摘要：移动通信技术的快速发展促使了移动边缘计算(Mobile Edge Computing,MEC)的出现。作为第五代(5G)无线网络的关键技术,MEC可利用无线接入网络就近提供电信用户所需服务和云端计算功能,从而创造出一个具备高性能、低延迟与高带宽的服务环境,加速网络中的各项内容、服务及应用。然而,如何实现MEC环境下有效且性能有保障的服务卸载和迁移仍然是一个巨大的挑战。针对这一问题,大多数现有的解决方案都倾向于将任务卸载视为一个离线决策过程,使用用户的瞬时位置作为模型输入。而文中考虑了一种预测轨迹感知的在线MEC任务卸载策略,即PreMig。该策略首先通过多项式滑动窗口模型对服务所属边缘用户的未来轨迹进行预测,然后计算用户在边缘服务器信号覆盖范围内的停留时间,最后以一种贪心策略进行边缘服务的分配。为了验证所设计的方法的有效性,基于真实MEC部署数据集和校园移动轨迹数据集开展了模拟实验,实验结果显示,所提策略在平均服务率和用户服务迁移次数两个关键性能指标上均优于传统策略。

摘要：针对统计学习和机器学习方法难以对瓦斯浓度序列数据准确预测的问题,提出一种基于长短期记忆(LSTM)-门控循环单元(GRU)神经网络的瓦斯浓度序列预测算法。首先对数据进行划分和归一化;接着引入LSTM神经网络细胞和GRU神经网络细胞处理具有时序性的历史瓦斯浓度序列数据,设计网络结构学习瓦斯浓度序列内部动态变化规律,以误差损失最小化为目标,得到预测方法完成瓦斯浓度预测。以吉林八连城瓦斯浓度监控数据为实例,采用所提算法进行瓦斯预测,并与单一LSTM神经网络、GRU神经网络和多层感知机(MLP)进行对比。实验结果表明,对于一年(长期)南11902上顺工作面的训练集和测试集,所提算法较MLP的均方根误差(RMSE)分别降低了4.227%和3.559%;对于一年(长期)72305上顺回风的训练集和测试集,所提算法较MLP的均方根误差分别降低了7.846%和10.323%,均表现出更高的预测精度。

摘要：针对省级区域煤矿应急管理的预案数字化问题,首先,综述了应急管理领域数字预案的研究现状,以省级区域应急预案管理和数字化需求为切入点,提出了应急管理信息系统框架和省级区域数字预案系统的设计目标;其次,描述了省级预案体系、市(区)、县、企业预案体系架构及衔接关系,提出了登录首页及系统管理、应急预案管理、救援部门管理、文件管理和后期信息处理5方面功能及特征;最后,围绕煤矿突发事件应急管理流程和数字化预案,从系统主界面和主要功能模块开展详细设计。通过实验测试,这套系统实现了“平战结合”的一体化省级矿山应急救援数字化管理功能,提高了省级应急指挥体系的运行效率,减少了人工处置流程繁琐、费时长、易出错的问题,为行业提供一种省级区域多级预案联动信息系统典型案例,进一步推动“一案三制”的应急管理体系的智能化、数字化、信息化水平。