基于云计算的智能选课系统研发
这是一篇关于云计算,动态资源扩展,分层筛选,BP神经网络算法的论文, 主要内容为网上选课已经成为各个高校在教学管理中一个重要部分,它保障了教学系统稳定而且井然有序的运行,科学高效的选课系统是工作效率、教学质量、人才培养的保证。随着近年来高校教学改革不断推进,全国众多高校越来越重视公共选修课的教学管理工作。在大数据环境下,高校选课更倾向于高性能并发性、能够支撑大网络流量访问、快速响应等研究,而忽略学生选课的合理性和效率。本文的主要研究目的是设计实现一个方便快捷、安全个性化的智能选课系统。本文以攀枝花学院为研究对象,分析借鉴其他高校的学生选课系统,运用javaEE技术,结合技术框架Spring MVC多组件的应用开发技术架构,并集合云架构开发平台,搭建基于B/S架构的稳定、高性能的基于云计算的智能选课系统,实现通过智能化推荐提供给学生最需要的课程,提高学生学习积极性,从而达到合理安排选课的目标是本文主要的研究内容。介绍了选课系统中使用的云平台架构与相关关键技术,针对各大高校选课系统在选课时出现阶段性的超高负载“峰值压力堵塞”问题,提出了一个高性能的基于云动态资源扩展(DRX)选课方案,对选课系统在高并发访问情况下进行性能优化。通过压力测试发现大数据环境下的网上选课系统得到很大程度的优化,使资源消耗明显降低,效率大幅提升,响应时间大大缩减。而且系统分析了当前主要的选课算法思想及其特点,分析了这些选课算法的应用条件及优缺点,采用分层筛选的选课策略算法对不同课程进行了合理的算法处理。通过智能选课设计方案分析与对比,进一步提出了基于BP神经网络算法实现智能选课的设计方案,给出智能选课算法模型,并在攀枝花学院选课中得到验证。系统通过在线问卷调查获取当前学生的基本信息,通过以往历史数据挖掘出此学生的喜爱课程,给出智能推荐课程,提供了一定的指导建议在学生选课过程中,不仅让学生选课过程更加方便快捷,而且选课结果更加公平合理,具有一定的人性化特色。最后采用黑盒与白盒测试相结合的方式,对攀枝花学院选课系统各功能及子模块分别进行测试,给出了实验数据和实验结论,验证了基于云计算的智能选课系统的可行性和有效性。
基于物联网的大葱种植环境预测监控系统的研究
这是一篇关于大葱,土壤相对湿度,BP神经网络算法,农业物联网,喷灌的论文, 主要内容为随着全面脱贫攻坚战的打响,农民因地制宜的发展特色农业经济,是对国家农业政策最有力的支持。大葱是一种营养丰富而又广泛食用的蔬菜,具有较高的经济价值。除了水分,大葱对其它种植条件的要求不高,因此非常适合在青海省东部地区种植。结合科学技术与自动化设备提高大葱的产量和质量以增加经济收入,是当地农民脱贫致富的积极尝试。但大葱既不耐旱又不耐涝,所以既要保持水分又不能过量灌溉。因此控制好大葱生长期间的土壤相对湿度,是大葱优质高产的必要条件。本文在详细考察了青海省东部地区的地理环境之后,设计了一套基于物联网的大葱种植环境预测监控系统,系统融合了基于BP神经网络的预测机制和基于无线传感网络的物联网装置。首先,针对传统的土壤湿度控制系统固有的湿度信息检测不准确的问题,本文设计了一种以BP神经网络算法为核心的预测机制,将影响土壤湿度变化的空气温度、空气湿度和土壤温度在1小时内的变化量以及影响土壤湿度变化的风速和光照强度在一小时内的平均值作为BP网络的输入值,通过预测获得相应时间段内的土壤湿度变化量。Matlab仿真结果表明,该机制能准确预测土壤湿度变化量,为精准控制土壤湿度提供前提保障。其次,为了适应青海省地广人稀的特点,本文设计了一套农业物联网装置,包括:环境信息采集模块—监测空气温度、空气湿度、风速、光照强度和土壤温度;网关模块—接收环境信息采集模块监测到的数据,并上传到云服务器;客户端模块—通过登陆到云服务器远程桌面,获取存储在云服务器中的数据并执行预测任务,同时发送控制指令给喷灌模块;喷灌模块—接收客户端的控制指令,执行灌溉工作。环境信息采集模块与网关模块之间采用Zig Bee技术传输数据,网关模块与云服务器之间采用GPRS技术传输数据,PC客户端经由Internet连接到云服务器。最后,通过C#与matlab混合编程设计了客户端控制程序,预测机制的功能由matlab程序实现。本文设定大葱种植土壤湿度值为60%,实验结果表明系统运行良好,对环境信息的采集、对土壤湿度变化量的预测、对喷灌工作的控制均能达到预期目标,能显著提高对土壤湿度的测控效率,对大葱的优质高产有明显的促进作用。
