简介：摘要随着经济社会的发展，天然气得到了充分的开发和应用，而流量计量是其生产和使用过程中必须得到解决的一个问题。只有实现了天然气的准确计量，才能确保交易过程中的公平性，同时也有助于生产工艺的改善和优化。因此，本文首先分析了天然气计量的相关原理，高级孔板阀的特性，进而从软、硬件两方面探讨了误差的产生，并提出了相应的解决措施。

简介：介绍一种用单片机实现的电子式油量计量仪。它具有日期设置、计量控制、班次打印、查询、设备号设置和自检等功能。

简介：

简介：本文主要阐述了微机控制的液体电阻起动器的工作原理、性能特点、结构,以及微机控制系统的实现。

简介：针对单一流量管理方法仅能局部缓解流量问题，从航空器运行全过程入手，以空中扇区为视角，建立多元受限的流量管理模型。在公平性原则基础上，运用地面等待、空中改航和空中等待等流量管理方法从全局角度制定合理有效的流量管理策略，从而更有效解决流量拥塞问题。

简介：扼要介绍了蒸汽流量测量的作用及现状,分析了蒸汽流量计在制造、安装、使用三个环节中的测量误差,着重分析讨论了对测量误差有较大影响的一些因素,提出了改进蒸汽流量测量的一些措施。一般情况下,蒸汽流量计的实际使用压力及温度对测量误差有很大影响。

简介：空中交通流量管理的重点是对发生航班拥挤的机场、航路交叉点或扇区进行航班调配,实现空中交通流量和容量的平衡管理,目前主要采用地面延误和空中分流等手段。在兼顾地面等待和空中等待的基础上,以航路(航线)网络和机场网络的双重容量为约束,构建了多元受限的地面延误程序模型,分析了航班优先级,构建了航班优先级判定方法,并利用启发式算法进行求解。最后,通过北京区域管制中心实际运行数据验证了该模型的可行性。

简介：精确的网络流量分类是实现互联网可控可管的关键，传统的单一分类算法需要构建基于特定假设的某种模型，算法对于待分类数据的分布要求高，不能满足复杂多变的网络流量的分类要求。基于此，采用多决策树组合的随机森林算法实现网络流量分类。通过实际网络流量数据实验表明，在各种情况下，随机森林算法都能显著改善网络流量特别是小比例样本的分类效果，算法降低了单一算法过于依赖特定假设模型的要求，对于待分类样本的分布要求低，随机森林算法具有良好的分类效果和鲁棒性。

简介：液体二氧化碳是一种新的环保型清洗剂，应用在织物干洗上达到了较佳的清洗效果。本文介绍了液体二氧化碳溶剂的性能、洗涤原理和在干洗织物上的应用。

简介：提出了一种基于威胁因子的多链路数据链流量控制方法。该方法分为2部分：1）以加权公平排队算法为基础,依据战场态势和平台的威胁因子,实时计算公平排队算法中的平滑因子和信息丢包率,使各平台能够按需获取链路带宽资源;2）以多链路负载均衡为目标,通过实时监测各条链路的拥塞状态,动态调度平台在多条链路上的部署,从而实现多链的带宽资源合理利用。仿真试验证明该算法有效。

简介：摘要为满足高速铁路的快速发展需求，铁路数据网业务将承载大量的铁路业务系统。通过分析路骨干数据网流量现状，研究调优策略，避免网络拥塞造成业务受阻，全面提高了骨干数据网运用质量与可靠性。

简介：提出了一种专用于无线传感器网络流量预估的时间序列模型ATFA/WSN。ATFA/WSN可对未来工作周期内的网络流量进行预估,并根据预估值实现对网络路由、占空比、能耗等的自适应控制。对采集的流量数据经过NS2仿真实验进行预估并和原始流量对比,发现该模型预估的流量和原始值偏差很小,将其应用于SMAC协议的自适应占空比控制,取得了较好的节能效果。

简介：对智能交通系统（ITS）短时交通流量预测问题进行研究,提出了一种联合FCM与群集蜘蛛优化SVR交通流量预测算法。首先采用FCM聚类方法对交通流量数据预处理,得到基于时间节点分割的时序数据模块,有效降低了数据差异性带来的误差影响;然后构建基于群集蜘蛛优化SVR模型,针对SVR参数选择难题,在群集蜘蛛优化算法中引入社会等级制度,动态的将蜘蛛种群划分为上中下三个阶层,并根据不同阶层个体适应度大小,分别设计自适应竞争、＂快搜＂以及逆向学习机制,提高了算法寻优精度;最后,运用群集蜘蛛优化SVR对各个交通流量数据时序模块进行预测评估。仿真结果表明,同其它预测算法相比,该算法预测平均绝对误差降低了38.4-53.8%。

简介：为了提高空天地一体化信息网络的可管性和可控性,提出了基于业务感知的空天地一体化信息网络流量分类技术。设计了具有业务感知功能的认知路由节点,并在基于机器学习的网络流量分类模型基础上,针对空天地一体化信息网络环境中存在大量噪声和网络流量中存在过多的冗余特征属性,将具有特征有效度的模糊支持向量机（FW-FSVM）用于网络流量分类领域。实验结果表明,该技术能有效地提高网络流量分类精度且分类稳定性较高,为空天地一体化信息网络建设提供可靠服务质量和安全策略保证。

简介：多目标跟踪问题是计算机视觉领域的关键研究问题之一。现有的目标跟踪算法严重依赖于目标检测器的性能,如果目标检测器的虚警率或漏警率较高,数据关联将会失败,导致目标跟踪精度不足。为此,本文提出一种基于结构化学习策略的目标身份感知网络流量技术,可在目标检测和数据关联并行化框架下有效地实现多目标跟踪。文中首先通过结构化学习为每个对象训练一个模型,并将目标跟踪问题建模为拉格朗日松驰优化问题,然后提出一种目标身份感知网络流量（TINF）技术进行结构化学习的推理。在学习期间,通过搜索使目标身份感知网络流量代价函数最小化的一组轨迹,确定最被违反约束和序列在下个时间段的最优轨迹,推断出视频片断中所有目标的最佳位置。最后,利用多种高难度数据集进行仿真实验,结果表明本文方法的性能优于其他最新算法。

简介：一.前言洗衣行业是一个古老的行业,它从最初的传统皂液清洗工艺到采用烃类石油溶剂、氯代烃溶剂的干法清洗技术,经历了不寻常的历程.长期以来,人们一直在寻找一种既无污染又安全高效的适用于干洗的洗涤溶剂.目前一种对自然环境没有破坏、对人体更安全、对织物无损伤的高尖端技术已应用于洗衣行业,这就是以液体二氧化碳为溶剂的二氧化碳干洗技术.