面向大数据节点的动态可信度评估模型

大数据处理平台分布式、大规模等特性,使得各个节点间的信任问题变得日益突出.针对现有模型中对节点进行评估时存在灵活性差、未充分考虑历史访问信息、固定权重等缺点,文中提出了一种基于大数据平台节点的动态可信度评估模型,考虑了节点交互中由于非恶意因素导致失败的情况,同时还兼顾当前时间片交互与历史交互次数的权重问题;提出了利用相似度为信任值赋权重,并且给出相似度计算方法.实验证明,文中提出的模型对节点的可信度评估具有一定的动态性,而且相较于其他模型具有更好的效果,更加适用于大型集群中节点的可信度评估.     

大数据背景下的船舶管理风险评估

船舶安全管理工作对于保障船舶安全航行起着十分重要的作用,传统方法如层次分析法、模糊评估法难以对船舶的管理风险进行科学的评价。为了提高船舶的管理风险评估精度,构建了粒子群算法优化RBF神经网络的船舶管理风险评估方法,首先利用粒子群算法对RBF神经网络的参数进行优化,然后利用优化的RBF神经网络对船舶管理风险进行评估,最后进行仿真测试,实验结果表明,本文方法的评估精度比对比方法的评估精度更高,同时耗时更少,可以满足对船舶的风险进行实时监控与管理。     

铁路客站大跨叠层桁架结构受力分析

跨度52m的钢结构大跨叠层桁架是西安火车站站改工程重要组成部分。通过建立大跨叠层桁架的整体有限元模型,对整体结构进行全面的静力分析和自振特性分析。静力分析着重研究结构整体变形和应力比,分析不同荷载工况作用下结构变形特征;自振特性分析在研究叠层桁架自振特性的基础上,分析改变桁架腹杆形式对结构自振特性的影响。计算结果表明:构件的变形及应力比均满足《钢结构设计规范》(GB50017—2003)的规定,结构整体位移分布一般呈现正对称特征,大跨叠层桁架的最大位移区域位于跨中位置;大跨叠层桁架具有较低的自振频率,腹杆形式的改变对其自振频率的影响不大。