具有紧急消息的航电总线Petri网建模与性能分析

在航空电子综合化系统的设计过程中，总线系统的性能指标与整个航电系统的总体指标有着密切的关系。给出了一套完整的基于确定与随机Petri网的综合航电总线系统的性能评价的模型和算法。通过对总线系统的确定与随机Petri网模型的求解，给出了具有紧急消息的总线系统的两个重要性能指标总线负载、延迟时间，通过对性能曲线的分析，可以为综合航电系统的设计和完善提供重要的理论依据。     

基于ExSpect的复杂离散事件动态系统建模

随着petri理论与应用研究的不断发展，petri网已经成为离散事件动态系统建模和分析的有力工具。采用petri网对复杂离散事件动态系统进行建模和分析，没有一套科学的建模方法指导和有力的软件支持是不可能实现的。介绍了基于Petri网的可执行的规格说明语言Exspect及其软件，提出了基于Exspect的复杂离散事件动态系统建模的方法，并进行了实例研究。     

基于Petri网的分层工作流模型研究

为了满足企业对过程模型在描述能力和分析能力上的要求,提出了一个基于Petri网的分层工作流过程模型.在深入分析各种工作流模式的基础上,对基本网的进行了一些的扩展,通过增加变迁入口函数,变迁体函数,消息机制,控制变量等,描述了工作流模式中的多实例,取消,高级同步等复杂模式.给出了工作流过程的描述模型DWF_net和分析模型AWF_net的形式化定义.描述模型DWF_net实现对各种复杂流程的直接描述.变迁入口函数通过对控制变量的判断,来消解DWF_net中的冲突.变迁体函数通过可扩展逻辑描述语句,来实现对控制变量的读写及收发消息等操作.AWF_net作为DWF_net的分析模型,剥离了DWF_net个案的语义信息,可以直接利用已有的Petri网分析技术来分析模型.最后,通过一个综合实例来说明如何使用本文提出的模型来对各种复杂流程建模和分析.     

基于CPN建模技术的研究

Coloured Petri Nets(CPN) 是一种面向图形的建模语言.给出了CPN的形式化定义,并以实例说明描述分布式数据库系统的一种基于CPN的方法.     

基于Petri网的防空C3I决策系统的建模分析

对地空导弹决策系统的结构和性能进行了研究.对基于旅营两级决策组织导出的库所/变迁系统进行了描述,建立了防空C3I决策系统的Petri网模型.并引入了决策时延这一反映指挥决策系统能力的重要指标.对提高C3I决策系统的实时性和准确性做了初步的探讨,证明了建立有色Petri网模型后,有效地提高了C3I决策系统决策的实时性和有效性.     

基于VPN的安全企业网实现探讨

VPN作为方便有效而又低成本地实现远程用户对企业网安全访问的有效技术在企业网的建设中有着广泛的应用.文章在对VPN基本技术特性介绍的基础上,讨论了企业网实现中对VPN的不同安全需求,针对性地提出了构建企业VPN的方法并给出了基于Windows2000的VPN解决方案.     

基于过程挖掘的临床路径Petri网建模

提出基于统计α算法的临床路径Petri网模型,将Petri网和基于统计α算法的过程挖掘算法集成,从事件日志中挖掘重要信息,获得完善的诊疗流程,并在此基础上建立Petri网模型,有效实现诊疗流程的优化和改进.通过仿真数据试验,验证了本文提出的统计α算法相较于经典α算法在准确度和运行时间上有着较大的优势.并将模型运用到临床路径真实数据上,证明了模型的有效性和准确性.     

配电网故障暂态信号的逼近处理方法

针对一些需尽快计算故障后稳态电流电压值的应用情况,如配网配变支路保护、用户侧保护等,短时间内处理电流电压故障暂态信号成为了一个必须面对的问题。现有电网故障信号处理方法通常受限于采样数据长度和待求参数数量,存在处理电流电压故障暂态信号时间较长和难求取的问题。利用配网故障暂态电压电流的特点,由稳态工频分量和直流衰减分量组合建模近似表征配网故障暂态电压电流,采用粒子群高斯牛顿混合算法对此模型的各参数进行辨识,实现暂态参数的求取。仿真分析和工程应用表明,该方法可缩减待求参数个数,利用较短的采样数据对故障暂态电压电流信号参数进行求取,且具有较高鲁棒性。     

大型基础下含软弱夹层的层状砂土变形计算

基于饱和土的相关理论,推导了大型基础下层状地基的沉降计算模型.考虑不同的土性,根据修正剑桥模型和摩尔-库伦模型,推导了K_○0条件下且能够考虑其塑性变形的压缩模量.基于平面网格子域法结合分层总和法建立了一个完整的、更加贴近工程实际的大型基础下含软弱夹层的层状砂土地基沉降计算模型.研究结果表明:该模型的计算结果与模拟结果很贴近,且能够突出体现出软弱夹层的变形特性.研究结论可为含软弱夹层的大型基础地基沉降计算提供直接参考依据.     

基于可解释机器学习的水平井产能预测方法

准确预测致密气藏分段压裂水平井产能是压裂效果评价和优化设计的关键环节。现有的产能预测方法,引入了过多的假设和简化,很难全面反映致密储层流体多尺度的运移机理和复杂物理过程,导致产能预测误差较大。提出一种基于机器学习的致密气藏分段压裂水平井产能预测方法,该方法综合利用已收集的地质、压裂水平井产能及钻完井等多类型数据,通过机器学习算法直接挖掘数据内部规律,建立产能预测模型。此外,为解决常规机器学习模型的“黑盒子”问题,还利用SHAP(SHapley Additive exPlanations)方法对建立的机器学习模型进行全局和局部解释,分析影响产能的主要因素,增加了模型的可信性和透明度。以苏里格气田苏东示范区为例,验证了该方法的有效性和实用性。与油气藏数值方法相比,该方法不仅提高了产能预测的精度,而且缩短了建模周期,加快了计算速度。