互联网智能路由架构及算法

突发流量在网络中非常普遍,会严重损害用户体验。突发流量往往能在短时间（如毫秒级别）内充满链路,导致网络拥塞和频繁分组丢失,端到端时延增加。传统路由算法要么是流量无关（如 OSPF（open shortest path first,开放式最短路径优先））的,无法对实时流量的变化做出调整;要么是集中式控制的（如线性规划）,面临求解时延过大而无法有效应对突发流量的问题。提出了一种新的智能路由算法解决突发流量的问题。一方面,提出的算法能利用机器学习强大的建模能力,通过对网络历史数据的挖掘来学习“隐式”的路由决策依据。另一方面,提出的算法能借助机器学习的快速推理能力降低决策时延,提高系统对突发流量的响应速度。实验结果表明,在真实流量数据集下,相比较其他路由算法,提出的智能路由算法能降低13%～70%的瓶颈链路利用率。     

三山岛金矿床流体包裹体研究

三山岛金矿床位于胶东西北部,属于典型的"焦家式"(破碎带蚀变岩型)金矿床。对矿区内主成矿阶段石英中的流体包裹体进行了岩相学、显微测温、氢氧同位素及单个包裹体成分激光拉曼光谱研究。研究表明,矿石中流体包裹体主要有纯CO2单相包裹体、气液二相包裹体和含CO2三相包裹体3种类型;矿石石英中流体包裹体普遍富含CO2;成矿过程中,流体经历了CO2-Na Cl-H2O体系的不混溶作用;成矿流体具有低盐度(3.85%~11.60%)、低密度(0.70~0.96 g/cm3)的特点;主成矿温度集中为260~320℃,成矿压力范围为70~110 MPa,相应(成矿)深度范围为6.78~8.69 km。结合流体包裹体氢氧同位素分析认为,三山岛金矿床成矿流体以地幔流体为主,并有少量的岩浆流体。确定矿床成因类型为为幔源流体参与成矿的中温热液脉型金矿床。