-
公开(公告)号：CN108170531B
公开(公告)日：2021-07-02
申请号：CN201711434894.5
申请日：2017-12-26
Applicant: 北京工业大学
Abstract: 本发明公开一种基于深度信念网络的云数据中心请求流调度方法，综合考虑了不同种类请求所能带来的价值以及计算集群能耗等因素在请求处理时间内的变化。使用历史数据：包括每种请求的数量、资源申请量，处理请求所能带来的收益、时间，集群资源总量等，通过建立的利润计算模型计算所能得到的价值。使用请求流数据对深度信念网络(Deep Belief Network,DBN)进行训练，而后使用分类器和其输出对DBN进行调整。使用调整好的DBN获取调度树配置方案，对调度树进行调整，并结合节点效率图进行对节点资源的调度，同时根据实际调度情况对节点效率图进行修改，最终使得云数据中心处理该批次的请求获得的利润最大化。
-
公开(公告)号：CN109901922B
公开(公告)日：2021-06-18
申请号：CN201910161937.X
申请日：2019-03-05
Applicant: 北京工业大学
Abstract: 本发明公开了一种面向多层服务的容器云资源调度优化方法，该方法包括如下的步骤：根据为多个多层服务提供服务的需求，构建由多个异构容器构成的容器云架构；根据该架构，建立云服务提供商对于容器云的整体收益函数；根据排队论提供多层服务下各层服务的响应状态，结合收益函数得出整体的收益模型，并根据各层服务的服务要求，为收益模型设定初始解；针对上述模型的优化问题，给出一种资源分配优化算法，进而根据算法的解进行资源分配，从而达到云服务提供商效益最大化。本方法能够为云服务提供商提供一种容器云的优化策略，考虑了多层相关微服务在容器云中的弹性运营策略，能够根据用户的需求动态的分配资源，提高了云资源的利用率。
-
公开(公告)号：CN112215422A
公开(公告)日：2021-01-12
申请号：CN202011092465.6
申请日：2020-10-13
Applicant: 北京工业大学
Abstract: 本发明公开一种基于季节性分解的长短时记忆网络水质动态预警方法，通过皮尔逊相关系数以及水质机理特性筛选出对水质预警起到决定性作用的指标，分析时间序列数据的季节性，对剔除季节性后的时间序列数据进行Savitzky‑Golay平滑滤波处理，再进行归一化处理，通过滑动窗口方法将时间序列数据转化为有监督数据，输入基于编码‑解码器的多元长短时记忆网络模型，再通过多元高斯分布对数据计算动态预警阈值，将预测值与预警阈值进行比较，达到水质动态预警的效果。
-
公开(公告)号：CN112215421A
公开(公告)日：2021-01-12
申请号：CN202011092462.2
申请日：2020-10-13
Applicant: 北京工业大学
Abstract: 本发明公开一种基于生成对抗网络的深度学习水质指标预测方法，首先，将获取到的水质指标历史数据按时间排列成时间序列数据，然后通过生成对抗网络对缺失值进行插值处理。其次，再对水质指标数据进行标准化处理，将水质时间序列数据按照预设的滑动窗口大小进行划分，转为有监督的数据。最后，输入LSTM神经网络模型，进行多步预测，最终获得水质指标预测结果。
-
公开(公告)号：CN111563624A
公开(公告)日：2020-08-21
申请号：CN202010370687.3
申请日：2020-05-06
Applicant: 北京工业大学
Abstract: 本发明公开一种基于LSTM与Attention相结合的绿色能源预测方法，综合考虑了太阳能和风能等绿色可再生能源对云数据中心的供能，根据预测得到下一个时间段的太阳能或风能数据，并转化为电能，最终为有关部门提供数据支撑，并为混合能源互补供电做好前期准备。本发明首先采用SG滤波算法对风能及太阳能进行预处理，然后使用LSTM时间序列建模方法建立预测模型，引入Attention机制，此机制可以减少模型训练时间，且复杂度较小，能一步到位的考虑全局联系和局部联系，优化预测结果，提高预测精度。
-
Patent Agency Ranking
公开(公告)号：CN110879874A
公开(公告)日：2020-03-13
申请号：CN201911116694.4
申请日：2019-11-15
Applicant: 北京工业大学
