基于S3C44B0X的网络磁盘的设计与实现

文章结合嵌入式技术和存储网络技术的发展,设计了一种简单易用的网络磁盘。该磁盘采用802.3和TCP/IP通信协议,可以应用于以太网局域网和Internet中,用户端直接通过网络访问磁盘上的数据。文章详细讨论了网络磁盘的软件系统和关键技术,并通过在S3C44B0X开发板上移植uClinux操作系统和开发应用软件,实现了网络磁盘。     

在线视频点播系统节能方法与策略研究

目前随着海量数据应用的快速发展,如何减少海量数据存储造成的巨大能耗成为研究热点。分析了在线视频点播的海量存储系统,根据正态分布分析视频访问的时间段,结合磁盘的特点提出一种基于视频点播的节能策略。策略中将磁盘的状态划分为不同的等级,降级时根据历史时间间隔调整时间窗口,同时根据视频的种类制定分布,以最终满足系统的性能和节能需求。根据计算,使用节能策略后系统平均节能达到44%。     

奥运中心区超标降雨积水风险分析及对策研究

随着城市的发展,城市积水造成了越来越严重的问题.解决问题的关键就是分析超标降雨下的城市积水风险,以指导近期应急排水预案以及远景城市雨水系统改造方案的制定.由于北京市降雨量年内分配很不均匀,汛期暴雨又多表现为局地短历时的大暴雨甚至特大暴雨,造成城市道路（特别是立交桥区）积水问题频发,严重影响城市交通.在此背景下,从保障奥运安全召开的角度出发,以奥运中心区为研究对象,收集整理奥运中心区雨水系统各组成部分相关资料,建立奥运中心区雨水系统数据库,建立奥运中心区雨水系统模型,对超标降雨条件下奥运中心区的可能积水风险进行了分析,并以此为基础进行对策研究和实施效果评价.     

中空玻璃用热熔密封胶的研制

采用丁基橡胶研制用于中空玻璃单道密封的热熔胶.研究主体树脂品种、增黏剂、改性剂、填料的类型及用量对材料性能的影响.实验采用正交方法对胶料成分进行配比,在开放式塑炼机的混炼下得到热熔密封胶胶料,并测得胶料与玻璃的黏接性、拉伸性及流变性.实验结果表明：加入具有良好增黏作用的低分子聚异丁烯以及石蜡,都有利于提高胶条的黏接性能,丁基橡胶对胶条的拉伸性能影响最大,加入少量石蜡,可以降低黏度,增加其流动性.     

L-核糖的合成

以L-阿拉伯糖为原料,经过钼酸盐类催化剂发生C-2立体异构化反应,生成以M0为中心的络合物,C-1的酰基与苯胺反应得到糖胺,糖胺在苯甲酸条件下分解得到L-核糖,收率为30％,用^1H NMR和元素分析对产物进行了表征．     

2-羟异丙基丙烯酸酯的合成工艺

以丙烯酸和环氧丙烷为原料,经开环的方法得到2-羟异丙基丙烯酸酯.并考察了各因素对反应收率的影响,确定了最适反应条件:催化剂的量为原料总质量的1.5%,反应时间12 h,投料质量比1 1.6.最终产品的收率可达82.7%,纯度97.00%以上,并用核磁(1H NMR)和红外对产品的结构进行了表征.     

Meso-四（3，4 二甲苯基）卟啉金属配合物的合成

为筛选催化环己烷氧化合成己二酸用仿生催化剂,研究了以吡咯、3,4 二甲基苯甲醛和金属盐为原料,合成一种带多个疏水性短碳链对称卟啉化合物meso-四（3,4 二甲苯基）卟啉（简称TDMPP）金属钴（Ⅱ）、铜（Ⅱ）配合物的方法,探讨了溶剂配比、反应时间、反应物的物质量浓度等对产率的影响;并利用UV Vis和IR对合成的物质结构进行了表征.结果表明合成TDMPPCo的适宜工艺参数为：v（丙酸）∶v（冰乙酸）等于2∶1;n（吡咯）∶n（3,4 甲基苯甲醛）∶n（醋酸钴）等于100∶104∶029;吡咯的物质量浓度为0.25mol/L;反应时间为50min;反应温度为125～130℃;产率达32％.合成TDMPPCu的适宜工艺参数为：v（丙酸）∶v（冰乙酸）等于3∶1,n（吡咯）∶n（3,4 甲基苯甲醛）∶n（醋酸铜）等于100∶104∶027;吡咯的物质量浓度为0.25mol/L,反应时间为50min,反应温度为130～135℃,产率达38％.     

看不见的城市

那些出现在我们梦中的城市,或是初次造访,或是故地重游。有时,我们醒来以后才能判断梦之城的所在;有时,却能凭借梦境中的某个情景嗅出故地的气息。一时,我们在梦中的长廊或小巷中徘徊,却不知身处何地,更不明去往何处;一时,即使在梦中,我们也能真切地感知到梦境中周遭的信息,就算大脑告诉我们梦中的城市与我们在现实世界中无限神往的城市无一处相同——其实质的形态绝无任何相似,我们也能凭借梦中的信息对所处时空作出判断。     

基于随机失活的循环神经网络交通事件预测

智能交通是现代交通发展的前沿领域,交通事件预测是其中的一个研究热点.传统BP神经网络模型是交通事件分析中常用的模型分析方法之一,但易陷入局部极值,不适合处理长期且连续的交通事件数据.为解决上述问题,提出使用循环神经网络处理交通事件数据,利用循环神经网络模型的有限时间长度记忆优势,构建序列数据分类模型来训练数据,采用随机失活方法去除模型的过拟合问题,通过达拉斯地区的实际流量数据验证,将预测结果与传统BP神经网络模型方法作对比.实验对比结果表明,该综合算法在预测精度和损失值方面均有较明显提升,验证了方法的有效性.     

基于预训练GRU-LightGBM的电力负荷预测

本文研究工作围绕电网中的核心环节电负荷预测展开.在总结分析之前研究学者的研究成果基础上,提出了基于预训练GRU与LightGBM相结合的方法.该方法首先使用电负荷数据训练一个特征提取网络GRU,然后使用该网络进行时序特征的提取,并将提取到的时序特征与非时序特征使用LightGBM进行电负荷的预测.本方法的创新点在于提出了预训练网络来扩充特征,充分融合时序特征及非时序特征.并且考虑到电网的地区差异性,在整体训练过程中将GRU网络参数进行了适应性微调.保证提取到的时序特征是符合当前地域特点的.通过仿真实验最终发现该方法在各项指标上取得了2％的提升.