基于负载预测的键值存储智能弹性调度系统的设计与实现
这是一篇关于键值存储系统,神经网络模型,负载预测,弹性调度的论文, 主要内容为越来越多的企业在云上部署应用程序,并使用键值存储系统来存储应用数据。而应用负载波动通常具备一定的规律性,会在少数特定时间段处于高负载。针对波动负载,现有研究通过动态扩充和缩减存储资源,能够以最佳的存储资源满足负载的需要。但常用的被动调度策略具有明显的滞后性,扩充存储资源后进行数据迁移产生的迁移负载会与前台负载竞争,从而导致键值存储系统性能下降。如果能够准确预测应用负载的变化情况,提前执行调度策略,将能有效降低数据迁移对键值存储系统性能的影响。针对被动调度产生的迁移负载与前台负载竞争导致性能下降的问题,提出了一种基于负载预测的键值存储智能弹性调度系统(Intelligent Elastic Scheduling System,IESS),该系统采用多种循环神经网络对负载数据进行建模,能准确预测云服务器中键值存储系统的负载变化,并基于预测负载信息,生成调度指令指导键值存储系统对存储资源的弹性调度。IESS由智能调度模块、基础功能模块和智能预测模块组成,其中智能调度模块部署在云服务器的键值存储系统中,负责收集负载数据及执行调度指令;基础功能模块和智能预测模块部署在主机中,前者负责服务器配置、负载图像显示和服务器通信等基础功能,后者利用神经网络模型来预测未来一段时间的负载变化情况及生成调度指令。IESS采用线下离线训练和线上在线训练结合方式,既能够尽可能减少对系统运行时的开销影响,又能够提高负载预测的准确度。在互联网应用负载的场景下,针对IESS的负载预测效果和弹性调度效果进行详细测试。测试表明,在预测方面,DRNN＿LSTM模型的预测效果最好,对于出行服务应用和点餐服务应用两种数据集,误差百分比与决定系数(R2＿Score)分别达到了5.09%、98.29%和7.20%、97.74%;在调度方面,可以在几乎不影响键值存储系统性能的情况下以较少的存储资源满足上层应用的运行需要,相比于无调度策略,IESS弹性调度策略在两种负载场景下可以节省33.27%和52.13%的成本开销。
基于互联网营销平台的用户评论情感分析研究与应用
这是一篇关于文本情感分析,情感词典,BERT,神经网络模型,自注意力机制的论文, 主要内容为在传统行业利用“互联网+”创新模型进行产业升级的背景下,浙江省某大型企业运用互联网技术实现了“互联网+营销”的信息化平台建设,自该营销平台正式上线以来,平台中用户对营销产品的评论数据获得了爆发式的增长,如何从这些文本数据中挖掘出用户对产品的反馈意见,并辅助企业对产品进行升级改进是当前企业所关注的重点问题。为此本文在该营销平台百万级用户的评论数据支撑下,提出了融合先验知识的深度学习网络算法与基于改进BERT的双通道神经网络算法的文本情感分析方法,对用户评论数据进行情感分析,挖掘用户对营销产品的意见看法,最后结合互联网营销平台实现了所提算法模型的应用。本文的主要研究内容总结如下:1)针对情感词典构建成本高且文本向量化后的词向量所蕴含的情感特征不足的问题,提出一种融合先验知识的深度学习文本情感分析算法。首先,该方法采用向量余弦相似度计算与SO-PMI算法实现领域情感词典的自动化构建,然后将领域情感词典作为先验知识库对文本序列进行情感增强。其次,使用Word2Vec词嵌入模型获得情感增强后的文本词向量序列,在特征提取层上采用双向门控循环单元网络与自注意力网络来对文本情感特征进行捕获。经实验表明,所提算法模型对比其他基准模型能够更加高效的捕获文本情感特征。2)针对当前情感分析任务中静态词嵌入模型无法有效对多义词进行向量表示、单层深度学习算法无法充分捕获文本情感特征等问题,提出一种基于改进BERT的双通道神经网络文本情感分析算法。