Abstract: 本发明公开一种光变曲线异常检测方法，该方法旨在解决天文数据中光变曲线的异常现象由于其瞬时性导致不好检测问题，提高模型对未来观测数据的鲁棒性。该方法包括：获取光变曲线数据的时间、亮度，作为历史时间序列；对获取到的数据进行数据预处理和特征工程，分别构造训练集和测试集；使用GRU神经网络搭建模型，分别添加Dropout优化方法和BN优化方法，使用网格搜索法调整网络超参数，得到两个子模型，根据精度和稳定性进行混合优化，得到最终模型；使用训练好的模型进行预测，输出预测序列，使用格拉布斯方法进行光变曲线异常检测。
-
公开(公告)号：CN110688745A
公开(公告)日：2020-01-14
申请号：CN201910875132.1
申请日：2019-09-16
Applicant: 北京工业大学
Abstract: 本发明公开一种基于多目标优化的绿色云数据中心利润最大化方法，综合考虑绿色云数据中心对于不同服务器、不同类型应用、不同的SLA以及应用请求到达率、任务损失率和不用地域的电力价格等因素的影响，并综合考虑太阳能和风能对云数据中心收益及成本的影响。同时权衡绿色云数据中心的收益及成本，从而达到一个相对的利润最优值。该方法首先根据获取到的不同地区的风速及太阳辐射量计算出每个地区可提供的风能及太阳能，然后根据不同类型请求到达率、损失率等因素建立每个数据中心的收益及成本模型，采用基于动态遗传参数及模拟退火的多目标优化方法求解该模型。本发明能够同时优化绿色云数据中心的成本及收益从而最大化绿色云数据中心的利润。
-
公开(公告)号：CN109901922A
公开(公告)日：2019-06-18
申请号：CN201910161937.X
申请日：2019-03-05
Applicant: 北京工业大学
Abstract: 本发明公开了一种面向多层服务的容器云资源调度优化方法，该方法包括如下的步骤：根据为多个多层服务提供服务的需求，构建由多个异构容器构成的容器云架构；根据该架构，建立云服务提供商对于容器云的整体收益函数；根据排队论提供多层服务下各层服务的响应状态，结合收益函数得出整体的收益模型，并根据各层服务的服务要求，为收益模型设定初始解；针对上述模型的优化问题，给出一种资源分配优化算法，进而根据算法的解进行资源分配，从而达到云服务提供商效益最大化。本方法能够为云服务提供商提供一种容器云的优化策略，考虑了多层相关微服务在容器云中的弹性运营策略，能够根据用户的需求动态的分配资源，提高了云资源的利用率。
-
公开(公告)号：CN119251014A
公开(公告)日：2025-01-03
申请号：CN202411282955.0
申请日：2024-09-13
Applicant: 北京工业大学
IPC: G06Q50/06 , G06Q50/26 , G06N3/042 , G06N3/0455 , G06N3/08 , G06F18/213 , G06F17/18
Abstract: 本发明涉及一种面向水污染事件的溯源分析方法，特别是涉及一种基于改进的注意力模块、改进的变分自编码器、异构图注意力神经网络模型结合的水质污染物溯源方法。该方法首先利用改进的注意力模块提取水污染特征之间的相关性，接着将数据输入改进的变分自编码器进行重建时序分布，判断是否为水污染事件。而后对污染源和水质监测断面的空间和时序依赖构建异构时空图，最后对异常的上游水质监测断面及周围的污染物进行溯源，确定污染源的位置。
-
公开(公告)号：CN114385614B
公开(公告)日：2024-11-19
申请号：CN202210026715.9
申请日：2022-01-11
Applicant: 北京工业大学
IPC: G06F16/215 , G06F16/2458 , G01N33/18
Abstract: 本发明公开一种基于Informer模型的水质预警方法，包括对于时序水质数据的预测及异常检测模型两部分。首先，选取时序数据并对缺失值进行补齐，并对补齐后的数据进行多项式平滑滤波(Savitzky‑Golay,SG)处理。在此基础上，对SG滤波平滑处理后的数据进行训练，接着对生成的时序预测模型输出的预测值进行基于Loess的季节性特征分解并剔除季节性分量。此外，采用孤立森林对分解后的多维特征数据进行建模，超出安全区间之外的数据设定为异常值，从而达到水质预警的效果。其中，异常值结合《地表水环境质量标准》GB3838‑2002作为评判的标准。本发明能够有效地解决实时性预测和安全区间的设置问题，使得准确率和召回率得到进一步提高。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.032 seconds)
