一种基于强化学习的CDN流量调度系统设计方法

针对传统的CDN流量调度系统大多采用启发式方法或规划方法，存在维护成本高，实时性不足等缺点，提出一种基于深度强化学习的CDN流量调度系统设计框架。该框架基于马尔科夫链设计了故障告警网络来触发调度，建立了基于stacking模型的质量评估奖励函数，并在此基础上对流量调度进行定义和建模，构建了基于DQN的深度强化学习模型。最后，通过仿真实验验证了该调度框架的有效性。     

弹簧压并状态下悬架减振器绕流涡旋特性分析

为研究汽车行驶过程中减振器弹簧压并状态下翼子板内流场特性的变化,将该状态下的减振器简化为三维变截面圆柱模型,并建立变截面圆柱绕流三维流场模型,利用Transition SST四方程转捩模型模拟低、中、高3种车速对大、小圆柱绕流涡旋特性的影响.结果表明:绕流后尾涡的大小、形态、上升角均受圆柱直径、雷诺数及边界条件的影响,在变截面处验证“下洗”运动对N区边缘涡生长的直接作用及对L区涡旋分布的干扰作用;3种流速下适合绕流涡旋振动压电能量回收的最优夹角分别为±10°,±15°,±20°;在有界的高雷诺数流场下对变截面圆柱绕流涡旋重新分区,发现新的涡旋连接方式.     

基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时, 为满足用户动态变化的带宽需求, 虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值, 一定程度上造成了资源浪费。针对这一问题, 提出一种基于混合流量预测的虚拟网络拓扑重构方法, 利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测, 根据流量预测结果进行拓扑重构, 在避免出现乒乓效应的同时节省更多带宽资源。为了提高流量预测算法的精度与效率, 首先采用小波分解方法将流量数据分解为高频的细节时间序列和低频的近似时间序列, 然后利用基于粒子群优化的相空间重构方法, 对该时间序列进行特征提取构建训练样本。之后分别采用混沌模型对细节时间序列进行训练预测, 采用极限学习机(extreme learning machine, ELM)神经网络对近似时间序列进行训练预测。仿真结果表明, 所提的流量预测算法在保证预测精度的同时, 运行时间更短, 预测效率更高, 进而保证了拓扑重构方法可以节省更多的带宽资源。     

公众参与大气污染治理的意愿及促进对策研究

调动公众参与大气污染治理工作是改善空气质量的重要抓手.通过开展问卷调查,在客观描述公众参与大气污染治理现状的基础上,运用二元Logistic模型实证分析公众参与大气污染治理的意愿情况.研究结果显示:公众参与大气污染治理的意愿较高,但实际参与大气污染治理工作并不普遍;虽然公众认为应由政府和污染企业承担治理的主要责任,但多数公众愿意为大气污染治理平均每月出资1～30元;公众参与治理的意愿受到空气质量满意度、关注度及改善需求等变量的正向影响,却受到年龄变量的反向影响,因此,为提高公众参与治理的意愿,应加快创造条件、营造环境,为公众参与治理提供保障,强化公众对空气质量的关注度,激发公众对改善空气质量的需求.最后,要着力构建多渠道、多层面的大气污染治理信息交流模式,健全公众参与大气污染治理工作机制.     

轴向磁场作用下平均Taylor涡对湍流脉动的影响

采用基于高精度电流守恒格式的直接数值模拟方法，对轴向磁场作用下导电流体的湍流Taylor-Couette流动进行计算.在等电势边界条件的同心圆筒中，磁场与感生电流引起的反向周向速度分布、以及其对平均流动的影响被揭示出来.采用两种不同的湍流流场平均方法，将湍流中的全部脉动划分为平均流动(Taylor涡)的贡献和湍流的贡献.通过计算不同磁场强度下的湍动能的分布，对比分析轴向磁场对平均Taylor涡流和湍流两种贡献方式的影响.     

湍流场中涡线单元的结构分析

与描述湍流速度场的流线管单元[Wang L. On properties of fluid turbulence along streamlines. J Fluid Mech,2010, 648:183–203]的思想类似,为了描述湍流涡矢量场的结构,我们提出了一种新的结构分析方法,即涡线单元,可以用单元尺度和极值点涡量差值来表征.涡线单元与常用的涡管结构的不同可以概括为:涡线单元结构可以定量描述,并且是全空间填充的.在理论上这两个条件是保证我们可以将涡线单元的结构分析与全流场统计规律联系起来的必要前提,帮助理解和重构湍流涡量场.根据直接数值模拟数据,我们研究了涡线单元的统计与结构特性,包括尺度与手性等.根据涡线单元结构可以定量表征精细的条件统计,例如发现涡相关的动力学参数(例如拟涡能耗散率和涡拉伸率)强烈依赖于基于涡线单元结构的条件统计.这样一种结构分析方法为深入研究湍流场提供了新的手段.     

油藏流场定量表征方法及应用

复杂断块油藏经过长期注水开发，导致油藏流场分布愈加复杂，逐渐形成优势流场和弱势流场。优势流场区无效注水循环严重，弱势流场区注水却难以波及，油藏开发效果差，开发调整困难。为此，以黄骅拗陷南部的沧东凹陷枣南孔一段枣Z断块为例，基于真实油藏建立概念模型，开展了复杂断块高含水油藏流场定量化研究。根据油藏静、动态参数对油藏流场的影响程度，优选出渗透率、地层压力梯度、含油饱和度、面通量4个参数作为油藏流场的主要表征参数。在此基础上，基于模糊数学理论建立油藏流场强度计算模型，从而确定了目标油藏的不同类型流场强度划分界限，并针对不同流场类型制定了流场调整技术对策。目标油藏的流场调整实践结果表明，应用油藏流场定量表征方法能有效描述高含水期油藏流场特征，有利于指导油藏层系组合调整、注采井网重构，进而改善油藏注水开发效果。     

基于变量选择-神经网络模型的复杂路网短时交通流预测

摘要： 针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面；结合神经网络(NN)的非线性特性,提出了Lasso NN组合模型.结果表明：Lasso NN模型在路网交叉口对未来15 min交通流数据预测的误差率低于9.2%；在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.     

DF4D型内燃机车电空接触器电磁化改造

本文针对DF4D型内燃机车主电路电空接触器故障率高、可靠性差等问题,提出电空接触器电磁化改进方案。     

基于交通信号灯信息的混合动力汽车节能预测控制方法

针对传统混合动力汽车控制方法不考虑已知道路交通信号灯信息对车辆能量管理影响的问题,提出了基于交通信号灯信息的混合动力汽车节能预测控制智能优化策略。通过建立混合动力汽车系统的简化模型,并采用连续广义最小残量方法求解模型预测控制问题。运用MATLAB/Simulink进行仿真,仿真结果验证了交通信号灯信息模型的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能。研究结果表明所提出的控制策略可以实现车辆行驶轨迹的优化控制,显著提高了车辆的燃油经济性,并满足系统的实时最优控制要求。