面向地震应急响应的松耦合研判模型管理机制

由于面向地震应急响应系统(EERS)的研判模型有其自身特点,传统决策支持系统中模型管理方法并不能较好地满足其管理需求。提出一种面向地震应急响应的松耦合研判模型管理机制(LC-MM),包括3个部分:(1)研判资源建模环境,由研判模型描述/控制语言(MDCL)和数据源描述/控制语言(DSDCL)组成;(2)研判资源协同交互框架,该框架分为4层,主要包括应用环境上下文App_Context、模型调用者Model_Invoker和数据通道Data_Channel 3个Agent组件;(3)研判资源协同交互协议,该协议将研判任务、研判模型和数据源的紧耦合关系分解为上述Agent组件之间的协同交互关系。实际应用表明,LC-MM能够有效屏蔽研判资源的异构性,提高EERS的可扩展性、动态适应性以及平台无关性,能够较好地满足EERS中研判模型的管理需求。     

一种面向工业互联网的云存储方法

工业互联网是工业信息化进程中最受关注的热点,海量异构数据管理是其中的重点之一。传统的关系数据库（RDB）对海量多源异构数据的读写和检索都存在性能瓶颈,而近年来兴起的云数据管理方法主要是针对“键-值”（K-V）模式,无法依靠主键以外的数据属性对数据进行快速查找。提出了一种面向工业互联网的云存储方法——StoreCDB,在异构采样数据统一表达数据模型基础上,实现非结构化存储管理,同时,利用两级索引实现海量数据的快速检索。通过实验,在分布式集群实验平台上,采用海量高铁列车运行模拟数据,验证了StoreCDB具有良好的异构数据存储和检索性能,为工业互联网提供了一种新的数据管理方法。      

航天器测试需求描述及其自动生成

航天器作为一个典型的安全苛刻系统,其可信性研究需求迫切,支持可信性评估的数据来自于航天器测试用例的执行,而航天器测试需求是测试用例生成的重要依据.在实际应用中,对航天器这类复杂系统,面临测试需求庞杂、测试需求编制周期长、人工经验编制方式难以保证测试需求的充分性、完备性及可复用性等问题.针对这些问题,通过分析航天器组织结构特点,建立航天器形式化模型,基于航天器测试任务流程,给出了航天器静态测试需求和动态测试需求形式化描述规范,并给出航天器测试需求自动生成方法,保证了测试需求的充分性和完备性,提高了测试需求复用性,与人工编制方式相比,缩短了测试需求编制周期.最后设计并实现航天器测试需求生成应用系统,验证所提出方法的有效性.      

航电系统并行检测过程与检测设备解耦方法

航电系统在使用或升级改造过程中进行可靠性检测是必不可少的。特别是在当前批量航电系统大量投入使用的背景下，迫切需要能高效、快速、准确地对系统进行可靠性检测。由于航电系统安全性要求高，内置检测软件受限，需要外置检测设备通过航电系统指定接口进行检测，检测过程也不允许出现任何泄露等行为。检测设备与具体航电系统耦合，检测过程与具体检测设备耦合，难以实现批量航电系统并行检测。为此，通过引入逻辑检测设备，给出了一种航电系统并行检测分层框架，解决检测设备与被测系统耦合的问题，同时也保证了检测的安全性。通过逻辑检测设备、检测跳转机和被测主机上检测行为的描述，给出了一种面向通用航电系统并行检测的检测设备协同机制，解决检测过程与检测设备耦合的问题，从而支持多个航电系统并行检测。最后，实现了一个通用航电系统并行检测系统，并通过实际应用和实验对比验证所提方法的有效性。     

面向地震应急响应的互联网信息处理

近年来国内外地震灾害给人类的生命财产造成了巨大损失。海量的互联网地震灾情信息可为应急响应和及时救援提供决策支持的依据,因此互联网灾情信息高效快速处理需求迫切。针对地震互联网灾情信息处理的研究,定义了地震事件模型、网页对象模型等,用极限方法定义Web信息收敛性,刻画了互联网灾情信息传播特点。根据灾情信息时效性特点,提出了一种支持动态收敛性的Web信息抽取算法,完成互联网灾情信息提取。提出一种针对灾害信息随时间的变化进行时序统计的方法,形成信息统计报告,为制定救援决策提供依据。设计并实现了面向地震应急响应的互联网信息智能处理系统,并进行了工程实践验证。     

面向航天器综合测试系统的Web缓存替换策略

航天器一般为复杂系统,其作为典型安全苛刻系统,在综合测试过程中会产生大量测试数据。在查询这些测试数据时,现有的B/S数据查询技术,每次查询时采用从数据库服务器中获取数据的方式,极大地消耗了数据库服务器的资源,占用了大量的网络带宽,导致系统的整体性能下降,用户体验不佳。通过对安全苛刻系统综合测试数据特点和用户查询特征的分析,基于经典Web缓存替换算法GDSF,提出一种适用于B/S数据查询系统的Web缓存替换算法GDSF-STW。该算法是在GDSF算法的基础上,引入了数据流挖掘中的时间衰减模型,并采用滑动时间窗口的思想,提高缓存命中率,从而提高系统的性能,改善用户体验。通过GDSF-STW与LRU、LFU、LFU-DA、GDSF等经典算法进行实验对比,结果表明,GDSF-STW算法具有更好的缓存命中率。      

分布式用户痕迹采集存储系统

在复杂网络的分布式环境中，精准全面地采集海量用户在浏览网站过程中的行为数据和网站过程数据并高效存储是用户行为分析的前提和基础。为了解决数据类型的多样性和存储的差异性问题，提高数据的检索效率，为企业的个性化需求做用户行为的分析提供支持，设计了白盒模式的用户痕迹采集存储系统。用户访问Web服务器过程中会产生交互/交易数据以及用户操作，浏览网站过程中会产生图片、视频、商品描述等多种类型的文件，这些界面和数据称为用户浏览痕迹，操作序列则作为用户行为的实际动作顺序记录。对用户数据和操作序列分析，能精确反映用户特征。采集模型通过界面窗口树来建模，提供统一数据存取接口，根据数据类型的不同，分别存储于不同的位置，完整采集用户痕迹，应用程序传递参数指定存储位置创建数据库文件，通过存取接口可以分类型、按要求存取用户数据，解决了面向互联网的用户交互痕迹捕获、存储和检索的问题，具有良好的精确性和完整性。