摘要：随着网络规模的日益增大,实时准确的网络流量预测对流量调度、路由设计等工作至关重要。由于网络流量数据的非线性和不确定性,一些传统方法无法取得较好的预测精度。针对网络流量复杂的时空特征,本文提出一种基于时空特征融合的神经网络(ST-Fusion)进行流量预测。该模型采用编码器-解码器结构。首先,编码器具有时间和空间两个并行的特征通道,联合门限循环网络和自注意力机制提取流量的时序特征,采用图卷积神经网络提取流量的空间特征;然后,将编码器提取的时空特征使用双边门限机制进行特征融合;最后,将融合的结果输入到基于门限循环网络的解码器中依次生成预测结果。本文在3个公开的网络流量数据集(GEANT、ABILENE、CERNET)上进行实验,其评价指标选用MAE、RMSE、ACCURACY、VAR。实验结果表明ST-Fusion方法能够取得更好的预测效果。

摘要：针对传统重介选煤加介系统存在加介不及时、加介周期长、配介精度低、介质损耗高、劳动强度大、自动化程度低等问题,对配介加介系统功能任务流程进行解析,设计了重介选煤3D无人化智能加介系统。详细阐述了该系统中3D激光雷达智能定位、行车运动控制、电磁吸盘定量取介、合介桶自动加介、人员闯入报警等关键技术,介绍了智能配介系统和自动加介系统集成控制方法,实现了从浓介制备到合介加介的自动化控制,有效减轻了工人劳动强度,减少现场操控安全风险,精准控制密度,降低了介质损耗,为选煤厂智能分选打下了坚实的基础。