导读:本文包含了面向时间论文开题报告文献综述及选题提纲参考文献,主要关键词:舱容,配送,轮机长,油品,计量,量油孔,业务中心,船员,燃料油,油舱
面向时间论文文献综述
龙岩烽[1](2019)在《他为外轮供油9年,客户100%满意》一文中研究指出“凌晨1时外轮抵达锚地?我们马上办手续……”前不久的一天,接到燃料油公司全球船供油业务中心下达的供油任务后,燃料油山东分公司保税油供油代表张龙看了看手表:“现在已经快下午5时了,我们得赶紧在海关下班前完成报关,再安排油库发船、配送油品,每一步操作都要争分(本文来源于《中国石化报》期刊2019-10-17)
Rui,LIU,Wei-chu,SUN,Tao,HOU,Chun-hong,HU,Lin-bo,QIAO[2](2019)在《面向真实世界研究中非凸非平滑问题的具有时间扰动的块坐标下降法(英文)》一文中研究指出真实世界研究的大数据时代已经来临;这个时代将极大促进医学发展,尤其是肿瘤学。然而,鉴于大规模数据量的增加以及求解的目标问题具有非凸非平滑等不易求解的函数性质,传统机器学习方法不能很好解决这类新问题。我们的目标是求解一个带不等式约束的优化问题,该优化问题是由一个平滑非线性函数与大量块变量可分的非凸非平滑目标函数组合相加而得。提出一种新的并行一阶优化方法,称为带时间扰动的异步块坐标下降法(asynchronous block coordinate descent with time perturbation,ATP)。该方法采用一种从鞍点和次优局部点逃脱的时间扰动技术。通过分析收敛性和迭代复杂度特性,介绍了该方法的详细内容。针对真实世界研究机器学习问题的实验验证了本文所提方法的有效性。实验结果表明,时间扰动使ATP能从鞍点和次优点逃脱;采用异步块坐标下降法为处理具有不等式约束的非凸优化问题提供了一种可行方法。在共享内存多核平台上异步并行的实现,表明该算法具有很强可扩展性。(本文来源于《Frontiers of Information Technology & Electronic Engineering》期刊2019年10期)
宾婧怡,丁旭阳,齐晓铭,陈浩[3](2019)在《面向安全关键应用的多核处理器执行时间波动性分析》一文中研究指出在安全关键系统中,针对多核处理器共享硬件资源竞争带来的执行时间波动性问题,提出了基于性能计数器PMR和RSB的通用测试方法,通过捕捉执行时间波动性相关的硬件事件来分析硬件资源的共享性、执行时间的波动性和硬件平台的黑盒或灰盒行为。此方法可用于硬件平台的性能评估,也可用于应用任务的资源消耗评估,从而为WCET预测提供指导。(本文来源于《计算机工程与科学》期刊2019年09期)
孙毅,刘昌利,刘迪,谢祥颖,卢毓东[4](2019)在《面向居民用户群的多时间尺度需求响应协同策略》一文中研究指出需求响应是需求侧参与电网灵活互动的重要途径,在电力市场化改革深入、智能家居快速普及的背景下,居民用户的广泛参与可进一步拓宽需求响应的应用场景,激发能源网络的灵活性。为实现居民用户群有序、低偏差地参与需求响应,提出一种基于多时间尺度协同综合响应架构。详述了自由响应、弹性响应、基准响应的联动过程,并基于序列运算理论构建了动态规划模型,分析了成本最优情景。仿真结果表明,面向居民用户群的策略可在维持低偏差率的同时降低成本。(本文来源于《电网技术》期刊2019年11期)
