闸坝水力学特性的三维数值模拟

本文采用标准k-ε双方程紊流模型及基于水气两相流的VOF方法,运用FLOW3 D软件对闸坝进行数值模拟,得出不同水位下的闸坝泄流能力,以及不同部位的闸室及消力池水面线、流速、压力等重要水力学要素。结果表明数值计算在一定程度上可以达到模型试验的效果。     

基于Hadoop的云端异常流量检测与分析平台

Hadoop系统作为一种开源的分布式云计算平台已获得广泛应用,但其云端易受到各种威胁和攻击,基于此,开发了一种基于Hadoop的云端异常流量检查与分析平台。首先,使用Mapper周期性地从所有存储流量信息的文件中提取流量的部分信息;然后,通过Reducer将异常流量提取并保存。通过对流量数据的存储、检测与分析可成功地检测出有威胁的攻击,从而保障云端的安全。由于本平台基于开源的Hadoop实现,因此成本较低;同时,基于Java语言实现,可成功移植于各种主流操作系统,具有广泛适用性。基于局域网进行监控试验,结果表明本平台可成功地检测出异常流量,并输出友好的用户界面。     

一种基于视频的公交客流自动统计方法

为提高公交系统智能化管理水平,提出一种公交客流自动统计方法。采用直方图统计与多帧平均的方法提取视频背景,使用背景边缘去除算法得到乘客目标边缘轮廓信息。在此基础上,根据乘客头部轮廓的类圆特性,利用基于梯度信息的Hough变换圆检测算法完成乘客头部轮廓的识别,通过基于Kalman滤波预测的CamShift目标跟踪算法实现乘客的检测与计数。实验结果表明,该方法能有效消除背景图像中的噪声以及背景边缘,准确识别乘客目标并对其跟踪计数,从而提高城市公共交通运输效率。     

教育公共服务平台基础数据的采集与应用

基础数据是教育管理公共服务平台的核心与基础。提高基础数据的应用服务能力,数据采集是基础、数据整合是关键、数据安全是保障、智能分析是需要。结合云计算的应用,分析教育基础数据的组成、基础数据采集与应用中存在的问题与困难,探讨在教育云环境下,教育基础数据的采集与存储、交换与共享、应用与服务等过程中的挑战及其解决方案。     

基于GPU的元胞自动机熔岩流动模拟

为解决基于元胞自动机进行熔岩流动模拟的计算效率问题,提出一种应用在元胞自动机上的GPU并行计算方法。将元胞自动机中每一个方形网格映射到GPU的一个逻辑计算单元上,通过并行计算,提高模拟的效率,解决传统串行计算方法的不足,使模拟达到实时性。模拟结果表明,在元胞自动机的物理模型理论基础上,用GPU并行计算进行加速,在模拟效果和时间效率上均取得了良好的效果。     

双弯管法煤粉质量流量检测

双弯管法是一种基于弯管单相流测量原理的气固两相流固相质量流量测量方法,其测量结果与输入参数间非线性关系非常复杂,直接影响其测量精度.在双弯管法固相质量流量测量原理基础上,利用人工神经网络优良的非线性映射能力,建立了一种带有附加动量项的BP神经网络软测量模型,并在气固两相流测量实验平台上进行了实验研究.以实验数据为样本对双弯管法软测量模型进行训练,仿真结果与实验数据一致性较好,测量误差小于6％,为煤粉质量流量实时在线测量提供了一种行之有效的方法.     

一种测量气--液两相流的线列阵传感器设计

针对气—液两相流研究对含气率测量的需求,基于线列阵测量技术原理,设计了一种可移动式线列阵两相流测量传感器,该传感器具有较高的空间分辨率（3 mm）和极高的时间分辨率（2500 Hz）,设计了线列阵传感器标定和含气率算法,实现了瞬时二维局部含气率的测量。经过射流冲击试验验证表明：该线列阵传感器结构稳定,基于原始测量数据,采用标定和含气率求解算法,可计算气泡夹带现象在水平截面的平均含气率分布情况。     

一种面向空地一体化组网的体系架构

空间网络是空地一体化组网中地面网络延伸的重要组成部分。针对空间网络为移动星座的场景,传统的空地一体化组网模型将空间网络视为独立自治域,利用边界网关协议将空间网络与地面自治域互联起来,最大化同地面网络保持兼容。然而,传统组网模型存在边界网关面临频繁会话中断或大量路由更新等问题。通过重新审视空间网络的角色定位和边界划定问题,提出一种面向空地一体化组网的体系架构Slink。Slink的核心思想是空间网络为地面网络提供互联通道,利用星地网关隔离空地两网间的路由更新。实验仿真表明,Slink体系架构能够有效减小对空间路由器的路由存储空间需求,降低星地网络间的带宽消耗。     

基于序贯蒙特卡洛算法的交通流事件重构

针对交通数据重构应用性差、缺乏对交通事件重构的研究等问题,结合交通流非线性非高斯的特点,提出一个基于序贯蒙特卡洛方法的交通流堵塞事件重构模型。该模型不断同化道路上的传感器数据,使仿真中的交通状态不断逼近真实路况,通过分析仿真数据以探测真实路网中存在的堵塞事件。模型能够对探测到的堵塞进行多粒子模拟来实现对真实道路上堵塞事件的重构。实验结果表明,该模型能够推测并重构出道路上的堵塞事件,对堵塞起始位置重构的平均误差为17m,对堵塞范围重构的平均覆盖率为82%。     

改进人工蜂群算法优化RBF神经网络的短时交通流预测

为了提高径向基函数RBF神经网络预测模型对短时交通流的预测准确性,提出了一种基于改进人工蜂群算法优化RBF神经网络的短时交通流预测模型。利用改进人工蜂群算法确定RBF网络隐含层的中心值以及隐含层单元数,然后训练改进的人工蜂群算法RBF神经网络预测模型,并将其应用到某城市4天的短时交通流量数据的验证。将实验结果与传统RBF神经网络预测模型、BP神经网络预测模型和小波神经网络预测模型进行了比较。对比结果表明,该方法对短时交通流具有更高的预测准确性。