简介:商业智能作为保障企业高效运营、正确决策和快速响应的有效手段,对提高银行核心竞争力具有重要意义。本文介绍了商业银行根据业务需求结合Cognos产品设计的商业智能应用方案,分析了系统的物理和逻辑架构、多维模型设计应用,提出了金融行业商业智能解决方案。关键词商业智能;Cognos;多维模型中图分类号TP302.1文献标识码A文章编号1007-9599(2010)04-0000-01Design&ImplementationofBusinessIntelligenceSystemBasedonCognosZhangXuesong(DalianBranchofAgriculturalBankofChina,InformationTechnologyManagement,Dalian116001,China)AbstractTheBusinessIntelligence(BI)iseffectivemeanstoensureenterprise'shigh-efficientrunning,correctdecisionandrespondfast,itissignificanttoimprovethekeycompetitivenessofthebank.ThispaperintroducecommercialbankdevelopedBusinessIntelligence(BI)systembasedonCognosaccordingtobusinessdemand,analyzethephysicsandlogicframeworkofthesystem,thedesignandapplicationofCube,providestheBusinessIntelligence(BI)solutionsforfinancialindustry.KeywordsBusinessIntelligence(BI);Cognos;Cube一、引言随着银行管理精细化程度不断提高,为了适应激烈的市场竞争环境,商业银行要充分了解自己的经营信息,对业务数据查询分析报表要求也急速膨胀,原有各种统计查询系统已逐渐难以满足实际工作需要,金融机构对商业智能技术的需求和研究变得越来越迫切。我行针对资产业务开发应用了基于Cognos的商业智能系统,该系统具有高度的集成性、稳定性、可扩展性;系统查询统计分析操作便捷、深入应用技术含量较高,并集成了报表模块的自定制、共享成果等多种先进技术,为数据深入分析和使用提供了新的平台。二、系统架构设计我行开发的商业智能系统采用B/S架构,运行的网络环境是内部办公网,由数据库服务器、WEB应用服务器、报表服务器三部分组成。后台应用数据库采用了Sybase数据仓库产品SybaseIQ,前端WEB应用服务器使用IBM的WebSphere。针对用户访问量大的特点,在报表服务器和WEB服务器的设计中还采用集群技术来分担系统压力,并可根据未来发展需要进行扩充。本商业智能平台关键部分报表服务器设计基于IBM公司的BI产品Cognos8,该产品的操作使用Web方式,极大地降低了部署成本和管理成本。同时Cognos8的产品中提供了丰富的业务功能。Cognos8的主要产品模块包括QueryStudio——自助报表生成工具;ReportStudio——专有报表构筑工具AnalysisStudio——多维数据展示工具;Transformer分析——多维数据设计工具FrameworkManger——业务数据组织工具用户可以在浏览器中通过QueryStudio进行格式灵活,元素丰富的开放式报表查询,并可利用ReportStudio强大的面向对象的报表制作和展示功能,结合编程语言、函数和SQL语句能够制作、展示复杂的专业自定义报表。三、系统的技术实现(一)多维模型基本知识多维数据是根据业务需求中某个查询主题的分析维度和业务指标,通过多个维度分析指标,将数据库中的数据重新组织,并通过汇总计算实现的数据模型,也称为多维立方体(Cube)。Cube是一个多维数据的存储结构,提供源数据的访问、数据的快速查询,通过查询Cube,用户在多维数据中可以直接通过计算好的维度和指标进行查询和报表统计,可以直接得到各个维度层次上的汇总数据。多维模型由维度和度量构成。维度是一个与业务相关的观察角度,是从数据仓库提取的有效信息,并在同一个前提下以层的方式构造形成。例如时间维度可由年、季度、月构成,地区维度可由省、市、县等构成。