基于注意力机制LSTM的电离层TEC预测

电离层总电子含量(Total Electron Content,TEC)的监测与预报是空间环境研究的重要内容,对卫星通讯和导航定位等有重要意义.TEC值影响因素较多,很难确定精确物理模型来对其进行预测.本文设计了基于注意力机制的LSTM模型(Att-LSTM),采用过去24小时TEC观测数据对未来TEC进行预测.选择北半球东经100°上,每2.5°纬度选择一个位置,共计36个位置来验证本文提出模型的性能,并与主流的深度学习模型如DNN、RNN、LSTM进行对比实验.取得了如下成果:(1)在选定的36个地区未来2小时单点预测上,基于本文的Att-LSTM模型的TEC预测性能明显优于其他对比模型;(2)讨论了纬度对Att-LSTM预测未来2小时TEC值时性能的影响,发现在北纬0°到60°之间,Att-LSTM预测性能随着纬度的升高而略有降低,在北纬62.5°~87.5°之间,模型预测性能出现扰动,预测效果略差;(3)讨论了磁暴期和磁静期模型的预测性能,发现无论是磁暴期还是磁静期,本文模型预测性能均较好;(4)还讨论了对未来多时点预测效果,实验结果表明,本文所提出的模型对未来2、4个小时的预测拟合度R-Square均超过0.95,预测结果比较可靠,对未来6、8、10个小时预测拟合度最高为0.7934,预测拟合度R-Square下降迅速,预测结果不可靠.

地磁时变观测数据中高压直流输电干扰事件多尺度表示及识别方法

高效准确地识别地磁时变观测数据中受高压直流输电干扰的波形对于提高地磁时变观测数据质量具有重要意义.然而,由于高压直流输电干扰事件持续时间长短不一、干扰程度变化多样,给识别任务带来巨大困难.为了能自动识别长短不同的高压直流输电干扰事件,本文提出一种高压输电干扰事件的多尺度表示及识别方法:利用小波技术具有多尺度的特性,卷积神经网络具有自动特征提取的特性,将二者结合,设计了一个多输入卷积神经网络模型来识别地磁中的高压直流输电干扰事件.首先使用离散小波技术将地磁时变观测样本进行多尺度分解,得到原始样本的多尺度表示,再将分解后的多尺度地磁时变观测样本分别输入到含有多个输入分支的卷积神经网络中,每个分支分别自动提取不同尺度的特征,然后将多个尺度的特征融合,并加入注意力机制来自适应计算每个尺度特征的权重,对多尺度特征进行加权处理,再采用全连接层和SoftMax层进行分类,本文将该模型命名为CBAM-MCNN.在中国地震前兆台网中心提供的高压直流输电干扰样本上进行试验,并将本文所提出模型的识别效果与现有的全卷积网络、残差神经网络、多输入卷积神经网络、IICM-HVDCT-CNN-LSTM进行了对比,在5271条测试样本集上,本文所提出的CBAM-MCNN模型识别准确率达到了97.14%,F_1值达到了97.12%,远远高于其他4种对比模型.

基于深度神经网络的地磁观测数据高压直流输电干扰事件识别

随着越来越多高压直流输电线路的投入运行,地磁观测数据质量受到了严重影响.现有以人工或半人工方法识别高压直流输电干扰事件的工作量也随着受干扰范围的不断扩大和地磁观测仪器的增多而成倍增加.为了高效、准确地识别地磁观测数据中的高压直流干扰事件,本文基于卷积神经网络和长短期记忆神经网络,提出了一种高压直流输电干扰事件自动识别深度学习模型.利用2012年1月1日至2014年12月31日地磁台站原始观测数据,结合专家标注的持续时间在2 h内的高压直流输电干扰事件记录,制作高压直流输电干扰样本34360条,正常样本34360条.模型在训练集上的准确率达到了94.12%,验证集上的准确率达到了92.94%,测试集上的准确率达到了92.86%.初步研究表明深度学习方法在识别地磁观测数据中的高压直流输电干扰事件中具有较高的准确率,为下一步自动识别地磁观测数据中的车辆干扰、基建工程干扰、轻轨干扰等其他干扰事件提供了一种新的思路.

纹理感知联合颜色直方图特征的水下图像增强

基于深度学习的水下图像增强方法在视觉效果上表现出色,但已有的端到端网络较少针对水下场景中常见的颜色失真和纹理模糊来精心构建网络结构。为了提高网络的性能,提出了纹理感知联合颜色直方图特征的水下图像增强网络,它包含纹理感知网络,颜色直方图特征提取网络以及颜色纹理融合的水下图像增强网络。纹理感知网络的构建引入变形Transformer模块,该模块利用空间感知的变形卷积设计Transformer模块的多头注意力机制,有效地将变形卷积的几何感知能力与Transformer模块的全局语义捕获能力相结合来提取纹理特征。颜色直方图特征提取网络认为直方图中包含丰富的颜色信息,利用真实水下图像的直方图来监督该网络提取颜色特征。最后,利用所提的颜色纹理融合模块将前两个网络提取的纹理和颜色特征融合,并注入到后续的颜色纹理融合的水下图像增强网络中,以实施水下图像增强,该操作不但有效地保留了纹理结构,校正了失真的颜色,还使得纹理和颜色信息保存一致。实验结果表明,本文算法较已有的水下图像增强算法,具有更好的视觉增强效果,水下图像质量测量指标(Underwater Image Quality Metric,UIQM)提高10%,单张图像的运行时间缩短了9%,仅为0.051 s,满足工程实践中水下视觉增强任务要求。