高腾飞,刘勇琰,汤云波,张垒,陈丹[5](2019)在《面向时间序列大数据海量并行贝叶斯因子化分析方法》一文中研究指出时间序列大数据记录着复杂系统在时间和空间上大尺度的演化过程,详细描述了系统不同部分之间的相互作用和相互联系.提取时间序列大数据中潜在的低维因子对研究复杂系统的整体机制有着至关重要的作用.大数据的超高维和大尺度导致许多传统因子分析方法难以适应,先验知识缺乏更增加了研究难度.针对这一巨大挑战,提出了一种面向时间序列大数据的海量并行贝叶斯因子化分析方法(the massively parallel Bayesian factorization approach, G-BF).在缺失先验知识的情况下,通过贝叶斯算法导出因子矩阵,将算法映射至CUDA(compute unified device architecture)模型,以大规模并行的方式更新因子矩阵.该方法支持对任意维度张量的因子分解.实验结果表明:1)与通过GPU加速化的因子分解算法G-HALS(GPU-hierarchical alternative least square)相比,G-BF具有更好的运行性能,且随着数据规模的增加,其性能优越性更加明显;2)G-BF在数据处理规模、秩及维度方面都具有良好的可扩展性;3)将G-BF应用于现有子因子融合框架(hierarchical-parallel factor analysis, H-PARAFAC),可将"巨型"张量作为一个整体进行因子化分解(在2个节点上处理10~(11)个数据元素),其能力较常规方法高出2个数量级.(本文来源于《计算机研究与发展》期刊2019年07期)
赵子洪[6](2019)在《面向服务间隔时间的列车运行图优化方法研究》一文中研究指出合理地确定列车服务的间隔时间,能有效提高运输资源利用率,较大程度地提高列车服务质量。结合我国当前高速铁路运营特点,分析以服务间隔为主要考虑因素的列车开行模式的主要特点,构建面向服务间隔时间的运行图优化模型,并设计基于遗传原理的综合优化算法对优化模型进行求解。以京沪高速铁路实际运营数据为基础进行实例分析,结果表明,面向服务间隔时间的运行图优化方法在实现对停站方案与运行图的一体优化的同时,能够有效提升运行图中车站服务间隔的均衡性,提高车站服务水平。(本文来源于《铁道运输与经济》期刊2019年07期)
孙晓健[7](2019)在《面向大规模MIMO网络的时间反演干扰抑制研究》一文中研究指出随着第五代通信网络时代的到来,人们对无线通信领域信息传输的安全性、时效性和可靠性要求也日益提高。大规模多输入多输出技术作为5G关键技术之一,可显着提升系统通信容量、频谱利用率与能量效率,但也凸显出一系列性能缺陷。基站不断增长的天线数目导致一些非相关噪声和快衰落逐渐减弱,因此慢衰落和用户间干扰成为影响用户通信质量的主要原因。其次在多径信道环境中导频污染引发更为严重的信道时延扩展从而导致符号间干扰成为制约系统性能的重要因素。时间反演技术因独特的时空聚焦性,被认为是在无线通信领域中对抗密集多径和时间选择性衰落的有效技术。本文主要针对大规模多输入多输出系统中的用户间干扰、符号间干扰提出两种基于时间反演的干扰抑制技术,从而抑制大规模系统干扰,提高信道容量。本文的主要研究内容,包括以下两部分:第一,针对大规模多输入多输出系统中的用户间干扰,提出一种基于时间反演的预编码技术,该技术先后历经信道探测、多径信道建模、干扰信道分析以及预编码矩阵设计实现多径信道干扰抑制传输。其在时间反演技术基础上进行信道优化,利用时间反演技术的时空聚焦特性实现能量聚焦,并通过迫零算法降低系统中的用户间干扰与共道干扰。文章通过仿真实验证明该方案可以使平均误比特率减小,并显着提升信干噪比和下行链路可达速率。第二,针对大规模多输入多输出系统中的符号间干扰问题,提出一种基于时间反演的OFDM多址接入技术。该技术通过多径信道建模、OFDM调制分析、循环前缀选择以及时间反演多址接入设计实现时间反演OFDM系统负载信号在多径信道中符号间干扰抑制传输。通过理论分析验证该方案的可行性,并通过仿真实验验证该方案可以使平均误比特率减小,并可在一定程度上提高系统的可达速率,提升系统容量。(本文来源于《重庆邮电大学》期刊2019-06-09)