所有的维度在一起提供了业务的多维视图。度量是收集和存储的用于评价业务状况的数值性数据,也是位于维度的交叉点上的数据。例如账户余额、贷款总额等。(二)多维模型设计过程多维模型的设计过程主要有下列步骤设计维表(多个)和事实表(一个)表结构和抽取脚本设计多维模型(mdl文件)组织生成Cube(mdc文件)发布数据包流程如右图(三)多维数据应用用户通过对相应的Cube执行穿透钻取(rollup和drilldown)、切片(slice)和切块(dice)、以及旋转(pivot)等操作,能够从多角度对信息进行快速、交互地查询分析,有效地将相关信息关联起来,从而使用户在分析汇总数据时能够生成自己感兴趣的自定制报表。用户也可以通过Cognos将自己研究的报表共享,其他用户直接利用已有的技术成果,避免人力的浪费。四、结束语该系统针对商业银行业务发展需求,结合当前比较先进的数据库和商业智能技术,建立基于Cognos的商业智能体系结构,提高商业智能系统的效率性、移植性、集成性和可扩展性,有利于提高数据分析的准确性和业务分析的智能化程度,相信随着技术和业务的发展也必然会大力推动商业智能系统的设计应用,对提高我国金融业的经营管理水平有着重要的意义。参考文献1CognosInc.Cognos8管理和安全性指南.20072CognosInc.QueryStudio专业建用户指南.20073CognosInc.ReportStudio专业建用户指南.2007作者简介张雪松(1975-),男,黑龙江肇源县人,工程师,工作单位中国农业银行大连市分行,主要研究方向是办公自动化、商业智能。
简介:本文针对LEACH算法中没有考虑簇头间能耗均衡和远离基站簇头过早失效的问题,提出一种基于能耗和距离的WSN分簇路由算法。仿真结果显示,该算法能有效克服LEACH存在的这两个缺陷,有效提高网络生命期。关键词无线传感器网络;分簇路由算法;能耗均衡中图分类号TP212.1文献标识码A文章编号1007-9599(2010)04-0000-02ClusteredRoutingofWSNagainstEnergy&DistanceYaoLijunLiKangman(HengyangNormalUniversity,Hengyang421008,China)AbstractLEACHalgorithmdoesn’tconsiderenergy-consumptionbalancebetweencluster-headsanditscluster-headawayfromthebasestationoftenprematurelyfail.Thispaperproposesaclusteredroutingalgorithmbasedonenergyanddistanceforwirelesssensornetwork.SimulationresultsshowthatthealgorithmcaneffectivelyovercomethesetwofalwsofLEACH,improvethenetworklifetime.KeywordsWirelesssensornetwork;Clusteredroutingalgorithm;Energybalance过去多年以来,传感器网络在数据收集和处理方面的协同工作和协作管理采集活动的潜在应用价值受到越来越多的关注。然而,由于现代无线传感器网络具有节点能源受限且通常无法补充、节点微型化等形态特征。因此,如何高效使用能量来最大化网络生命周期是无线传感器网络面临的首要挑战1。对wsn路由协议研究表明,分簇路由协议23可以对簇内成员感知的数据进行融合转发,能有效简化对传感网网络的查询,从而节省能量延长网络生命周期。低能耗自适应分簇协议LEACH4基本思想是通过等概率地随机循环选择簇头,将整个网络的能量负载平均到每个传感器网络节点,从而达到降低网络能量耗费、延长网络生命周期的目的。然而,该算法主要集中于均衡簇成员节点之间的能量消耗,没有考虑到簇头之间的能量消耗均衡问题。再者,其由于规定簇头直接与基站通信,造成了远离基站的簇头过早失效。本文针对这两点,提出一种新的分簇路由算法。本算法首先根据节点的剩余能量来合理选择簇头,剩余能量高的优先选择为簇头,最终有效平衡全网能量。簇头选好后,对于成员节点来说,根据与簇头的距离和自身的能量消耗决定加入哪个簇,从而有效延长网络生命周期。