计算机在多级串联全混流反应器中的应用

在多级串联全混流反应器中进行二级反应时,第N级反应器的出口浓度表达式中含有N个套起来的根号。运用递推关系式可求其值。但解析法求解费时费力,图解法又不够精确。本文克服了上述两种方法的不足,开发了一种新的方法,利用C 语言依据递推关系式编制程序,该程序能够迅速求解,而且程序运行结果与计算结果完全一致。该方法简便、快速、精确,在多级串联全混流反应器的设计中具有重要的应用价值。     

计算机在全混流反应器多级串联的应用

在全混流反应器多级串联作3/2级化学反应时,为了求各级反应器的出口浓度,就具体实例利用图解法、递推法和计算机程序法求解。结果表明：递推法计算结果和程序运行结果一致,但递推法费时费力,图解法又不够精确。只有计算机程序的方法简便、快速、精确,在全混流反应器多级串联的设计中具有重要的应用价值。而且,对实际化工生产过程的控制也具有重要意义。     

求多级串联全混流反应器的出口浓度——2/3级不可逆反应

在多级串联全混流反应器中进行2,3级不可逆化学反应时,求每一段反应器的出口浓度,在多级串联全混流反应器的设计中不仅具有重要应用价值,而且在实际的化学工业生产中也具有重要意义,经济效益显著。前文研究表明:可用作图法和代数法求解,但作图法不够精确,代数法求解又较为繁琐,且当反应器个数很多时,上述2种方法则无能为力。而计算机程序法能克服以上2种方法的不足。本文结合具体实例,依据第N段反应器的出口浓度的表达式,利用C*语言编制程序。通过该程序能讯速的求解。该法具有简便、精确、高效以及通用的优点,可以显著的提高计算效率,具有推广价值。     

求多级串联理想混合流反应器的出口浓度——三级可逆反应

在多级串联理想混合流反应器中进行3级可逆反应时,求各级反应器的出口浓度,不仅在多级串联理想混合流反应器的设计中具有重要应用价值,而且在实际的化学工业生产中也具有重要意义,经济效益显著。可用图解法和代数法求解,但图解法不够精确,代数法又费时费力,而且,当反应器个数趋于无穷大时,以上2种方法则无法计算。针对上述2种方法的不足,本文利用C++语言,依据递推关系式编制程序,该程序能够迅速求解,并与计算结果完全一致。该法具有精确、快捷、通用、方便的优点。可以显著提高计算效率,具有推广价值。     

求多级串联理想混合流反应器的出口浓度——1/2级不可逆反应

在多级串联理想混合流反应器中进行1/2级不可逆反应时,可用作图法和代数法求出各段反应器的出口浓度。但作图法不够精确,代数法求解又较为繁琐,而且,当反应器个数很多时,上述2种方法则无能为力。本文考虑以上2种方法的不足,就具体实例,开发了另外1种方法,即依据第N段反应器的出口浓度的表达式,利用C++语言编制程序,通过该程序能够快速求出每1段反应器的出口浓度,结果与代数法计算结果基本一致。该法具有简便、精确、高效以及通用的优点,不仅在多级串联理想混合流反应器的设计中具有重要应用价值,而且在实际的化学工业生产中也具有重要意义。     

基于LabVIEW的全混流反应器仿真与分析

尝试把虚拟仪器与具体化工应用相结合，利用虚拟仪器开发环境LabVIEW开发了全混流反应器(CSTR)仿真系统，并以一个一级不可逆放热反应为例进行了模拟计算，对稳态模拟出现的多稳态点和动态模拟表现出的特性利用所开发的仿真系统进行了详细分析，并根据模拟结果提出了反应器最优操作状态，同时提出了避免出现多稳态点的方法，一切表明LabVIEW用于化学化工领域具有广阔的应用前景，是进行建模仿真的好工具。     

一种新的BCM码的多级译码方法

由Ｉｍａｉ与Ｈｉｒａｋａｗａ提出的多层编码方法可用来构造具有任意大最小平方欧氏距离的分组调制码（ＢＣＭ码）,对于用此方法构造的码字的译码可采用多级译码,文章给出一种新的方法来帝现多级译码,仿真结果表明这种多级译码方法比传统的多级译码有更好的误码性能。     

一种在网络环境下实施多级安全策略的方法

本文提出了一种新颖的在网络环境下实施多级安全机制的方法,测试结果证明此方法对网络性能影响小,简单实用。     

一种基于CUDA的K-Means多级并行优化方法

K-Means聚类算法是data mining领域中最常用的算法之一.在进行海量数据分析时,K-Means均值聚类的计算时间与其要处理的计算量成正比.因此,数据量越大计算开销也越长.为了提升算法的运算性能,本文设计了一种基于CUDA模型的多级并行的K-Means算法优化方法.将K-Means串行算法并行化,并对并行计算...     

