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。     

基于生成对抗网络的信号调制方式的开集识别

为解决信号调制方式的开集识别问题,基于生成对抗网络提出了一种适用于一维信号数据的重构判别网络模型,该模型由重构网络和判别网络组成,分别用来重构和判别输入信号。两个网络在相互对抗的训练过程中,对已知调制方式信号的数据分布形式充分学习,使得重构后的输出不仅能够呈现已知调制方式信号更多有用的信息,而且能够扰乱未知调制方式的信号,从而增强判别网络对输入信号调制方式的判别能力。仿真结果表明,该模型能够实现信号调制方式的开集识别,而且在信噪比大于0 dB时,对已知调制方式和未知调制方式信号的识别率均大于93%。     

基于压裂效果评价的页岩气井井距优化研究

针对页岩气藏最优井距很大程度上受限于压裂效果后评估的问题，开展了多段压裂水平井改造参数解释研究，并在此基础上开展井距优化。通过建立的渗流数学模型明确页岩气井生产时地层中存在的流态，形成基于线性流识别和特征线诊断技术的压裂参数解释方法，并对参数解释的不确定性进行了分析论证。之后通过定义百米地层累产气进行均匀压裂情况下井距优化。研究表明，地层进入边界控制流后能准确确定裂缝半长，且不影响气井的产能预测；井距的决定性因素是裂缝半长，二者之间的比例关系受SRV内外区相对物性和裂缝导流能力的影响，据此可指导现场井距优化及开发技术政策制定。     

求解对流扩散方程的紧致二级四阶Runge-Kutta差分格式

将指数变换u(x,t)=p(x,t)exp(k2εx)应用于一维对流扩散方程,对空间变量x应用紧致差分格式,时间变量t采用二级四阶Runge-Kutta方法,提出了精度为o(τ4+h4)的绝对稳定的差分格式,讨论了稳定性.最后通过数值算例说明该格式的有效性.     

3维Maxwell方程局部1维多辛格式的能量恒等式

在理想导体边界条件下,对3维Maxwell方程的局部1维多辛Preissman格式的能量守恒性质进行研究.运用能量分析法推导了2个能量恒等式,这些恒等式说明了给出的格式在所定义的离散范数下是能量守恒和无条件稳定的,数值算例验证了结论的正确性.     

基于老厂房改造的景观规划设计

随着城市化高速发展，老厂房再利用的问题日益急迫.上海是中国近代工业起源地,也是率先着手对彰显城市文脉的工业遗产进行调查和保护的历史文化名城.本文以上海典型案例入手，分析了具有代表性的老厂房改造的项目特点，并在此基础上，对常州大成三厂这一民国时期的纺织业遗留地块进行改造设计手法进行介绍，从设计理念、设计内容和节点设计3个方面，体现了文化传承和生态技术相融合理念.     

三值光学计算机

三值光学计算机是2017年3月问世的通用型光电混合计算机系统。它用无光态和偏振方向正交的两个偏振光态表示信息,用旋光器和偏振片来改变这三个光态,进而完成三值逻辑运算和MSD(modified signed-digit representations)冗余表达数值的二进制并行加法运算。这种新型计算机具有处理器位数众多、处理器位可以分组独立使用、处理器位的计算功能可重构等优势;还以非易失随机存储器件为基础,构建了与处理器频繁交换大量数据的双空间存储器系统;为便于编制发挥这些特色的应用程序,采用SZG文件为程序员遮蔽三值光学处理器与传统电子处理器的差别,构成了保持传统编程技术的新编程平台。目前,针对快速傅里叶变换、元胞自动机等典型算法,验证了这种新型计算机的加速能力。     

基于相参积累的捷变频雷达系统相位误差估计与稀疏场景重构算法

针对系统相位误差导致的捷变频雷达目标回波信号相参积累性能下降问题, 构建了系统相位误差下捷变频雷达目标回波信号相参积累模型, 并基于目标的距离-速度二维稀疏性建立了最小ℓ₁范数优化模型, 提出一种基于交替方向乘子法的系统相位误差估计与目标场景稀疏重构联合处理算法, 实现了系统相位误差和目标参数的精确估计。仿真结果表明, 在信噪比为20 dB的情况下, 该方法能够精确估计系统相位误差, 其估计误差在2°以内。同时，相比于逆合成孔径雷达相位自聚焦算法, 所提算法重构性能和计算效率均得到改善, 目标重构幅度均方差提高了10 dB, 运算时间减少到1/2。     

基于改进OMP算法的稀疏目标微波关联成像方法

利用稀疏重构类方法进行雷达微波关联成像时, 传统的正交匹配追踪(orthogonal matching pursuit, OMP)算法在每一次迭代过程中均需要求解目标函数的最小二乘解, 导致成像算法计算复杂度随矩阵规模和迭代次数增加而急剧攀升。针对此问题, 结合频率捷变思想, 提出了一种改进OMP算法的稀疏目标微波关联成像方法。首先, 阐明了微波关联成像机理, 并构建了微波关联成像信号模型; 然后, 利用共轭梯度法对OMP算法中的最小二乘求解步骤进行了改进, 并分析了改进后算法的计算量; 最后, 通过与最小二乘成像方法、匹配滤波成像方法和基于传统OMP稀疏重构的成像方法进行计算机对比仿真实验, 证明了本文算法的正确性与优越性。     

基于低秩交叉重构的领域自适应算法

为了解决现有领域在自适应方法中忽略了整个数据域内部结构的信息和源域与目标域之间的差异问题,提出了一种新的基于低秩交叉重构的领域自适应方法.通过对源域和目标域的交叉重构来构造新的源域与目标域,使得同类数据相互交织,缩短了同类数据之间的距离; 通过对重构矩阵施加低秩约束,将2个域的同类数据对齐,以此来充分挖掘源域和目标域同类数据之间的内在结构信息,并利用该结构信息来学习分类器,从而取得更好的跨域识别效果.在5个公开数据集上的实验结果表明:该方法具有较高的跨域识别准确率.