PHSJ系列实验室酸度计的计量检定

文章使用pHC-1D型智能化酸度计检定仪检定本部门使用的PHSJ系列实验室酸度计。为更好地开展实验室酸度计的计量工作,依据JJG 119-2018《实验室pH(酸度)计检定规程》的要求,根据实验室酸度计结构和工作原理,文章综述了酸度计pH档和mV档的示值误差、酸度计输入阻抗引起的示值误差、酸度计温度补偿引起的示值误差,以及酸度计的示值重复性和输入电流的检定过程。     

基于深度长短记忆网络的网络数据流异常检测研究

为了获得更为精准的网络数据流异常检测结果,提升检测效率,减小多因素影响造成的检测误差偏大问题,引入深度长短记忆网络对数据流异常检测参量进行结构优化,优化可分为网络数据流异常特征属性检测量定义、异常数据属性特征提取、深度长短记忆网络下的异常数据特征预处理、建立数据异常检测模型四个部分。通过从异常特征属性定义入手,全方位量化、构建全新深度长短记忆网络下的数据流异常检测模型,以此获得更为精准的检测结果。通过数据对比证实,基于深度长短记忆网络的网络数据流异常检测方法针对一般情况下的异常数据检测灵敏度较高,检测误差低,检测结果可信度和准确率高,检测耗时短,实际应用效果好。     

淹涝胁迫对拔节期水稻生长影响的研究

为明确淹涝胁迫对拔节期水稻生长影响,通过水稻淹水试验模拟洪涝胁迫状态,以淹水深度和淹水历时设计不同胁迫程度,分析拔节期不同淹涝胁迫强度下排水后第1、第3和第7 d以及水稻全生育期的叶面积、净光合速率和干物质变化规律。结果表明:水稻植株淹水处理随着排水后时间的延续,水稻LAI逐渐降低,Pn先升高然后逐渐降低,而干物质累积量呈现先减小后增大的趋势。各淹水处理的水稻LAI和Pn均低于CK处理,且水稻LAI呈现3/3 h 2/3 h 1/3 h处理,没顶淹没(3/3 h)水稻LAI仅为CK处理的69. 53%~70. 29%,全淹没处理(3/3 h-3 d和3/3 h-7 d)在生育末期出现Pn大于1/3 h和2/3 h处理、干物质量基本不变的现象。研究结果可为水稻安全生产提供基础依据。     

基于Kubernetes的气象私有云自动化部署与优化

容器技术日趋成熟,在应对微服务和系统集约化方面具有巨大优势。基于容器技术,采用谷歌开源的Kubernetes,对私有云平台架构中各个组件进行分析,通过开发一键式部署安装脚本,搭建了基于容器的气象私有云平台。这种自动化部署方式,简化了部署过程、提高了工作效率,降低了手动部署过程中误操作的几率。采用IPVS代替集群默认的Iptables,通过CPU和内存使用效率、新增规则延时、新增规则网络带宽消耗四个方面的对比情况,得出了IPVS作为负载均衡器优化了集群的网络性能。     

CINRAD/CC天气雷达的一次接收机故障处理

黑龙江省九三CINRAD/CC天气雷达发生一次接收机故障,文章依据天气雷达接收机系统的工作原理和各模块的信号流程,对接收机系统各模块关键信号点的频谱进行了测试分析,通过更换功分放大器模块和维修频率源分机中的锁相环模块,改善了射频激励信号质量,恢复了噪声系数和相位噪声标定。同时对该接收机故障处理过程进行总结,为CINRAD/CC雷达技术保障人员处理此类故障提供一定的借鉴。     

两种数字式气压计的比较与分析

370型数字式气压计和745型数字式气压计是计量气压仪器的标准仪器,其性能有所差异。文章使用BQY-4000空气活塞式压力计对370型数字式气压计和745型数字式气压计进行了多次实验室测量,比较并分析了两种数字式气压计的示值误差和稳定性,供数字式气压计使用人员参考。     

建三江平原C波段雷达回波强度一致性定标与分析

本文基于相关系数法,以建三江与佳木斯两部新一代天气雷达为例,对两部雷达定标前后天气过程基数据进行解析,通过典型天气过程中两部雷达扫描重合地区回波概率密度、网格化散点图、强度分布图等多种图形图表进行回归统计分析,验证基于数理统计的相关系数法,对依据雷达气象方程的回波强度定标具有良好的指导效果.     

基于RabbitMQ技术的气象标准格式数据传输研究

本文阐述了我省气象通讯系统基于消息中间件RabbitMQ的气象资料收集和分发技术,讲述了基于RabbitMQ消息中间件的通信传输模式和气象通讯系统2.0版本的技术框架.结果证明,基于RabbitMQ消息中间件的黑龙江省气象标准格式传输方式运行稳定,大大提高了气象数据的传输速率和服务能力.     

基于多智能体遗传算法的云平台抗虚假数据注入攻击方法

为确保云平台内数据传输安全,提出一种基于多智能体遗传算法的云平台抗虚假数据注入攻击方法。采用开源平台OpenStack搭建云平台,并分析云平台虚假数据注入攻击过程;以该攻击过程为基础,结合Copula函数与GAN生成对抗网络构建虚假数据注入攻击检测框架,利用Copula GAN函数模型中的判别器与生成器对云平台原始量测数据进行对抗训练,再采用极端随机树分类器检测虚假数据,判断云平台中是否存在虚假数据注入攻击情况;利用三层攻防博弈模型防御云平台中的虚假数据注入攻击,同时由该模型为各条数据传输线路分配防御资源,并设置对应的约束条件;采用多智能体遗传算法对模型进行优化求解,完成云平台虚假数据注入攻击目标防御。实验结果表明,该方法可以精准检测云平台虚假数据并及时采取防御措施,具备较强的抗虚假数据注入攻击能力。