该方法以全词掩码的BERT模型作为词嵌入层,通过融合卷积神经网络与双向门控循环单元网络组成双通道特征提取层,分别从词语级与句子级的层面对文本的情感特征进行提取,其输出根据情感特征重要程度经自注意力网络为局部与全局特征分配以相应的权重分值,以突出特征提取层所捕获的情感特征信息。经过对比实验表明,利用BERT模型得到的动态词向量结合双通道神经网络模型结构能够更加有效的对文本情感倾向做出判断。3)实现了用户评论情感分析算法在互联网营销平台中的应用。首先对互联网营销平台的背景与系统架构进行了概述,其次对平台文本情感分析模块进行了设计与实现,该模块底层依托大数据基础设施平台提供的数据服务能力,利用Python实现用户评论情感分析算法模型的训练及调用,采用微服务架构对情感分析服务接口进行研发,各业务微服务通过远程调用对情感分析接口进行请求,其分析结果利用前端框架Vue.js与中间件ECharts进行可视化研发,最终使得互联网营销平台依靠文本情感分析模块完成对用户评论数据的实时分析。
烟台莱山区现代农业产业园产业融合分析与评价
这是一篇关于产业融合,现代农业产业园,产业融合影响因素,神经网络模型的论文, 主要内容为现代农业产业园作为推动农业农村经济社会发展的重要抓手,能够为实现当地农民增收、加快一二三产业融合发展、提高当地农业生产竞争力提供有力保障。烟台莱山区现代农业产业园是山东省获批创建的13个国家现代农业产业园之一,其产业融合发展路径具有典型性,可为我国其它产业园产业融合发展方向提供有力的借鉴,对于推动农业现代化进程具有重要意义。论文综合运用产业融合理论、农业多功能理论、产业集群理论和产业链理论等相关理论基础,对烟台莱山区现代农业产业园产业融合情况进行了评价。首先,利用Cite Space知识图谱分析法对现代农业产业园产业融合影响因素进行识别,并采用解释结构模型分析现代农业产业园产业融合影响因素的层级结构及其内在关系,设计了现代农业产业园产业融合评价指标体系。然后,论文基于神经网络理论,建立BP神经网络模型,通过输入样本数据集进行网络模型训练,获得农业产业园产业融合评价网络模型。最后,论文将该模型应用于烟台莱山区国家现代农业产业园项目,通过输出结果分析了莱山区国家现代农业产业园产业融合水平。研究得出莱山区现代农业产业园目前的产业融合等级为2级融合,制约产业园产业融合发展的影响因素主要是在农业多功能拓展领域,具体包括:农林牧渔服务业产值年均増长、休闲农业收入年均增长、智慧化园区覆盖率三个方面。基于以上结论,本文从推动农林牧渔服务业产业体系化发展、加快休闲农业布局调整、实现智慧农业跨越升级三个路径为产业园产业融合发展提出对策与建议,以期为烟台莱山区现代农业产业园的建设和产业融合发展提供借鉴。
基于负载预测的键值存储智能弹性调度系统的设计与实现
这是一篇关于键值存储系统,神经网络模型,负载预测,弹性调度的论文, 主要内容为越来越多的企业在云上部署应用程序,并使用键值存储系统来存储应用数据。而应用负载波动通常具备一定的规律性,会在少数特定时间段处于高负载。针对波动负载,现有研究通过动态扩充和缩减存储资源,能够以最佳的存储资源满足负载的需要。但常用的被动调度策略具有明显的滞后性,扩充存储资源后进行数据迁移产生的迁移负载会与前台负载竞争,从而导致键值存储系统性能下降。如果能够准确预测应用负载的变化情况,提前执行调度策略,将能有效降低数据迁移对键值存储系统性能的影响。针对被动调度产生的迁移负载与前台负载竞争导致性能下降的问题,提出了一种基于负载预测的键值存储智能弹性调度系统(Intelligent Elastic Scheduling System,IESS),该系统采用多种循环神经网络对负载数据进行建模,能准确预测云服务器中键值存储系统的负载变化,并基于预测负载信息,生成调度指令指导键值存储系统对存储资源的弹性调度。