降雨量空间分布对山洪临界雨量的影响

山洪临界雨量是山洪灾害预报预警的重要基础,受降雨、土壤含水量以及下垫面的影响,其中降雨量空间分布是重要的影响因素之一。以湖北省崇阳县高堤河流域为例,采用HEC-HMS分布式水文模型计算设计洪水,试算法计算临界雨量,提出了降雨量空间分布系数,分析了降雨量空间分布系数与临界雨量的关系,探讨了降雨空间分布对临界雨量的影响。结果表明:当降雨从上游到下游逐渐减少时,达到相同成灾流量对应的临界雨量最大,暴雨中心在下游时临界雨量最小,说明降雨量空间分布对临界雨量影响显著。由分析可知,在山洪灾害预警实践中应根据实际的降雨空间分布对预警指标适当修正,对山洪进行动态雨量预警。     

Disassembly sequence planning using a Simplified Teaching–Learning-Based Optimization algorithm

Disassembly Sequence Planning (DSP) is a challenging NP-hard combinatorial optimization problem. As a new and promising population-based evolutional algorithm, the Teaching–Learning-Based Optimization (TLBO) algorithm has been successfully applied to various research problems. However, TLBO is not capable or effective in DSP optimization problems with discrete solution spaces and complex disassembly precedence constraints. This paper presents a Simplified Teaching–Learning-Based Optimization (STLBO) algorithm for solving DSP problems effectively. The STLBO algorithm inherits the main idea of the teaching–learning-based evolutionary mechanism from the TLBO algorithm, while the realization method for the evolutionary mechanism and the adaptation methods for the algorithm parameters are different. Three new operators are developed and incorporated in the STLBO algorithm to ensure its applicability to DSP problems with complex disassembly precedence constraints: i.e., a Feasible Solution Generator (FSG) used to generate a feasible disassembly sequence, a Teaching Phase Operator (TPO) and a Learning Phase Operator (LPO) used to learn and evolve the solutions towards better ones by applying the method of precedence preservation crossover operation. Numerical experiments with case studies on waste product disassembly planning have been carried out to demonstrate the effectiveness of the designed operators and the results exhibited that the developed algorithm performs better than other relevant algorithms under a set of public benchmarks.     

余度系统中的动态同步和表决控制

在多通道余度系统的研究和应用中,同步问题是整个余度系统正确运行的基本保证。基于多交叉通道模型和同步时间的静态分配策略,提出动态时间容错方法。针对该方法,设计基于时间容错的动态表决控制算法,实现多通道系统中的动态同步。给出动态同步表决控制逻辑,用于控制表决时间并监测表决数据。理论分析和实验结果表明,时间容错的动态表决控制算法扩展了任务处理的时间窗口,与静态同步算法相比,可有效降低通道故障率,提高对瞬时干扰的抵御能力以及余度系统的可靠性。     

低熵图像序列无损压缩

大规模的云渲染技术带来了大量的三维图形渲染数据。为了减小集群渲染产生的图像序列数据的传输以及存储代价,针对渲染图像序列低熵的特点,基于字典编码技术提出了降低数据局部复杂性的无损数据压缩方案。该方案通过数据重排技术来大大提高数据的局部冗余度,从而提高数据无损压缩效率。为了进一步解决大规模图像序列的压缩耗时问题,提出了一种云计算平台上的分布式图像压缩处理方案,充分利用现有云计算中Map/Reduce计算模型实现了分布式编码方案。实验结果证明,对于渲染产生的大规模低熵图像序列,提出的方案能够有效提高编码率并减少编码时间。     

