基于storm云平台的电力信息系统实时监理的研究

为解决电力信息系统工程监理质量控制过程中各要素不能实时处于受控状态的问题,利用蝙蝠算法对Elman神经网络的初始权值和阈值优化,并结合storm云平台,构建了电力信息系统工程监理实时分析预测模型。通过案例分析与标准的Elman神经网络模型对比,表明该模型具有更高的预测准确度和较快的收敛速度,能够有效地应用于电力信息系统工程监理质量控制中。

基于云服务的食品安全监理实时化研究

为了及时发现食品安全问题,降低食品安全问题的发生率,从食品供应链角度出发,通过对影响食品安全的各要素分析,利用蝙蝠算法优化的Elman神经网络,并结合Storm云服务平台,构建了食品安全监理实时分析预测模型,对食品安全数据实时分析。通过对该模型的建模分析,形成有效的食品安全实时监理机制,期望能进一步降低食品安全隐患。

基于WebSocket的云监控系统的研究

传统的B/S模式的实时监控系统,已经不能完全满足用户的要求,主要体现在实时性不高、网络流量消耗量高等方面。对传统的实时监控系统的整体架构进行了改进,采用WebSocket推送机制替代传统的轮询机制,采用Storm云平台流式计算方式处理实时数据,很好地满足了用户提出的新的需求。通过实际应用证明,该系统不仅减少了网络流量消耗量,实现了按需对外服务,同时也提升了系统的实时性能。