IESS由智能调度模块、基础功能模块和智能预测模块组成,其中智能调度模块部署在云服务器的键值存储系统中,负责收集负载数据及执行调度指令;基础功能模块和智能预测模块部署在主机中,前者负责服务器配置、负载图像显示和服务器通信等基础功能,后者利用神经网络模型来预测未来一段时间的负载变化情况及生成调度指令。IESS采用线下离线训练和线上在线训练结合方式,既能够尽可能减少对系统运行时的开销影响,又能够提高负载预测的准确度。在互联网应用负载的场景下,针对IESS的负载预测效果和弹性调度效果进行详细测试。测试表明,在预测方面,DRNN＿LSTM模型的预测效果最好,对于出行服务应用和点餐服务应用两种数据集,误差百分比与决定系数(R2＿Score)分别达到了5.09%、98.29%和7.20%、97.74%;在调度方面,可以在几乎不影响键值存储系统性能的情况下以较少的存储资源满足上层应用的运行需要,相比于无调度策略,IESS弹性调度策略在两种负载场景下可以节省33.27%和52.13%的成本开销。
基于微服务架构的质量管理信息系统设计与实现
这是一篇关于质量管理信息系统,微服务架构,回归模型,神经网络模型的论文, 主要内容为质量是生产制造企业竞争力的根本保证,质量管理是生产制造企业工作中不可或缺的一环,质量数据是对生产制造企业具有指导价值的宝贵数据资源。尤其是为部队提供作战装备的军工制造企业,产品质量的保障是其非常关键和核心的需求。在计算机、互联网技术与传统制造业深度融合的当下,契合企业自身实际需求的质量管理信息系统成为质量管理和质量数据采集的最佳工具。本文结合中国兵器集团下属某红外热像仪制造企业H公司的质量管理需求和质量数据采集分析需求,研究和设计满足企业需求且高度信息化的质量管理信息系统。为了解决传统单体架构应用系统模块高度耦合、伸缩性差和复用性低的缺点,提高质量信息管理效率和质量数据采集灵活性,本文在深入研究微服务理论和技术的基础上,决定采用近几年来互联网领域流行的微服务架构对质量管理信息系统进行设计和实现。技术架构上,选择目前主流的微服务应用框架Spring Boot和Spring Cloud开展微服务业务应用研究。利用微服务架构独立设计开发、独立部署运行的特点提高系统开发和系统迭代的效率。将质量管理信息系统根据业务服务相对独立的原则拆分为用户管理微服务、质量文件管理微服务、质检管理微服务和单点登录微服务。对这四个微服务的数据库、实体类以及功能接口各自进行设计和实现,四个微服务通过协调工作对外展示为一个有机整体的质量管理信息系统,充分展示了微服务架构的优势。对质量管理信息系统运行采集得到的产品质量评分数据进行提取转化和数据分析,包括数据预处理和数据PCA主成分分析。然后分别利用多元线性回归模型、岭回归模型和BP神经网络模型训练样本数据对某类产品的质量评分建立了预测模型。在对比研究了三种预测模型优劣后选择神经网络模型与系统进行集成,实现了辅助质量评分功能,得到了良好的应用结果。
基于微服务架构的质量管理信息系统设计与实现