杜保佳,张晶,王宗明,毛德华,张淼[8](2019)在《应用Sentinel-2A NDVI时间序列和面向对象决策树方法的农作物分类》一文中研究指出农作物种植结构是农业生产活动对土地利用的表现形式。及时精确地获取农作物的空间分布信息对指导农业生产、合理分配资源以及解决粮食安全问题等具有重要意义。目前农作物信息提取研究大多局限于中低分辨率遥感影像的NDVI时间序列,影响了作物空间分布信息提取的准确性。随着Sentinel-2A卫星成功发射,为高分辨率NDVI时间序列的构建提供了可能。本文以黑龙江省北安市为研究区,基于覆盖完整生育期的Sentinel-2A多光谱数据,构建10 m分辨率的NDVI时间序列数据集,利用Savitzky Golay (S-G)滤波器对Sentinel-2A NDVI时间序列数据进行平滑。基于典型时相的多光谱数据和NDVI时间序列构建面向对象决策树分类模型进行作物类型遥感识别。通过对样本的NDVI时间序列曲线分析,可以得出NDVI时间序列能够清晰地区分作物物候差异。此外,本文还利用面向对象分类和支持向量机(Support Vector Machine, SVM)分类两种方法,对典型时相的多光谱数据进行了作物分类对比实验,并对结果进行了对比分析。研究结果表明:①典型时相多光谱数据引入平滑重构后的NDVI时间序列能够更好地描述作物的物候特性,能够准确刻画研究区作物发育情况,有效区分各类作物;②通过对比分类实验发现,典型时相多光谱数据引入NDVI时间序列特征,增强了不同作物之间的光谱差异,提高了作物分类精度,总体精度和kappa系数较典型时相多光谱数据进行分类的结果分别提高了7.7%和0.055;③基于面向对象的决策树分类模型在作物分类的结果中精度最高,总体精度为96.2%,kappa系数为0.892。本研究的方法为其他大区域农作物的分类提供了重要参考和借鉴价值。(本文来源于《地球信息科学学报》期刊2019年05期)
王红春[9](2019)在《面向DIMA应用的时间触发以太网性能优化与评估技术研究》一文中研究指出航空电子系统是飞机的“大脑”和“神经中枢”,其发展经历了分立式、联合式、综合模块化(Integrated Modular Avionics,IMA)以及目前最新的分布式综合模块化(Distributed Integrated Modular Avionics,DIMA)的四代典型技术发展。DIMA的设计思想通过分布式综合技术,并结合时间触发(Time-Triggered)通信和分区隔离调度机制,极大地增强了综合电子系统在执行任务时的实时性、可靠性和安全性,代表了未来武器装备的发展趋势,未来航空电子系统架构逐步演变为基于网络的分布式、综合化、模块化的通用系统平台。时间触发以太网(Time-Triggered Ethernet,TTE)属于时间触发架构下的航空机载总线,相比于传统机载总线,TTE具备高可靠性和安全性、良好的兼容性以及消息传输确定性等优点。在新一代综合化航空电子系统中,采用时间触发以太网作为底层通信网络的DIMA系统,即基于时间触发的分布式综合模块化航空电子系统(Time-Triggered based Distributed Integrated Modular Avionics,TT-DIMA)可以满足未来混合安全关键等级功能综合化的发展趋势,代表着未来航电系统架构的发展方向。本文研究面向DIMA应用的时间触发以太网性能优化与评估技术,其研究成果已经在卫星姿态控制系统、运载火箭控制系统、船舶分布式控制系统等典型应用场景下得到验证,具有高时间确定性,强实时性和高可靠性等特点。本文的研究工作主要包括基于TT-DIMA业务约束的网络拓扑结构优化、TT-DIMA系统时钟同步控制、TT-DIMA混合安全关键业务调度、TT-DIMA流量模型优化及性能评估四个主要研究内容。