基于规则的分布式集群运算系统研究

在分析分布式集群运算需求的基础上,提出了按操作构件分解、基于规则调度构建分布式集群运算服务方法,实现业务运算的按需服务．并给出了试验系统总体设计和初步验证结果。     

多Agent在万泉河防汛决策支持系统的应用

基于多Agent和Internet／Intranet的分布式专家系统(DES：Distributed Expert Systems)的体系结构，对DES中的Agent及其相互间通信进行了分类。采取Agent主动学习和基于范例推理的方法，实现了防汛决策系统的集成性和智能化。通过在海南省万泉河流域防汛决策辅助支持系统中的应用，说明多Agent的体系结构有利于降低复杂问题的协同求解难度，实现了专家知识的分布式处理。提高了系统辅助制定有效决策的能力。     

中国秸秆露天焚烧大气污染物排放时空分布

秸秆露天焚烧过程中释放的各种气态污染物和颗粒物,是我国大气污染的重要来源之一。本研究通过问卷调查和模型计算,确定了我国秸秆露天焚烧的活动水平,采用排放因子法建立了我国秸秆露天焚烧一次大气污染物的排放清单,并分析了其时间和空间分布特征。根据问卷调查结果,我国农村平均秸秆露天焚烧比例为18.59%,焚烧量最大的为农业发达的华东和华北地区,高峰在10月前后。2006年,我国生物质露天焚烧主要大气污染物的排放量为PM2.5217万t,BC4.9万t,OC48万t,SO26.0万t,NOx36万t,NMVOC87万t,CO731万t,CO215450万t,CH437.4万t,NH38.4万t。     

基于蓄积量和产量的中国天然源VOC排放清单及时空分布

以中国植被为对象, 基于森林、草地资源清查和统计年鉴提供的各类植被蓄积量、产量资料以及《中国植被图(1:1000000)》提供的植被构成资料, 通过将蓄积量、产量换算成叶生物量, 并应用Guenther提出的光温影响模型估算中国各植物的VOC排放量, 建立了中国天然源VOC排放清单, 并探讨了VOC的来源组分和时空分布规律。结果表明: 2003年中国植被VOC总排放量为12.83 Tg, 其中异戊二烯7.45 Tg (58%)、单萜烯2.23 Tg (17%)、其他VOC 3.14 Tg (25%); 不同植物的VOC排放量差异较大, 各类型植被排放贡献率为森林 (61%)>灌丛(27%)>农作物(7%)>草地(5%); 南部和东北地区为中国天然源VOC主要排放区域; 天然源VOC排放存在明显的季节变化, 夏季排放量最大; 不同龄级森林对VOC排放的贡献有所不同, 中龄林贡献最多。     

缺货量部分拖后订货的易变质物品的库存模型

研究了时变需求下,缺货量可以部分拖后订货的易变质物品的库存问题.有关易变质物品的库存问题研究,往往假设未被满足的需求可以全部拖后订货,同时在计算总成本时忽视了销售损失成本和采购成本,这导致模型与实际情况具有较大的差距.在总成本中计入销售损失成本和采购成本,通过假定未被满足的需求拖后订货率线性取决于缺货周期内排队等待的队伍中总的顾客数目,并将物品的常数需求函数扩展到时变凹函数,建立了有限时域内易变质物品的补货时间安排模型.给出了求解模型的算法和数值算例,得到最优订购策略.     

一个具有语义优化的分布式查询处理算法

本文描述一个分布式关系数据库系统中具有语义优化的查询处理算法。算法的基本过程是:从原查询转换到查询图同时进行副本选择,得到T-图,经一般优化、语义优化,进而产生查询处理策略。优化的目标是总处理代价最小。语义变换过程应用了启发式的控制策略。     

铁路运输企业存货量确定方法的研究

在总结铁路运输企业流动资产管理经验的基础上，分析评价了确定存货量的几种方法，依据铁路运输企业生产的特点和资金管理的要求，提出运用固定资产和双因素比例法确定铁路运输企业的存货量。     

考虑容量扩张决策的确定性库存问题研究

分析了有限时段和无限时段具有容量约束的连续时间确定性时齐库存系统的最优存储和容量扩张联合决策问题。首先证明在有容量约束的情况下等时间间隔补充策略最优。在此基础上,分别求解考虑存在固定容量扩张成本条件下的有限时段和无限时段问题的补充及容量扩张联合最优决策,并进一步分析了最优策略中各种成本之间的平衡关系。     

Exponential smoothing: The state of the art

This paper is a critical review of exponential smoothing since the original work by Brown and Holt in the 1950s. Exponential smoothing is based on a pragmatic approach to forecasting which is shared in this review. The aim is to develop state-of-the-art guidelines for application of the exponential smoothing methodology. The first part of the paper discusses the class of relatively simple models which rely on the Holt-Winters procedure for seasonal adjustment of the data. Next, we review general exponential smoothing (GES), which uses Fourier functions of time to model seasonality. The research is reviewed according to the following questions. What are the useful properties of these models? What parameters should be used? How should the models be initialized? After the review of model-building, we turn to problems in the maintenance of forecasting systems based on exponential smoothing. Topics in the maintenance area include the use of quality control models to detect bias in the forecast errors, adaptive parameters to improve the response to structural changes in the time series, and two-stage forecasting, whereby we use a model of the errors or some other model of the data to improve our initial forecasts. Some of the major conclusions: the parameter ranges and starting values typically used in practice are arbitrary and may detract from accuracy. The empirical evidence favours Holt's model for trends over that of Brown. A linear trend should be damped at long horizons. The empirical evidence favours the Holt-Winters approach to seasonal data over GES. It is difficult to justify GES in standard form–the equivalent ARIMA model is simpler and more efficient. The cumulative sum of the errors appears to be the most practical forecast monitoring device. There is no evidence that adaptive parameters improve forecast accuracy. In fact, the reverse may be true.