这是一篇关于质量管理信息系统,微服务架构,回归模型,神经网络模型的论文, 主要内容为质量是生产制造企业竞争力的根本保证,质量管理是生产制造企业工作中不可或缺的一环,质量数据是对生产制造企业具有指导价值的宝贵数据资源。尤其是为部队提供作战装备的军工制造企业,产品质量的保障是其非常关键和核心的需求。在计算机、互联网技术与传统制造业深度融合的当下,契合企业自身实际需求的质量管理信息系统成为质量管理和质量数据采集的最佳工具。本文结合中国兵器集团下属某红外热像仪制造企业H公司的质量管理需求和质量数据采集分析需求,研究和设计满足企业需求且高度信息化的质量管理信息系统。为了解决传统单体架构应用系统模块高度耦合、伸缩性差和复用性低的缺点,提高质量信息管理效率和质量数据采集灵活性,本文在深入研究微服务理论和技术的基础上,决定采用近几年来互联网领域流行的微服务架构对质量管理信息系统进行设计和实现。技术架构上,选择目前主流的微服务应用框架Spring Boot和Spring Cloud开展微服务业务应用研究。利用微服务架构独立设计开发、独立部署运行的特点提高系统开发和系统迭代的效率。将质量管理信息系统根据业务服务相对独立的原则拆分为用户管理微服务、质量文件管理微服务、质检管理微服务和单点登录微服务。对这四个微服务的数据库、实体类以及功能接口各自进行设计和实现,四个微服务通过协调工作对外展示为一个有机整体的质量管理信息系统,充分展示了微服务架构的优势。对质量管理信息系统运行采集得到的产品质量评分数据进行提取转化和数据分析,包括数据预处理和数据PCA主成分分析。然后分别利用多元线性回归模型、岭回归模型和BP神经网络模型训练样本数据对某类产品的质量评分建立了预测模型。在对比研究了三种预测模型优劣后选择神经网络模型与系统进行集成,实现了辅助质量评分功能,得到了良好的应用结果。
新冠疫情舆情信息分析系统的设计与实现
这是一篇关于网络舆情,MVC架构模式,数据爬取,神经网络模型的论文, 主要内容为随着数字通信技术的发展及微博等社交媒体在人们日常生活中的深度融入,公民公共表达意愿与能力提升,人们进入“表达”的时代。舆情研究也逐渐上升到国家战略的位置,备受政府与学界的重视。传统的舆情分析系统,一方面多使用大数据计算和分析技术进行数据处理,缺乏数据广度、挖掘深度;另一方面主要集中在商用和政府治理领域,专注于科研领域的舆情分析系统较少且影响力甚微。因此,需要设计并实现一款对数据进行深度挖掘的、专注于为科研人员服务的舆情信息分析系统。新冠疫情舆情信息分析系统包括全国疫情、国内疫情走势分析、世界疫情数据一览、疫情新闻以及微博疫情舆情分析五大功能模块,依据传统的软件工程流程进行设计实现。系统的总体结构采取MVC三层架构模型,将整个系统按表现层、服务层、数据底层分开,系统的前后端分别基于Vue和Spring Boot框架进行搭建,前后端使用JSON格式数据进行交互通信,以此实现前后端的分离,使得系统拥有低耦合高内聚的特点。在数据爬取上,使用Scrapy框架,通过网络请求模块进行数据爬取,通过分析提取模块对爬取的数据进行提取,将数据进行清洗等预处理工作后转换为结构化数据,以便进行分析与挖掘。在数据分析上,使用双向长短时记忆(Bi-directional Long Short-Term Memory,Bi＿LSTM)神经网络模型对微博用户评论进行情感分析,判断用户评论的情感类别。在数据存储上,使用My SQL与Redis相结合的方式,以提高后台数据的响应速度。在数据展示上,系统采用ECharts插件进行数据的展示,可以给用户提供更加灵活直观的数据展示。系统开发完成后,通过对系统进行压力测试,系统功能接口的平均响应时间在1542ms左右,CPU资源平均占用率在45%左右。系统在内部测试并上线一段时间后运行平稳,系统所实现的功能基本达到了预期的要求,给用户带来了极佳的产品体验,具备极大的科研实用价值。
基于微服务架构的质量管理信息系统设计与实现