论文的创新工作包括:(1)针对TT-DIMA网络资源分配优化问题,重点研究了TTE网络拓扑结构优化技术,目标是在满足网络应用的安全性和实时性要求的前提下,生成一个具有较低架构成本、负载均衡、相对路径短的网络拓扑结构。本文在深入分析了以太网系统模型之后,提出一种新的网络拓扑优化方法,该拓扑优化算法充分考虑了TTE网络通信本身具有的时间确定性和网络拓扑的任意性,可以使得整体网络拓扑架构成本更低,整个网络的节点以及链路上的负载分布更加均匀,使时间触发业务流编排更加合理,为DIMA系统提供全局性能最优化的网络拓扑结构。(2)针对DIMA系统应用业务不同步带来应用系统延迟大、不确定、应用组合性差等问题,提出了网络级和应用级两级同步策略,目标是降低系统应用业务端到端之间的延迟。首先,详细研究了TTE网络时钟高精度同步的方法,利用FPGA实现了TTE标准同步算法;然后,进一步研究分区操作系统VxWorks653与TTE通信网络间的时钟同步技术,提出了一种分区操作系统时钟和TTE网络时钟的高精度时隙对齐方法,使得系统的应用业务可以按照时间触发的模式进行编排调度,有效降低业务端到端的通信延迟。最后,利用自研的TTE交换机和TTE节点机搭建了一整套TT-DIMA演示验证系统,在真实的硬件环境下,TTE网络节点间的同步精度不超过48ns,应用分区间时钟同步精度不超过70ns,端到端的应用消息通信延迟在[7.18μs,7.22μs]范围之间,延迟抖动40ns,这些实验结果验证了同步算法的正确性和有效性,也为进一步开发TT-DIMA产品提供了数据支撑。(3)由于DIMA系统本身的业务特性,TTE网络需要同时支持时间触发和事件触发两种业务,以满足不同安全等级的应用场景。为了进一步提高系统资源的利用率,提出了一种时间触发业务静态调度表生成算法,将调度表编排问题抽象成二维装箱及带约束的优化问题,优化目标是使得时间触发业务尽可能的分散排布,从而得到数目最大的空闲时隙数,为后续事件触发业务提供均匀的时间资源以提升系统的稳定性。仿真实验结果表明,提出的优化算法要优于传统装箱算法对调度表的编排,在平均时延和时延抖动两个指标上都有明显的降低,保证了DIMA系统对关键业务的确定性通信延迟,同时最大限度地满足非安全关键业务。(4)传统的网络演算模型对系统时延分析存在较大的悲观性,结合DIMA系统中业务特点提出了一种新的通信流量优化模型和性能评估方法,通过引入时间触发(TT)流量的缺包周期以及速率约束(RC)流量的调节因子,分别对RC流量的服务曲线及到达曲线进行了优化并基于该模型进行了时延分析,时延分析结果更接近真实网络运行情况,使系统调度表编排更加合理,提高了系统资源的利用率。(本文来源于《西安电子科技大学》期刊2019-06-01)
苏佳轩[10](2019)在《面向工业大数据的高维时间序列清洗系统》一文中研究指出随着时代发展,时间序列数据在大数据时代扮演着越来越重要的角色。在以往金融、气象相关领域的时间序列数据的研究中,对与其相关的时间序列数据的特性研究得已经比较完备,利用统计学的方法能够对这些时间序列数据进行有效的分析处理。然而近年来,工业上的时间序列数据日渐引起关注,引出了很多关于时间序列数据处理上的新问题。在处理高维时间序列数据上的质量问题时,单一维度上的时间序列处理方法由于无法正确、有效分析多维数据之间的关系,已不再适用,对工业上的高维时间序列数据的研究近乎空白。基于上述背景,本文以工业大数据上的高维时间序列数据作为重点,进行了问题分析、算法研发、系统开发等工作。本文提出了“高维时间序列数据的错列检测与修正”、“高维时间序列上的值异常检测与修正”两个高维时间序列数据上的异常问题,主要完成的算法研究和系统开发内容如下:(1)对于错列检测与修正问题,本文提出了一个在线与离线相结合的算法,在无先验知识或只拥有少量先验知识的情况下,通过模式确定、异常检测、综合清洗叁个步骤,完成了对工业高维时间序列数据的异常的检测与修正,该算法可以排除干扰和小范围浮动,精准定位异常区间。