基于位置预测的社会性DTN路由算法

针对延迟容忍网络数据传输成功率低、延迟较大,提出一种基于节点位置预测的社会性DTN路由LPSN（Lo-cation Prediction and Social Network based routing）。该算法根据节点的介数中心性和节点间的相似性来衡量节点的社会特性,结合节点的历史轨迹和当前位置,运用Markov模型对节点的下一个位置进行预测,综合分析确定更优的转发节点再进行数据传输。仿真结果表明,相比现有的路由算法SimBet和Prophet,LPSN算法在传输成功率、开销比上有较大提升。     

用电信息采集系统集抄用户采集成功率提升研究

为解决自动抄表问题,进一步提高用户电表采集成功率,文中从故障对象、故障现象、故障原因等方面入手,分析了用电信息采集系统采集失败的原因.经统计分析和现场抽样检查,影响采集成功率的因素主要集中在主站与终端之间和终端与电表之间.且分别分析了主站与终端之间和终端与电表之间的几类故障现象和原因,并给出了提升采集成功率的方法,可有效提高集抄用户采集成功率.     

一种新的实时多处理器系统的动态调度算法

实时多处理器系统的动态调度算法一直是实时系统研究中的重要课题,而评价实时调度算法性能的一个最重要的指标是调度成功率.在近视算法的基础上提出了一种新的实时多处理器系统的动态调度算法--节约算法.在该算法中,提出了一个新的处理器选择策略,从而提高了算法的调度成功率.同时,为了研究节约算法的有效性,对其进行了大量的模拟,分析了一些任务参数的变化对算法调度成功率的影响,并与近视算法的调度成功率进行了比较.模拟结果显示,节约算法的调度成功率要优于近视算法.     

风电机组状态监测系统节点路由修复算法

为了解决风电机组状态监测系统因节点失效而产生的路由可靠性降低问题,提出了基于父节点及兄弟节点替代的节点路由修复算法。当监测数据在传输过程中遇到失效节点时,待传输数据的节点通过查询并获取自己的父节点和兄弟节点信息,优先利用其有效父节点进行路由替代,当且仅当该节点所有父节点均失效时才启用其兄弟节点进行路由替代,重新进行数据传输,达到提高监测系统路由可靠性的目的。通过仿真分析可知,基于父节点及兄弟节点替代的路由修复算法可显著提高风电机组状态监测系统的数据传输成功率。     

实时异构系统的动态调度算法研究

实时多处理器系统是解决复杂时应用的有效手段,目前对实时多处理器调度算法的研究却大多集中在同构系统上,对实时异构系统的调度则研究得比较少,提出了一种新的实时异构系统的动态调度算法,该算法采用了集中式的调度方案,同时,引入了一个新的任务分配策略,从而通过提高任务可行性而提高了算的调度成功率,此外,为了评估该算法的性能,还进行了大量的模拟研究,由于近视算法经简单修改便可以应用到实时异构系统的动态调度中,因此,在模拟研究中,以近视算法作为基准,将其应用于实时异构系统动态调度时的性能与新算法进行了比较,模拟结果显示,在多种任务参数的取值下,新算法的调度成功率均高于近视算法。     

UHPC单轴拉伸试验狗骨试件优化设计

单轴拉伸试验是测试超高性能混凝土(Ultra-high Performance Concrete,简称UHPC)破坏机理、抗拉性能与拉伸本构关系最有效的方法。单轴拉伸试验成功率不高。其常用的狗骨试件形状与尺寸对试验成功率有较大的影响,目前还未有统一的标准。调查表明,不带缺口的狗骨试件最适合用于UHPC单轴拉伸试验,主要有梯形、弧形和阶梯形三种类型。通过对试件的受力分析,提出两个应力均匀性指标来评价试件优劣。建立了三种共275根狗骨试件的有限元模型,通过分析,分别给出三种试件均匀性较好的参数。同时,建立了三组15根试件有限元模型,横向对比了三种狗骨试件的应力均匀性。对比结果表明,弧形狗骨试件受力均匀性最好,开展的验证性试验取得了95.8%的成功率,推荐采用。     

基于TDD系统的高速磁悬浮软切换技术研究

磁悬浮列车是一种运行速度达600 km/h的陆地交通运输工具,对分区切换机制设计带来更大挑战。为保证列车运行过程中的可靠通信,首先对高速磁浮车地通信系统方案进行设计,面向磁悬浮车地通信软切换需求优化设计了MAC层帧结构,同时提出基于地理位置信息的软切换机制,包括分区内切换和跨分区切换;通过仿真得出列车在速度为600 km/h的情形下,切换重叠区距离设置为264 m,可以实现切换成功概率为99.6%。     

浅谈燃气表远程无线抄表和控制系统的应用

本文通过对燃气表远程无线抄表和控制系统运行情况的跟踪,对大量数据进行了比对分析,论述了远程抄表系统的优缺点．希望对相关公司能有所借鉴。     

油气区带风险评价方法

风险和不确定性是油气区带勘探的固有属性,周详的勘探计划需要规避风险和准确认识不确定性。根据中国石化海外油气勘探项目特点,以及国际公司勘探项目评价标准,通过定量评估油气区带的油气生排烃能力、储层质量、封盖条件和圈闭有效性,建立油气区带风险赋值标准和评价流程。基于油气区带的数据密度、覆盖范围和地质认识,按照木桶理论确定4个风险要素的存在概率,将每个因素的风险概率值相乘获得油气区带的地质成功概率。该评价方法提供了一种将定性地质认识和勘探信息,定量转化为各个要素风险概率及区带整体的地质成功概率。地质成功概率综合反映了区带的勘探程度和地质特征,决定了油气勘探风险的大小。油气区带风险评价方法可以优选勘探区,聚焦勘探评价工作,为勘探投资决策提供科学依据。     

Empirical Analysis of Software Success Rate Forecasting During Requirement Engineering Processes

Forecasting on success or failure of software has become an interesting and, in fact, an essential task in the software development industry. In order to explore the latest data on successes and failures, this research focused on certain questions such as is early phase of the software development life cycle better than later phases in predicting software success and avoiding high rework? What human factors contribute to success or failure of a software? What software practices are used by the industry practitioners to achieve high quality of software in their day-to-day work? In order to conduct this empirical analysis a total of 104 practitioners were recruited to determine how human factors, misinterpretation, and miscommunication of requirements and decision-making processes play their roles in software success forecasting. We discussed a potential relationship between forecasting of software success or failure and the development processes. We noticed that experienced participants had more confidence in their practices and responded to the questionnaire in this empirical study, and they were more likely to rate software success forecasting linking to the development processes. Our analysis also shows that cognitive bias is the central human factor that negatively affects forecasting of software success rate. The results of this empirical study also validated that requirements’ misinterpretation and miscommunication were the main causes behind software systems’ failure. It has been seen that reliable, relevant, and trustworthy sources of information help in decision-making to predict software systems’ success in the software industry. This empirical study highlights a need for other software practitioners to avoid such bias while working on software projects. Future investigation can be performed to identify the other human factors that may impact software systems’ success.