基于ESB的SOA性能预测

制定了一个性能模型,该模型可以分析和预测ESB应用集成平台的运行时性能.做法:利用排队网络模型来测量ESB中服务路由活动的性能.ESB和运行在ESB之上的服务的性能特征就像一个排队网络模型,这有利于面向服务应用的性能预测.使用一个关于贷款业务服务应用的ESB实例验证了模型.     

一种提高推广性能的复合神经网络模型

本文利用前向人工神经网络推广性能与初始权值的关系,提出了一种新颖的复合神经网络模型-选举模型复合网络,用于提高前向网络的推广性能.本文还给出了预测该复合推广性能的理论计算公式,并进行了严格的数学证明.理论分析和仿真实验表明,选举模型复合网络是提高前向网络用于目标分类的推广性能之有效手段.     

基于图神经网络的网络性能智能预测

传统网络性能预测技术存在网络状态获取不够全面及网络性能评估准确性欠佳等问题，利用图神经网络学习推理网络关系数据的特点，结合捕获的网络全局信息，提出了一种基于图神经网络的网络性能智能预测方法。通过网络系统抽象及网络性能建模，将复杂的网络信息转化为形式化的图数据进行描述，利用图空域卷积处理图网络节点的消息传递过程，实现网络信息之间的关系推理，研究了实现网络性能预测的图神经网络模型，提出了一种能处理流量矩阵、网络拓扑、路由策略、节点配置的图神经网络体系结构，最后通过实验论证了模型能更好地实现包括时延、抖动和丢包率的网络性能的准确预测。     

集合点平均值分析方法的分布式系统应用

为了解决分布式系统的性能评价问题.描述了一种基于分层排队网络模型的分布式系统性能预测方法,提出一种分析分层排队网络模型的方法——集合点平均值分析(RMVA)方法来计算平均响应时间、平均吞吐量等性能参数.以DBMS为例建立了DBMS的分层排队网络模型,通过模拟实验验证了该模型及算法的合理性及有效性.     

无线Mesh网络的新型建模方法研究

对无线Mesh网络准确建模是开展Mesh网络各项研究的基础,基于传统802.11协议模型来分析Mesh网络性能会导致较大的偏差。提出了一种适用于无线Mesh网络的新型模型用以计算网络饱和状态下性能参数的理论值,如丢包率、节点发送概率等,性能分析和仿真结果表明,该方法更能精确地评估无线Mesh网性能。同时在此基础上给出了路由判据ETX理论值的计算方法,该方法可用来预测ETX值而无需实测,从而有效的减少了测量误差和带宽消耗。     

网络存储系统I/O响应时间边界性能研究

为了对网络存储系统性能进行预测和改进,利用定量分析法研究了系统I/O响应时间与各性能影响因素之间的关系。通过分析网络RAID存储系统的数据传输原理,建立了该系统的闭合排队网络模型,并研究了其I/O响应时间的性能边界。实验表明,理论性能边界反映了实际系统性能的变化趋势和性能边界。进一步分析发现,当并发任务数较低时,存储中心服务器CPU处理能力和缓冲区命中率是影响I/O响应时间的关键因素。     

基于灰色AHP方法的JTIDS网络性能评估模型研究

提出了一种JTIDS网络性能评估模型。文章通过分析JTIDS网络性能指标,建立了基于灰色AHP方法的网络性能评估模型。最后,通过实例计算表明该模型对JTIDS网络性能评估具有一定的参考价值。     

自相似混合业务流的网络性能研究

针对传统业务流量模型的网络性能结论不能完全适用于多路自相似业务混合流量的智能电力通信网络,首先介绍基于分形布朗运动的单一自相似业务流模型,接着分析多路输入自相似业务的合成流量模型,然后研究多路输入自相似流的网络性能,最后给出智能电力通信网中4类通信业务的QoS要求,其中通信业务的QoS要求和多路输入自相似混合流的网络性能计算,可为智能电力通信网的进一步研究提供参考。     

局域网端到端性能测试模型研究

掌握网络性能对于做好网络性能优化、充分发挥网络功能有重要的意义。本文针对以太局域网的端到端性能测试设计了一个通用模型,采用主动测试技术,通过探测分组收集测试数据,分析网络性能。文中给出了模型的结构,详细分析了模型的工作原理。     

IP网络性能特征模型分析

以Internet为代表的IP网络正日益成为一种重要的通信基础设施,但在当前的Internet上支持实时媒体应用仍然是一个难点。为了能够在尽力而为的IP网络上支持多媒体的应用,需要深入地理解网络性能特征。网络性能特征的研究包括对网络进行测量、建模和分析,定量或定性地得出网络的性能指标,从而有效地对网络进行预测、控制和使用。本文对已有的网络性能方面的研究成果进行归纳、总结和验证,得出了IP网络通信平台的基本性能特征模型。     

基于随机Petri网模型的低轨卫星网络性能分析

基于随机Petri网(SPN)模型方法,对LEO单层卫星网络进行了性能分析.首先建立了半双工通信模式下LEO单层卫星网络的SPN模型,并选取平均时延作为网络性能评价指标、采用SPNP6.0软件对该SPN模型进行了性能评价,分析了数据包到达速率、网络负载以及消息数等参数对网络平均时延的变化关系.该建模与性能评价方法将有助于卫星网络的构建和进一步的性能分析.     

