手机应用程序能耗的估计算法

针对智能手机的能耗进行建模,将手机能耗分为4个部分,分别是系统能耗、应用能耗、周期性跳变和白噪声,在此基础上,提出应用能耗的估计算法,分析应用能耗所包含的函数执行能耗,实现高能耗函数的代码定位。本文提出函数执行能耗的估计算法,主要包括系统能耗的估计、周期性跳变带来的噪声去除以及函数的平均功耗估计。在去除周期性跳变带来的噪声时,结合机器学习方法,提出基于DBSCAN的改进算法,通过扫参进行参数选取,实现数据集的聚类和去噪。通过对多台手机进行测试检验并与trace文件结合,实验结果表明本模型在应用能耗估计上的平均误差为5.58%,在函数执行功耗、代码段功耗计算上具有较好的精度和泛化能力。

盐城市气温与居民死亡关联分析:基于分布滞后非线性模型

目的研究温度对盐城市居民死亡的健康效应。方法分别从当地疾控部门、气象局和环境监测中心收集2015—2019年盐城市居民逐日死亡数据(非意外总死亡、呼吸系统疾病和循环系统疾病)、气象和空气污染数据。通过建立分布滞后非线性模型,评价气温与居民死亡关联。结果气温与居民非意外总死亡、呼吸系统疾病死亡和循环系统疾病死亡的关联呈“U”型。极端低温与居民非意外总死亡、呼吸系统疾病死亡和循环系统疾病死亡的关联呈现滞后性,相对危险度(RR)在暴露第3天达到最大,分别为1.03(95%CI:1.02~1.04)、1.06(95%CI:1.04~1.09)和1.02(95%CI:1.00~1.04);极端高温与居民非意外总死亡、呼吸系统疾病死亡和循环系统疾病死亡的关联呈现急性效应,RR在暴露当天健康效应最大,分别为1.19(95%CI:1.14~1.24)、1.20(95%CI:1.10~1.30)和1.25(95%CI:1.17~1.33)。极端低温对非意外总死亡、呼吸系统疾病死亡和循环系统疾病死亡的累计健康效应RR值均在14天后达到最大;极端高温对非意外总死亡、呼吸系统疾病死亡和循环系统疾病死亡的累计健康效应分别在暴露3、7和7天后达到最大。男性死亡风险在极端低温时高于女性,在极端高温时低于女性;≥65岁人群在极端高温时的非意外总死亡和循环系统疾病死亡风险高于<65岁人群。结论非适宜温度会增加盐城市居民的死亡健康风险,且低温滞后效应的持续时间比高温长。