基于移动边缘计算的超密集异构网络数据存储

针对目前超密集异构网络数据存储方法存储速率过慢,导致存储量较小,难以满足人们的要求,提出了基于移动边缘计算的超密集异构网络数据存储方法。构建基于移动边缘的网络结构模式,采用网络结构层次分析法,对超密集异构网络建立相应的选择层次模型,并根据网络数据收集和处理将其分类为数据收集网络和数据处理网络,最后,利用移动边缘计算技术,将写入的网络数据下沉到网络边缘,实现超密集异构网络数据的持久存储。实验结果表明,基于移动边缘计算的超密集异构网络数据存储方法能有效提高存储速率,扩大存储量。     

微信小程序在图书馆移动服务中的应用研究

通过将微信小程序合理应用到图书馆移动服务中,图书馆可以对广大读者的阅读行为进行引导,创新读者服务模式,全面提升读者的阅读水平。该文通过具体论述微信小程序在图书馆移动服务中的应用优势,并根据实际情况提出微信小程序在图书馆移动服务中的应用途径,全面提升图书馆移动服务水平,以此推动图书馆移动服务工作顺利开展。     

城市慢行道路中交通颗粒物的时空分布

为了捕捉城市慢行道路中空气污染的高时空分辨率特征,构建了基于微型传感器的骑行测量平台,通过收集福州市西三环快速路沿侧慢行道亚微米颗粒物(PM_1.0)和黑碳(black carbon,BC)的质量浓度样本,可视化解析交通污染的时空变化及原因.研究表明:慢行道的颗粒物质量浓度整体呈现小区侧大于沿江侧,交通早、晚高峰大于中午;早高峰BC稳定聚集但PM_1.0波动较大,晚高峰则相反;慢行道颗粒物的质量浓度下降与临近主干道的距离、植被丰度正相关;颗粒物冷点距离干道远且四周植被覆盖高,热点多分布在施工与拥堵的复杂交通环境中;BC热点与复杂路况同步,但PM_1.0热点还与周围环境相关.因此,有必要聚焦道路交通排放的主要构成,并结合局部地形、空间、环境等因素来改善慢行道空气质量,从而提升健康出行品质.     

基于2．5维有限元方法模拟高速列车产生的地基振动

为了研究高速列车运行产生的地基振动,发展了分析移动荷载作用下轨道和地基动力相互作用的2．5维有限元数值方法．通过对沿轨道方向坐标变量的傅里叶变换将三维问题降为二维平面应变问题,进而在垂直轨道的平面内进行有限单元的离散和求解．轨道及其下的道床层被简化成铺设在地基表面的复合欧拉梁,而具有复杂物理力学性质的地基土层则用2．5维四边形等参单元来模拟,两者通过共有节点进行集成．同时开发了频率相关黏壶单元来吸收有限单元区域边界上的外射波,从而模拟列车运行荷载产生的波动从近场有限元分析区域向地基无限远处的散射．通过数值求解得到垂直轨道平面内的振动解,再通过沿轨道方向的波数扩展得到轨道和地基振动的时域响应解．为了验证本文方法的正确性和可靠性,针对均匀半空间表面作用移动点荷载的情况与解析解结果进行了对比．基于轨道一地基动力相互作用分析模型,对低于或超过轨道一地基系统临界速度的列车运行情况进行了数值考察;通过分析可知在软土地基上运行高速列车时有可能进入跨音速状态,从而引起轨道结构和地基的共振．这种共振现象危及高速列车的运行安全,同时会加速轨道线路的破坏．     

移动边缘计算中的无人机群协同任务卸载策略研究

针对应急灾害中通信受限的场景,研究了基于移动边缘计算(mobile edge computing, MEC)的无人机群(unmanned aerial vehicles,UAV)协同任务卸载问题。在对系统通信过程和计算过程的延时与能耗分析的基础上,设计联盟效用函数和回报函数,并基于享乐博弈模型提出联盟分割形成算法。理论分析证明,该算法最终收敛于某个稳定的联盟分割。仿真结果表明,相比其他典型策略,提出的策略具有更低延时和能耗,能够提升用户服务体验、增加设备续航时间,解决通信受限问题。     

