室内小流域模型人工降雨沟道流速自动量测

沟道流速是研究小流域土壤侵蚀机理与水土流失规律的重要水动力学参数之一。在室内小流域模型人工降雨土壤侵蚀过程模拟试验中,采用黄河水利科学研究院研发的MVC3000SAC-GE12型流速仪和示踪粒子自动量测沟道流速,并对数据进行处理分析,结果表明:流速仪自动量测的沟道流速平均相对误差仅为5.73%,说明在小流域模型人工降雨模拟试验中沟道流速自动量测是可行的。     

基于反射的语义构件描述模型

针对构件语义描述不丰富、构件的扩展性和适应性较差的问题,提出一种基于反射的语义构件模型。该模型在传统构件模型的基础上,引入本体及反射技术,使得构件语义描述丰富,并能根据系统要求及运行环境的变化,对构件进行动态修改。同时,该模型支持自动组装和推理。通过移动应用场景对该模型进行验证,结果表明,该模型的自适应性得到较高提升。     

基于性能需求的自适应中间件框架

分析影响服务质量的构件资源需求与资源依赖关系模型,提出一种自适应中间件框架。该框架能动态感知负载变化,自适应调整服务器配置参数,确保应用的服务质量。采用回溯算法搜索最优配置,以满足性能需求。以一个信息查询系统作为测试用例进行实验,结果表明,该框架可以提高应用程序的性能。     

基于P2P的语义Web服务发现机制

分析集中式语义Web服务发现机制存在的问题,利用P2P和本体技术,提出一种基于P2P的语义Web服务发现机制。将服务的部署与发布无缝地绑定在一起,按应用领域和服务目标将整个P2P网络组织成3层结构,基于该结构建立3阶段服务发现算法,达到优化网络结构、提高服务发现效率的目的。     

面向云服务的上下文感知自适应移动中间件

近年来,随着苹果、黑莓等智能移动设备的日益普及,以及云计算在运算、存储能力等方面展现的优势,基于云计算的移动应用越来越得到人们的关注.然而,由于移动环境下有限的电池能量,不稳定的无线网络以及实时变化QoS水平,使得现有的中间件技术不能很好地满足移动终端访问云服务的要求.为此,提出一种面向云服务的上下文感知自适应移动中间件,该中间件通过监视移动设备的资源和上下文,动态发现和自适应云服务.此外,将一种基于模糊认知图的模型应用到自适应策略中,提高了自适应算法的效率和性能.最后,通过实验和仿真来验证该中间件的有效性.     

基于自主计算的政务数据中心体系架构的研究

＂政府信息化＂的发展使得政府机关中信息数据呈现出＂信息孤岛＂现象;同时,随着政务系统规模的不断扩大,复杂性的不断增加,人对系统的管理能力也将变得越来越弱。因此,构建具备自我管理能力的政务数据中心将是解决这些问题的有效途径。首先简要地介绍自主计算相关概念;其后结合现有理论和技术,提出一种基于自主计算的政务数据中心体系架构,并根据数据中心的特点,具体说明其中自主服务元素的组成结构及其内部逻辑。     

多沙粗沙区水土保持措施组合的调查分析

通过对黄土高塬多沙粗沙区涉及较多的黄土丘陵沟壑区和黄土高塬沟壑区几条典型小流域和现有治理模式的调查分析,初步确定了多少粗沙区两个主要侵蚀类型区的水土保持措施组合方案。结果表明,黄土丘陵沟壑区第1副区和第2副区各水土保持措施面积占总措施面积的百分比：水平梯田18％-25％,人工造林45％-55％,人工种草20％-25％,坝地5.5％-7.5％,水地0.5％-2.7％,黄土高塬沟壑区北部和南部则分别为基本农田38％-50％、25％-38％,水保林43％-53％、33％-43％,经济林4％-15％、15％-25％,种草2％-6％、6％-20％.     

12.5 μm碲镉汞探测器工作温度对输出电平的影响

12.5 μm碲镉汞探测器的输出电平对工作温度非常敏感,因此需要对其温度敏感度进行研究。试验中,通过调节探测器的工作温度来采集其输出电平,并对数据进行分析。结果表明,工作波长和暗电流随温度变化是导致输出电平变化的主要因素;12.5 μm碲镉汞探测器的最佳工作温度在60 K附近。该方法操作简单,无需使用复杂的操作设备。大部分红外实验室均可满足此试验要求。     

基于多层统计分析法的河流水质发展模型研究

采用多层统计分析法,以大沽排污河为例,建立了主要污染因子COD、NH3-N的随机截距发展模型、随机截距/斜率发展模型以及纳入时间变化协变量的随机截距/斜率发展模型,其中NH3-N随机截距/斜率发展模型和纳入时间变化协变量的COD随机截距/斜率发展模型能较好地反映水质沿不同水期(枯水期、平水期、丰水期)的纵向变化规律以及采样点处污染物浓度的时空变化规律。模型的成功运用将为河流的综合整治和科学管理提供科学依据。     

面向移动云计算的自适应服务选择方法研究

Despite the rapid advances in mobile tech-nology, many constraints still prevent mobile de-vices from running resource-demanding applica-tions in mobile environments. Cloud computing with flexibility, stability and scalability enables ac-cess to unlimited resources for mobile devices, so more studies have focused on cloud computing- based mobile services. Due to the stability of wire-less networks, changes of Quality of Service (QoS) level and user' real-time preferences, it is becoming challenging to determine how to adaptively choose the “appropriate”service in mobile cloud compu-ting environments. In this paper, we present an a-daptive service selection method. This method first extracts user preferences from a service's evaluation and calculates the similarity of the service with the weighted Euclidean distance. Then, they are com-bined with user context data and the most suitable service is recommended to the user. In addition, we apply the fuzzy cognitive maps-based model to the adaptive policy, which improves the efficiency and performance of the algorithm. Finally, the experi-ment and simulation demonstrate that our approach is effective.