改革教学方法和学习方法,提高学生计算机应用能力

培养计算机应用型人才是我国普通本科院校计算机专业教育的重要任务。本文从教师教和学生学两个方面阐述了如何提高学生的计算机应用能力。教师应注重以学生为中心的多种教学方法的运用,提高教学效果;学生作为学习的主体,应该掌握正确的学习方法,培养学习兴趣,发挥主观能动性,才能取得好的学习效果。学习习惯实验显示,合理的使用笔记、积极主动的学习可以有效地提高学习效果。

基于模型检测技术的XML乐观并发控制协议

XML并发控制协议可用于保证多个用户同时访问XML文档时的事务隔离性。由于XML数据的半结构化特点和访问接口的特殊性,现有XML并发控制协议随着文件规模的增大、并发客户的增多,系统事务性能大幅下降。基于模型检测技术提出了一种新的乐观并发控制协议XOCC-MC。通过将XML文档对应的DTD文档转换为系统模型,将事务操作中的XPath转换为CTL公式,利用模型求值判断节点间是否存在A/D关系,进而根据冲突矩阵判断事务之间的冲突关系。与现有乐观并发控制协议相比,XOCC-MC协议在文件规模大、并发客户数多的情况下表现出较好的事务性能。

项目教学法在ASP.NET课程教学中的应用

本文首先简单介绍了项目教学法实施的背景，然后详细介绍了项目教学法在ASRNET课程教学中的具体实施过程，最后总结了项目教学法的具体教学实践效果。

Baytap-G潮汐分析辅助软件的设计与实现

基于C~#.NET程序语言开发了一套可视化Baytap-G潮汐分析辅助软件,实现了参数、水位、气压等数据格式的自动转换与填充,潮汐参数等结果的提取、保存及绘制等。

支持资源分类授权的通用权限管理模型研究

针对当前Web应用程序中存在的安全性问题,概要介绍了现有的权限管理模型;在详细分析Web应用程序自身权限管理的特点基础上,基于RBAC模型提出了一种支持资源分类授权的通用权限管理模型;在该模型中,管理员首先对WEB应用程序中的资源进行分类,然后定义每类资源的具体操作种类,随后定义每个角色对某一资源的操作权限,最后为用户分配合适的角色;基于.NET平台和SQL SERVER数据库设计和开发了一套支持资源分类授权的通用权限管理系统,并给出了一个具体应用实例;实践表明,该模型能够非常有效地解决Web应用程序中的权限授权和权限管理问题,增强了系统安全性。

地震前兆观测设备模拟通信软件关键技术研究

遵循"中国数字地震观测网络技术规程"相关标准,设计了一套基于Java语言的前兆观测设备模拟通信软件。介绍了通信指令原语、数据包格式定义以及模拟通信软件的总体设计,详述了模拟通信软件中的几个关键技术,包括如何同时模拟多个前兆设备,应用观察者设计模式实时更新设备状态信息,使用套接字技术和多线程技术启动或停止模拟设备,通过"心跳"线确认远端Socket是否关闭等。该软件可以模拟大多数"十五"前兆观测设备的通信原语,一方面为台站技术人员以及地震专业学生了解前兆设备的功能、通信指令、以及数据包的数据格式提供了一个模拟环境,有效地提高了教学效果和培训质量,另一方面也为开发前兆设备相关软件提供了模拟支撑环境。

提高计算机专业实践教学质量的几点措施

分析计算机相关专业教育现状,提出构建适合应用型人才培养的多层次实践教学体系,紧跟市场发展、更新实践教学内容,引入实习管理软件、加强集中实践教学过程管理,改革实习评价体系等措施。

基于工作流技术的管理信息系统集成与应用

本文介绍了工作流技术和管理信息系统相关概念,提出了一种新型的基于工作流技术的管理信息系统集成框架,总结了该集成框架的优势,最后,介绍了分布式工作流平台框架——Netcase Anywhere,以及如何利用该框架实现办公自动化系统、综合财务管理系统以及科发财务软件等遗留系统的集成应用。

讲练结合教学法在面向对象程序设计课程中的应用研究

针对当代大学自我认知程度低,自我管理能力弱、主动性不强等特点,分析了程序设计类课程特点以及现有教学方法存在主要问题,提出将讲练结合教学方法引入课堂,把课堂从教室搬至实验室,合班授课改为小班授课,先讲后练改为教师指导下的边讲边练,实现了理论与实践的完美融合。实践证明,该教学方法有助于培养学生的学习兴趣、创新能力和动手实践能力,有利于培养高质量的计算机应用型人才。

