摘要：网络流量预测是有效保障用户QoS措施之一。当前深度学习为基础的网络算法预测中没有充分利用网络拓扑信息。为此,提出了基于高阶图卷积自编码器的网络流量预测模型。该流量预测模型基于软件定义网络(SDN)架构,利用高阶图卷积网络(GCN)获取网络拓扑中的多跳邻域之间的流量相互影响关系,采用门控递归单元(GRU)获取网络的时间相关性信息,利用自编码模型来实现无监督学习和预测。在Abilene网络上采用真实数据进行了仿真对比分析试验,结果表明,提出的方法在网络流量检测方面的MAPE值为41.56%,低于其它深度学习的方法,同时预测准确率方面也达到最优。

摘要：随着电网数据网的规模越来越庞大,对网络拓扑布局的效率要求越来越高。文章在分析传统力导向拓扑布局算法的同时,使用一种适用于大规模拓扑的快速力导向布局方式,通过采用这种力导向布局的方式,能够满足电力数据网快速布局的要求,有效提高大型网络拓扑布局的速度。

摘要：采用实验室研发的金属氧化物修饰的分子筛催化剂用于催化氧化含1,2-二氯乙烷(DCE)的反应体系,进行动力学研究和工业规模绝热单段和多段固定床反应器模拟。采用3段控温的固定床反应器,在320~420℃宽温度范围内,0~1244.44 g·h·mol^-1进料质量空时的条件下采集DCE催化氧化反应动力学数据。通过对DCE催化氧化的反应步骤分析并结合反应产物组成,提出了将DCE及两种生成量相对较多的氯乙烯(VC)及四氯乙烯(PCE)作为关键组分、忽略了产物中微量的其它含氯烯烃的复杂反应网络,建立反应动力学模型。通过Matlab非线性最小二乘法对实验数据进行了拟合,得到了各反应的动力学参数。同时,采用拟均相一维模型模拟了间接换热和原料冷激式换热方式下,不同气体进料量和不同DCE进料浓度的转化率分布和轴向温度分布。结果表明:拟合结果与动力学实验数据吻合良好,建立的动力学模型对DCE催化氧化的反应高度适定。研究结果对DCE尾气催化氧化工业规模反应器设计具有指导意义,对于处理不同浓度的废气所需的换热方式选择具有参考价值。