一、Traffic Modeling and Probabilistic Process Abstraction(论文文献综述)
涂海程[1](2021)在《电力信息物理系统的鲁棒性分析与优化研究》文中提出随着物联网、5G技术的日益发展,越来越多的智能传感设备被投放到电力网中,使得传统的电力网逐渐演变成由信息网和电力网深度耦合而成的电力信息物理系统(Cyber Physical Power System,CPPS)。这种融合提供的3C功能(Communication,Computing,Control,3C),能够实时地监控电网的运行状态,极大地提高了电力网的运行效率。但与此同时,深度融合也给CPPS的安全稳定运行带来了新的挑战。针对CPPS而言,初始故障可以分为物理故障和信息故障两大类。物理故障指的是网络中的节点或连边发生物理性的损毁,例如发电站脱落、高压传输线断开等。物理故障不仅会改变自身网络的负载分布,也会影响与之耦合的另一个网络,甚至引发连锁故障现象。信息故障指的是控制中心不能及时地处理数据,或者是数据在传输过程中被恶意篡改。与物理故障不同的是,信息故障不会直接造成网络中的节点或连边损毁,而是间接地影响控制中心对CPPS的判断和决策。不法分子恶意的信息攻击更是给社会和国防安全带来了极高的风险。因此,本文将围绕CPPS的建模、鲁棒性分析和优化进行深入细致地研究。具体地,1.为更好地研究CPPS,本文在考虑电学特性的连锁故障模型下,分析了电力网能够达到的最优鲁棒性。针对网络的拓扑结构提炼出能够量化网络全局连接性、发电站节点的位置中心性和连接效率等指标,研究了电力网的拓扑结构与鲁棒性之间的关系,并总结出有助于提高电网鲁棒性的变化趋势。随后进一步提出断边保护的策略来提高电网鲁棒性。通过构建以电网鲁棒性和操作代价为优化目标的多目标组合优化问题,寻找出切断后能有效抑制初始故障传播的连边,并定量地揭示了不同操作代价下断边保护策略的优化效率。2.针对电力信息物理系统,提出一种更加实际的弱相依耦合模型,分析了多个关键因素对CPPS的影响。所提的弱相依模型考虑了现实冗余备份等保护机制,使得模型更加贴近实际系统的运行情况。基于弱相依模型,本论文对节点负载的冗余系数、故障传播概率等关键因素进行研究分析。通过对IEEE标准测试集和经典复杂网络模型的仿真,揭示了这些关键因素与CPPS鲁棒性之间的作用关系。3.虚假数据注入攻击(False Data Injection Attack,FDIA)和拒绝服务(Denial of Service,DoS)攻击作为CPPS中最常见的信息攻击手段。FDIA利用了电力网状态估计和坏数据检测的原理,通过注入攻击向量来破坏测量护数据的完整性,从而混淆和诱使控制中心作出无效甚至错误的指令。DoS攻击通过向通信网的信道中发送大量伪数据包来占用控制中心与远程终端之间的通信资源,从而影响控制中心对电力网的判断和控制,进而威胁CPPS的安全稳定运行。在FDIA的基础上,本文结合DoS攻击的特点,提出一种混合攻击模型来重新评估CPPS的鲁棒性。研究两种特殊场景下混合模型是如何影响CPPS的运行。所提的攻击模型效率越高,意味着系统可改善的空间越大。这不仅可以警示CPPS的操控人员,也能为设计出更好的检测算法和机制提供新的思路。4.最后本文提出一种基于通信网流量控制的优化模型来提高CPPS的鲁棒性。所提模型将电力网和通信网自身的物理特性、以及两个网络之间的相依关系抽象成约束条件,以网络性能最大化为优化目标来进行数学建模。通过引入松弛变量并对原始优化问题进行转换,原优化问题可以等价地变成一个双层混合整数规划问题。最后,本文分别研究初始故障的严重程度、耦合强度以及通信网的拓扑结构对优化结果的影响。
荆一航[2](2021)在《时延QoS约束下无线资源切片技术研究》文中进行了进一步梳理第五代移动通信网络(5G,5th Generation)将承载更加多样化和更严格服务质量(QoS,Quality of Service)要求的应用流量,是未来蜂窝网络的重要研究方向之一。5G具有几种严格异质性的应用场景,已被分类为增强型移动宽带(e MBB,enhance Mobile Broadband),超可靠低时延通信(URLLC,ultra Reliability Low Latency Communication)和大规模物联网(MIo T,massive Internet of Things)。在这三类场景下,业务间的服务质量要求具有显着的差异。网络切片被认为是为异质服务提供定制QoS保障的最有效的5G核心技术之一。通过对网络中到达流量的随机特性进行分析,本文主要对无线资源切片上异质流量到达的场景进行研究,但是现有研究中对带宽资源进行有效切片方案是比较少的。本文基于对到达流量带宽的估计以及对服务资源管理和分配机制的设计,提出了一种简单但有效的带宽切片方案,并形象地称之为具有两个孔的随机漏桶服务机制。方案中的服务包括两部分,一部分是切片内专用的基本服务,另一部分是切片间共享的随机补偿服务,因此,资源分配的机制就像是带有两个孔的漏桶,漏桶底部有一个漏孔是依概率随机打开的。为方便讨论,该方案主要对切片服务于两种异质的到达流的场景进行研究,但所提出的模型具有一般性,适用于多个切片服务异质业务流的场景。为了保证异质流量的统计型时延QoS要求,有效的带宽/容量理论和鞅理论等被引入到切片方案设计中。在统计时延QoS约束下,通过建立函数方程,推导了每个切片的随机补偿概率和补偿带宽的大小,将其作为切片调整因子。在本文中,提出的随机补偿方案引入了排队模型以简化切片方案。切片应具有至少这样三个性质,一是虚拟性:网络切片是一个虚拟的概念,二是切片内的资源是被动态地进行分配,三是切片间性能是隔离的。在统计时延QoS约束下,随机补偿服务过程可以在不频繁发送导频的情况下为流量服务,节省带宽资源。由于切片间共享随机补偿带宽且带宽较小,因此可以利用网络资源碎片动态调整切片的资源,从而提高资源利用率。对于5G基站侧的带宽分配,推导出的切片调整因子可以用来指导实际的解决方案。尤其,该方案非常适合在包含共生业务流的通信场景中实施,如视频通话或任何视音频双轨业务。此外,仿真研究部分表明,设计的随机补偿方案可以支持多种具有不同随机特征的业务。该方案的主要局限性在于,当流量变得非常突发或延迟要求太严格时,随机补偿服务会消耗过多的带宽资源,这意味着方案的性能会下降。因为在这种情况下,随机补偿概率和随机补偿带宽太大,这不是该方案的典型用例。尽管所提出的方案很简单,但它可以作为一个起点,以了解随机补偿方案的实际应用并为异质业务传输提供支持。
