云数据中心能效评估方法研究
这是一篇关于数据中心,服务质量,SOM神经网络,评估模型的论文, 主要内容为近年来数据中心的规模和数量都在不断增长,数据中心的能耗也在逐年升高,对云数据中心能效进行科学客观的评估不仅有利于数据中心的数字化监控,还对数据中心管理者进行任务调度、优化资源分配,提升服务质量等管理决策具有指导意义。因此本文针对云数据中心的能效评估进行研究。具体工作如下:针对现在数据中心服务质量难以定量以及准确评估的问题,我们建立Qo S指标评价体系,分为目标层、指标层、特征层;并提出一种分层Qo S评估方法。(Hierarchical Qo S Evaluation Method,Qo S-HEM)。该方法先对特征层的特征进行预处理,接着在指标层通过用户评价矩阵,获得用户对不同任务的服务质量评分,将评分标准化,最后通过Qo S-HEM模型得到目标层的值,实现数据中心服务质量的实时定量评估。同时本文通过分析云数据中心能效的具体意义与存在的主要问题,依据科学、合理、系统的原则,从能源效率指标、热性能指标、绿色能源指标、服务质量四个方面构建了云数据中心能效评估体系。针对专家评分样本较少而无标签样本较多的问题,本文建立了基于SOM(Self-Organizing Maps)的半监督云数据中心能效评估模型,该模型相比直接采用数量较少的有标签样本训练的模型能更好地学习到专家的评分模式,更适用于云数据中心能效等级评估问题。另外本文开发了一个云数据中心能效评估系统,实现了对云数据中心能效实时评估的功能。
济南水质检测数据可视化分析系统的设计与实现
这是一篇关于水质监测,数据ETL,统计分析,评估模型,在线分析的论文, 主要内容为随着物联网行业的爆发式发展,计算机技术已经在水务各个行业得到普遍的应用,目前已收集存储了大量的历史数据。然而,如何利用这些沉睡已久的数据进行有效的分析,以此为水务行业决策者在作出决策时提供参考依据,也为用户了解水质情况、参与监督工作提供平台等,这些问题成为目前智慧水务迈入大数据时代的重点。基于智慧水务的相关需求,济南市水质检测中心已着重推进济南水质检测数据分析等相关工作,二十多年来已经收集了海量的水质检测历史数据及单指标实时检测数据,将这些数据及时的存储、进行合理的数据ETL与有效的挖掘分析,以更加精细和动态的方式管理水务,为供水部门及水质监测中心提供及时有效的辅助决策建议,是本系统的工作重点。本文描述的系统是基于实际需求建立的一个集水质数据采集、数据ETL、多维检索、多维统计分析、水质评估、在线分析于一体的水质综合分析评估系统。对于水质检测的历年月报数据以及单指标在线实时检测数据进行梳理,划分出多个样品类别,并按照不同检测性质,对水质数据进行多方面的处理、查询与分析。在数据收集模块,一方面将关系型数据库中的数据传输到Hadoop集群的Hive仓库中,实现了用户指定关系型数据库手动采集和系统设定MySQL数据库定时传输两种功能;另一方面,将所有历史数据以及企业实时数据库中的数据实时地传送到分布式搜索引擎ElasticSearch(ES)中,为数据抽取提供统一且高效的接口。在数据处理方面,原始数据由于大部分是由人工记录,其中存在大量无效的、不规范的以及描述性的数据,通过正则表达式等手段使数据规范;在数据检索方面,提供了多指标任意组合检索、模糊查询、按指定属性排序、全文分页等多种检索条件;在统计分析方面,提供了按样品类别或检测性质在某一检测时间段上的最大最小值、均值、众数、检出率、合格率、检测次数、超标倍数等一系列统计值,为用户提供更直观的数据把控;在水质评估方面,配置了管网水化学稳定性判定指数模型、地表水单指标等级分析模型、健康风险综合指数、N1指数、口感指数、污水可生化性等分析模型,以及通过单因子评价模型、主成分分析模型和BP神经网络模型对济南水质检测数据进行综合评价,量化各分数以得到评价结果;在实时数据分析方面,根据Nl指数、口感指数、健康风险综合指数和水质综合评价等模型,针对数据中地点信息,实时展示水质指标的变化趋势及水质信息,并可根据需求查询特定地点的水质情况。