建筑施工企业财务数据弹性透视及风险管理

本文从建筑施工企业的实际出发,探讨财务数据弹性的研究目的,并对重要财务数据在其生成过程中的弹性进行了浅析,对正确辨识财务数据弹性,合理透视财务数据弹性,使财务数据反映的资产、负债、收益更接近真实等问题进行了剖析,以期达到财务数据能够对企业决策起到引领作用,为风险管理提供有效信息,发挥会计在内部控制中的增值作用的目的。

面向城域网的新型弹性分组数据环技术

弹性分组数据环技术集IP的智能化、以太网的经济性和光纤环网的高带宽效率和可靠性于一体 ,为宽带IP城域网运营商提供了一个良好的组网方案。本文介绍了RPR的技术特点、标准化与产业化进展情况 ,重点讨论了各种RPR提案中已经基本达成共识的关键技术。

基于弹性分布数据集的海量空间数据密度聚类

为了快速挖掘大规模空间数据的聚集特性,在cluster_dp密度聚类算法基础上,提出了一种基于弹性分布数据集的并行密度聚类方法 PClusterdp.首先,设计一种能平衡工作负载弹性分布数据集分区方法,根据数据在空间的分布情况,自动划分网格并分配数据,使得网格内数据量相对均衡,达到平衡运算节点负载的目的;接着,提出一种适用于并行计算的局部密度定义,并改进聚类中心的计算方式,解决了原始算法需要通过绘制决策图判断聚类中心对象的缺陷;最后,通过网格内及网格间聚簇合并等优化策略,实现了大规模空间数据的快速聚类处理.实验结果表明,借助Spark数据处理平台编程实现算法,本方法可以有效实现大规模空间数据的快速聚类,与传统的密度聚类方法相比具有较高的精确度与更好的系统处理性能.

弹性分组数据环技术及进展

目前MAN和城域接入网已经成为网络从局域网（LAN）到广域网（WAN）跨越的瓶颈。弹性分组环（RPR）是根据下一代MAN的要求提出的最有发展前途的一种解决方案。本文首先介绍该技术的提出,然后重点分析其的关键技术及标准化和产业化进展。

智慧校园中基于大数据技术的弹性数据服务平台方案设计

智慧校园业务不断丰满,数据不断丰富,面对灵活多变的数据应用,文章剖析了稳定的数据服务和灵活多变的业务数据分析需求之间的矛盾,并综合应用大数据生态技术,提出一种弹性数据服务方案,探索自助式数据应用服务平台,尝试解决智慧校园的数据分析灵活性不足的瓶颈。

弹性光数据中心网络中收益最大化的带宽分配算法

弹性光数据中心网络中的带宽分配需要兼顾云服务提供商收益和用户连接请求性能,对此提出收益最大化的带宽分配算法,其以子载波为基本单位将光纤带宽有效地分配给多个用户连接请求。首先,基于收益模型和虚拟子载波的概念建立带宽分配问题的整数线性规划模型;接着提出一种基于动态规划的带宽分配算法以及一种启发式的带宽分配算法,前者致力于获得最大的分配收益,后者则力求获得更好的时间效率;最后,通过仿真实验对所设计的带宽算法的性能进行验证。实验结果表明,相较于已有的弹性光数据中心网络中的带宽分配算法,设计的两种算法均能在带宽分配中获得更高的系统收益。

基于贝叶斯理论的天然气水合物储层弹性—电性数据联合反演

单一的声波或电阻率数据,一般通过简单线性或对数线性岩石物理模型预测天然气水合物储层参数。但声波数据或电阻率数据与储层参数之间存在敏感性差异,使用数据源不同,储层参数预测结果可能会存在很大差异。针对此问题,本文提出在贝叶斯理论框架下基于非线性的简化三相方程和改进Archie公式的声波—电性数据联合反演方法,同时预测天然气水合物饱和度、孔隙度和泥质含量,并可评估预测参数的不确定性。应用合成弹性—声波—电性数据分别进行单一弹性、电性数据试验,以及联合声波—电性数据反演模型试验,并将这些反演算法应用于实际测井数据。反演结果表明,本文提出的联合反演方法能预测出可靠的储层参数,且能有效降低因敏感性、噪声等问题产生的不确定性。