贾飞凡[3](2021)在《城市轨道交通乘客路径动态诱导策略优化研究》文中进行了进一步梳理随着城市轨道交通网络化运营模式的不断深化,乘客出行需求的时空不均衡性导致网络客流分布不均衡增强,局部路网客流拥挤问题日趋严重。除了提高能力供给之外,运营者还需要从需求侧出发对网络客流分布进行调节,而乘客对出行路径的选择是影响网络客流分布的关键因素。本文以城市轨道交通乘客路径动态诱导问题作为切入点,从诱导信息影响下的乘客路径选择行为建模、诱导信息发布条件下的网络客流分布动态推演和乘客路径动态诱导策略优化三方面展开研究,为运营者提高城市轨道交通运营效率和优化乘客出行体验提供理论支撑和辅助决策支持。具体研究内容包括:(1)城市轨道交通乘客路径动态诱导问题分析。首先对城市轨道交通客流诱导的现状和未来发展方向进行总结分析。基于对乘客路径动态诱导问题特征的分析,在马尔可夫决策过程框架下构建乘客路径动态诱导问题的抽象模型,通过分析模型中的关键要素明确解决乘客路径动态诱导问题需要研究诱导信息影响下的乘客路径选择行为、诱导信息发布条件下的网络客流分布动态推演、乘客路径动态诱导策略优化三个关键子问题。通过对三个子问题的特征进行分析提出了解决问题的研究思路,为后续研究奠定基础。(2)诱导信息影响下的乘客路径选择行为建模。通过分析诱导信息影响下的乘客选择行为特征,对既有随机后悔最小化模型进行改进,建立了以路径属性对比为基础,考虑乘客属性感知、尺度效应、决策惯性的路径选择模型以描述乘客在诱导信息影响下的路径选择行为。通过意向调查(State Preference Survey,SP Survey)采集受访者基本属性和订阅信息服务意愿,基于最优正交设计法设计SP实验构建路径选择场景采集受访者路径选择结果。通过对受访者基本属性和对订阅信息服务意愿进行Logistic回归,对订阅信息服务意愿的影响因素进行分析。基于极大似然估计法使用受访者路径选择场景的选择结果数据对改进随机后悔最小化模型进行标定,通过与经典随机后悔最小化模型和经典随机效用最大化模型的对比分析,结果表明本文所提出的路径选择模型能够更精准的描述诱导信息影响下的乘客路径选择行为。(3)诱导信息发布条件下的网络客流分布动态推演。基于城市轨道交通网络客流分布的特征,考虑乘客路径动态诱导策略优化的需求构建城市轨道交通系统的离散事件系统模型。对城市轨道交通系统中的基础设施、列车、乘客和运营者等实体从中观层面进行建模,确定了各实体模型的输入、输出、状态转移、特征元组、决策元组等关键要素,基于实体模型之间的耦合关系建立了城市轨道交通系统的耦合模型。基于系统内实体的状态转移过程和实体之间的相互作用推演诱导信息发布条件下网络客流分布动态变化。基于离散事件系统模型开发城市轨道交通网络客流分布动态仿真系统,通过对列车运行过程、诱导信息影响下的乘客决策和出行过程、运营者向乘客发布诱导信息的过程进行模拟,推演获得诱导信息发布条件下的网络客流动态分布,为乘客路径动态诱导策略优化提供决策环境支持。通过实际案例验证了仿真系统可推演诱导信息影响下的网络客流分布。(4)城市轨道交通乘客路径动态诱导策略优化。在强化学习框架下研究乘客路径动态诱导策略优化问题,将网络客流分布特征作为状态,运营者向乘客发布诱导信息的行为作为动作,将诱导信息发布后的网络客流分布特征作为状态转移,并以此计算诱导信息发布动作的奖励值。提出基于自编码器的网络客流分布特征提取方法,基于诱导方向的诱导信息发布动作生成方法和基于多目标加权的奖励值计算方法。基于深度确定性策略梯度(DDPG)算法构建乘客路径动态诱导策略学习网络,利用网络客流分布动态仿真系统与学习网络的交互数据进行网络训练,生成优化的乘客路径动态诱导策略。分别以小规模假设网络和大规模实际网络为背景进行案例分析,结果表明使用路径动态诱导策略对客流进行诱导可以有效缓解网络客流拥挤问题。通过进一步改变算法中的相关参数,揭示了订阅信息服务比例和调控目标权重对乘客路径诱导效果的作用机理。
高学伟[4](2021)在《数字孪生建模方法及其在热力系统优化运行中的应用研究》文中认为随着社会经济的飞速发展,我国产业结构优化调整和转型升级进程的深入,要实现未来“碳达峰,碳中和”的目标,需要建设清洁低碳、安全高效的现代能源体系。以风电和太阳能发电为代表的可再生能源替代作用日益突显,而火电机组在未来很长一段时间内仍将处于主导地位。亟需解决火电和可再生能源的协同发展问题,大型火电机组更多需要担负起高效节能、低碳环保、深度调频调峰的任务。实施电能替代供热对于推动能源消费革命、减少碳排放、促进能源清洁化意义重大。利用电锅炉储热供暖还可以降低电网调节压力,增加供热能力,有效解决可再生能源的消纳问题。火电机组热力系统和电锅炉储热供暖热力系统都属于典型的非线性、多参数、强耦合的复杂热力系统。本文通过研究流体网络机理建模和数据驱动建模相融合的数字孪生建模方法,为热力系统建模工作提供了新的思路和途径,为热力系统安全、环保和经济运行提供理论支撑。论文围绕数字孪生建模方法及其在热力系统优化运行中的应用,主要研究内容和成果包括以下几个方面:(1)对数字孪生理论、热力系统建模理论以及大数据处理等基本理论进行了研究。比较了数字孪生与仿真技术及信息物理系统的异同;以火力发电厂为例,研究了流体网络机理建模及求解方法;对Hadoop系统的MapReduce与Spark计算进行了对比分析,对实时数据处理Spark Streaming与Storm进行了对比分析,并搭建了适用于数字孪生及大数据在热力系统建模领域应用的大数据分布式集群平台;在该集群上实现了大数据的存储管理,以及大数据分布式计算,研究了基于大数据平台的数据驱动建模理论,包括支持向量回归建模、极限学习机建模、智能辨识优化算法以及即时学习等基本理论。(2)针对数据驱动建模方法的研究,提出一套基于改进即时学习策略的自适应数据驱动建模方法。采用“主成分+互信息”的方法获得输入和输出变量之间的相关程度,确定权重因子,然后利用“欧式距离+角度”定义一种加权综合相似度度量函数。在离线状态下,利用改进遗传模拟退火模糊聚类方法进行工况划分;进行工况预测时,采用一种多层次综合相似度度量的相似工况快速识别方法构建相似工况训练集,即根据两级搜索的策略实现了在线快速识别:初级识别是确定预测工况在历史工况库中所属的类别提取预测类工况,次级识别是采取基于综合相似度度量函数的相似工况识别方法,在历史数据库中针对预测类工况的快速识别;局部模型建模方法是在Spark计算框架下,对SparkSVMHPSO算法、Spark ELM算法以及基于SparkHPSO的多参数辨识等数据驱动建模方法进行研究。然后以SCR脱硝系统出口 NOx预测、电锅炉储热供热系统源侧及荷测负荷预测为案例,验证了所提出的建模方法有效性。为热力系统数字孪生模型建模及系统工况优化提供了理论支撑。(3)针对数据孪生建模的研究,提出一套改进即时学习策略的自适应数据驱动与机理模型多参数辨识协同融合的数字孪生建模方法。在建立热力系统机理模型的基础上,关键的设备模型参数利用多参数多工况拟合的离线智能辨识方法,得到可以模拟实际系统全工况下动态变化趋势的离线智能参数辨识模型;以离线智能参数孪生模型为主,根据相似度阈值进行判断,采用自适应模型参数更新策略,实现数字孪生模型的在线协同;为进一步提升孪生模型预测的精度和鲁棒性,采用移动窗格信息熵的多模型输出在线融合方法,提升关键工况以及动态变化过程的逼近程度。基于这一理论构建的数字孪生模型,能够基于系统运行数据持续进行自我修正,在线跟踪设备运行特性,从而具有自适应、自演进的智能化特点,能够全面反映系统的运行状态和性能,为系统工况迭代优化提供可靠的模型输入和结果校验工具。以燃煤电站SCR脱硝系统和电锅炉储热供热系统为研究对象,建立其热力系统数字孪生模型。(4)最后,基于数字孪生模型的实时跟踪能力,提出一种基于负荷分配和工况寻优的热力系统智能工况动态寻优策略。并以电锅炉储热供热系统为研究对象,根据能耗成本分析和负荷分配策略,利用数字孪生模型系统,对电网负荷、电锅炉系统、储热系统进行预测计算,模拟不同运行方案、不同工况下系统动态运行,得出最优的供热调节和负荷分配方案。以火力发电厂SCR脱硝系统为例,根据建立的自适应、自演进的智能化SCR脱硝系统数字孪生模型,将该模型应用于模型预测控制算法中。结果表明,利用基于数字孪生模型的自适应预测控制算法比传统的PID控制效果更精确,运行更稳定。证明了所提建模方法的有效性,具有重要的工程实用意义和行业示范价值。
