蜂窝网中基于位置预测的切换算法

为了满足未来移动网络蜂窝小、切换频繁、支持规模用户和多媒体应用的需求,对位置预测与越区切换进行深入分析,提出了基于位置预测的越区切换方案HDLP(Handover Decision based on Location Prediction),其基本思想是:(1)从移动用户的大量历史移动轨迹数据中挖掘频繁轨迹;(2)根据挖掘出的频繁轨迹集合生成运动规则;(3)将运动规则运用于判决蜂窝移动通信的越区切换中。对所提算法进行仿真的结果表明,与传统的切换方案相比较,本算法减少了不必要的越区切换次数,降低了错误切换率,提高了切换的准确率,进而在一定程度上降低了通信代价,提高了通信系统的容量以及QoS。     

基于LoRa技术的果园物联网系统

ZigBee、GPRS、WiFi等无线通信技术除了传输距离短,还存在着功耗大、抗干扰性弱、绕射性差、成本高等缺陷,因此文中提出一种基于LoRa技术的果园物联网系统。系统选用意法半导体推出的ARM STM32F401微控制器作为控制核心,利用温湿度传感器、光照度传感器、CO_2传感器分别采集相关参数数据,数据融合后通过LoRa技术将数据传输给上位机,上位机对相关数据进行储存、管理、分析,作为调控参数的基础。系统测试结果表明:基于LoRa技术的果园物联网系统可以迅速、低误差的采集节点数据,具有功耗低、传输距离远、低成本且稳定性好等特点。     

基于CNN-LSTM的工业出水水质预测模型

工业废水含有多种污染物,提前预测工业废水水质从而快速对其进行相应处理具有重要意义。为此,研究提出了一种新的卷积神经网络(convolutional neural network, CNN)和长短期记忆网络(long short-term memory, LSTM)融合的工业废水水质污染物指标预测模型(CNN-LSTM)。为了更好地捕捉工业废水数据的时序性和动态性,模型设置了多个滑动窗口。使用CNN算法将时间序列数据进行高维特征提取,利用LSTM模型学习时间序列数据的时序特征,建立CNN-LSTM工业废水预测模型,并对废水水质中的化学需氧量(COD_Cr)、氨氮、总磷(TP)3项指标进行预测分析。结果表明,与CNN和LSTM两个基准模型相比,CNN-LSTM预测模型的平均绝对值误差率(MAE)和均方误差率(MSE)均较小,预测效果较优。该模型能较好地实现对工业废水出水水质的准确预测,可为工业废水水质的在线监测和精准控制提供有效的、可行的技术支持和决策依据。     

网上购物系统分析

近年来随着计算机的日益普及和网络的迅速发展,随着人们生活水平逐步提高,足不出户完成工作、学习、娱乐、购物等已经成为人们对快节奏生活方式的一种需求。正是有了这样的一些需求,一些网站慢慢显示出了它的重要性,随着Web技术的发展和网络安全技术的提高,基于Web技术的网上交易系统也越来越表现出了交易简单便捷方面的优势。该文正是在基于以上提到的大背景下开展的。本文综合运用采用面向对象技术给出了系统的软件体系结构、逻辑设计和功能模块设计的结果,并阐述了一些核心问题的实现方法。功能模块清晰可靠,操作简单,较好的实现了网上购物系统的一系列功能。