本系统是采用SpringBoot技术建立的服务器端框架,基于vue-cli搭建的前端框架,前后端完全分离,使得各部分逻辑更加清晰及协同工作更方便。系统所有功能基于B/S模式,部分算法由Java调用R语言实现,依靠开源的成熟的可视化库Echart.js和R语言分析挖掘图形库实现多样可视化。本文实现的系统为济南水质检测中心提供了界面友好的、操作简洁的水质检测数据分析系统。该系统中使用的模型是世界相关行业人员经过大量研究分析后得出的评价模型,在水质综合评价中,对于模型参数的训练也严格要求验证集准确率达到小数点后三位。该系统为用户提供在线的水质评价,实时了解饮水水质情况;也为水务部门提供性能良好的评价平台,辅助其更好的做出决策,解决了水质监测中心对于水质检测数据分析的迫切需求。
面向配电网的场域网拓扑结构弹性评估与优化方法研究
这是一篇关于场域网,弹性,评估模型,复杂网络,网络优化的论文, 主要内容为随着物联网与智能电网的深度融合,设备之间实现了智能互联和数据共享,电网的智能化和高效化程度不断提升,信息网在其中的作用也愈加重要。场域网(Field Area Network,FAN)作为配电网的信息网中的重要组成部分,其安全稳定地运行是智能配电网快速发展的关键基础。作为具备双向、实时、高速通信能力的网络,场域网在很大程度上决定了智能配电网系统的性能优劣。因此,对场域网的弹性进行量化评估和分析,优化其网络结构以提高应对扰动的鲁棒性,保证其安全稳定运行,是当前亟需解决的关键问题。针对以上问题,本文主要从以下三个方面进行研究:(1)针对网络弹性评估问题,提出了一种面向配电网的场域网弹性表征和评估模型。首先充分考虑了FAN网络具有多种传输介质、多种节点类型和特殊的网络结构等特点,利用图论和复杂系统理论构建了FAN网络模型。然后,从网络连通性、鲁棒性和冗余性三个方面定义了可量化的弹性表征指标,并通过三个弹性指标的加权和计算了网络总弹性。仿真结果表明,该模型能较好地描述网络弹性性能和拓扑结构变化,反映网络中的弹性薄弱点,并在有效性和通用性方面表现良好,为后续分析FAN网络结构的合理性,优化网络结构提供了必要的理论基础。(2)针对网络优化问题,提出了基于粒子群与遗传算法结合的场域网拓扑优化方法。首先分析了FAN在恶意攻击下的脆弱性以及崩解机理,影响鲁棒性提升的因素,以及网络鲁棒性优化需要满足的约束,然后建立了一个网络拓扑鲁棒性最优化模型,最后通过对粒子群算法进行改进,与遗传算法进行结合,利用改进后的算法得到最优边集添加方案。仿真结果表明,该方法能有效地提高网络鲁棒性,并且在保持优化效果高于其他算法的同时,所加的优化边的数量也少于其他算法,为网络结构的优化提供了一定的指导。(3)为了更有效地管理和评估FAN网络,衡量评估节点动态自愈性以及FAN网络的各种性能,设计并实现了基于Net Logo的场域网可视化仿真平台。首先基于实际的参数对多模异构FAN网络进行建模。然后设计了网络实时评估模块,在弹性评估模型的基础上增加了网络的实时性能评估参数,包括健康度、可信度、吞吐量、弹性、可持续性和包容性等。最后设计了模拟攻击模块,可实现攻击指定的节点及链路、随机攻击和恶意攻击等多种攻击模式,并且能够实时显示攻击后的网络拓扑变化以及性能参数的变化。
云数据中心能效评估方法研究
