基于投影寻踪回归方法的微压过滤冲洗池水头损失与过滤效率预测模型

以微压过滤冲洗池的水头损失与过滤效率为考核指标,考虑进水流量、矿化度、含沙量与滤网孔径4个因素进行正交试验设计,采用投影寻踪回归方法PPR分析各个因素对考核指标的影响权重,选取20组试验数据建立含沙微咸水条件下微压过滤冲洗池水头损失和过滤效率的预测模型,探究了含沙微咸水对微压过滤冲洗池的水头损失和过滤效率的影响。研究结果表明,影响微压过滤冲洗池水头损失的因素由大到小依次为进水流量、含沙量、矿化度、滤网孔径;影响过滤效率的因素由大到小依次为含沙量、进水流量、矿化度、滤网孔径;构建的PPR预测模型的预测精度整体合格率达100%;当进水流量为6~7 m^(3)/h、含沙量为0.5~1.0 g/L、矿化度为0~2.0 g/L及滤网孔径为0.125~0.180 mm时,水头损失存在最小值;当进水流量为9~10 m^(3)/h、含沙量为1.75~2.00 g/L、矿化度为0~3.0 g/L及滤网孔径为0.125~0.150 mm时,过滤效率存在最大值。物理模型的试验结果可为微压过滤冲洗池的实际应用提供研究基础。

考虑丢包特性的无参考网络视频质量评估模型

针对相同丢包率条件下不同的包丢失集中度对视频质量影响不同的问题,提出一种考虑丢包特性并且不需要对视频解码的无参考网络视频质量评估模型.首先依据码流信息在压缩域计算视频的时域复杂度,然后在压缩域计算包丢失集中度和包丢失率对视频质量的影响因子.考虑到人眼视觉系统的空域掩盖效应和时域掩盖效应,进而提出由于丢包引起的视频质量下降的视频质量评估模型.该模型不需要对视频进行完全解码,具有资源开销小、实时性好的特点,适合对实时传输的视频流进行质量评估.实验结果表明,使用该视频质量评估模型测得的视频包丢失质量评分与其主观质量评分有很好的一致性,相比于国际标准G.1070中的丢包视频质量评价模型,无参考网络视频质量评价模型与主观质量评价的相关性平均提高了6.18%.

5G网络环境下的网络视频质量分析

网络视频业务是5G时代无线流量的主要增长点,网络视频业务质量监测对于通信运营商提前发现问题、提前解决问题和提高市场竞争力至关重要.为此,根据5G网络大容量、时变衰落无线信道特点和网络视频播放的缓冲机制,在基于通信运营商呼叫/事务/会话数据记录大数据,抽取、加工生成反映视频播放质量的特征信息指标过程中,引入下行丢包率集中度指标,在此基础上,应用机器学习算法,计算得到5G网络环境下的网络视频质量评分值.实验结果表明:该方法在充分利用通信运营商现有统一深度包检测系统、节约成本的同时,由于在抽取、加工生成特征信息指标的过程中引入了下行丢包率集中度指标以反映5G信道变化对视频播放质量的影响,与现有方法相比,视频质量分析具有更高的准确性.