传感器网络中基于最小覆盖重叠的移动部署

为了优化随机部署的传感器网络的覆盖率,提出了基于最小覆盖重叠(MCO,Minimum Coverage Overlap)的分布式移动部署算法.算法执行时,每个节点根据获得的邻居节点位置信息,计算节点覆盖圆周上覆盖重叠的分布情况,并沿着最大程度减小覆盖重叠的方向移动.通过算法的迭代运行,使网络覆盖重叠程度尽量减小,从而最大限度的优化了网络的覆盖率.仿真结果表明,与基于Voronoi图的算法相比,MCO算法在覆盖率、移动效率、移动距离和部署时间等方面具有更高的性能.     

公司多阶段财务危机动态预警研究

以上市公司的季度数据为研究样本,以指数加权移动平均控制图模型为研究方法,以被实施特别处理和暂停上市为两个财务危机演变状态,建立了一个多阶段动态财务危机预警模型;实证结果表明,该模型对上市财务危机公司具有较好的预测效果,有较大的应用价值.     

基于奇异谱分析的我国航空客运量集成预测模型

针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的问题,本文提出了一个基于奇异谱分析(SSA)的集成预测模型,并将其运用于我国年度航空客运量的预测中.首先,采用SSA方法对原始时间序列进行分解和重构,得到一个剔除噪声的时间序列,然后将其作为单整自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、Holt-Winters方法(HW)等单一模型的输入并进行预测,接着再采用加权平均集成预测方法(WA)将三种单一模型的预测结果进行综合集成.通过与各单一模型、基于经验模态分解方法(EMD)的模型以及简单平均集成预测方法(SA)的预测结果进行对比发现,本文所建模型具有较高的预测精度和较稳定的预测表现.最后,采用本文的模型对我国2014-2016年年度航空客运量进行了预测.     

平顺移动模式下考虑加工时间与调整时间可分离的多目标流水车间批量调度

对平行顺序移动模式下考虑加工时间与调整时间可分离的多目标流水车间批量调度问题展开研究.构建以加工制造设备总停机次数、批量工件生产周期以及搬运批量工件的总次数为决策目标的基于分层序列法的多目标决策模型,利用该模型可确定批量工件的最优加工排序方案.建立平行顺序移动模式的加工与调整时间模型,该模型是求解生产周期的基础,也是为批量工件的最优调度方案制定生产作业计划的依据.提出并设计平行顺序移动模式下考虑加工时间与调整时间可分离的禁忌搜索算法对问题进行求解.研究结果表明:本研究可为平顺移动模式下考虑加工时间与调整时间可分离的批量生产流水车间选出批量工件的最优调度方案,同时可为批量工件的加工和加工制造设备的调整制定精确的生产作业计划.     

基于SVM与Mean-Shift的非刚性目标跟踪框架

针对动态背景下,序列图像中的非刚性目标跟踪问题,提出了一种基于支持向量机(support vector machine,SVM)和均值移动(Mean-Shift)的序列图像目标跟踪框架。在初始图像中选择跟踪目标所处的矩形框,将目标框周围一定范围的像素作为背景。以目标和背景数据训练SVM二值分类器。运用得到的分类器对下一帧图像相同区域内的像素分类,得到二值的置信图(confidence map),在置信图范围内运用Mean-Shift算法求得当前目标位置,移动目标框和背景框的中心到目标位置,以10%的比例缩放目标框并选择最优者以适应目标尺度变化。以此时的目标像素和背景像素训练新的SVM分类器,进行下一幅图像的跟踪,直至完成整个序列图像跟踪任务。实验证明,该方法适用于动态背景及非刚性目标的跟踪,且实时性较好。