基于J2EE的网络考试系统设计与实现

针对现有网络考试系统中页面逻辑、业务逻辑和数据逻辑混杂在一起,系统耦合性高,重用性、可维护性、可扩展性差以及Web用户界面响应灵敏性低等方面的问题,利用Struts框架、Hibernate、Aiax技术结合J2EE四层体系设计和实现了-个网络考试系统.此系统分离了页面逻辑、业务逻辑和数据逻辑,达到了结构上的松散耦合,提高了重用性、可维护性、可扩展性,实现了系统的动态更新页面和实时响应.较好地满足了教学需要,提高了考试评估的科学性和准确性.     

并发系统的安全性与活性的验证方法

网络环境下的分布式系统是典型的并发系统。安全性和活性是并发系统最为关注和需要保证的两个主要性质。然而在并发系统建模和形式化验证时,面临着描述繁琐、复杂和难以理解的问题,特别是当并发系统的规模（并发进程数目）较大时其性质验证时的效率问题更是严重阻碍了并发系统模型检测与验证技术的应用。将组合可达性分析和标号迁移系统的模块化思想与模型验证技术相结合,提出了一套有效的性质验证方法。论证、分析了三个并发系统安全性和活性验证定理,据此导出了并发系统的安全性与活性验证的有效算法。并通过一个简单实例,对算法有效性进行了初步验证。     

基于边缘计算技术的智能集中器多元负荷管理设计

集中器连接了终端、计算机或通信设备,是重要的中心连接点设备.随着采集终端新的业务发展,如光伏能源、电动汽车充电桩及各种储能设备等信息的接入,对终端的通信速度和处理能力提出了新的挑战.文章基于模型视图控制器(MVC)编程模式,利用边缘计算技术设计了多元化负荷管理的终端服务模块,赋予了集中器终端边缘数据交互与智能处理的能力,实现了台变下负荷的平衡管理;分析了该模块在智能集中器中的可行性,证明了其实用性.     

文物监测中无线传感器网络数据压缩算法

文物监测数据具有结构单一、冗余性大、误差高容忍度的特点,使得无线传感器网络中现有的数据压缩算法在文物监测中显得计算复杂度高、计算能耗大．将轻计算量型的SDT(Swing Door Trending)算法应用到无线传感器网络的文物监测中并作了改进,分析了大规模情况下数据压缩和网络能耗之间的关系,将改进的SDT算法与目前无线传感器网络中有代表性的分布式小波压缩算法进行比较．实验表明,改进的SDT计算能耗较分布式小波压缩算法的能耗少73％,在压缩率小于25％时,改进的SDT压缩算法性能可与分布式小波压缩算法媲美．在长期、大规模的文物监测下,改进的SDT算法更适合于无线传感器网络数据压缩．     

锦屏二级上游调压室洞室群开挖支护动态设计与研究

锦屏二级上游调压室工程布置大断面、高竖井的巨型洞室群,为确保在较为复杂的地质条件下工程建设期的围岩稳定和运行期衬砌结构安全,采用三维离散元数值分析软件3DEC,结合现场揭露的地质情况,主要针对调压室竖井进行开挖及支护动态优化分析,计算成果基本与实际监测数据匹配,起到指导工程设计的作用。提出一整套动态设计的工作流程及方法和计算分析和参数选取方法的建议,并展示3DEC软件和离散单元法对结构面控制型工程的应用效果,可为类似工程提供有益参考。     

基于数据价值的无人机数据收集方法

数据收集是无线监测网络的关键环节.利用无人机进行数据收集,其本质是通过无人机的移动代替网络中的转发节点,减少数据从源节点到基站的转发次数,有效节约监测网络能量,从而成为未来发展的趋势.现有研究关注如何利用无人机有限的能量获得更多的数据,缺乏对获取数据的价值评估,从而导致无人机数据收集能效比不高.如何利用无人机最少的能量付出在监测区域获取最大的数据价值,其难点在于数据价值是针对不同应用的主观评价,而不同节点获取的数据价值如何比较,目前缺乏统一的标准.我们发现,数据相似节点的数据价值存在相似性.在此基础上,我们提出了一种数据收集方法OnValueGet,利用关键性代表节点的数据,最大程度的近似代表整个监测区域的数据,从而在能量约束下获得最大数据价值.其核心思想在于：从分析感知数据的时空相似性入手,确定数据价值较高的感知节点,本文称为数据关键节点,在应用的误差范围内,它们采集的数据可以近似表示全部网络感知节点采集的数据.无人机以数据关键节点为数据采集的核心目标,在能量有限的情况下,根据遇到的障碍物和节点感知到数据的异常与否,动态的规划数据收集路线,从而使收集到的数据具有最大价值,显著提升数据收集的能效比.     

