针对在短期负荷功率预测过程中,因负荷功率波动大而导致单一模型存在预测精度低的问题,提出基于时间特征分析的短期负荷功率NST-IRN组合预测模型。首先,深度挖掘负荷功率的时间特性变化,将其分解为趋势成分以及循环分量,构建新型时间序...针对在短期负荷功率预测过程中,因负荷功率波动大而导致单一模型存在预测精度低的问题,提出基于时间特征分析的短期负荷功率NST-IRN组合预测模型。首先,深度挖掘负荷功率的时间特性变化,将其分解为趋势成分以及循环分量,构建新型时间序列(NTS)模型。其次,考虑多时间尺度输入特征与日类型对负荷功率的影响,构建含特征输入结构与深度学习结构的改进残差神经网络(IRN)模型。最后,利用D-S证据理论对NTS与IRN模型的预测结果进行权重融合,以获取最终负荷预测结果。以ISO New England的真实负荷数据进行仿真实验,结果表明所提模型具有较高的预测精度和鲁棒性。展开更多
随着互联网规模扩展和拓扑结构的变化,网络管理面临巨大挑战。分段路由(segment routing,SR)协议,特别是SRv6(segment routing over IPv6),因其高可编程性和可扩展性,成为研究热点。基于SRv6的路径优化控制机制,解决多需求、多场景下特...随着互联网规模扩展和拓扑结构的变化,网络管理面临巨大挑战。分段路由(segment routing,SR)协议,特别是SRv6(segment routing over IPv6),因其高可编程性和可扩展性,成为研究热点。基于SRv6的路径优化控制机制,解决多需求、多场景下特定节点规避与中转问题,以提高网络性能。提出了针对完全部署SRv6网络的路径转移方案,通过分叉路径优化减少路由开销。针对部分部署网络,定义关键路径并设计规避与中转路径转发方案,优化路径转发效率。实验结果表明,完全部署SRv6时,优化方案能有效减小段列表深度,减少路由开销;在部分部署网络中,仅少量SRv6节点即可实现接近全SRv6网络的性能,成功解决特定节点规避与中转问题。研究结果为SRv6在不同网络部署中的应用提供了有效支持。展开更多
随着万物互联和大数据时代的到来,通过线下交互数据追踪传染病患者的密切接触者,利用健康数据对密切接触者的健康状态进行持续监测,为传染病人际传播分析带来了新的研究视角,为阻断传染病的传播提供了新的处理方式。然而,此类方法也存...随着万物互联和大数据时代的到来,通过线下交互数据追踪传染病患者的密切接触者,利用健康数据对密切接触者的健康状态进行持续监测,为传染病人际传播分析带来了新的研究视角,为阻断传染病的传播提供了新的处理方式。然而,此类方法也存在较为严重的隐私泄露问题。为此,文章设计了基于线下交互和健康数据的传染病人际传播分析模型(Analysis Model of Human-to-Human Transmission of Infectious Diseases Based on Offline Interaction and Health Data,AMHHTID-OIHD)。该模型由可信机构、健康云服务器、交互云服务器、疾控中心、医院和用户6种实体组成,在支持隐私保护的同时实现CDC查找该患者的密切接触者并对其进行健康状态分类。文章以KNN分类和高斯朴素贝叶斯分类为基础,结合同态加密技术,设计了支持AMHHTID-OIHD的隐私保护密切接触者查找算法和隐私保护健康状态分类算法。最后,对该模型的安全性进行分析,结果表明该模型可以在保护隐私的情况下实现密切接触者查找和健康状态分类。展开更多
文摘针对在短期负荷功率预测过程中,因负荷功率波动大而导致单一模型存在预测精度低的问题,提出基于时间特征分析的短期负荷功率NST-IRN组合预测模型。首先,深度挖掘负荷功率的时间特性变化,将其分解为趋势成分以及循环分量,构建新型时间序列(NTS)模型。其次,考虑多时间尺度输入特征与日类型对负荷功率的影响,构建含特征输入结构与深度学习结构的改进残差神经网络(IRN)模型。最后,利用D-S证据理论对NTS与IRN模型的预测结果进行权重融合,以获取最终负荷预测结果。以ISO New England的真实负荷数据进行仿真实验,结果表明所提模型具有较高的预测精度和鲁棒性。
文摘随着互联网规模扩展和拓扑结构的变化,网络管理面临巨大挑战。分段路由(segment routing,SR)协议,特别是SRv6(segment routing over IPv6),因其高可编程性和可扩展性,成为研究热点。基于SRv6的路径优化控制机制,解决多需求、多场景下特定节点规避与中转问题,以提高网络性能。提出了针对完全部署SRv6网络的路径转移方案,通过分叉路径优化减少路由开销。针对部分部署网络,定义关键路径并设计规避与中转路径转发方案,优化路径转发效率。实验结果表明,完全部署SRv6时,优化方案能有效减小段列表深度,减少路由开销;在部分部署网络中,仅少量SRv6节点即可实现接近全SRv6网络的性能,成功解决特定节点规避与中转问题。研究结果为SRv6在不同网络部署中的应用提供了有效支持。
文摘随着万物互联和大数据时代的到来,通过线下交互数据追踪传染病患者的密切接触者,利用健康数据对密切接触者的健康状态进行持续监测,为传染病人际传播分析带来了新的研究视角,为阻断传染病的传播提供了新的处理方式。然而,此类方法也存在较为严重的隐私泄露问题。为此,文章设计了基于线下交互和健康数据的传染病人际传播分析模型(Analysis Model of Human-to-Human Transmission of Infectious Diseases Based on Offline Interaction and Health Data,AMHHTID-OIHD)。该模型由可信机构、健康云服务器、交互云服务器、疾控中心、医院和用户6种实体组成,在支持隐私保护的同时实现CDC查找该患者的密切接触者并对其进行健康状态分类。文章以KNN分类和高斯朴素贝叶斯分类为基础,结合同态加密技术,设计了支持AMHHTID-OIHD的隐私保护密切接触者查找算法和隐私保护健康状态分类算法。最后,对该模型的安全性进行分析,结果表明该模型可以在保护隐私的情况下实现密切接触者查找和健康状态分类。