这是一篇关于数据中心,服务质量,SOM神经网络,评估模型的论文, 主要内容为近年来数据中心的规模和数量都在不断增长,数据中心的能耗也在逐年升高,对云数据中心能效进行科学客观的评估不仅有利于数据中心的数字化监控,还对数据中心管理者进行任务调度、优化资源分配,提升服务质量等管理决策具有指导意义。因此本文针对云数据中心的能效评估进行研究。具体工作如下:针对现在数据中心服务质量难以定量以及准确评估的问题,我们建立Qo S指标评价体系,分为目标层、指标层、特征层;并提出一种分层Qo S评估方法。(Hierarchical Qo S Evaluation Method,Qo S-HEM)。该方法先对特征层的特征进行预处理,接着在指标层通过用户评价矩阵,获得用户对不同任务的服务质量评分,将评分标准化,最后通过Qo S-HEM模型得到目标层的值,实现数据中心服务质量的实时定量评估。同时本文通过分析云数据中心能效的具体意义与存在的主要问题,依据科学、合理、系统的原则,从能源效率指标、热性能指标、绿色能源指标、服务质量四个方面构建了云数据中心能效评估体系。针对专家评分样本较少而无标签样本较多的问题,本文建立了基于SOM(Self-Organizing Maps)的半监督云数据中心能效评估模型,该模型相比直接采用数量较少的有标签样本训练的模型能更好地学习到专家的评分模式,更适用于云数据中心能效等级评估问题。另外本文开发了一个云数据中心能效评估系统,实现了对云数据中心能效实时评估的功能。
面向配电网的场域网拓扑结构弹性评估与优化方法研究
这是一篇关于场域网,弹性,评估模型,复杂网络,网络优化的论文, 主要内容为随着物联网与智能电网的深度融合,设备之间实现了智能互联和数据共享,电网的智能化和高效化程度不断提升,信息网在其中的作用也愈加重要。场域网(Field Area Network,FAN)作为配电网的信息网中的重要组成部分,其安全稳定地运行是智能配电网快速发展的关键基础。作为具备双向、实时、高速通信能力的网络,场域网在很大程度上决定了智能配电网系统的性能优劣。因此,对场域网的弹性进行量化评估和分析,优化其网络结构以提高应对扰动的鲁棒性,保证其安全稳定运行,是当前亟需解决的关键问题。针对以上问题,本文主要从以下三个方面进行研究:(1)针对网络弹性评估问题,提出了一种面向配电网的场域网弹性表征和评估模型。首先充分考虑了FAN网络具有多种传输介质、多种节点类型和特殊的网络结构等特点,利用图论和复杂系统理论构建了FAN网络模型。然后,从网络连通性、鲁棒性和冗余性三个方面定义了可量化的弹性表征指标,并通过三个弹性指标的加权和计算了网络总弹性。仿真结果表明,该模型能较好地描述网络弹性性能和拓扑结构变化,反映网络中的弹性薄弱点,并在有效性和通用性方面表现良好,为后续分析FAN网络结构的合理性,优化网络结构提供了必要的理论基础。(2)针对网络优化问题,提出了基于粒子群与遗传算法结合的场域网拓扑优化方法。首先分析了FAN在恶意攻击下的脆弱性以及崩解机理,影响鲁棒性提升的因素,以及网络鲁棒性优化需要满足的约束,然后建立了一个网络拓扑鲁棒性最优化模型,最后通过对粒子群算法进行改进,与遗传算法进行结合,利用改进后的算法得到最优边集添加方案。仿真结果表明,该方法能有效地提高网络鲁棒性,并且在保持优化效果高于其他算法的同时,所加的优化边的数量也少于其他算法,为网络结构的优化提供了一定的指导。(3)为了更有效地管理和评估FAN网络,衡量评估节点动态自愈性以及FAN网络的各种性能,设计并实现了基于Net Logo的场域网可视化仿真平台。首先基于实际的参数对多模异构FAN网络进行建模。然后设计了网络实时评估模块,在弹性评估模型的基础上增加了网络的实时性能评估参数,包括健康度、可信度、吞吐量、弹性、可持续性和包容性等。最后设计了模拟攻击模块,可实现攻击指定的节点及链路、随机攻击和恶意攻击等多种攻击模式,并且能够实时显示攻击后的网络拓扑变化以及性能参数的变化。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码驿站 ，原文地址：https://m.bishedaima.com/lunwen/46447.html
