民航领域突发事件的实体链接方法

实体链接的相关研究主要集中于医疗、生物和新闻领域,但在民航领域的研究较少。因此针对民航领域实体链接任务进行了研究,发现在实体链接中存在实体变体多、歧义少等问题。为解决上述问题,提出了一种基于语义推断的实体链接框架以及一种用于增强框架鲁棒性的负采样策略。在民航领域数据集上进行了对比实验,结果表明所提框架链接效果优于现有基准框架,并通过消融实验,验证了负采样策略的有效性。在负采样策略的作用下,该实体链接框架的Acc@top1高达0.875。     

云环境下基于动态滑动窗口多通道Bi-LSTM的虚拟机故障预测模型

针对点值预测方法预测虚拟机故障,未充分利用虚拟机历史周期特征和上下文信息、预测准确率不高的问题,提出了一种动态滑动窗口多通道Bi-LSTM的虚拟机故障预测模型。该模型首先利用动态滑动窗口动态捕获虚拟机故障发生过程的上下文特征;然后构建多通道机制的Bi-LSTM以同时学习不同指标类之间的相关性特征,预测虚拟机下一周期的故障;最后根据OCSVM和区间偏移度方法对预测结果进行判断,得出具体的故障类型。实验表明,该模型在预测准确率、召回率、F值三个指标上均优于基线模型,验证了模型对虚拟机故障预测的有效性。     

基于LoRa和STM32的路灯自动监控系统的研究

如今大部分地区的路灯系统还处在传统控制方式、现场人工巡检、传统电路故障排查、没有统一管理平台等阶段,从而造成了巨大的能源浪费.针对以上现状,设计了一种基于LoRa和STM32的路灯自动监控系统.系统以STM32系列的MCU为核心处理器,通过4G通信网络实现路灯与后台服务器之间的数据传输,采用L o Ra级联组网方式,设计有蓝牙接口,方便用户现场维护及参数设置.系统主要功能有路灯状态实时监测与控制、实时智能调光、地理位置检测、环境信息数据采集、故障信息实时检测与报警、电量信息实时检测与预警等.实验结果表明,该系统稳定可靠,数据采集准确,能广泛应用于路灯系统中,为社会节约电能,能有效地提高路灯科学管理水平,提升路灯所在地区的形象.     

大规模数据流统计中冷热流替换策略优化

对大规模数据流统计的问题进行了研究,针对大流统计的典型结构Elastic Sketch替换策略中存在的问题进行优化,优化策略解决了冷流被误判为热流插入重部的问题.针对重部中保存的不一定是最大流的问题进行优化,提出了基于最大值和组相连的替换策略,保证了存储在重部的一定是最大的流,提高了大流统计的精度,同时大大降低了热碰撞发生的概率.相比于传统的测量统计方法,在提高了测量精度的同时,减少了内存占用.     

网络日志数据中条件因果挖掘算法的优化研究

网络操作中收集了大量的系统日志数据,找出精确的系统故障成为重要的研究方向.提出一种条件因果挖掘算法(CCMA),通过从日志消息中生成一组时间序列数据,分别用傅里叶分析和线性回归分析删除大量无关的周期性时间序列后,利用因果推理算法输出有向无环图,通过检测无环图的边缘分布,消除冗余关系得出最终结果.仿真结果表明,对比依赖挖掘算法(DMA)和网络信息关联与探索算法(NICE),CCMA算法在处理时间和边缘相关率2个主要性能指标方面均有改善,表明CCMA算法在日志事件挖掘中能有效优化处理速度和挖掘精度.     

无线数据中心网络：进展、挑战和展望

随着动态数据流量的迅速增长,庞杂的有线数据中心网络架构给网络扩张、能耗管理和运营维护等方面均带来了巨大的挑战。高速无线技术具有高带宽、动态连接且灵活可控的特征优势,成为一种潜在的数据中心组网解决方案,可以缓解数据中心长期存在的流量拥塞热点问题,减少部署和维护光缆所花费的时间、精力和成本。首先介绍了当前数据中心网络架构的发展趋势,分析比较了毫米波、太赫兹和自由空间光作为无线数据中心网络候选高速无线技术的优缺点。然后深入讨论了当前典型的无线数据中心网络架构,阐述了无线数据中心网络设计和部署面临的挑战,并对其未来发展方向进行了展望。     

基于Keras手写数字识别模型的改进

针对结构设计不合理的卷积神经网络导致MNIST识别的准确率低、收敛速度慢和训练参数多等问题,提出卷积神经网络结构的改进模型.改进的模型采用2次卷积、2次池化和3次全连接、采用Relu激活函数和Softmax回顾函数相结合,加入Dropout层防止过拟合,加入Flatten层优化结构.为了缩减代码量,采用API功能强大的Keras模型替代Tensorflow.对MNIST的训练集和测试集数据的准确率进行仿真实验,实验结果表明:采用改进的结构在MNIST的训练中不仅收敛速度快、训练参数少、损失率低,而且在测试集上的准确率达到99.54％、高于改进前的99.25％,对后续手写数字的研究具有重要意义.     

基于CIMISS的省级气象大数据服务系统设计

针对原有省级CIM ISS系统无法有效支撑现代化气象数据服务的问题,利用分布式技术,构建了天津省级气象大数据服务中心,搭建了以HBase、GBase、分布式NAS为基础的统一数据存储环境,与省级CIM ISS系统形成了无缝对接,满足了天津气象业务的现代化需求.在测试对比中发现,本系统的查询性能得到较大提升:自动站数据比CIM ISS系统提升了5.2-22.3倍(倍数随着时间不断扩大),而格点数据则比原一体化平台提升了5倍多,充分验证了本方案的有效性.     

基于AERF模型的油井结蜡预测

油井结蜡是一种在开发以及开采油田时对油井正常产出造成了负面影响的现象,该现象会引起油流通道堵塞,导致油井开采过程中出油量降低.对油井结蜡状况做出智能预警,完成油井设备提前修复,对油田提高产能效率、降低维护成本及智能化管理有非常关键的价值.为了解决油井正常数据和结蜡数据严重不平衡问题,本文引入了自适应合成抽样法(ADASYN)和最近邻规则欠抽样法(ENN)两种非均衡样本处理方法,分别对类别为结蜡的样本和非结蜡的样本进行处理,最终使用随机森林算法对新构成的数据集训练,构造出AERF智能模型来预测油井结蜡.实验结果表明,提出的AERF模型在油井的结蜡数据集中预测效果更佳,明显地提高了预测精度.     

基于Apache Spark的地震观测数据噪声功率谱计算

为解决单机环境下海量地震观测数据计算和分析效率低下的问题,提出一种基于分布式架构的地震观测数据的存储、计算和分析处理方法,选择噪声功率谱复杂计算过程的应用场景进行实现.基于Hadoop在海量数据处理上的性能优势,在分布式文件存储系统HDFS上进行地震观测数据的存储和调度,研究测震数据噪声功率谱的质量评估方法在Spark分布式计算架构上的实现,采用弹性数据集Spark RDD将计算任务自动分配到计算节点,解析存储在HDFS中的测震波形数据,计算结果采用RowKey方式放入分布式数据库HBase中,实现了长周期地震噪声功率谱结果的存储和提取.计算结果表明,基于Spark分布式架构的该方法可以支撑TB级海量数据的处理,并且具有较高的处理效率,可应用于海量地震观测数据的分析计算.