企业建立网络准入系统的研究与实践

伴随着计算机网络拓扑结构日益复杂的变化,公司的信息安全面临着更高的挑战。如何应对这种挑战,已经成为网络管理者亟待解决的问题。网络准入系统提供了事先审核控制,将系统的风险阻拦在公司的网络之外,从而保证了公司的信息安全。本文就网络准入系统如何在企业信息安全方面发挥更大的作用,提出了研究认识和实施要点。     

基于大型自然灾害下生命线运输网络的可靠性研究

在大型自然灾害中,提高生命线运输网络的可靠性对应急救援、减少灾害损失和人员伤亡具有重要意义。本文研究生命线运输网络的可靠性,采用拓扑学的局部分散度、聚散度、节点孤立指数、路网可靠性因子等参数建立运输网络的可靠性评估模型,并通过成都到汶川生命线运输路网算例验证模型的有效性。     

�����������ֵĽ�ͨ���������Ż������о�

传统区域交通信号控制系统对控制子区的划分未充分考虑交通网络拓扑结构的复杂特性,由工程师根据交叉口物理距离及现场交通流特性来确定,难以保证其客观性和统一性.本文以社区模块度为评价指标,利用凝聚社区发现算法实现了区域交通信号控制系统的控制子区划分;进而,以北京市望京地区为实验案例进行应用测试,利用VISSIM仿真平台比较了本文方法和传统方法在SCOOT系统控制条件下的控制效果.仿真结果表明,在高峰、平峰、低峰等不同交通需求下,区域主干道的平均旅行时间有明显下降,区域内车均停车延误、车均停车次数、车均延误、平均车速等指标均有改善,验证了方法的有效性和可行性,为区域交通信号控制系统结构优化提供了新方法.     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．     

基于神经网络的GPS高程拟合方法优选及精度分析

针对现有的几种神经网络GPS高程拟合方法,讨论了利用遗传算法(GA)、粒子群算法(PSO)优化BP神经网络权值和阀值的原理;结合分布较均匀、现势性较好的GPS和水准联测数据,试算了基于神经网络的GPS高程拟合。拟合结果表明:基于PSO算法优化的BP神经网络的拟合精度优于GA算法,误差相对更小。     

一种基于Hyper-V和WSFC集群的主机多路径网络存储架构方案

本文通过Hyper-V虚拟化、WSFC故障转移集群和主机多路径技术的整合,利用网络存储技术设计了一种网络存储架构解决方案.此方案能在一定程度上节约硬件资源部署成本、减少系统非计划停机时间、提高硬件资源利用率、避免主机单路径造成的硬件故障,同时增强IO数据传输效率,从而提高整个信息系统运行的可靠性、安全性、稳定性及可持续性.     

基于BP神经网络方法的岩溶隧道突涌水风险预测

为了准确预测岩溶隧道突涌水风险等级,以降低隧道施工过程中突涌水事故的风险,在参考相关文献的基础上,统计研究及综合分析岩溶隧道水文地质条件,选取不良地质、地层岩性、地下水位、地形地貌、岩层倾角和围岩裂隙6个主要因素作为岩溶隧道突涌水风险评价指标。在不同水文地质条件下,影响因素的权重有较大差异,为避开影响因素权重分析,运用BP神经网络方法对岩溶隧道突涌水风险进行评估。在对突涌水风险评估基础上,结合超前地质预报,优化隧道施工开挖支护方案。在工程应用中,运用BP神经网络方法,对某隧道进行突涌水风险评估,结果与实际施工情况较一致,并结合超前预报提出合理的支护方案,避免了隧道突涌水事故的发生,以期为岩溶隧道突涌水风险预测提供借鉴。     

基于神经网络的高速铁路安全态势预测方法研究

为提高高速铁路运营安全水平,提出用事故次数、事故联动系数、月均事故率作为高速铁路运营安全态势评价指标,对高速铁路的运营安全态势进行时空分布特性聚类分析,将国内高速铁路的线路运营现状分为危险、较危险、一般、安全四个等级。以2013—2015年存在运营安全风险的高速铁路线路运营事故数据为基础,利用BP （Back Propagation简称BP）神经网络具有较强非线性拟合能力的特点,建立高速铁路运营安全态势预测模型。预测结果表明,除京沪线、达成线、福夏线、胶济线外,其他高速铁路线路安全运营水平均有上升趋势。     

基于局部连通性的在途动态路径诱导方法

驾车购物已经成为现代城市居民常见的生活出行方式,而驾车购物出行量的不断 增长也引发了严重的道路交通供需矛盾,加重了城市交通拥堵程度.为更好地满足居民驾车购 物出行的实际需要,出行路径诱导已成为一种优先选择,但目前大多数路径诱导方法运用固 定的最优路径搜索算法来规划行驶路线,不能完全自适应交通流的变化,并没有考虑到购物 出行特点.本文提出一种在途动态路径诱导方法,分析实时交通信息对路网连通性的动态影 响,在途中对诱导路径进行局部范围的重新搜索,并及时将更新结果反馈给在途车辆.实验结 果表明,与其他动态路径诱导方法相比,该方法计算量减少了56%以上,具有更强的实时性和 有效性,并具有开放性结构,能够根据需求替换不同路径搜索算法.     

基于多源数据融合的城市出租车载客出行特征研究——以岳阳市为例

为探究城市出租车载客出行特征,在出租车GPS轨迹大数据基础上,融合居民出行调查数据、城市土地利用数据及天气数据,构建出租车载客出行量回归模型,得出出租车载客出行量与片区岗位数、天气状况、时段、片区面积有较强的相关性,而基于RBF神经网络构建的回归模型在上述4个因素的基础上增加了片区常住人口数和是否工作日2个因素.通过10折交叉验证表明,RBF神经网络回归模型的拟合效果比多元线性回归模型更好.