弹性分组数据环公平性算法性能研究

介绍了空间重用及公平性算法的基本原理,重点研究了RPR草案中采用的SRP-fa公平性算法,通过仿真分析了该算法在不同流量模型下对环路的吞吐量产生的影响。在特定模型下,SRP-fa公平算法的性能达到了最大最小公平性准则预测的标准。

弹性分组数据环技术在城域网中的应用

简要介绍了弹性分组数据传送(RPT)协议的功能特点,并与其他网络技术进行了比较,对帧结构进行了较为详细的描述,提出了利用基于弹性分组数据环(RPR)技术的多业务服务配置平台构建城域网的解决方案。

运载火箭弹性模态数据使用方法研究

针对新研制运载火箭型号的特点,改进传统弹性模态数据的使用方法,并按照改进后的弹性模态数据使用方法建立火箭动力学运动方程,设计控制系统参数后进行姿控系统仿真,分析火箭采用摆助推控制方案后姿控系统的稳定性,结果表明改进后的数学模型与相应的模态数据使用方法能够更真实地反映火箭的运动特性。

弹性光网络分层流量疏导优化方法(特邀)

【目的】随着云计算、大数据和数据中心(DC)等技术的迅猛进步,DC的规模与数量正在持续扩张和增长,网络的带宽资源和能耗也在急速增长。如何有效减少网络带宽资源与能耗受到广泛关注。文章旨在减少网络能耗和提高网络频谱资源利用效率。【方法】考虑工作网络能耗元件特点、频谱资源分配方式和不同调制格式选择,文章采用自适应流量疏导方法和频谱分层方式,提出了弹性光网络的距离自适应分层流量疏导方法(DSGM),把频谱资源划分成不同频谱层进行网络流量疏导。一方面,根据距离自适应调制方法选择不同频谱效率的调制格式;另一方面,根据频谱分层流量疏导方式,对每一条光纤的空闲频谱资源按不同速率的光通道进行分层,通过光纤链路剩余带宽资源,来选择合适的光通道进行流量疏导,优化频谱资源的使用。为了方便比较,文章引入了频谱分层流量疏导方法(SSGM)、传统流量疏导方法(TTGM)和没有流量疏导的传统方法(TMWG)。【结果】仿真结果表明,与SSGM、TTGM和TWGM相比,文章所提DSGM能明显降低弹性光网络能耗,减少网络的阻塞率,提高资源利用效率。【结论】通过文章所提弹性光网络分层流量疏导优化方法,实现了网络能耗与频谱资源优化的目标。

弹性分组数据环技术

随着各电信运营商大力开展宽带城域网建设 ,如何提供电信级的数据服务变得越来越重要。本文详细阐述了新型的弹性分组数据环(RPR)技术的特征 ,以及RPR技术与SDH。

基于弹性数据流卫星通信的农村电网调度自动化系统

VSAT卫星通信组网比较适合于农村电网的现状。适当改进信息传输方案,采用弹性数据流通信既可节省信息流量,又降低卫星通道的租用费用。通过卫星组建通信网络和改进自动化信息传输方案,可以建立一个既能节省初期投资又能节省运行费用的农村电网调度自动化系统。

面向智能交通系统的大数据分布式存储算法

针对智能交通系统中的大数据分布式存储过程中分布均衡度较低、安全性差等问题,提出面向智能交通系统的大数据分布式存储算法。利用云存储架构构建大数据分布式存储模型及三层数据存储层次,通过上层的数据高度访问、中层数据连接以及下层的数据归档,依据设定的已知数据粒度、机率以及弹性,计算数据存储强度以及层次,实现大数据存储。通过超混沌算法重排编码,并通过非线性向量量化方法实现大数据同态融合加密,构建加密、解密密钥,完成已存储大数据加密防护。经实验验证,上述算法存储过程中分布均衡度较高、负载均衡性较低;读/写数据的时间低,大数据分布式存储性能稳定;数据加密抗攻击性较高,能够实时加密防护存储大数据。