邢旭东[5](2021)在《基于大数据的蜂窝网络流量变化趋势预测研究》文中指出无线设备的数量以及数据传输需求的飞速增长为蜂窝网络的运营和优化带来了极大的挑战。充分分析网络数据,以实现精准的网络流量预测与全面的网络流量增长潜力评估,对满足用户数据传输需求以及合理调配网络资源具有重大意义。本文基于真实蜂窝小区的网管数据,分别从短期波动规律分析以及实时的流量增长潜力评估两方面对蜂窝网络流量变化趋势展开研究。首先,针对蜂窝小区流量的短期波动规律分析,本文提出了一种带有时间序列波动模式聚类的蜂窝网络流量预测架构。该预测架构能够从蜂窝小区的流量序列中提取波动模式(基线特征)并进行聚类操作,从而有效削减了不同波动规律的时间序列在训练模型时的相互影响,同时保留了剩余分量(残差特征)。进一步地,本文提出了一个基于长短期记忆网络的深度模型,用于学习每个聚类簇中的基线特征。同时假设聚类簇中每个采样时刻的残差特征服从正太分布。通过对残差特征做概率参数估计,以保证整个架构的完备程度。实验结果表明,与对照方案相比,本文所提方案有效地提高了预测性能。其次,充分挖掘无线网络流量的增长潜力有利于指导长期的网络优化策略的部署,最大化网络投资收益。针对实时的蜂窝小区流量增长潜力评估,本文提出了一套基于机器学习的蜂窝小区流量增长潜力评估方案。该方案基于蜂窝网络中的历史数据,对流量增长潜力进行多维联合评估。具体而言,本文基于极限梯度提升机器学习框架建立网络中其它运营数据与业务流量的多维映射模型。进而,本文应用一种改进的量子粒子群算法根据该模型搜索蜂窝小区所能承载的流量上限。从而为网络优化部署提供指导,提升网络流量水平、释放流量增长潜力。
王昱人[6](2021)在《CPS环境下异类信息融合技术应用研究》文中指出信息物理融合系统(Cyber-physical system,CPS)是计算单元和物理对象在网络环境中高度集成交互而成的智能系统。安全性与安全监控问题是它正常运行的关键。随着技术发展,以震网攻击为代表的长期潜伏、擅长伪装、多种攻击混合进行的攻击事件使得在单一维度下进行安全监控的难度越来越大。需要通过多源信息融合,从时间和空间的不同的维度来扩展素材,从而更好的识别攻击事件。物理信息融合系统的现场环境由现场人员、物理设备以及信息系统组成。CPS具有异构异质、时空约束、领域相关等独特的特点,使得利用信息融合方法进行安全监控变得困难。尚未存在一套模型可以融合分析现场人员、物理设备以及信息系统所关联的所有安全信息。因此本文希望能构建这样一套能充分利用CPS环境下的各类安全相关信息的模型,从而可以更全面有效的监控系统的安全风险。由于系统出现的异常或安全问题不能一概而论,需要分层次、分类别地进行分析。所以本文首先对CPS环境下的多源异类安全监控设备或软件进行了分类和建模。并且将入侵检测消息交换格式(IDMEF)的应用场景进行扩展,从而统一了异类告警信息的格式。再提出了异常事件多级抽象模型(Multi-level abstract model of abnormal events,MLAMOAE)。该模型对异常事件进行了多级抽象划分,用于指导异类告警信息的融合分析,用于将安全监控问题划分为两类问题:“是否存在异常”与“存在什么样的异常”,从而可以更加清晰的认识并解决问题。基于这套模型,设计了一套异常风险评估流程,用于将“是否存在异常”与“存在什么样的异常”问题映射到D-S理论的识别框架,形成两种不同的评估方法和输出格式。并且规定了这两种评估方法之间如何进行转换。为了在CPS环境下实现该异常风险评估流程,提出了异类信息多级融合模型(Multi-level fusion model of heterogeneous information,MLFM)并通过仿真实验对模型的效果进行了验证。该模型通过多源异类信息融合的方法,综合分析来自不同时间、空间维度的信息,实现对系统安全风险的多维度、多层次地评估与检测。采用决策级融合的D-S证据理论实现对异类信息的融合判决,保障了模型的泛用性与可扩展性,可以方便的将新的信息来源加入或剔除融合模型。
周琨[7](2021)在《网络流量模型及异常检测技术研究》文中研究说明网络流量海量化、复杂化已成为常态,如何识别、监测、分析网络流量已成为重要研究方向和热点。特别是基于深度学习的异常检测方法的研究,受到产学研界广泛关注,异常检测与机器学习、深度学习等人工智能技术领域相结合是网络安全领域研究的一个重要分支。作为检测高级威胁手段的流量分析技术结合人工智能、大数据等技术对流量建模,分析流量行为,识别检测异常流量,为网络规划、网络优化、网络监控等提供重要的技术支撑。本论文的研究内容是将传统的统计方法、深度学习及强化学习的方法用于网络流量建模和异常检测,流量模型是基于流量的异常检测的基础性研究工作,掌握流量特征是建设健壮、安全可靠网络的前提条件。可在流量模型上开展流量预测、分类,以及在此基础上进行异常检测研究。本文主要研究内容和贡献包括:(1)研究了移动平均自回归模型在以流量为代表的时间序列建模领域的应用,总结了一套建模流程,可用于指导模型设计、指标选择及模型评估;提出了一个ARIMA+SVR的混合模型,时间序列的预测准确度提高了10%以上。设计了一个加密视频流识别方案,提出了视频流最近邻、动态时间规整算法;基于加密后流量不确定性增加、熵值加大的特点,结合分类算法提出了一个加密流量识别方法,该方法与传统方法相比,识别准确率提高了10%以上。(2)在分析和实验长短期记忆网络性能存在的问题后,提出了基于注意力机制和自编解码融合的流量模型,训练时间与现有的模型相比缩短了约80%左右,在流量模型的基础上设计了异常评分机制,提出了基于注意力的异常检测模型,实验结果表明异常检测准确率达到或超过现有模型,模型训练时间效率提升明显。(3)通过将生成式对抗神经网络(GAN)应用于流量建模和异常检测的研究,提出了基于GAN的流量模型,该模型克服了GAN训练易出现不稳定等问题,生成了“高仿真度”的网络流量,在此基础上进一步设计了异常评分机制,进行流量异常检测。实验测试表明模型的有效性,其识别准确率达到或超过现有模型。(4)通过对异步强化学习(A3C)应用于网络流量的研究,提出了一个对网络攻击行为建模的异常检测模型,对四个基准数据集的实验测试表明,检测准确率、召回率及F1分数等评价指标达到或超过现有的模型。
李玲洁[8](2021)在《数学模型思想融入初中数学的实践研究》文中认为现行教育体制下,初中生的数学学习普遍存在一个现象:仅仅知道根据题型选择解题方式,却不理解数学知识本身,以及数学知识的由来。这种情况大大降低了学生学习的积极性、创新能力和实践能力。而数学模型思想的应用可以弥补以上不足,因此在数学教学中要高度重视融入数学模型思想,培养学生用数学眼光去观察世界。本文从中学的教学现状出发,阐明了数学模型思想在国内外的发展,明确了数学模型思想在中学教育中的重要性。对不同学校不同年级的初中生进行调查,实证剖析了他们对于数学模型的认知现状,以及当前中学数学教学中对数学模型思想应用的态势,结果表明:初中生对数学模型思想的领悟和认知不够清晰和准确;绝大多数初中生建立模型解决问题的能力比较弱;学校、年级以及性别等各类因素都对学生运用模型解决问题有重要影响;教师教学模式的差异也对培养学生运用模型解决问题的能力有显着的影响。文章具体分析了如何在教学中渗透模型思想:首先,以北师大版教材为本,对其有关数学模型思想的教学内容进行细致剖析;其次,挖掘了教学中融入模型思想的原则和条件,概述了在教学中融入模型思想的具体步骤;最后,经过筛选代表性强的教学内容,借助融入模型思想的具体步骤,设计了不同类型的教学案例。文章能引导学生在不同课程中感受建立模型、求解模型、验证模型的过程,从而让学生能够运用数学模型思想自行解决各个学科甚至生活中的实际问题。