这样就可以让簇头节点的选举与节点剩余能量直接相关,避免同构成簇算法遇到的问题。对于远离基站的节点会较早失效的问题,算法规定每个簇头通过成员节点的位置估计感知到相同事件的邻居簇,然后进行局部的多跳数据融合,以达到节能的目的。一、网络模型本文采用的网络模型如下①所有节点随机静态分布在1个二维平面区域中,在该区域的外部存在1个基站;②节点具有数据融合功能;③所有节点的射频发射功率可以调节;④节点在最大的功率下可以直接与基站进行通信;⑤所有节点同构,并且对突发事件具有相同的感知半径;⑥节点知道自身的位置;⑦网络突发事件的出现概率较小,在同一时刻仅出现1次突发事件。传感器节点的能耗主要由计算能耗和无线射频模块收发报文的通信能耗构成。节点的通信能耗模型以及相关参数的选择与无线模型2相同,节点传输kbit数据至距离d处,以及接收kbit数据需要的能耗分别为,对于服从4次方衰减的无线电,本文仅考虑节点的通信能耗。二、成簇算法在网络建立阶段,基站需要用一个给定的发送功率向网络内广播一个信号。每个传感器节点在收到此信号后,根据接收信号的强度计算它到基站的近似距离。每轮循环的过程是在簇建立阶段,基站每个节点选取一个介于0和1之间的随机数,如果这个数小于某个阈值,该节点成为候选簇头。然后,通过竞争算法确定最终簇头,簇头向周围节点广播自己成为簇头的消息。每个节点根据提出的能量消耗函数来确定加入哪个簇,并回复该簇头。持续一段时间后,网络重新进入启动阶段,进行下一轮分簇。能量消耗函数f(i,j)为,其中1≤i≤CH,CH为加入第j个簇头的簇成员数量,1≤i≤CH,CH为簇头数量。节点i加入簇头CHj的条件就是使f(i,j)最小。其中Ei表示节点i的当前能量,ECHj表示簇头j的当前能量。f(i,j)既引入了距离因素,又引入了能量因素,更能有效平衡当前簇头区的能量消耗。只要能量消耗率函数最小,簇成员和簇头消耗能量均最低,进而全网络消耗能量低,因此能有效延长网络的生命周期。对于LEACH算法规定簇头直接与基站通信从而造成了远离基站的簇头过早失效的问题,通常通过固定多跳方式解决,但造成额外的能耗。本算法估计感知到相同事件的簇,从而确定下一跳的汇聚点。三、结论使用MATLAB对算法进行仿真测试,假设100个节点均匀分布在(0,0)和(100,100)的二维区域内,基站的位置在(175,50),设每一轮节点成为簇头的概率为0.05。消耗率函数参数是平衡簇头和成员之间的权值。图1消耗率权值与轮数关系图2本算法与LEACH生命期比较图1显示w值从0.1到1范围内的仿真,从图1可以看出w在0.5或0.6处效果最好。图2显示在不同传感半径下LEACH和本算法生命期的对比,从图可以看出,随着传感半径的增大,各个协议中网络的生命期均有所下降,在各传感半径下本算法的网络生命期要明显高于LEACH。参考文献1liuyue-yang,JiHong,YueGuang-xin.RoutingprotocolwithoptimallocationofaggregationinwirelesssensornetworksJ.TheUournalofChinaUniversitiesofPostsandTelecommnications,2006,13(1)125-1312HeinzelmanW,ChandrakasanA,BalakrishnanH.Anapplication-specificprotocolarchitectureforwirelessmicrosensornetworksJ.IEEETransactionsonWirelessCommunications,2002,1(4)660-6703YounisO,FahmyS.HEEDahybrid,energy-efficient,distributedclusteringapproachforAdHocsensornetworksJ.IEEETransactionsonMobileComputing,2004,3(4)366-3794HEINZELMANW,CHANDRAKASANA,BALAKRISHNANH.Energy-efficientroutingprotocolsforwirelessmicrosensornetworksA.Proceedingsofthe33rdHawaiiInternationalConferenceonSystemSciencesC.Hawaii,2000.1-10