基于物联网的大葱种植环境预测监控系统的研究
这是一篇关于大葱,土壤相对湿度,BP神经网络算法,农业物联网,喷灌的论文, 主要内容为随着全面脱贫攻坚战的打响,农民因地制宜的发展特色农业经济,是对国家农业政策最有力的支持。大葱是一种营养丰富而又广泛食用的蔬菜,具有较高的经济价值。除了水分,大葱对其它种植条件的要求不高,因此非常适合在青海省东部地区种植。结合科学技术与自动化设备提高大葱的产量和质量以增加经济收入,是当地农民脱贫致富的积极尝试。但大葱既不耐旱又不耐涝,所以既要保持水分又不能过量灌溉。因此控制好大葱生长期间的土壤相对湿度,是大葱优质高产的必要条件。本文在详细考察了青海省东部地区的地理环境之后,设计了一套基于物联网的大葱种植环境预测监控系统,系统融合了基于BP神经网络的预测机制和基于无线传感网络的物联网装置。首先,针对传统的土壤湿度控制系统固有的湿度信息检测不准确的问题,本文设计了一种以BP神经网络算法为核心的预测机制,将影响土壤湿度变化的空气温度、空气湿度和土壤温度在1小时内的变化量以及影响土壤湿度变化的风速和光照强度在一小时内的平均值作为BP网络的输入值,通过预测获得相应时间段内的土壤湿度变化量。Matlab仿真结果表明,该机制能准确预测土壤湿度变化量,为精准控制土壤湿度提供前提保障。其次,为了适应青海省地广人稀的特点,本文设计了一套农业物联网装置,包括:环境信息采集模块—监测空气温度、空气湿度、风速、光照强度和土壤温度;网关模块—接收环境信息采集模块监测到的数据,并上传到云服务器;客户端模块—通过登陆到云服务器远程桌面,获取存储在云服务器中的数据并执行预测任务,同时发送控制指令给喷灌模块;喷灌模块—接收客户端的控制指令,执行灌溉工作。环境信息采集模块与网关模块之间采用Zig Bee技术传输数据,网关模块与云服务器之间采用GPRS技术传输数据,PC客户端经由Internet连接到云服务器。最后,通过C#与matlab混合编程设计了客户端控制程序,预测机制的功能由matlab程序实现。本文设定大葱种植土壤湿度值为60%,实验结果表明系统运行良好,对环境信息的采集、对土壤湿度变化量的预测、对喷灌工作的控制均能达到预期目标,能显著提高对土壤湿度的测控效率,对大葱的优质高产有明显的促进作用。
生块质量与煅烧生产工艺参数间的关系模型研究
这是一篇关于煅烧工艺参数,生块质量,BP神经网络算法,GA,SA的论文, 主要内容为预焙阳极的生产过程是一个工序复杂而且原料之间的反应机理比较不明确的过程。现在的国内外大多通过建立一般的数学模型等方法对质量进行控制,但是效果仍然不理想。神经网络算法是模拟人脑结构而开发出来的一种数学模型,它对预焙阳极生产中煅烧工艺参数和生块质量间复杂的关系问题,可以进行自适应的非线性映射。因此,神经网络算法在预焙阳极生产中的应用是非常必要的。根据煅烧生产工艺参数与生块质量评价参数间的关系模型研究的课题需求,重新归纳和设计从而形成了混合遗传模拟退火算法(GASA算法)。使之既拥有了遗传算法较强的全局搜索能力,又拥有了模拟退火算法较强的局部搜索能力。同时,本文将GASA算法用于优化BP神经网络算法的初始权值和阈值,从而形成GASA-BP算法。最后,本文以煅烧生产工艺参数作为输入,以生块质量的评价参数作为输出,应用GASA-BP算法形成生块质量与煅烧工艺参数间的预测模型。本文的具体工作和内容如下:(1)分析预焙阳极生产过程中不同工序之间的关系以及原料的作用,选择恰当的特征参数并对其进行数据采集和数据预处理工作。