陈仲一[9](2021)在《基于任务风险模型的仓储分拣系统排班优化与调度管理》文中研究表明分拣平台作为仓储系统的重要一环,长期以来存在任务需求波动大,调度决策主观性强,人力资源利用率低等问题。如何克服任务需求的强不确定性,提高现场的自动化水平,制定科学的调度决策方案,具有很高的研究价值与实践意义。本文针对仓储分拣平台作业流程,围绕人员排班优化展开一系列研究,建立了包括流程建模、现场仿真、风险估计、排班优化,人效管理的技术框架,主要研究工作为:1.仓储分拣平台的流程建模与仿真。基于仓储分拣系统实际生产逻辑建立流程模型,求解以总人力成本最低为优化目标的整数规划问题。针对现场生产数据不透明,管理依据主观经验的问题,建立模块化仿真平台。仿真平台能够依据作业逻辑还原各作业单元的工作负荷,为现场管理人员监控生产进度、执行事中调度、发掘作业潜力提供理论依据。2.仓储分拣平台任务量风险建模。准确的任务量预测是仓储分拣系统精益排班、降低人力成本的前提。任务量受上游销量、天气路况、时间周期等复杂内外部因素影响,以标量输出的预测结果往往会存在较大偏差。为克服现有任务量预测方案中的不确定性,本文提出了基于GPR的风险建模预测方法。预测算法基于现有的历史任务量预测值,预测未来各时段任务量在一天中所占比例的概率密度分布。设计实验比较多种方法,验证预测算法的准确性与适应性。3.仓储分拣平台人员排班优化算法。设计了二阶段随机优化模型用于制定总人力成本最低的仓储分拣精益排班计划。首先在任务量风险模型中采样构造情景树,然后计算考虑不确定性因素的最优人员排班方案。这种基于采样的优化方法充分利用了风险模型中的概率密度信息,解决了实际应用中历史数据稀少,噪声影响大的问题。设计实验比较多种排班方案的人力成本,验证优化算法的有效性。4.仓储分拣平台弹性人力分配模型。精益排班属于任务规划层面的内容,而在生产管理层面,企业通过制定弹性化的管理方法,同样可以起到提高人力资源利用率,降低生产人力成本的作用。本文在仓储分拣平台用工类型、班次时长、人员薪酬等方面的设计了弹性化的管理方法,建立了相关人员分配模型。研究成果在物流企业真实生产场景得到应用验证。
李莉[10](2020)在《软件定义无线异构网络中的能效优化问题研究》文中研究说明随着移动网络流量的急剧增加,移动通信网络中的能耗问题日益严峻。出于经济利益和环境保护的双重考虑,提高网络中的能源效率成为第五代移动通信技术中设计无线通信系统的重要指标之一。广泛的研究表明,提高网络能效的有效措施包括:多类型接入设备组合覆盖蜂窝小区、可再生能源和传统能源协作供能和对不同类型的网络业务按需分配网络资源。因此需要对存在设备、能源和业务多样性的无线异构网络的特性进行研究。但是,由于无线异构网络采取垂直建站和分布式管理模式,很难根据全局网络状态对网络资源实现实时的优化分配。软件定义网络(Software Defined Network,SDN)架构通过分离网络的控制平面和数据转发平面对通信网络技术进行了改革,实现了灵活高效的可编程和集中化网络管理。网络功能虚拟化(Network Function Virtualization,NFV)作为软件定义网络的重要应用,通过分离网络功能和网络设备,实现了针对不同业务的虚拟网络划分机制。本论文针对无线异构网络的动态特性,以及目前因为管理困难造成的能效低下问题,利用软件定义网络技术提供的架构优势,实现了无线异构网络中灵活实时的网络资源调度配置,本课题的主要研究思路为,首先以网络性能和用户需求为约束,然后在此基础上降低网络能耗,以此提高网络能效。具体研究工作与贡献如下:1.系统架构分析通过对软件定义网络架构的分析,针对无线网络中的设备异构性和能源异构性,提出一个基于SDN技术的绿色中继网络架构的设计方案,为动态的无线网络提供灵活的网络管理模式;针对无线网络中的资源异构性和业务异构性,提出一个基于NFV技术的智能虚拟边缘网络架构的设计方案,智能的实现了网络资源的按需分配。该架构中的虚拟网络运营商将网络业务提供商提供的实体资源整合后,以虚拟网的形式按照需求提供给网络服务供应商,并允许对边缘网络资源进行智能调度。2.能效优化的流表项管理策略在绿色中继无线网络中,用户本应按照最节能的方式选择基站或者中继节点接入网络,但是可再生能源捕获量难以预测,当中继节点中的可再生能源出现短缺时,该设备无法为用户提供接入服务,在这种情况下,接入该节点的用户需要切换到基站上。另一方面,当可再生能源的捕获量超过消耗量,多余的能源将由于无法被储存而浪费。针对可再生能源的中断和饱和问题,本文提出一种软件定义网络架构下的动态流表项更新策略和一个面向长期能效的流表管理策略,根据节点的可再生能源状态为用户选择接入点,以最大限度的利用已经捕获的可再生能源,从而减少传统能源的消耗量,实现传统能源的能效优化。这些策略可以集成为软件定义网络的控制器上的一个网络管理应用程序。数值仿真结果表明和其他路由策略(例如容量受限和最优路径策略)相比,所提出的策略可以有效利用可再生能源,提高传统能源的能效。3.能效最优的Ant-Q缓存数据流分发策略在移动边缘网络部署缓存功能可以显着减少边缘网络和远端云之间的通信,从而节省能源,然而由于用户的移动性、业务多样性和有限的边缘存储计算能力,如何智能的使用边缘节点的通信和缓存功能具有很大的挑战性。本文使用Ant-Q学习算法为虚拟化移动边缘网络提出了一种节能感知的动态缓存策略。针对不同业务的需求差异,本文首先设计一种具有边缘缓存功能的虚拟化移动边缘网络范例,和直接从移动用户行为中提取特征相比,本范例可以更准确有效地从网络服务中提取特征,并建立其系统模型。然后将能效感知的缓存数据流分发问题根据强化学习算法建模,并使用结合强化学习和蚁群算法的Ant-Q算法解决该问题,该算法可以有效结合云计算能力和边缘网络的高响应能力。此外本文使用禁忌空间来提高Q学习算法的收敛性。仿真结果表明,所提出的缓存数据流分发策略可以显着提高能源效率,同时对网络性能进行优化,而带禁忌空间的Q-learning算法可以显着减少计算时间,提高Ant-Q学习阶段的计算效率。4.能耗最低的边缘虚拟网络构建为了支持具有高资源利用率的异构无线网络中的多个设备和服务的无缝通信,网络虚拟化技术提供了灵活和可扩展的管理。本文研究了无线多跳边缘网络中虚拟网络构建问题,首先分析无线多跳蜂窝网络场景,并建立虚拟网络构建模型。之后将该问题转化为多商品流问题,提出了一种基于多商品流算法的最小成本流算法,即用最小的能耗开销相应虚拟网请求,最后采取拉格朗日松弛优化算法和次梯度算法来解决该问题。仿真结果表明,所提出的多商品流算法可以在无线多跳网络中带宽和节点发射功率有限的情况下提高虚拟网络请求的接受率,以此提高网络能效。
二、Traffic Modeling and Probabilistic Process Abstraction(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Traffic Modeling and Probabilistic Process Abstraction(论文提纲范文)
