气候和物候的响应

全球气候变化导致植被生长的季节性节律事件（如返青期、衰落期和生长峰值期等）发生显著变化。植被返青期、衰落期和生长季长度的变化已经得到广泛报道,植被生长峰值代表植被光合作用能力和对气候变化的响应,目前关于植被生长峰值特征（时间点和最大生长幅度）的时空变化和控制机理的研究相对较少,仍需在不同区域深入探讨。以植被覆盖度较好的中国东北地区为例,首先利用长时序遥感NDVI数据（GIMMS NDVI3g）和逻辑斯蒂法提取植被关键物候参数,然后分析了植被生长峰值关键特征（日期和幅度）的变化格局及对气候因子和返青期物候的响应,最后探索了生长峰值对植被生产力变化的贡献。结果表明：东北地区整体的生长峰值时间点和返青时间点呈现延迟趋势、生长幅度呈上升趋势（与MODIS EVI趋势验证一致）,生长峰值存在一个约11 a的周期;季前气温和降水对生长幅度的影响范围和幅度较小,主要作用在草原区域,对峰值时间点的显著影响主要在北部森林区域;返青期对生长峰值的控制作用大于气温和降水因素,并且返青期在森林和草原区域主要影响生长幅度变化,在农作物区主要影响生长峰值时间点变化;植被最大生长幅度对自然植被生产力长期变化的影响显著。东北地区生长峰值及对气候、物候响应的不同时空格局反映了植被生长峰值对气候变化的适应能力的差别,并造成多样的植被固碳格局。生长峰值研究有助于深入理解植被光合作用的时空变化格局和气候变化情景下的碳循环过程,对我国东北地区的生态系统评估和管理也有参考意义。     

基于置信区间进行POS机异常检测算法的设计

为保证校园卡数据一致性,设计了一种基于置信区间的POS机流水异常检测算法。利用此算法可以得知POS机流水上传功能的运行情况,能及时发现流水未及时上传的POS机并发出预警,从而确保消费者消费金额及时扣除,商户收入及时入账,有效避免账务不平、流水丢失等问题发生,对于校园卡系统的稳定运行,对于维护消费者和商户的利益具有十分重要的意义。随着消费数据的累积,及时对算法进行修正,POS机异常的判断准确率会有较大提升。     

基于改进eRCNN的局部路网交通流预测

针对误差反馈循环卷积神经网络在运用到短时交通流预测时存在仅仅能接收时序误差序列,忽略交通流误差数据中隐含的空间拓扑特征,且在模型初始化时其采用的通用卷积神经网络初始化方法降低了模型训练效率的问题,本文提出一种优化的误差反馈循环卷积神经网络模型,在误差反馈循环卷积神经网络模型基础上根据预测误差数据的时空特性对误差反馈层进行结构强化,能够处理包含简单空间关系的误差序列。同时通过在模型训练的过程中分离模型产生的历史预测误差和训练误差,使得模型构建过程更加高效,加速了模型收敛速度。通过北京市四环道路交通数据的实验表明,优化的误差反馈循环卷积神经网络预测模型在预测精度、构建效率及鲁棒性上均得到有效提高。