(2)研究模拟退火算法和遗传算法以及BP神经网络算法,根据其各自的特点进行优化,形成GASA-BP算法。首先本文通过遗传算法的相关操作从而获得初始子代种群,然后依次根据个体适应度值选择接受或者执行Metropolis准则,将处理后得到的子代个体群作为最终的子代种群。同时这个过程还要根据迭代次数和终止条件一直重复,这就是GASA算法。然后,由于BP神经网络算法中初始权值和阈值对最终的预测结果产生较大负面影响,使用GASA算法搜索其解空间内的最优解,提高BP神经网络模型的预测准确率,即GASA-BP算法。(3)运用软件工程的设计思想,采用SSM集成架构和GASA-BP算法,设计和实现生块质量与煅烧工艺参数间关系的预测系统。系统设计的目的是分析煅烧工艺参数和生块质量之间的关系,并对结果以表格和图形等方式进行展示,为企业生产过程中的参数决策提供参考。
基于Web的路灯智能系统研究
这是一篇关于路灯,监控系统,BP神经网络算法,百度地图的论文, 主要内容为路灯作为城市的一部分随着城市的扩张也在不断扩大规模,分布于城市的各个重要交通道路和角落。人们夜间出行和开车离不开路灯的照明作用,路灯是人们夜间活动的重要工具。巨大的路灯网络不断吞噬着电能,在能源日益紧张的情况下,对路灯实行节能控制,正顺应当前节能减排的形势,减少路灯能源消耗也是在维护国家和人民的经济利益。本文研究基于Web的路灯智能系统,通过深入分析国内外路灯监控系统现状和控制策略,结合当今社会对路灯监控管理的需求,给出了综合控制方法与BP神经网络算法相结合的路灯亮度控制策略,设计了以地图热点的形式显示故障路灯地理位置的路灯监控系统。本文主要完成了以下研究内容:首先,搭建了路灯远程监控系统平台。以Eclipse为站点开发软件,My SQL为数据库,以Zig Bee与GPRS相结合的通信方式构建路灯监控中心,可实现监控中心与单灯的数据交互,平台的架构为整个路灯智能监控系统奠定了基础。其次,确定了路灯监控系统的控制策略。在以定时方案、感应方案、日出日落开关方案、紧急方案相结合的综合控制策略下,建立了道路光照强度BP神经网络预测模型,通过此模型对既定的功率调整比例进行微调,从而可以兼顾节能需求与照明效果。然后,实现了路灯实时状态地图显示功能。通过Python编写的后台程序在数据库内查询到具体路灯经纬度信息,从而在百度地图API对应的地理位置完成了路灯实时状态在地图上可视化显示、故障路灯在地图上自动弹出预警窗口的功能。维修工人通过此功能可实时了解路灯状态,快速获取路灯地理位置。最后,设计了Web技术下的人机交互界面,完成了系统基本功能测试以及道路光照强度BP神经网络仿真。人机交互界面包括完成了路灯智能系统监测主界面、自动控制界面、人工手动操作界面、路灯故障与告警界面、路灯状态实时查询界面。系统基本功能测试包括用户登录、路灯实时监、路灯告警的测试。界面实现了路灯与用户之间的沟通交流功能,增强了用户对路灯监控系统的参与度和控制力。本文路灯系统提供了一种自动化、精细化的管理方案,对我国的路灯系统进行了改进,使之更符合大众的需求,操作和维护更加简便化,对于推动智慧城市和节能技术的发展具有较大的价值和意义。
基于云计算的智能选课系统研发
这是一篇关于云计算,动态资源扩展,分层筛选,BP神经网络算法的论文, 主要内容为网上选课已经成为各个高校在教学管理中一个重要部分,它保障了教学系统稳定而且井然有序的运行,科学高效的选课系统是工作效率、教学质量、人才培养的保证。随着近年来高校教学改革不断推进,全国众多高校越来越重视公共选修课的教学管理工作。在大数据环境下,高校选课更倾向于高性能并发性、能够支撑大网络流量访问、快速响应等研究,而忽略学生选课的合理性和效率。本文的主要研究目的是设计实现一个方便快捷、安全个性化的智能选课系统。本文以攀枝花学院为研究对象,分析借鉴其他高校的学生选课系统,运用javaEE技术,结合技术框架Spring MVC多组件的应用开发技术架构,并集合云架构开发平台,搭建基于B/S架构的稳定、高性能的基于云计算的智能选课系统,实现通过智能化推荐提供给学生最需要的课程,提高学生学习积极性,从而达到合理安排选课的目标是本文主要的研究内容。