提高服务质量实现良性演进——浅析浙江网通BOSS二期扩容实践

1前言 电信市场从垄断过渡到竞争,企业相互之间进行市场渗透非常频繁,在这种竞争环境中,谁能以市场为导向、快速推出新业务组合,满足市场需求,谁就具有竞争优势,要具备这种竞争优势,电信企业必须具备市场分析和预测能力,具备以"为客户提供优势服务"为目标的业务实施能力,具备制订适应市场变化的业务政策的能力.因此,新一代业务支撑系统应能快速定位市场,并具备快速适应因此产生的业务变化的能力.     

2006年下半年半导体产业前景预测

2006年上半年已悄然划上句号,再度拂掉水晶球上的灰尘,我们试图洞察今年剩余时间内的半导体产业形势。对于半导体产业来说,今年可能是动荡的1年。随着未知数的增多,对芯片产业的预测似乎每周都需要进行调整、更新。利率不断上升、能源成本高居不下、材料短缺以及无情的全球化,继续令产业观察者们感到困惑。每年的这个时候,芯片产业观察者们都会各说各话、莫衷一是。有些预测机构最近调高了对2006年的预测,而另外一些机构则因PC和消费领域增长乏力而降低了预测,J-StarGlobal调研公司则认为多晶硅供应短缺阻碍了半导体产业发展。PacificCre…     

融合图卷积神经网络和注意力机制的PM2.5小时浓度多步预测

PM_2.5小时浓度多为单步预测。为实现PM_2.5小时浓度的多步预测,基于“编码器-解码器”的序列-序列预测（Seq2Seq）模型,集合图卷积神经网络提取非欧式空间数据特征的能力以及注意力机制自适应关注特征的能力,提出了融合图卷积神经网络和注意力机制的PM_2.5小时浓度多步预测（GCN_Attention_Seq2Seq）模型。并与Seq2Seq模型和使用了图卷积神经网络、未使用注意力机制的GCN_Seq2Seq模型进行了对照,以2015—2016年北京市22个空气质量监测站点的空气质量数据为样本进行实例验证,结果表明,Seq2Seq模型和图卷积神经网络（GCN）可对PM_2.5小时浓度数据的时空依赖进行有效建模,注意力机制有助于减缓多步预测中的预测精度衰减,提升PM_2.5小时浓度多步预测的精度。GCN_Attention_Seq2Seq模型可有效应用于多种长度的PM_2.5浓度预测窗口。     

融合坐标注意力与卷积社交池的车辆轨迹预测

针对车辆行驶受相邻车辆的影响,本文提出了一种特征增强的模型,在LSTM编码器-解码器架构上,使用卷积社交池提取一定范围内的车辆轨迹信息特征,再添加坐标注意力进行特征增强。使用NGSIM数据集实验结果表明,本文所提模型表现性能良好。相较于其他模型,5 s内在均方根误差指标上平均降低了14.10%、15.76%、17.49%、17.81%、17.20%。     

基于IAO优化HKELM的空气质量指数预测

为了精准预测空气质量指数(AQI),本文提出一种基于改进天鹰优化器(IAO)混合核极限学习机(HKELM)的空气质量指数预测模型(IAO-HKELM)。首先,利用径向基核函数和多项式核函数构造混合核极限学习机模型;其次,针对天鹰优化器(AO)算法易陷入局部极值的问题,引入改进的Tent混沌初始化策略和自适应t分布策略;采用改进后的AO算法对HKELM模型的参数进行优化,并建立IAO-HKELM空气质量指数预测模型;最后,将预测模型应用于实际案例中,并与其他模型的预测结果及误差进行对比。结果表明,本文提出的预测模型精度更高、稳定性更强。     

基于模型预测控制的无人驾驶车辆纵向跟车控制研究

为提升自适应巡航系统(adaptive cruise control, ACC)在纵向跟车工况下的安全性及乘车舒适性,基于模型预测控制(model predictive control, MPC)设计了面向无人驾驶车辆的跟车控制器,并在Matlab/Carsim联合仿真平台中搭建仿真模型,对该控制器在纵向跟车工况下的有效性进行验证,仿真结果表明：基于MPC的控制器可以使车辆在纵向跟车工况下实现稳定速度跟随并保持安全车距,同时车辆的实际加速度与期望加速度一致,能够保持在舒适范围内。     

新基建背景下ICT技术发展方向浅析

每年5月17日是世界电信信息社会日,国际电联(ITU)都会举办不同主题的活动.2020年,该节日的主题是"连通目标2030——利用ICT促进可持续发展目标(SDG)的实现",由此充分体现出ITU始终关心着弥合数字鸿沟和信息通信技术的进展.本文主要从当前ICT技术发展现状进行研究,并对目前发展中存在的不足进行分析,进而对...     

基于GRU的种猪生长性能预测云平台的设计

本文将利用物联网,云计算和神经网络来搭建基于GRU门控循环神经网络的种猪生长性能预测云平台。本次研究的主要工作和成果有：（1）搭建物联网数据采集平台,设计云模式的物联网通信架构,用网关+MQTT依靠工业互联网实现全国范围内种猪生长数据自动采集。（2）利用云计算技术,构建分布式云服务应用,为种猪生长测定数据设计集中的数据存储,分析和应用的云平台。设计时考虑云平台数据的安全性,服务的稳定性和性能瓶颈。（3）数据挖掘,使用GRU神经网络对测定的生长数据进行训练。选取影响因子较大的特征进行数据预处理后,加入GRU模型中训练,得到种猪生长性能预测模型。     

基于时延预测的无人机集群地面控制系统

无人机技术的发展日新月异,成为了现代社会中不可或缺的一部分。无人机的广泛应用领域包括军事、民用、商业等,已经取得了令人瞩目的成就。其中,无人机集群地面控制系统的应用价值尤为引人注目,基于时延预测的技术更是给这一领域带来了革命性的变化。无人机集群地面控制系统是指通过预测无人机与地面控制中心之间的时延,实现对无人机集群的精确控制与管理。在过去,无人机集群的控制往往面临信息传输延迟的问题,这给操作人员带来了巨大的挑战。然而,基于时延预测的无人机集群地面控制系统的出现,彻底改变了这一局面,为无人机的广泛应用提供了更加可靠和高效的解决方案。