(1)电力信息物理系统的鲁棒性分析与优化研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 选题背景与意义 |
1.2 课题的研究现状 |
1.3 目前研究存在的问题 |
1.4 本文的研究内容与章节安排 |
2 电力网自身的鲁棒性分析与其提高策略研究 |
2.1 引言 |
2.2 模型描述与问题提出 |
2.3 拓扑结构对电力网鲁棒性的影响 |
2.4 拓扑优化 |
2.5 基于断边保护的鲁棒性优化策略 |
2.6 本章小结 |
3 物理故障对电力信息物理系统鲁棒性的影响研究 |
3.1 引言 |
3.2 相关工作简述 |
3.3 电力信息物理系统仿真模型 |
3.4 电力信息物理系统中连锁故障及其鲁棒性评估指标 |
3.5 仿真分析 |
3.6 本章小结 |
4 信息攻击对电力信息物理系统鲁棒性的影响研究 |
4.1 引言 |
4.2 相关工作简述 |
4.3 信息攻击的原理及数学建模 |
4.4 差分进化算法 |
4.5 仿真分析 |
4.6 本章小结 |
5 电力信息物理系统鲁棒性优化研究 |
5.1 引言 |
5.2 相关工作简述 |
5.3 数学建模 |
5.4 问题转化 |
5.5 仿真结果 |
5.6 本章小结 |
6 总结与展望 |
6.1 本文总结 |
6.2 研究展望 |
参考文献 |
附录A |
附录B |
攻读博士学位期间的研究成果 |
(2)时延QoS约束下无线资源切片技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 无线资源切片技术研究现状 |
1.2.2 QoS保障问题研究现状 |
1.2.3 鞅理论的发展趋势 |
1.3 论文的主要内容及结构 |
第2章 基础知识 |
2.1 5G关键技术简介 |
2.1.1 SDN和 NFV |
2.1.2 无线资源切片技术 |
2.2 排队论相关概念 |
2.3 大偏差原理 |
2.3.1 大偏差原理的引出 |
2.3.2 大偏差原理的存在性 |
2.3.3 速率函数的求解 |
2.4 鞅理论基本定义 |
2.4.1 鞅过程 |
2.4.2 鞅的停时定理 |
2.4.3 超鞅 |
2.5 本章小结 |
第3章 基于大偏差理论的随机补偿切片方案 |
3.1 随机补偿切片方案 |
3.1.1 随机补偿服务机制 |
3.1.2 理论模型的构建 |
3.2 基于大偏差理论的方案求解 |
3.2.1 EB/ EC理论 |
3.2.2 概率不等式的分析 |
3.2.3 有效带宽/容量方程的建立 |
3.3 同质业务场景下随机补偿方案分析 |
3.3.1 单一泊松流到达场景 |
3.3.2 单一MMOO流到达场景 |
3.4 异质业务场景下随机补偿方案分析 |
3.4.1 多切片服务场景 |
3.4.2 方案有效性研究 |
3.4.3 方案比较 |
3.5 方案性能分析 |
3.5.1 业务到达强度对方案的影响 |
3.5.2 业务突发度对方案的影响 |
3.5.3 时延界对方案的影响 |
3.5.4 流量聚合方式对方案的影响 |
3.6 本章小结 |
第4章 基于鞅论对切片方案的理论研究 |
4.1 到达过程超鞅的构造 |
4.1.1 MMOO到达过程构造的超鞅: |
4.1.2 泊松到达过程构造的超鞅: |
4.2 服务过程超鞅的构造 |
4.3 本章小结 |
第5章 总结与展望 |
参考文献 |
作者简介及科研成果 |
致谢 |
(3)城市轨道交通乘客路径动态诱导策略优化研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景 |
1.2 研究目的和意义 |
1.3 国内外研究现状 |
1.3.1 诱导信息影响下的出行者选择行为研究 |
1.3.2 诱导信息发布条件下网络流分布研究 |
1.3.3 诱导策略优化研究 |
1.3.4 既有研究总结 |
1.4 研究范围和内容 |
1.4.1 研究范围 |
1.4.2 研究内容 |
1.5 论文结构及技术路线 |
2 城市轨道交通乘客路径动态诱导问题分析 |
2.1 客流诱导现状分析 |
2.2 乘客路径动态诱导问题特征 |
2.3 基于马尔可夫决策过程的问题建模 |
2.4 问题求解思路 |
2.4.1 关键子问题分析 |
2.4.2 诱导信息影响下乘客路径选择行为建模思路 |
2.4.3 诱导信息发布条件下的网络客流动态分布推演思路 |
2.4.4 乘客路径动态诱导策略优化思路 |
2.5 本章小结 |
3 诱导信息影响下乘客路径选择行为建模 |
3.1 问题分析 |
3.1.1 乘客决策特性分析 |
3.1.2 既有模型适用性与不足 |
3.2 诱导信息影响下乘客路径选择模型 |
3.2.1 后悔函数构建 |
3.2.2 模型构造 |
3.2.3 参数估计方法 |
3.2.4 模型评估指标 |
3.3 SP实验设计 |
3.3.1 实验设计要求 |
3.3.2 选择集规模确定 |
3.3.3 属性与属性水平确定 |
3.3.4 选择集生成 |
3.3.5 问卷设计 |
3.4 数据分析与模型标定 |
3.4.1 调查数据统计分析 |
3.4.2 订阅信息服务意愿Logistic回归分析 |
3.4.3 路径选择模型标定结果 |
3.5 本章小结 |
4 诱导信息发布条件下的网络客流分布动态推演 |
4.1 问题分析 |
4.1.1 网络客流分布特性 |
4.1.2 离散事件系统建模适用性分析 |
4.2 基于离散事件系统的城市轨道交通系统中观建模 |
4.2.1 基于点弧集合的网络拓扑实体建模 |
4.2.2 基于服务的列车实体建模 |
4.2.3 基于多智能体的乘客实体建模 |
4.2.4 基于智能决策的运营者实体建模 |
4.2.5 城市轨道交通系统耦合模型 |
4.3 诱导信息发布条件下系统动态推演机制 |
4.3.1 列车运行过程推演 |
4.3.2 乘客决策和出行过程推演 |
4.3.3 运营者路径诱导决策推演 |
4.4 网络客流分布动态仿真系统构建 |
4.4.1 系统基本框架 |
4.4.2 系统类结构设计 |
4.4.3 系统功能模块 |
4.5 案例验证 |
4.5.1 案例背景 |
4.5.2 案例结果 |
4.6 本章小结 |
5 基于深度强化学习的乘客路径动态诱导策略优化 |
5.1 问题分析 |
5.1.1 乘客路径诱导策略优化问题特征 |
5.1.2 强化学习适用性分析 |
5.2 训练样本构建 |
5.2.1 基于堆栈自编码器的网络客流分布状态特征提取 |
5.2.2 基于诱导方向的诱导信息发布动作生成 |
5.2.3 基于多目标加权的奖励值设定 |
5.3 基于DDPG的乘客路径动态诱导策略学习算法 |
5.3.1 DDPG算法概述 |
5.3.2 乘客路径动态诱导策略学习网络构建 |
5.3.3 网络训练流程 |
5.4 案例分析 |
5.4.1 小规模案例 |
5.4.2 大规模案例 |
5.4.3 案例结果总结 |
5.5 本章小结 |
6 结论与展望 |
6.1 研究总结 |
6.2 主要创新点 |
6.3 研究展望 |
参考文献 |
附录 A 城市轨道交通信息服务调查问卷 |
附录 B 随机后悔最小化模型路径选择概率推导 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
(4)数字孪生建模方法及其在热力系统优化运行中的应用研究(论文提纲范文)