介绍了选课系统中使用的云平台架构与相关关键技术,针对各大高校选课系统在选课时出现阶段性的超高负载“峰值压力堵塞”问题,提出了一个高性能的基于云动态资源扩展(DRX)选课方案,对选课系统在高并发访问情况下进行性能优化。通过压力测试发现大数据环境下的网上选课系统得到很大程度的优化,使资源消耗明显降低,效率大幅提升,响应时间大大缩减。而且系统分析了当前主要的选课算法思想及其特点,分析了这些选课算法的应用条件及优缺点,采用分层筛选的选课策略算法对不同课程进行了合理的算法处理。通过智能选课设计方案分析与对比,进一步提出了基于BP神经网络算法实现智能选课的设计方案,给出智能选课算法模型,并在攀枝花学院选课中得到验证。系统通过在线问卷调查获取当前学生的基本信息,通过以往历史数据挖掘出此学生的喜爱课程,给出智能推荐课程,提供了一定的指导建议在学生选课过程中,不仅让学生选课过程更加方便快捷,而且选课结果更加公平合理,具有一定的人性化特色。最后采用黑盒与白盒测试相结合的方式,对攀枝花学院选课系统各功能及子模块分别进行测试,给出了实验数据和实验结论,验证了基于云计算的智能选课系统的可行性和有效性。
基于云计算的智能选课系统研发
这是一篇关于云计算,动态资源扩展,分层筛选,BP神经网络算法的论文, 主要内容为网上选课已经成为各个高校在教学管理中一个重要部分,它保障了教学系统稳定而且井然有序的运行,科学高效的选课系统是工作效率、教学质量、人才培养的保证。随着近年来高校教学改革不断推进,全国众多高校越来越重视公共选修课的教学管理工作。在大数据环境下,高校选课更倾向于高性能并发性、能够支撑大网络流量访问、快速响应等研究,而忽略学生选课的合理性和效率。本文的主要研究目的是设计实现一个方便快捷、安全个性化的智能选课系统。本文以攀枝花学院为研究对象,分析借鉴其他高校的学生选课系统,运用javaEE技术,结合技术框架Spring MVC多组件的应用开发技术架构,并集合云架构开发平台,搭建基于B/S架构的稳定、高性能的基于云计算的智能选课系统,实现通过智能化推荐提供给学生最需要的课程,提高学生学习积极性,从而达到合理安排选课的目标是本文主要的研究内容。介绍了选课系统中使用的云平台架构与相关关键技术,针对各大高校选课系统在选课时出现阶段性的超高负载“峰值压力堵塞”问题,提出了一个高性能的基于云动态资源扩展(DRX)选课方案,对选课系统在高并发访问情况下进行性能优化。通过压力测试发现大数据环境下的网上选课系统得到很大程度的优化,使资源消耗明显降低,效率大幅提升,响应时间大大缩减。而且系统分析了当前主要的选课算法思想及其特点,分析了这些选课算法的应用条件及优缺点,采用分层筛选的选课策略算法对不同课程进行了合理的算法处理。通过智能选课设计方案分析与对比,进一步提出了基于BP神经网络算法实现智能选课的设计方案,给出智能选课算法模型,并在攀枝花学院选课中得到验证。系统通过在线问卷调查获取当前学生的基本信息,通过以往历史数据挖掘出此学生的喜爱课程,给出智能推荐课程,提供了一定的指导建议在学生选课过程中,不仅让学生选课过程更加方便快捷,而且选课结果更加公平合理,具有一定的人性化特色。最后采用黑盒与白盒测试相结合的方式,对攀枝花学院选课系统各功能及子模块分别进行测试,给出了实验数据和实验结论,验证了基于云计算的智能选课系统的可行性和有效性。
生块质量与煅烧生产工艺参数间的关系模型研究