基于实时UML顺序图的物联网交互模型

物联网是一个集计算、通信和控制于一体的智能系统,它通过监控和收集物理进程信息并将这些信息进行计算和分析,最终生成正确的控制指令用以执行,从而使物理环境变得更加安全和可靠。在物联网中,各物体通过网络连接或者本地连接的方式进行交互,这些交互具有时间性和地域性。物联网的建模和验证是物联网研究中一个重要的领域。文中提出一种基于实时UML顺序图的物联网交互模型,该模型将物联网中所有参与交互的物体建模为交互对象,并且通过实时UML顺序图对交互对象间的交互进行建模。使用时间自动机对交互对象的内部状态变化进行建模,以形成对交互模型的补充。最后根据转换规则将交互模型转换为时间自动机的形式以便于验证。通过一个实例,显示了如何具体应用物联网交互模型。进一步提出了物联网系统应该满足的一些性质,并使用UPPAAL模型检测工具对物联网交互模型进行分析和验证。     

事件序列上的频繁情节挖掘算法

事件序列上的频繁情节挖掘是时序数据挖掘领域的热点之一,基于非重叠发生的支持度定义,提出一个频繁情节挖掘算法NONEPI＋＋,该算法首先通过情节串接产生候选情节,然后通过预剪枝和计算情节发生的时间戳来产生频繁情节.算法只需扫描事件序列一次,大大提高了情节挖掘的效率.实验证明,NONEPI＋＋算法能有效地挖掘频繁情节.     

基于隐马尔科夫模型的DNA序列分类方法

DNA序列分类是生物信息学的一项基础任务,目的是根据结构或功能的相似性预测DNA序列所属的类别。为进行有效分类,如何将序列映射到特征向量空间并最大程度地保留序列中蕴含的碱基间顺序关系是一项困难的任务。为克服现有方法容易导致因DNA序列碱基残缺而影响分类精度等问题,提出一种新的DNA序列特征表示方法。新方法首先为每条序列训练一个隐马尔科夫模型（HMM）,然后将DNA序列投影到由HMM状态转移概率矩阵的特征向量构成的向量空间中。基于这种新的特征表示法,构造了一种 K-NN分类器对DNA序列进行分类。实验结果表明,新型特征表示方法可以较为完整地保留 DNA 序列中不同碱基间的关系,充分反映序列的结构信息,从而有效提高了序列的分类精度。     

数字城市框架下的水利资源管理系统研究

针对当前水利系统多以信息收集整理和资料汇总为主,可视化分析和决策支持功能不足,资源不易共享的现状,以地理信息系统技术为研究手段,以数字城市框架建设为依托,探讨并开发水利资源管理系统,集成电子地图查询浏览、水利基础地理信息管理、水利设施管理、地下水监测、水文分析和淹没分析等一系列功能,为城市水利信息现代化建设奠定基础。简要探讨了系统主要内容、总体架构、核心功能及应用效果。     

CPR1000核电站三废处理控制系统仿真测试技术应用

为实现工厂测试期间,能够最大限度地模拟核电厂三废系统的工艺设备,对三废控制系统（DCS）的组态逻辑正确性进行验证,通过结构化文本语者编写仿真测试程序,对现场的工艺设备的运行状态进行仿真模拟。同时选取对核电站硼回收系统（TEP）的1号除汽器的仿真测试,验证仿真测试程序的可行性,提出了一种低成本,高效率的测试方法。     

基于字的分布表征的汉语基本块识别

汉语的基本块识别是汉语句法语义自动分析中的重要任务之一。传统的方法大多数直接将汉语基本块识别任务转化成词层面的一个序列标注问题,采用CRF模型来处理。虽然,在许多评测中得到最好的结果,但基于词为标注单位,在实用中受限于自动分词系统以及汉语词特征的稀疏性。为此,该文给出了一种以字为标注单位,以字为原始输入层,来构建汉语的基本块识别的深层神经网络模型,并通过无监督方法,学习到字的C&W和word2vec两种分布表征,将其作为深层神经网络模型的字的表示层的初始输入参数来强化模型参数的训练。实验结果表明,使用五层神经网络模型,以[-3,3]窗口的字的word2vec分布表征,其准确率、召回率和F值分别达到80.74%,73.80%和77.12%,这比基于字的CRF高出约5%。这表明深层神经网络模型在汉语的基本块识别中是有作用的。