基于数据热度的消防监测数据分级存储技术及应用
发布时间：2021-03-24 13:44
消防监测数据能够反映现场各个消防设备运行状态和整体态势,能为人们提供消防决策依据,及时且不遗漏地获取现场各消防监测数据,对于消防设备和系统的运行可靠性起着重要作用。从已有的各类消防监测采集机制和消防信息化系统来看,尚未存在有别于一般信息化系统的监测数据推送和存储机制。监测数据的交互资源分配策略不合理导致实时监测在数据丢包、交互响应不及时、相关扩展应用延迟等方面问题突出。人们希望按照一定的策略对消防数据进行存储资源的合理规划,以响应对消防监测数据应用的实时性需求,具有现实的研究意义。本文以消防监测系统为例,针对其监测系统中“小样本、非典型”的监测数据,运用模块化设计的基本思想,设计了一种可对实时监测数据及时推送并动态分配存储资源的功能架构。在该架构中运用专家评价法对实时数据做预选和排序处理,构造热度计算模型进行热度值分析,获得监测数据的数据热度排序,制定出分配存储资源的策略,确保热度较高的数据具有更快的访问效率,以提高实时交互性能。论文对消防监测信息化平台分析处理做了探索和研究,并以此为基础进行了软件平台实现,对于监测系统的运行记录、数据分析和后期的控制决策精确化具有参考意义。论文主要工...
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
超限异常数据
图 2.2 分布异常数据Fig 2.2 anomaly distribution data据以历史数据存放于数据库，其中的每次超限异统计分析出现超限异常的数据所在位置信息，可测节点。分布异常往往与超限异常存在联系：对一范围内出现规模性的超限异常，则该区域可能域 划分成 个地域， = 1, 2, , ，设监测 = 1, 2, , 。从历史数据所在数据库中我们数据点的总数为 ， = 1, 2, , ，通过式（数量的均值 = × 2, , ； 为常数，用来标准化处理 将其标准阈值 ， = 1, 2, , ，当 时，说明区
图 2.3 趋势异常数据Fig 2.3 abnormal trend data相关历史监测实时数据记录，从中能够发现被监通过对趋势信息的统计记录的有效截取，辨识受律，预先在下一监测时刻来临前对有可能发生的势系数 是过去 个时间片段中出现异常情况数关系数，用于解读监测数据的异常情况数量在长式（2.3）： =∑ ( )( ) =1√∑ ( )2 =1∑ ( )2 =1 +12； 为 个时间片段中出现异常情况数量的总常情况的数量； 的正（或负）值表示异常数量
【参考文献】：
期刊论文
[1]融合语境分析的时序推特摘要方法[J]. 于广川,贺瑞芳,刘洋,党建武. 软件学报. 2017(10)
[2]一种基于时间序列的热点话题发现模型和算法[J]. 魏德志,陈福集,林丽娜. 情报科学. 2017(10)
[3]具有磨损均衡意识的混合固态硬盘FTL算法[J]. 姚英彪,王发宽. 计算机学报. 2018(10)
[4]一种基于热数据识别技术的UBIFS优化方案[J]. 马骏,童薇,刘景宁,刘景超. 计算机科学. 2017(06)
[5]基于逻辑区间热度的NAND闪存垃圾回收算法[J]. 雷兵兵,严华. 计算机应用. 2017(04)
[6]基于热度矩阵的微博热点话题发现[J]. 聂文汇,曾承,贾大文. 计算机工程. 2017(02)
[7]基于因果模型的主题热度计算与预测方法[J]. 杜慧,郭岩,范意兴,张瑾,余智华,程学旗. 中文信息学报. 2016(02)
[8]融合观点倾向的话题热度趋势建模研究[J]. 王鹏程,肖正,刘辉. 计算机工程. 2015(07)
[9]HiBase:一种基于分层式索引的高效HBase查询技术与系统[J]. 葛微,罗圣美,周文辉,赵頔,唐云,周娟,曲文武,袁春风,黄宜华. 计算机学报. 2016(01)
[10]基于预测的云计算热点数据副本因子决策算法[J]. 张松,杜庆伟,孙静,孙振. 计算机与现代化. 2015(02)
博士论文
[1]分级存储系统中基于进化算法的数据管理与保护关键技术研究[D]. 陈云亮.华中科技大学 2013
硕士论文
[1]济南市供水管网水力建模数据分析与管理系统的设计与实现[D]. 张同义.山东大学 2013
本文编号：3097830
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
超限异常数据
图 2.2 分布异常数据Fig 2.2 anomaly distribution data据以历史数据存放于数据库，其中的每次超限异统计分析出现超限异常的数据所在位置信息，可测节点。分布异常往往与超限异常存在联系：对一范围内出现规模性的超限异常，则该区域可能域 划分成 个地域， = 1, 2, , ，设监测 = 1, 2, , 。从历史数据所在数据库中我们数据点的总数为 ， = 1, 2, , ，通过式（数量的均值 = × 2, , ； 为常数，用来标准化处理 将其标准阈值 ， = 1, 2, , ，当 时，说明区
图 2.3 趋势异常数据Fig 2.3 abnormal trend data相关历史监测实时数据记录，从中能够发现被监通过对趋势信息的统计记录的有效截取，辨识受律，预先在下一监测时刻来临前对有可能发生的势系数 是过去 个时间片段中出现异常情况数关系数，用于解读监测数据的异常情况数量在长式（2.3）： =∑ ( )( ) =1√∑ ( )2 =1∑ ( )2 =1 +12； 为 个时间片段中出现异常情况数量的总常情况的数量； 的正（或负）值表示异常数量
【参考文献】：
期刊论文
[1]融合语境分析的时序推特摘要方法[J]. 于广川,贺瑞芳,刘洋,党建武. 软件学报. 2017(10)
[2]一种基于时间序列的热点话题发现模型和算法[J]. 魏德志,陈福集,林丽娜. 情报科学. 2017(10)
[3]具有磨损均衡意识的混合固态硬盘FTL算法[J]. 姚英彪,王发宽. 计算机学报. 2018(10)
[4]一种基于热数据识别技术的UBIFS优化方案[J]. 马骏,童薇,刘景宁,刘景超. 计算机科学. 2017(06)
[5]基于逻辑区间热度的NAND闪存垃圾回收算法[J]. 雷兵兵,严华. 计算机应用. 2017(04)
[6]基于热度矩阵的微博热点话题发现[J]. 聂文汇,曾承,贾大文. 计算机工程. 2017(02)
[7]基于因果模型的主题热度计算与预测方法[J]. 杜慧,郭岩,范意兴,张瑾,余智华,程学旗. 中文信息学报. 2016(02)
[8]融合观点倾向的话题热度趋势建模研究[J]. 王鹏程,肖正,刘辉. 计算机工程. 2015(07)
[9]HiBase:一种基于分层式索引的高效HBase查询技术与系统[J]. 葛微,罗圣美,周文辉,赵頔,唐云,周娟,曲文武,袁春风,黄宜华. 计算机学报. 2016(01)
[10]基于预测的云计算热点数据副本因子决策算法[J]. 张松,杜庆伟,孙静,孙振. 计算机与现代化. 2015(02)
博士论文
[1]分级存储系统中基于进化算法的数据管理与保护关键技术研究[D]. 陈云亮.华中科技大学 2013
硕士论文
[1]济南市供水管网水力建模数据分析与管理系统的设计与实现[D]. 张同义.山东大学 2013
本文编号：3097830
本文链接：https://www.wllwen.com/kejilunwen/sgjslw/3097830.html