这是一篇关于煅烧工艺参数,生块质量,BP神经网络算法,GA,SA的论文, 主要内容为预焙阳极的生产过程是一个工序复杂而且原料之间的反应机理比较不明确的过程。现在的国内外大多通过建立一般的数学模型等方法对质量进行控制,但是效果仍然不理想。神经网络算法是模拟人脑结构而开发出来的一种数学模型,它对预焙阳极生产中煅烧工艺参数和生块质量间复杂的关系问题,可以进行自适应的非线性映射。因此,神经网络算法在预焙阳极生产中的应用是非常必要的。根据煅烧生产工艺参数与生块质量评价参数间的关系模型研究的课题需求,重新归纳和设计从而形成了混合遗传模拟退火算法(GASA算法)。使之既拥有了遗传算法较强的全局搜索能力,又拥有了模拟退火算法较强的局部搜索能力。同时,本文将GASA算法用于优化BP神经网络算法的初始权值和阈值,从而形成GASA-BP算法。最后,本文以煅烧生产工艺参数作为输入,以生块质量的评价参数作为输出,应用GASA-BP算法形成生块质量与煅烧工艺参数间的预测模型。本文的具体工作和内容如下:(1)分析预焙阳极生产过程中不同工序之间的关系以及原料的作用,选择恰当的特征参数并对其进行数据采集和数据预处理工作。(2)研究模拟退火算法和遗传算法以及BP神经网络算法,根据其各自的特点进行优化,形成GASA-BP算法。首先本文通过遗传算法的相关操作从而获得初始子代种群,然后依次根据个体适应度值选择接受或者执行Metropolis准则,将处理后得到的子代个体群作为最终的子代种群。同时这个过程还要根据迭代次数和终止条件一直重复,这就是GASA算法。然后,由于BP神经网络算法中初始权值和阈值对最终的预测结果产生较大负面影响,使用GASA算法搜索其解空间内的最优解,提高BP神经网络模型的预测准确率,即GASA-BP算法。(3)运用软件工程的设计思想,采用SSM集成架构和GASA-BP算法,设计和实现生块质量与煅烧工艺参数间关系的预测系统。系统设计的目的是分析煅烧工艺参数和生块质量之间的关系,并对结果以表格和图形等方式进行展示,为企业生产过程中的参数决策提供参考。
基于Web的路灯智能系统研究
这是一篇关于路灯,监控系统,BP神经网络算法,百度地图的论文, 主要内容为路灯作为城市的一部分随着城市的扩张也在不断扩大规模,分布于城市的各个重要交通道路和角落。人们夜间出行和开车离不开路灯的照明作用,路灯是人们夜间活动的重要工具。巨大的路灯网络不断吞噬着电能,在能源日益紧张的情况下,对路灯实行节能控制,正顺应当前节能减排的形势,减少路灯能源消耗也是在维护国家和人民的经济利益。本文研究基于Web的路灯智能系统,通过深入分析国内外路灯监控系统现状和控制策略,结合当今社会对路灯监控管理的需求,给出了综合控制方法与BP神经网络算法相结合的路灯亮度控制策略,设计了以地图热点的形式显示故障路灯地理位置的路灯监控系统。本文主要完成了以下研究内容:首先,搭建了路灯远程监控系统平台。以Eclipse为站点开发软件,My SQL为数据库,以Zig Bee与GPRS相结合的通信方式构建路灯监控中心,可实现监控中心与单灯的数据交互,平台的架构为整个路灯智能监控系统奠定了基础。其次,确定了路灯监控系统的控制策略。在以定时方案、感应方案、日出日落开关方案、紧急方案相结合的综合控制策略下,建立了道路光照强度BP神经网络预测模型,通过此模型对既定的功率调整比例进行微调,从而可以兼顾节能需求与照明效果。然后,实现了路灯实时状态地图显示功能。通过Python编写的后台程序在数据库内查询到具体路灯经纬度信息,从而在百度地图API对应的地理位置完成了路灯实时状态在地图上可视化显示、故障路灯在地图上自动弹出预警窗口的功能。维修工人通过此功能可实时了解路灯状态,快速获取路灯地理位置。最后,设计了Web技术下的人机交互界面,完成了系统基本功能测试以及道路光照强度BP神经网络仿真。人机交互界面包括完成了路灯智能系统监测主界面、自动控制界面、人工手动操作界面、路灯故障与告警界面、路灯状态实时查询界面。系统基本功能测试包括用户登录、路灯实时监、路灯告警的测试。界面实现了路灯与用户之间的沟通交流功能,增强了用户对路灯监控系统的参与度和控制力。本文路灯系统提供了一种自动化、精细化的管理方案,对我国的路灯系统进行了改进,使之更符合大众的需求,操作和维护更加简便化,对于推动智慧城市和节能技术的发展具有较大的价值和意义。
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/53838.html