退避算法多负载状况下的退避窗口最优设定

为了实现无线传感器网络节点在不同忙碌状态(忙碌状态:节点一段时间内的忙碌状态时间与对应时间段的比值)的区域中均达到网络吞吐量的最优,对退避算法中退避窗口大小取值做了一定工作。基于节点忙碌状态的讨论,依据节点的吞吐量模型,通过分析不同网络负载区域影响节点吞吐量的因素,为使网络中节点的吞吐量更接近理论最大值,给出了基于不同忙碌状态的退避窗口设定算法MNLBA(multi-node-loading back-off algorithm,多节点负载条件下退避机制)。在最后的仿真结果中可以看出,与不考虑区域网络负载不同的SBA协议相比,MNLBA算法针对不同的区域状态设定退避窗口值,约能提升网络吞吐量5%~10%,起到了均衡负载、提升网络性能的作用。     

DRAD:一种基于异步休眠调度的无线传感器网络数据收集协议

数据收集是无线传感器网络的基本功能之一,被大量应用到环境监测。如何降低网络能耗、延长网络生命周期是环境监测中数据收集的首要问题。大多数应用都选择使用休眠调度,通过监听空闲侦听的时间来节省能量,而这通常是在MAC层进行。本文则在网络层路由中考虑休眠调度的影响,将路由和休眠调度综合起来考虑,提出了一种基于异步休眠调度的无线传感器网络数据收集协议DRAD。DRAD通过异步休眠调度避免了时间同步的消耗,节点只需维护与邻居节点间的时间差,通过顺带时间差修正机制解决时间偏移问题,降低了能量开销。实验用占空比来衡量系统能量消耗,结果显示DRAD可以稳定在预先设定的占空比,有效降低网络能耗,延长网络寿命。     

海子水库浮游植物功能群季节演替及其驱动因子

以位于北京市平谷区的北京海子水库为研究对象,以浮游植物功能群调查为基础,于2010年春、夏、秋三季对海子水库进行了生态调查;根据水库水环境特征,在北湖、南湖两个不同生境区域设置采样点,进行浮游植物水样采集,将3个季节中的浮游植物划分为16个功能群,利用典范对应分析方法,对同步取得的电导率、TN、TP、水温等环境因子与浮游植物功能群分之间的相关性进行分析。结果表明:2010年海子水库共鉴定出浮游植物74种(包括变种),分属于6门37属。浮游植物种类组成为:绿藻门20属45种,占种类总数的60.82%;蓝藻门7属11种,占14.86%;硅藻门5属8种,占10.81%;裸藻门2属7种,占9.46%;甲藻门2属2种,占2.70%;隐藻门1属1种,占1.35%。浮游植物丰度春季(801.67×104个/L)秋季(3 589.17×104个/L)夏季(13 806.53×104个/L),三季均值为6065.78×104个/L。代表性功能群的季节演替为:春季(J/Xph/P/C)→夏季(Tc/S2/P/C)→秋季(X1/C)。TP、水温、电导率是海子水库浮游植物功能群演替的主要驱动因子。     

传感器网络中基于非均匀分簇负载均衡路由算法*

在非均匀分簇思想的基础上,提出了一种新的WSN多跳成簇路由算法。在该算法中,距汇聚点较近的节点直接与汇聚点通信,进一步减小了靠近汇聚点的簇规模,从而减轻了簇首负载,避免了不必要的能量消耗。仿真实验表明,该算法能使WSN网络负载更均衡,有助于解决能量空洞难题、延长WSN网络总的生存时间。