基于事务存储技术的地震前兆设备模拟系统

并行程序设计技术可有效发挥多核处理器的计算能力,提高程序的并发性能;传统的基于锁、信号量等同步机制的并行程序设计容易出现死锁、优先级导致等错误;事务存储技术是一种新型的并行编程模式,可有效地降低面向共享内存模型下并行程序开发的难度;虽然研究人员提出了众多事务存储实现技术,但实际应用案例较少;文章将事务存储技术应用至地震前兆设备模拟系统中,并详细介绍了基于DSTM2和DeuceSTM的并行方案实现技术,通过大量的实验对比了不同并行方案的性能并详细剖析了其原因;实验结果显示,虽然基于事务存储技术的地震前兆设备模拟系统性能和粗粒度锁的并行方案相当,略低于细粒度锁的并行方案,但是基于事务存储技术的并行程序设计方法具有简单、易用的优点,还是可以考虑应用在某些具体应用中。

多核环境下潮汐分析辅助软件并行绘制技术研究

为方便科研人员使用Baytap-G潮汐分析软件,基于C#.NET程序设计语言设计了一套潮汐分析辅助软件,实现了Baytap-G软件的封装,完成了输入数据格式的自动转换、输出数据的自动提取,以及水位、振幅、相位数据的可视化展示;在介绍C#.NET语言中任务(TASK)并行编程模型的基础上,详细讨论了绘制振幅、相位图任务分解、并行化程序设计考虑及其实现;实验结果表明,合理设计并行程序可以充分利用多核计算机的计算资源,提升程序运行效率,但是过多的任务数、不均匀的工作负载通常会影响并行程序的效率。

一种安全的web在线中文输入法系统的设计与实现

对web在线中文输入法网站进行了研究,报告了其存在的安全问题,提出了一种基于Servlet和Applet技术的安全的web在线中文输入法系统实现框架,并着重分析了安全策略机制和快速码表查找方法,达到了保护输入法知识产权和程序核心代码的目的。

应用卷积神经网络和自注意力机制识别地磁场干扰事件

随着受干扰地磁观测仪器数量的不断增多,现有半人工识别干扰事件的方法存在效率低、工作量大、识别结果因人而异等问题。本文利用2012年1月1日至2014年12月31日全国地磁台网原始观测数据和地磁专家标注的2小时内干扰事件记录,分别构建干扰事件样本和正常样本各51357条,基于卷积神经网络和自注意力机制提出一种新的干扰事件识别模型,实现干扰事件的自动、快速分类。实验结果显示,该模型在验证集的准确率达到92.93%,在测试集的准确率达到93.37%。与MLP、FCN、ResNet三种模型相比,本模型在测试集上的准确率平均提高近8.76%,表明卷积神经网络和自注意力机制等深度学习算法在地磁观测数据干扰事件识别领域具有巨大潜力,为进一步精确识别各类干扰事件探索了一种新思路。

大数据环境下地震观测数据存储方案研究

大数据技术为处理海量地震观测数据提供了一种新的数据存储与计算模式。为了解决现有基于关系数据库存储方案的读写速度低、用户并发度低和可扩展性差等问题,以地震前兆观测数据为例,在详细分析业务需求的基础上,提出了基于HBase和Open TSDB的地震大数据存储方案,搭建了大数据测试平台,完成了不同存储方案下查询、插入性能实验和并发性实验。实验结果表明,与关系数据库存储方案相比,基于HBase和Open TSDB的存储方案具有很好的可扩展性和并发性,经过优化后的HBase存储方案具有更高的读取和存储性能。

基于NoSQL的文件型大数据存储技术研究

针对云计算中不断增长的文件数据存储需求,提出非关系数据库(Not Only SQL)中文件型大数据的存储技术。脱离传统的信息系统和文件系统混合存储文件数据方法,采用MongoDB数据库集群作为存储底层,将数据存储于分布各MongoDB结点中,且存储空间可自由扩展。采用数据分片的方法,实现了文件型大数据的均衡存储,并给出了存储文件数据一般算法。基于NoSQL技术的大数据存储是一种新型应用方式,该系统的负载均衡能力和可扩展度均优于传统技术。

基于梯度方向直方图的本色布疵点检测算法

本色布疵点检测是质量控制重要环节,目前仍由人工来完成。文章采用梯度模板与灰度化处理之后的本色布图像进行卷积,得到图像的梯度模和角度,将角度离散化,然后将图像分块,每块内根据离散化后的角度统计直方图,将所有分块的直方图连接,构成原始图像的梯度方向直方图特征向量,最后采用卡方距离和最近邻分类器进行分类。在包含1 252幅图像的数据集上进行实验,其中训练图像457幅,测试图像795幅,准确率达到96.85%。实验结果表明基于梯度方向直方图的特征提取算法能有效识别出本色布图像中的疵点。