云存储中支持XOR旋转编码的可恢复性验证方案

为了提高云存储数据的容错性和可靠性,设计了一个能对云存储文件进行容错编码的可恢复性验证方案.该方案改进现有旋转里德-所罗门码(reed solomon,RS)编码为异或(XOR)旋转编码,并提出一种对编码矩阵的列向量标签快速模幂运算的验证方法.性能和安全性分析表明,该方案具有较低的通信代价和计算代价,以及高效的数据恢复功能.     

关于对（100mV～200mV,5mA～10mA）范围内微电能存储利用的研究

针对微弱电能存储和利用方面较难实现的问题,设计了本系统：在不借助外部电源对该系统供电的前提下,对输入端为100mV～200mV、5mA～10mA范围内的微弱电能,利用储能电感和超级电容对微电能进行两个阶段的中间储能,使电能逐级增强,当达到预定值时通过PWM调制电路实现电能平稳快速释放,可最终输出4.2V、355mA稳定的电能,用来为蓄电池充电。     

基于二维表的对象存储元数据管理

大多数存储系统采用Hash算法或目录子树分区算法来实现元数据在元数据集群内的存储,但是上述算法在元数据修改、删除等操作时系统开销较大,严重影响了系统的性能。文章通过引入二维表存储元数据信息,提出了一种新的存储策略。该策略通过使用二维表、数据库存储过程和特定的递归算法实现了元数据存储。实验结果证明该策略具有良好的存储性能。     

安全存储医疗记录的区块链方法研究

针对医疗信息系统中存在的医疗信息记录存储的安全和隐私保护问题,结合区块链和云存储技术,提出了一个医疗记录安全存储方案.该方案利用区块链来保存医疗记录的公共信息、匿名身份和访问权限,使医疗记录的真实数据加密保存在链下存储结构中,有效实现了病人对个人医疗数据的所有权和访问权限的控制以及对敏感医疗数据的安全存储.     

吉林风电消纳关键技术的研究现状与发展趋势

 吉林电网风电渗透率高,受风电随机波动性、电网负荷水平以及冬季社会供热需求等因素的制约,吉林风电面临着严峻的消纳瓶颈,已严重制约风能资源的进一步开发利用。开发适应强波动性电源的智能风电调度系统,利用储热及风电供热技术等新兴技术,提高电网调节能力,增加用电负荷规模,是破解风电消纳的有效途径。本文结合吉林风电大规模联网面临难题,介绍了风电功率预测技术、储热技术和风电供热技术研究现状及存在问题,阐述了风电消纳相关技术的应用进展和发展趋势。     

蓄热水箱对太阳能喷射制冷的性能影响分析

对对象建筑及太阳能集蓄热系统进行TRNSYS模拟,分别得出房间逐时冷负荷及5,15,25 ℃等3种设计蒸发温度下,不同水箱容积与集热面积比(S)时,系统的发生温度、制冷量及系统性能系数(COP)的变化规律.结果表明:在太原市的夏季气象条件下,对以R141b型制冷剂为工质的小型太阳能喷射制冷系统,当蒸发温度在5~25 ℃时,S值的最佳设计范围为0.015~0.030,且设计蒸发温度越高,S值应越高.     

反复冻融次数和不同保存温度对伪狂犬病毒的神经环路标记效果的影响

伪狂犬病毒(pseudorabies virus, PRV)是常用于神经环路示踪研究的嗜神经病毒工具之一,然而目前缺乏 PRV的保存条件对其感染滴度以及在体神经环路示踪效果影响的研究.首先,将2 h内在－80℃及室温下同一批次的PRV分别进行1～4次冻融,利用噬斑法在BHK-21细胞上检测其滴度,研究结果显示1～3次冻融对PRV的滴度改变无显著影响,而第4次冻融使PRV病毒的滴度显著下降.其次,从－80℃冰箱中取出同一批次的两份PRV,将其冻融1次,分别在－80℃和－20℃保存两周后,利用噬斑法在BHK-21细胞上检测其滴度;同时,将两份PRV利用在体立体定位分别注射于小鼠齿状回(dentate gyrus, DG)区,取相同的感染时间点,对DG输入环路标记效果进行分析,研究得出不同温度下长期保存对PRV的滴度及标记效果有较大影响.该研究结果对于PRV病毒的保存及其在神经环路标记中的应用具有一定的参考意义.     

支持大规模地震探测数据快速可视化的云端数据缓存技术

首先, 基于云计算应用模式, 提出一种能有效利用云存储架构的双层缓存技术. 通过在客户端和服务器端建立分布式缓存, 能有效避免用户频繁访问远端数据, 为用户构建轻量级的客户端, 解决了目前地学数据可视化软件大量占用用户本地存储容量的问题. 同时服务器端也避免了多次访问云存储文件系统, 减少了大量的数据检索与加载时间. 其次, 提出一种ARLS(association rule last successor)访问预测算法, 根据用户的历史访问记录, 利用关联规则挖掘用户的访问模式, 对其访问行为进行预测, 进而提前加载数据, 提高缓存命中率, 解决了用户在可视化过程中不断移动兴趣区域, 频繁更换渲染数据的问题, 能有效应对用户具有多种访问模式的情况, 提高了预测准确率. 实验结果表明, 该云存储架构显著减少了本地资源消耗, 访问预测算法的准确率在最差情形下可达47.59%, 平均准确率达91.3%, 分布式缓存的平均缓存命中率达95.61%, 可有效支持云端大规模地震数据的快速可视化.