一种新型STDMA数据链系统时隙分配模型

文章针对空空武器协同数据链的需求,提出了一种新型复合式自组织时分多址时隙分配模型,将固定分配和预约分配两种模式相结合。系统根据业务需求进行模式间的自主切换,各模式内部也可根据业务量进行帧结构动态调整。模型充分利用自组织特性,完成工作模式、时隙与网络的动态管理,以满足系统需求。并对此模型的性能进行了分析。     

一种实时的新型网络性能预警系统

设计了一种基于NetFlow流量分析的实时的新型网络性能预警系统,它主要是利用基于NetFlow协议的高性能数据采集模式并运用统计学和预测学的相关算法,根据对当前网络流量值影响最大的在时间上最临近的流量值,预测下一时刻的流量数据。该系统能根据不同网络运行状态及时准确地预测出网络不同时间段的各种异常情况,有效分析网络运行效率并及时发现瓶颈,为优化网络性能提供了有力依据。     

异构无线网络基于业务特性的动态无线资源管理（英文）

The traffic with tidal phenomenon in Heterogeneous Wireless Networks(HWNs)has radically increased the complexity of radio resource management and its performance analysis.In this paper,a Simplified Dynamic Hierarchy Resource Management(SDHRM)algorithm exploiting the resources dynamically and intelligently is proposed with the consideration of tidal traffic.In network-level resource allocation,the proposed algorithm first adopts wavelet neural network to forecast the traffic of each sub-area and then allocates the resources to those sub-areas to maximise the network utility.In connection-level network selection,based on the above resource allocation and the pre-defined QoS requirement,three typical network selection policies are provided to assign traffic flow to the most appropriate network.Furthermore,based on multidimensional Markov model,we analyse the performance of SDHRM in HWNs with heavy tailed traffic.Numerical results show that our theoretical values coincide with the simulation results and the SDHRM can improve the resource utilization.     

基于SPN模型的卫星网络性能评价

基于随机Petri网(SPN)模型方法,分别对LEO单层卫星网络和LEO/MEO双层卫星网络进行了性能分析.首先分析了卫星网络的特点,并在此基础上建立了半双工通信模式下LEO单层卫星网络的SPN模型、全双工通信模式下LEO/MEO双层卫星网络的SPN模型.然后,选取平均时延作为网络性能评价指标、采用SPNP6.0软件对上述两个SPN模型进行了性能评价.最后,对两个模型的性能评价结果进行了对比分析,得出了有关在网络负载变化情况下LEO单层卫星网络和LEO/MEO双层卫星网络的性能优劣比较结论.     

变参数QPSO算法优化神经网络的短期电力负荷预测

为了提高电力负荷预测精度,提出了一种变参数量子粒子群(VPQPSO)算法优化RBF神经网络的短期负荷预测模型(VPQPSO-RBFNN)。首先利用电力负荷的混沌性,对短期负荷时间序列进行相空间重构;然后采用变参数QPSO算法优化RBF神经网络参数对重构后的短期负荷时间序列进行学习,建立短期电力负荷最优预测模型;最后采用对某地区短期电力负荷进行预测。VPQPSO-RBFNN可以准确描述复杂多变的电力负荷变化趋势,提高了电力负荷的预测精度,仿真结果验证了VPQPSO-RBFNN可以用于电力系统负荷预测。     

基于情感神经网络的风电功率预测

风力发电功率预测对于风能并网具有重要意义.采用一种可用于复杂系统和模式建模的新型神经网络——情感神经网络,对风力发电功率进行预测.为防止ENN在训练时陷入局部最优解,提出采用遗传算法对其进行训练.采用预测误差的均方根和标准差衡量预测准确性、稳定性,对ENN性能进行了检验.结果表明,相比于人工神经网络、支持向量机和自滑动回归模型,ENN能够获得更高的预测准确率和预测可靠性.     

IC优化设计及其成品率预测

IC成品率是与电路性能和制造成本及制造效益紧密相关的一个重要因素,在进行IC优化设计时,可将成品率与制造效益作为协调各性能指标的优化目标.针对这一问题,本文完善了IC成品率效益协调优化设计模型,提出了一种实现该模型的IC优化设计和成品率预测方法,并利用OrCAD/PSpice中的统计分析和电路性能分析的功能和特点,建立了相应的算法.实例表明,该方法及其实现算法是有效的.     

RBF网络用于性能退化的可靠性评估

针对无法用数学式准确描述退化量与环境因子间复杂非线性关系的问题,提出了一种基于RBF网络的退化轨迹建模方法.利用RBF网络能够逼近任意非线性函数的特性,进行退化轨迹的建模,并结合失效值预测产品寿命.将所有估计寿命作为完全失效数据进行可靠性评估,有效地解决了失效数据少的问题.通过对疲劳裂纹增长数据的RBF网络建模分析,证明RBF网络具有很好的函数逼近能力,寿命预测结果非常理想.经验证,在更少的退化数据下,RBF网络仍能够较好地模拟退化轨迹,寿命预测精度较高.     

基于P-V双因素的网络激光标刻性能研究

传统激光标刻技术已在实际工业生产中普遍应用,但其系统最优标刻性能控制参数存在寻找及设置较为困难、繁琐等问题。针对该问题,本文设计了一种基于嵌入式网络激光标刻模式的新型激光标刻控制模型,并在该模型下通过相关数据预处理算法分析单一标刻影响因素对激光标刻性能的影响;再通过对实验数据的数理统计分析得出二值图像的标刻性能变化规律,最终得出在该材质及类似组成工件下的激光标刻的最优参数快速选择模型和性能最优值域。研究结果表明,该模型为最优激光标刻性能控制参数的快速选择提供了可靠的方法,为进一步研究激光标刻性能影响参数提供了重要参考。