弹性分组数据环技术

本文介绍了弹性分组数据环(RPR)技术的基本特点,实现方案,应用实例,以及展示出来的巨大优势。总结了RPR技术的最新进展。

基于Spark的大数据混合计算模型

现实世界大数据应用复杂多样,可能会同时包含不同特征的数据和计算,在这种情况下单一的计算模式多半难以满足整个应用的需求,因此需要考虑不同计算模式的混搭使用.混合计算模式之集大成者当属UCBerkeley AMPLab的Spark系统,其涵盖了几乎所有典型的大数据计算模式,包括迭代计算、批处理计算、内存计算、流式计算(Spark Streaming)、数据查询分析计算(Shark)、以及图计算(Graph X).Spark提供了一个强大的内存计算引擎,实现了优异的计算性能,同时还保持与Hadoop平台的兼容性.因此,随着系统的不断稳定和成熟,Spark有望成为与Hadoop共存的新一代大数据处理系统和平台.本文详细研究和分析了Spark生态系统,建立了基于Spark平台的混合计算模型架构,并说明通过spark生态系统可以有效地满足大数据混合计算模式的应用.

纵横波独立成像的VSP弹性资料逆时深度偏移

本文采用在逆时递推过程中完成纵横波分离的思想方法，实现了位移场成像和纵波与横波的单独成像。文中给出的一个ＶＳＰ模拟资料试算例子证明了方法的正确性和可行性。

大数据处理技术在风电机组齿轮箱故障诊断与预警中的应用

风电机组状态监测数据具有量大、多源、异构、复杂、增长迅速的电力大数据特点。现有的故障诊断与预警方法在处理大数据时难以在保证精度情况下进行快速处理,故提出了结合Storm实时流数据处理和Spark内存批处理技术的风电机组在线故障诊断与预警模型。以齿轮箱故障诊断与预警为例阐释该模型,引入了Storm处理状态监测数据流,设计了流数据处理的Topology结构;引入Spark,利用弹性分布式数据集(RDD)编程模型实现了朴素贝叶斯(NB)算法和反向传播(BP)算法对设备状态信息进行故障诊断与预测。实验结果显示,该故障诊断与预测方法在保证精度的前提下具有较好的加速比,也证明了该故障诊断与预警模型的有效性和可行性。

Sp-IEclat:一种大数据并行关联规则挖掘算法

针对大数据环境下关联规则数据挖掘效率不高的问题,采用Eclat算法使用垂直数据库将事务的合并转换成集合操作的方法。研究了一种大数据并行关联规则挖掘算法-Sp-IEclat(Improved Eclat algorithm on Spark Framework),该算法基于内存计算的Spark框架,减少磁盘输入输出降低I/O负载,使用位图运算降低交集的时间代价并减少CPU占用,采用前缀划分的剪枝技术减少求交集运算的数据量,降低运算时间。使用mushroom数据集和webdocs数据集在两种大数据平台下实验,结果表明,Sp-IEclat算法的时间效率优于MapReduce框架下的Eclat算法及Spark框架下的FP-Growth算法和Eclat算法。从对集群的性能监控得到的数值表明,同Spark框架下的FP-Growth算法和Eclat算法相比,Sp-IEclat算法的CPU占用和I/O集群负载都较小。

基于模块化的数据中心基础设施建设分析

通过对传统数据中心基础设施建设模式和模块化数据中心建设模式的分析对比,指出了模块化建设方式在应对弹性数据中心需求的优势所在,同时说明了数据中心基础设施子模块的构成和特点。