摘要 |
Abstract |
主要符号及缩写表 |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 能源电力发展背景与现状 |
1.1.2 智能控制优化研究现状 |
1.2 热力系统建模仿真及大数据技术研究现状 |
1.2.1 热力系统建模研究现状 |
1.2.2 电力大数据及其发展现状 |
1.2.3 热力系统仿真技术发展背景 |
1.3 数字孪生技术的应用现状及关键技术 |
1.3.1 数字孪生的应用发展现状 |
1.3.2 数字孪生研究的关键技术 |
1.3.3 数字孪生发展面临的挑战 |
1.4 论文的研究内容 |
第2章 大数据背景下的数字孪生与热力系统建模理论 |
2.1 数字孪生的基本理论 |
2.1.1 数字孪生的定义与内涵 |
2.1.2 数字孪生与仿真技术之间的关系 |
2.1.3 数字孪生与信息物理系统之间的关系 |
2.2 热力系统建模理论与方法 |
2.2.1 流体网络机理建模理论与方法 |
2.2.2 数据驱动建模理论与方法 |
2.3 大数据的基本理论 |
2.3.1 大数据平台框架及相关技术 |
2.3.2 大数据存储管理与预处理方法 |
2.3.3 大数据分布式集群平台构建 |
2.4 本章小结 |
第3章 基于改进即时学习策略的自适应数据驱动建模方法研究 |
3.1 基于改进即时学习策略的自适应数据驱动建模方法 |
3.1.1 建模思路 |
3.1.2 基于改进遗传模拟退火算法的模糊聚类工况划分 |
3.1.3 基于多层次综合相似度度量的相似工况识别 |
3.1.4 基于Spark平台的数据驱动局部模型建模 |
3.2 SCR脱硝系统数据驱动建模应用案例 |
3.2.1 建模对象及背景介绍 |
3.2.2 数据预处理和相似工况选取 |
3.2.3 局部建模过程及结果分析 |
3.3 电锅炉供热系统荷侧和源侧负荷预测建模应用案例 |
3.3.1 建模对象及背景介绍 |
3.3.2 荷侧供热负荷预测模型 |
3.3.3 源侧电负荷预测 |
3.4 本章小结 |
第4章 热力系统数字孪生建模理论及应用 |
4.1 热力系统数字孪生建模思路 |
4.1.1 数字孪生建模方法的提出 |
4.1.2 数字孪生模型的构建方法及流程 |
4.2 数字孪生机理模型的构建 |
4.2.1 管路模型 |
4.2.2 调节阀模型 |
4.2.3 离心水泵模型 |
4.2.4 换热器模型 |
4.3 数字孪生模型的协同与融合理论 |
4.3.1 数字孪生模型离线智能参数辨识 |
4.3.2 数字孪生模型参数在线自适应协同 |
4.3.3 基于移动窗格信息熵的多模型输出在线融合 |
4.4 数字孪生建模实例分析 |
4.4.1 脱硝系统数字孪生模型的建立 |
4.4.2 供热系统数字孪生模型的建立 |
4.5 本章小结 |
第5章 基于热力系统数字孪生模型的节能控制优化 |
5.1 基于数字孪生模型的智能工况动态寻优 |
5.1.1 热力系统智能工况动态寻优策略 |
5.1.2 基于数字孪生模型的供热储热系统智能工况动态寻优 |
5.2 基于数字孪生模型的自适应预测控制优化 |
5.2.1 基于数字孪生模型的预测控制算法 |
5.2.2 基于数字孪生模型预测控制的喷氨量优化 |
5.3 本章小结 |
第6章 结论与展望 |
6.1 主要研究工作及成果 |
6.2 论文主要创新点 |
6.3 后续工作展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(5)基于大数据的蜂窝网络流量变化趋势预测研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 研究主要内容 |
1.4 论文结构安排 |
第二章 流量变化趋势预测关键技术 |
2.1 蜂窝网络流量变化趋势预测的基本思想 |
2.2 常用数据分析模型介绍 |
2.2.1 结构化数据建模: 决策树与树集成 |
2.2.2 时间序列数据建模: 长短期记忆网络 |
2.3 模型评价主要指标介绍 |
2.3.1 均方误差与根均方误差 |
2.3.2 决定系数/拟合优度 |
2.4 本章小结 |
第三章 面向蜂窝小区的短时流量预测研究 |
3.1 蜂窝小区短时流量预测概述 |
3.1.1 研究背景与现状概览 |
3.1.2 短时流量预测架构介绍 |
3.2 面向短时流量预测的特征工程 |
3.3 基于密度聚类的流量波动模式识别与划分 |
3.3.1 有噪密度聚类方法 |
3.3.2 时间序列的距离度量 |
3.3.3 层次化密度聚类策略 |
3.4 蜂窝网络流量变化趋势预测建模 |
3.4.1 基线特征变化趋势预测模型 |
3.4.2 残差特征概率参数估计模型 |
3.5 预测方案实施过程 |
3.5.1 蜂窝网络流量指标数据集概述 |
3.5.2 流量序列基线特征提取 |
3.5.3 基线特征密度聚类 |
3.5.4 时间序列预测模型评价 |
3.5.5 残差特征的参数估计 |
3.6 本章小结 |
第四章 面向蜂窝小区的流量增长潜力评估研究 |
4.1 实时流量增长潜力评估概述 |
4.1.1 蜂窝小区流量增长潜力内涵 |
4.1.2 流量增长潜力评估方案介绍 |
4.2 流量增长潜力评估特征工程 |
4.2.1 关键指标选择 |
4.2.2 基于小区运行状态的数据划分 |
4.3 蜂窝网络流量潜力评估建模 |
4.4 流量潜力评估模型寻优与流量增长潜力评估 |
4.4.1 流量潜力评估模型寻优算法 |
4.4.2 网络流量增长潜力评估方式 |
4.5 评估方案实施过程 |
4.5.1 蜂窝网管数据集概述 |
4.5.2 蜂窝小区特征画像 |
4.5.3 小区运行状态设计与小区数据划分 |
4.5.4 关键指标选择 |
4.5.5 网络流量潜力评估建模 |
4.5.6 流量潜力评估模型寻优 |
4.5.7 流量增长潜力评估与网络优化策略 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 研究内容总结 |
5.2 后续工作的展望 |
参考文献 |
致谢 |
硕士期间发表论文情况 |
(6)CPS环境下异类信息融合技术应用研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 国内外研究历史与现状 |
1.2.1 CPS模型与面临的安全风险 |
1.2.2 多源异类信息融合 |
1.3 本文的研究内容 |
1.4 本论文的结构安排 |
第二章 相关技术理论 |
2.1 CPS环境下安全监测技术简述 |
2.1.1 物理信息异常监测技术 |
2.1.2 入侵检测技术 |
2.1.3 人脸识别技术 |
2.2 多源异类信息融合算法 |
2.2.1 信息融合算法分类 |
2.2.2 多源异类信息融合算法的选择 |
2.2.2.1 特征级融合算法对比分析 |
2.2.2.2 决策级融合算法对比分析 |
2.2.3 D-S证据理论基本概念 |
2.2.4 D-S理论融合规则的选择 |
2.3 其他相关算法 |
2.4 本章小结 |
第三章 异类信息多级融合模型 |
3.1 目标分析 |
3.2 场景建模 |
3.2.1 信息源 |
3.2.1.1 信息源的分类 |
3.2.2 告警信息格式规范化 |
3.2.2.1 入侵检测消息交换格式(IDMEF) |
3.2.2.2 统一告警信息类 |
