简介：古人云“以史为鉴”,说的是吸取历史的经验教训,对未来的情况做出预判或者改变。生活中,亦是存在相似的利用历史数据对未来变化趋势进行预测分析的时间序列问题。本文就时间序列一类的问题进行研究,探讨如何更好地根据历史统计数据,对未来的变化趋势进行预测分析。本文基于神经网络,以气象观测历史数据作为研究的对象,建立了气温变化时序预测模型。本模型利用大数据相关技术对数据进行特征处理,通过深度神经网络,学习特征数据和标签数据之间复杂的非线性关系,从而实现对气温变化的趋势预测。实验结果表明,相较其他模型,本文的模型能够更好地进行时序预测,同时也证明了神经网络用于气象预测的可行性。

简介：高能耗一直是数据中心的突出问题,探寻绿色节能数据中心的建设、运维方案是所有数据中心从业人员共同的目标。能效指标是数据中心能耗情况的客观评价;能耗模型是数据中心能耗内在关联的体现。能效指标和能耗模型对于指导高效能数据中心建设、优化资源调度方案、提高能源利用效率等方面具有重要的作用。本文介绍了能效指标和能耗模型的内容,以期可以抛砖引玉,促进数据中心绿色节能的研究。

简介：为了解决多机场地区日益严重的交通拥堵及大面积航班延误问题,提出了一种基于延误分配的多机场航班排序模型。通过分析多机场终端区结构及运行特性,充分考虑管制运行规则约束及终端区延误消耗限制等因素,保障延误消耗的可执行性,以加权延误最小化为目标构建了基于延误分配的多机场终端区航班排序模型,并设计了相应的遗传算法进行求解。仿真结果表明,该模型可有效减少航班延误并合理分配空中及地面等待延误。

简介：在国家智能制造和工业互联网战略的推动下,数据使用和数据共享受到广泛关注,数据模式成为提升信息系统互操作水平和促进数据流转的重要前提和基础。本文面向制造业的标识解析体系,提供了一套产品通用属性数据的定义及其标识方法,该方法适用于对制造业产品的基本信息进行分类、编码、发布、查询,以促进在制造业相关活动中促进产品关联信息的共享和使用。

简介：随着商业银行业务量的不断攀升和互联网金融的高速发展,瞬时突发的大量交易提交对商业银行信息系统的并发性和准确性提出了更高的要求。热点数据独有的高访问特性对提升商业银行系统并发性具有重要意义。本文主要介绍了商业银行信息系统中常见的三类热点数据及其处理模型在信息系统中的应用。该模型能够有效提升交易进行时,热点数据的访问性能,从而提升整个信息系统的并发性及一致性。