这是一篇关于质量管理信息系统,微服务架构,回归模型,神经网络模型的论文, 主要内容为质量是生产制造企业竞争力的根本保证,质量管理是生产制造企业工作中不可或缺的一环,质量数据是对生产制造企业具有指导价值的宝贵数据资源。尤其是为部队提供作战装备的军工制造企业,产品质量的保障是其非常关键和核心的需求。在计算机、互联网技术与传统制造业深度融合的当下,契合企业自身实际需求的质量管理信息系统成为质量管理和质量数据采集的最佳工具。本文结合中国兵器集团下属某红外热像仪制造企业H公司的质量管理需求和质量数据采集分析需求,研究和设计满足企业需求且高度信息化的质量管理信息系统。为了解决传统单体架构应用系统模块高度耦合、伸缩性差和复用性低的缺点,提高质量信息管理效率和质量数据采集灵活性,本文在深入研究微服务理论和技术的基础上,决定采用近几年来互联网领域流行的微服务架构对质量管理信息系统进行设计和实现。技术架构上,选择目前主流的微服务应用框架Spring Boot和Spring Cloud开展微服务业务应用研究。利用微服务架构独立设计开发、独立部署运行的特点提高系统开发和系统迭代的效率。将质量管理信息系统根据业务服务相对独立的原则拆分为用户管理微服务、质量文件管理微服务、质检管理微服务和单点登录微服务。对这四个微服务的数据库、实体类以及功能接口各自进行设计和实现,四个微服务通过协调工作对外展示为一个有机整体的质量管理信息系统,充分展示了微服务架构的优势。对质量管理信息系统运行采集得到的产品质量评分数据进行提取转化和数据分析,包括数据预处理和数据PCA主成分分析。然后分别利用多元线性回归模型、岭回归模型和BP神经网络模型训练样本数据对某类产品的质量评分建立了预测模型。在对比研究了三种预测模型优劣后选择神经网络模型与系统进行集成,实现了辅助质量评分功能,得到了良好的应用结果。
基于能量平衡的矿热炉能量输入方法的研究
这是一篇关于矿热炉,能量平衡,冶炼进程,神经网络模型,能量优化输入方法的论文, 主要内容为铁合金厂是耗能大户,其生产铁合金的主要设备是矿热炉。矿热炉冶炼过程中所需能量主要来源于电能,将电能转化为热能熔化炉料。不同的炉况对电能的要求是不同的,供电制度能否满足矿热炉的用电要求,直接影响着冶炼速度、产品质量、能量消耗以及能量损耗等。因此针对不同的炉况确定合理的供电制度,提供合理的二次电压、电流值,对于铁合金厂合理控制冶炼时间,提高生产率和合金品质,实现节能降耗的目的具有重要意义。 本文在查阅大量相关资料的基础上,概述了矿热炉的发展现状、发展趋势、神经网络在冶金工业中的应用以及矿热炉的机械设备、冶炼工艺和一些异常情况的处理。以中钢集团吉林铁合金股份有限公司八分厂801号炉为研究背景,对矿热炉的冶炼原理以及工艺进行分析,基于供应能量(电能和化学反应释放热能)与需求能量(消耗和损耗能量)的能量平衡建立了电能输入模型,确定了所需的总电量；基于电极位置判断矿热炉生产铁合金的三个冶炼阶段(引弧加料期、熔化期和精炼期),但是由于进入精炼期后电极位置基本不发生变化,无法准确判断精炼期的结束,所以在这里利用神经网络预测模型对精炼期的铁水温度和碳含量进行预测,当铁水温度和碳含量都满足工艺要求时,即可判断精炼期结束,即终点时刻,仿真结果验证了模型的准确性和有效性。根据各阶段不同的电能需求,分别给出电能输入方法,从理论上提出了一种新的电能输入方法：在满足单位时间供电损耗金额最小的约束条件时,确定矿热炉各个阶段的电压值,再结合各个阶段的用电量需求,得出电流值。最后利用JSP技术搭建了所提方法的能量输入优化平台。 通过仿真分析,验证了所提能量输入方法能够缩短矿热炉的冶炼时间,减少消耗。为矿热炉的生产过程实现节能降耗提供了理论依据。
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：代码货栈 ，原文地址：https://m.bishedaima.com/lunwen/47957.html