3.2.3 异常事件多级抽象模型 |
3.2.3.1 异常事件多级抽象模型 |
3.2.3.2 异常事件的类别/证据的类别 |
3.2.4 异常风险评估流程 |
3.2.4.1 MLFM模型中异常风险评估流程 |
3.2.4.2 “证据”格式 |
3.2.4.3 “异常事件风险评估信息”格式 |
3.3 异类信息多级融合模型 |
3.3.1 算法模型结构 |
3.3.2 预处理并缓存 |
3.3.3 告警-证据映射阶段 |
3.3.4 同类证据融合阶段 |
3.3.5 异类信息融合阶段 |
3.3.6 时域融合阶段 |
3.3.7 事件响应和评估反馈 |
3.4 本章小结 |
第四章 仿真实验设计与结果分析 |
4.1 多源异类信息融合系统结构 |
4.2 仿真实验设计 |
4.2.1 仿真实验方案 |
4.2.2 数据来源 |
4.2.3 网络信息源选择与处理 |
4.2.4 物理信息源选择与处理 |
4.2.5 人员信息类信息源选择与处理 |
4.3 仿真分析和结果展示 |
4.3.1 单个信息源检测效果 |
4.3.1.1 网络信息源检测效果 |
4.3.1.2 基于异常检测的物理信息源检测效果 |
4.3.1.3 基于参数状态估计的物理信息源检测效果 |
4.3.1.4 人员信息类信息源源检测效果 |
4.3.2 同类证据融合阶段效果验证 |
4.3.2.1 多种融合判决方式效果对比 |
4.3.3 异类信息融合阶段效果验证 |
4.3.4 单判决周期内复合攻击场景检测效果验证 |
4.3.5 时域融合阶段检测效果验证 |
4.4 本章小结 |
第五章 全文总结与展望 |
5.1 全文总结 |
5.2 后续工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(7)网络流量模型及异常检测技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 异常检测的定义分类及应用 |
1.3 异常检测研究方法 |
1.3.1 传统异常检测方法 |
1.3.2 基于机器学习方法 |
1.3.3 基于信息熵和小波的异常检测 |
1.4 异常检测面临的问题挑战 |
1.4.1 传统模型存在的问题 |
1.4.2 监督、半监督学习面临的挑战 |
1.5 论文主要贡献及创新点 |
1.6 本论文的结构安排 |
第二章 网络流量模型及异常检测研究综述 |
2.1 网络流量模型及异常检测 |
2.1.1 网络流量模型 |
2.1.2 网络流量异常检测 |
2.1.3 加密网络流量识别检测 |
2.2 基于深度学习的异常检测 |
2.3 基于强化学习的异常检测 |
2.4 本章小结 |
第三章 基于熵和统计机器学习的流量研究 |
3.1 背景 |
3.2 基于统计的流量模型 |
3.3 模型详细设计 |
3.3.1 园区流量模型 |
3.3.2 Web流量模型 |
3.3.3 混合模型 |
3.3.4 分析与小结 |
3.4 基于近邻和DTW的视频检测识别方法 |
3.4.1 视频检测背景技术 |
3.4.2 设计方法 |
3.5 机器学习和信息熵融合的检测识别 |
3.5.1 信息熵平衡估计 |
3.5.2 流量数据平衡信息熵评估 |
3.5.3 熵和机器学习融合算法 |
3.6 本章小结 |
第四章 基于深度学习的流量及异常检测 |
4.1 深度神经网络基本理论 |
4.2 网络流量模型基本原理 |
4.2.1 卷积神经网络基本原理 |
4.2.2 LSTM基本原理 |
4.3 基于自编解码的流量模型 |
4.3.1 自编解码基本原理 |
4.3.2 模型设计 |
4.4 基于注意力机制的流量模型 |
4.4.1 基本原理 |
4.4.2 模型设计 |
4.4.3 实验结果 |
4.5 基于TCNatt-VAE的异常检测方法 |
4.5.1 模型基本原理 |
4.5.2 异常检测模型 |
4.5.3 实验结果 |
4.6 本章小结 |
第五章 基于生成式对抗神经网络的流量及异常检测 |
5.1 背景 |
5.2 模型基本原理 |
5.3 基于GAN的网络流量模型 |
5.3.1 问题描述 |
5.3.2 流量模型设计 |
5.4 基于GAN的流量异常检测 |
5.4.1 模型设计 |
5.5 实验结果及分析 |
5.5.1 流量模型 |
5.5.2 异常检测模型 |
5.6 本章小结 |
第六章 基于强化学习的网络异常检测研究 |
6.1 背景及基本原理 |
6.1.1 背景 |
6.1.2 基本原理 |
6.2 基于强化学习的异常检测 |
6.2.1 问题建模 |
6.2.2 模型设计方法 |
6.3 实验过程 |
6.3.1 三种数据集上的实验 |
6.3.2 实验结果分析 |
6.4 本章小结 |
第七章 全文总结与展望 |
7.1 全文总结 |
7.2 后续工作展望 |
致谢 |
参考文献 |
攻读博士学位期间取得的成果 |
(8)数学模型思想融入初中数学的实践研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题背景 |
1.2 国内外研究综述 |
1.2.1 国外研究综述 |
1.2.2 国内研究综述 |
1.3 研究目的及意义 |
1.3.1 研究目的 |
1.3.2 研究意义 |
1.4 研究问题 |
1.5 研究的方法与思路 |
1.5.1 研究方法 |
1.5.2 研究思路及框架 |
2 核心概念及理论基础 |
2.1 核心概念的理解 |
2.1.1 模型 |
2.1.2 数学模型 |
2.1.3 数学建模 |
2.1.4 课标中模型思想的解析 |
2.2 建构主义理论 |
3 基于模型思想的教材分析 |
3.1 初中教材中模型思想的内容分布 |
3.2 教学内容中所隐含模型思想的具体分析 |
3.2.1 基于模型思想的二次函数教学内容分析 |
3.2.2 基于模型思想的一元一次方程教学内容分析 |
3.2.3 基于模型思想的一元一次不等式教学内容分析 |
3.2.4 基于模型思想的勾股定理教学内容分析 |
3.2.5 基于模型思想的概率统计教学内容分析 |
4 初中数学模型思想的调查与分析 |
4.1 调查设计 |
4.2 对调查结果的实证研究 |
4.2.1 对学生基本信息的统计分析 |
4.2.2 学生对数学模型的认知情况分析 |
4.2.3 学生对数学模型思想及现有教学模式认知分析 |
4.2.4 学生对数学模型思想的应用能力分析 |
4.3 结论与启示 |
5 初中数学中融入模型思想的策略探究 |
5.1 教学中融入模型思想的原则 |
5.1.1 以学生为主体 |
5.1.2 教学形式多种多样 |
5.1.3 注重体现完整的建构过程 |
5.2 教学中融入模型思想的步骤 |
5.2.1 分析简化问题 |
5.2.2 合理假设 |
5.2.3 创建模型 |
5.2.4 求解模型 |
5.2.5 验证模型 |
5.2.6 应用模型 |
5.3 基于模型思想的不同教学案例设计 |
5.3.1 二次函数与实际问题的教学过程设计 |
5.3.2 不等式组与实际问题的教学过程设计 |
5.3.3 二元一次方程组与实际问题的教学过程设计 |
5.3.4 一次函数实践课的教学设计 |
5.4 教学反思与评析 |
6 结语 |
6.1 研究结论 |
6.2 研究反思与展望 |
参考文献 |
附录1 问卷调查 初中数学模型思想调查问卷 |
附录2 结果统计 |