(2)对于值异常检测与修正问题,本文将其分为“单维时间序列值异常的检测与修正”与“多维度辅助高维时间序列值异常检测与修正”两部分进行了讨论解决。在单维异常检测修正部分,本文使用传统的统计学方法和LSTM神经网络分别对异常点和异常区间进行检测;在多维度辅助检测修正部分,本文提出了一个运行时间随数据量线性增长的算法,通过相关性分析、求解置信区间、确定异常项、执行修正四个步骤,完成了多维度辅助高维时间序列数据检测修正。(3)以上述算法为基础,本文开发了一个面向工业大数据的高维时间序列清洗系统Cleanits,实现了包括数据清洗、清洗结果可视化、度量分析在内的多种功能。(本文来源于《哈尔滨工业大学》期刊2019-06-01)
面向时间论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
真实世界研究的大数据时代已经来临;这个时代将极大促进医学发展,尤其是肿瘤学。然而,鉴于大规模数据量的增加以及求解的目标问题具有非凸非平滑等不易求解的函数性质,传统机器学习方法不能很好解决这类新问题。我们的目标是求解一个带不等式约束的优化问题,该优化问题是由一个平滑非线性函数与大量块变量可分的非凸非平滑目标函数组合相加而得。提出一种新的并行一阶优化方法,称为带时间扰动的异步块坐标下降法(asynchronous block coordinate descent with time perturbation,ATP)。该方法采用一种从鞍点和次优局部点逃脱的时间扰动技术。通过分析收敛性和迭代复杂度特性,介绍了该方法的详细内容。针对真实世界研究机器学习问题的实验验证了本文所提方法的有效性。实验结果表明,时间扰动使ATP能从鞍点和次优点逃脱;采用异步块坐标下降法为处理具有不等式约束的非凸优化问题提供了一种可行方法。在共享内存多核平台上异步并行的实现,表明该算法具有很强可扩展性。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
面向时间论文参考文献
[1].龙岩烽.他为外轮供油9年,客户100%满意[N].中国石化报.2019
[2].Rui,LIU,Wei-chu,SUN,Tao,HOU,Chun-hong,HU,Lin-bo,QIAO.面向真实世界研究中非凸非平滑问题的具有时间扰动的块坐标下降法(英文)[J].FrontiersofInformationTechnology&ElectronicEngineering.2019
[3].宾婧怡,丁旭阳,齐晓铭,陈浩.面向安全关键应用的多核处理器执行时间波动性分析[J].计算机工程与科学.2019
[4].孙毅,刘昌利,刘迪,谢祥颖,卢毓东.面向居民用户群的多时间尺度需求响应协同策略[J].电网技术.2019
[5].高腾飞,刘勇琰,汤云波,张垒,陈丹.面向时间序列大数据海量并行贝叶斯因子化分析方法[J].计算机研究与发展.2019
[6].赵子洪.面向服务间隔时间的列车运行图优化方法研究[J].铁道运输与经济.2019
[7].孙晓健.面向大规模MIMO网络的时间反演干扰抑制研究[D].重庆邮电大学.2019
[8].杜保佳,张晶,王宗明,毛德华,张淼.应用Sentinel-2ANDVI时间序列和面向对象决策树方法的农作物分类[J].地球信息科学学报.2019
[9].王红春.面向DIMA应用的时间触发以太网性能优化与评估技术研究[D].西安电子科技大学.2019
[10].苏佳轩.面向工业大数据的高维时间序列清洗系统[D].哈尔滨工业大学.2019