一种闪存敏感的多级缓存管理方法

基于闪存的固态硬盘(solid state driver,简称SSD)已经广泛应用于各种移动设备、PC机和服务器.与磁盘相比,尽管SSD具有数据存取速度高、抗震、低功耗等优良特性,但SSD自身也存在读写不对称、价格昂贵等不利因素,这使得SSD 短期内不会完全取代磁盘.将SSD和磁盘组合构建混合系统,可以发挥不同的硬件特性,提升系统性能.基于 MLC 型 SSD 和 SLC 型 SSD 之间的特性差异,提出了一种闪存敏感的多级缓存管理策略——FAMC.FAMC将SSD用在内存和磁盘之间作扩展缓存,针对数据库系统、文件管理中数据访问的特点,有选择地将内存牺牲页缓存到不同类型的SSD.FAMC同时考虑写请求模式和负载类型对系统性能的影响,设计实现对SSD友好的数据管理策略.此外,FAMC基于不同的数据置换代价提出了适用于SSD的缓冲区管理算法.基于多级缓存存储系统对FAMC的性能进行了评测,实验结果表明,FAMC可以大幅度降低系统响应时间,减少磁盘I/O.     

Robust dynamic optimization in heterogeneous multiscale catalytic flow reactors using polynomial chaos expansion

This paper explores the application of optimal design and operational strategies under uncertainty to a transient multiscale catalytic flow reactor system. The catalytic reactor is modeled using a spatially-dependent multiscale model that comprises lattice-based kinetic Monte Carlo (kMC) models coupled with continuum partial differential equations (PDEs) to account for the fine-scale and the macroscale reactor behaviour, respectively. This work compares two uncertainty propagation techniques, power series expansion (PSE) and polynomial chaos expansion (PCE), to assess their performance in multiscale process systems. The analysis reveals that PCE provides accurate results at minimal computational cost for the multiscale catalytic reactor model under the conditions considered in this work. PCE is subsequently used to perform robust dynamic optimization studies on the catalytic reactor system under uncertainty. The first study determines the optimal temperature trajectories that maximize the reactor’s performance under uncertainty. The second study aims to identify the optimal design and operating policies that allow the reactor, under uncertainty in the multiscale model parameters, to meet targeted performance specifications within a level of confidence. Both studies illustrate the benefits of performing dynamic optimization studies to improve performance for multiscale process systems under uncertainty.     

Towards the evaluation of time series protection methods

The goal of statistical disclosure control (SDC) is to modify statistical data so that it can be published without releasing confidential information that may be linked to specific respondents. The challenge for SDC is to achieve this variation with minimum loss of the detail and accuracy sought by final users. There are many approaches to evaluate the quality of a protection method. However, all these measures are only applicable to numerical or categorical attributes.In this paper, we present some recent results about time series protection and re-identification. We propose a complete framework to evaluate time series protection methods. We also present some empirical results to show how our framework works.     

Summarizing a set of time series by averaging: From Steiner sequence to compact multiple alignment

Summarizing a set of sequences is an old topic that has been revived in the last decade, due to the increasing availability of sequential datasets. The definition of a consensus object is on the center of data analysis issues, since it crystallizes the underlying organization of the data.Dynamic Time Warping (DTW) is currently the most relevant similarity measure between sequences for a large panel of applications, since it makes it possible to capture temporal distortions. In this context, averaging a set of sequences is not a trivial task, since the average sequence has to be consistent with this similarity measure.The Steiner theory and several works in computational biology have pointed out the connection between multiple alignments and average sequences. Taking inspiration from these works, we introduce the notion of compact multiple alignment, which allows us to link these theories to the problem of summarizing under time warping. Having defined the link between the multiple alignment and the average sequence, the second part of this article focuses on the scan of the space of compact multiple alignments in order to provide an average sequence of a set of sequences. We propose to use a genetic algorithm based on a specific representation of the genotype inspired by genes. This representation of the genotype makes it possible to consistently paint the fitness landscape.Experiments carried out on standard datasets show that the proposed approach outperforms existing methods.     

改进时间序列模型在高速公路短时交通流量预测中的应用

为了提高短时交通流预测精度,针对传统时间序列模型在进行交通流量预测时存在无法动态调整模型参数、样本量过大导致序列的平稳性减弱、建模过程复杂等不足,从样本序列的动态选取及模型识别两方面进行优化,提出了一种改进的时间序列模型。利用渝武高速公路微波车检器的实测流量数据对改进前后的时间序列模型进行了实验验证和对比分析,结果表明改进后的时间序列模型有效克服了传统时间序列模型的不足,并对不同的交通流状况具有较好的适应性,无论在工作日还是节假日均具有更高的预测精度。     

多杂质用水网络设计方法的改进与比较

通过引入分配因子和最小限制流量对多杂质用水网络超结构模型进行改进,使模型更简捷高效;在逐步线性规划法中引入改进的超结构模型,提供了用水过程的排序依据,可代替枚举法直接排序,提高了求解效率。通过实例比较了改进前后的两种设计方法,找出了它们之间的优势和劣势,结果表明,本文的改进策略可以快速和准确地解决多杂质用水网络设计问题。     

基于时间序列分析的航站楼安检旅客流量预测

对单位时间内通过安检的旅客流量进行预测是机场航站楼实时调控的重要依据,由此提出一种实时安检旅客流量预测方法,采用Wolf方法分析出安检旅客流量时间序列具有混沌特性;采用适用于混沌时间序列预测的遗传算法优化BP神经网络预测方法(GABP)预测安检旅客流量;分别设定时间尺度为2 min、5 min和10 min等,分析不同时间尺度对安检旅客流量预测精度的影响。基于北京首都国际机场T3航站楼实际安检旅客流量数据的实验结果表明,采用GABP神经网络对以2 min为时间尺度的安检旅客流量预测能取得较好的预测精准度。