致谢 |
(9)基于任务风险模型的仓储分拣系统排班优化与调度管理(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 需求风险模型刻画问题 |
1.2.2 生产流程建模与调度问题 |
1.2.3 人效管理弹性制度设计 |
1.3 本文框架与内容 |
2 分拣平台作业流程模型构建 |
2.1 仿真系统总体框架 |
2.1.1 仓储分拣平台整体布局 |
2.1.2 仿真器总体设计 |
2.2 仿真系统模块化设计 |
2.2.1 卸车区模块 |
2.2.2 粗分平台模块 |
2.2.3 细分平台模块 |
2.2.4 生产单元设计 |
2.3 仿真系统模型结构 |
2.4 仿真系统在实操场景下的应用 |
2.4.1 生产状态监测 |
2.4.2 异常工况响应 |
2.5 本章工作小结 |
3 基于需求风险模型的排产排班 |
3.1 常见概率密度估计方法 |
3.1.1 极大似然估计 |
3.1.2 最大后验概率估计 |
3.1.3 NADARAYA-WATSON核回归 |
3.2 基于卡尔曼滤波的需求预测 |
3.3 基于高斯过程的需求预测 |
3.3.1 高斯过程基本原理 |
3.3.2 无噪声高斯过程回归 |
3.3.3 含噪声的高斯过程回归 |
3.3.4 特征选择与实验结果 |
3.3.5 几种需求风险模型的比较 |
3.4 基于需求不确定性的最优排班排产计划 |
3.4.1 排班计划预求解 |
3.4.2 人员需求求解 |
3.4.3 二阶段随机优化建模 |
3.4.4 效果对比与结论 |
3.5 本章工作小结 |
4 基于弹性工作机制的分拣平台人效管理 |
4.1 弹性工作机制的目标与原则 |
4.1.1 弹性工作机制总目标 |
4.1.2 弹性工作机制的总原则 |
4.2 建立弹性用工原则 |
4.2.1 弹性用工原则制定背景 |
4.2.2 基于弹性用工机制的排班问题建模 |
4.2.3 弹性用工机制对企业人力成本的影响 |
4.3 建立弹性工时制度 |
4.3.1 弹性工时制度建立背景 |
4.3.2 基于弹性工时制度的排班问题建模 |
4.3.3 弹性工时制度对企业生产成本的影响 |
4.4 建立弹性薪酬体系 |
4.4.1 弹性薪酬体系建立背景 |
4.4.2 基于弹性薪酬体系的排班问题建模 |
4.4.3 弹性薪酬体系对企业生产成本的影响 |
4.5 本章工作小结 |
5 总结与展望 |
5.1 本文工作总结 |
5.2 未来工作展望 |
参考文献 |
(10)软件定义无线异构网络中的能效优化问题研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.1.1 无线通信发展中的能效问题 |
1.1.2 无线异构网络 |
1.1.3 软件定义网络 |
1.2 研究意义 |
1.3 本文主要研究内容及创新点 |
1.4 本文章节安排 |
第二章 软件定义无线异构网络架构分析 |
2.1 引言 |
2.2 软件定义网络介绍 |
2.2.1 软件定义网络 |
2.2.2 Mininet网络仿真环境介绍 |
2.2.3 OpenFlow协议分析 |
2.2.4 FlowVisor介绍 |
2.3 面向能源异构性的软件定义无线网络架构和能效问题分析 |
2.3.1 网络架构基本构成 |
2.3.2 架构优势及能效问题分析 |
2.4 面向业务异构性的虚拟边缘网络架构和能效问题分析 |
2.4.1 智能虚拟边缘网络架构 |
2.4.2 架构优势及能效问题分析 |
2.5 本章小结 |
第三章 能效优化的流表项管理策略 |
3.1 引言 |
3.2 相关工作概述 |
3.2.1 可再生能源在无线网络中的利用 |
3.2.2 软件定义无线网络的节能效益 |
3.3 无线绿色中继异构网络和能耗模型 |
3.3.1 能量模型 |
3.3.2 软件定义绿色无线中继网络中可再生能源的稳定性分析 |
3.4 基于能源稳定性的动态流表项更新策略 |
3.4.1 问题分析 |
3.4.2 单绿色中继小区中的动态流表项更新策略 |
3.4.3 多中继协作蜂窝小区中的动态流表项更新策略 |
3.4.4 数值仿真和分析 |
3.5 基于长期能效优化的流表管理策略 |
3.5.1 长期能效问题建模 |
3.5.2 面向长期能效优化的流管理策略 |
3.5.3 数值仿真和分析 |
3.6 本章总结 |
第四章 能效最优的Ant-Q缓存数据流分发策略 |
4.1 引言 |
4.2 相关工作概述 |
4.2.1 节能移动边缘网络缓存 |
4.2.2 人工智能算法在网络管理中的应用 |
4.2.3 Ant-Q算法研究分析 |
4.3 系统模型 |
4.3.1 场景分析 |
4.3.2 网络模型 |
4.3.3 能量模型 |
4.4 问题分析与公式描述 |
4.4.1 问题分析 |
4.4.2 增强学习模型 |
4.5 基于Ant-Q的动态缓存策略 |
4.5.1 Ant-Q Learning算法 |
4.5.2 面向能效的动态边缘缓存分发策略 |
4.6 数值仿真 |
4.6.1 缓存策略性能 |
4.6.2 算法比较 |
4.7 本章总结 |
第五章 能耗最低的边缘虚拟网络构建策略 |
5.1 引言 |
5.2 相关研究工作 |
5.3 移动网络虚拟化和虚拟网构建流程 |
5.3.1 移动网络虚拟化 |
5.3.2 面向资源优化的虚拟网络构建 |
5.4 移动虚拟网络系统模型 |
5.4.1 移动虚拟网络场景分析 |
5.4.2 虚拟资源模型 |
5.5 基于多商品流的虚拟网络构建 |
5.5.1 多商品流问题定义 |
5.5.2 虚拟网络构建问题分析 |
5.5.3 基于多商品流的虚拟网构建模型 |
5.5.4 多商品流问题求解 |
5.6 数值仿真和分析 |
5.6.1 仿真环境和参数设置 |
5.6.2 仿真结果和分析 |
5.7 本章总结 |
第六章 总结与展望 |
6.1 本文工作总结 |
6.2 下一步研究工作 |
参考文献 |
附录一 缩略语列表 |
致谢 |
攻读学位期间发表的学术论文目录 |
四、Traffic Modeling and Probabilistic Process Abstraction(论文参考文献)
- [1]电力信息物理系统的鲁棒性分析与优化研究[D]. 涂海程. 浙江大学, 2021(01)
- [2]时延QoS约束下无线资源切片技术研究[D]. 荆一航. 吉林大学, 2021(01)
- [3]城市轨道交通乘客路径动态诱导策略优化研究[D]. 贾飞凡. 北京交通大学, 2021
- [4]数字孪生建模方法及其在热力系统优化运行中的应用研究[D]. 高学伟. 华北电力大学(北京), 2021(01)
- [5]基于大数据的蜂窝网络流量变化趋势预测研究[D]. 邢旭东. 北京邮电大学, 2021(01)
- [6]CPS环境下异类信息融合技术应用研究[D]. 王昱人. 电子科技大学, 2021(01)
- [7]网络流量模型及异常检测技术研究[D]. 周琨. 电子科技大学, 2021(01)
- [8]数学模型思想融入初中数学的实践研究[D]. 李玲洁. 洛阳师范学院, 2021(08)
- [9]基于任务风险模型的仓储分拣系统排班优化与调度管理[D]. 陈仲一. 浙江大学, 2021(02)
- [10]软件定义无线异构网络中的能效优化问题研究[D]. 李莉. 北京邮电大学, 2020