引論：我們?yōu)槟砹?3篇網(wǎng)絡(luò)的概率范文，供您借鑒以豐富您的創(chuàng)作。它們是您寫作時(shí)的寶貴資源，期望它們能夠激發(fā)您的創(chuàng)作靈感，讓您的文章更具深度。
篇1
在一定的網(wǎng)絡(luò)區(qū)域內(nèi)，以節(jié)點(diǎn)隨機(jī)移動(dòng)為例，理論上經(jīng)過足夠長(zhǎng)的時(shí)間，節(jié)點(diǎn)會(huì)遍歷網(wǎng)絡(luò)，經(jīng)歷網(wǎng)絡(luò)的各種負(fù)載狀態(tài)，我們稱之為節(jié)點(diǎn)的網(wǎng)絡(luò)各態(tài)歷經(jīng)性。也就是在經(jīng)過足夠的時(shí)間后，節(jié)點(diǎn)能夠掌握足夠豐富的網(wǎng)絡(luò)負(fù)載信息，而這些信息與當(dāng)前時(shí)刻其他節(jié)點(diǎn)的負(fù)載高度相關(guān)。節(jié)點(diǎn)之間沒有任何的負(fù)載信息交互。因此節(jié)點(diǎn)對(duì)網(wǎng)絡(luò)狀態(tài)感知的準(zhǔn)確性就成為負(fù)載均衡的關(guān)鍵之一。基于歷史信息的負(fù)載映射利用節(jié)點(diǎn)的歷史負(fù)載信息來映射網(wǎng)絡(luò)的負(fù)載狀態(tài)，為節(jié)點(diǎn)的路由準(zhǔn)入提供有效的參考。研究發(fā)現(xiàn)節(jié)點(diǎn)負(fù)載強(qiáng)度與節(jié)點(diǎn)在網(wǎng)絡(luò)中的位置有很大的關(guān)系，當(dāng)節(jié)點(diǎn)處在網(wǎng)絡(luò)的中心區(qū)域時(shí)，由于經(jīng)過的路由數(shù)比較多，所以節(jié)點(diǎn)負(fù)載一般較高；相反，當(dāng)節(jié)點(diǎn)處在網(wǎng)絡(luò)邊緣時(shí)，負(fù)載較低。又由于節(jié)點(diǎn)的移動(dòng)，節(jié)點(diǎn)在網(wǎng)絡(luò)中的位置不斷發(fā)生變化，從而節(jié)點(diǎn)的負(fù)載狀態(tài)也在不斷改變。所以，節(jié)點(diǎn)在歷經(jīng)各種網(wǎng)絡(luò)負(fù)載狀態(tài)時(shí)，記錄下相應(yīng)時(shí)刻的負(fù)載描述值，作為路由準(zhǔn)入時(shí)的橫向比較參考，使路由準(zhǔn)入更準(zhǔn)確。四個(gè)相隔不遠(yuǎn)時(shí)刻的網(wǎng)絡(luò)拓?fù)洌瑘D中著色的節(jié)點(diǎn)為同一個(gè)節(jié)點(diǎn)A。從圖中可以看到，從t1時(shí)刻到t4時(shí)刻這段時(shí)間內(nèi)，節(jié)點(diǎn)A由網(wǎng)絡(luò)的中心運(yùn)動(dòng)到了網(wǎng)絡(luò)的邊緣(其它節(jié)點(diǎn)也會(huì)移動(dòng)，只是我們并不關(guān)心)，而節(jié)點(diǎn)移動(dòng)之后的位置被其它節(jié)點(diǎn)取代。2(b)中的t2時(shí)刻，節(jié)點(diǎn)B運(yùn)動(dòng)到了節(jié)點(diǎn)A在t1時(shí)刻的位置，其它幾個(gè)圖同理。節(jié)點(diǎn)在網(wǎng)絡(luò)中位置的變化導(dǎo)致節(jié)點(diǎn)的負(fù)載狀態(tài)改變，在t1、t2、t3、t4四個(gè)時(shí)刻，節(jié)點(diǎn)A的負(fù)載描述值分別為9、7、5和3，可見節(jié)點(diǎn)的負(fù)載在逐漸降低。而在這個(gè)過程中，節(jié)點(diǎn)不斷記錄負(fù)載信息，包括變化過程中負(fù)載的最大值、最小值以及整個(gè)過程中的負(fù)載平均值等。節(jié)點(diǎn)A記錄的負(fù)載最大值是t1時(shí)刻，其負(fù)載描述值為9，負(fù)載的最小值是在t4時(shí)刻，其負(fù)載描述值為3，整個(gè)過程負(fù)載的平均值為（9+7+5+3）/4=6。節(jié)點(diǎn)利用這些歷史負(fù)載信息來映射網(wǎng)絡(luò)的負(fù)載狀態(tài)。比如節(jié)點(diǎn)記錄的歷史最大負(fù)載描述值為9，那么很可能此時(shí)網(wǎng)絡(luò)中的其它某個(gè)節(jié)點(diǎn)的負(fù)載值為9。通過當(dāng)前的負(fù)載值與歷史負(fù)載值比較，節(jié)點(diǎn)很容易判斷出自己的負(fù)載輕重，從而決定是否準(zhǔn)入路由，達(dá)到負(fù)載均衡的目的。
3.H&P算法
篇2
文獻(xiàn)標(biāo)志碼：A
Node energy-aware probabilistic routing algorithm for delay/disruption tolerant network
FU Kai*，XIA Jing-bo，LI Ming-hui
Institute of Information and Navigation， Air Force Engineering University， Xi’an Shaanxi 710077， China
Abstract：
Considering the problem of limited energy in Delay/Disruption Tolerant Network （DTN）， a node energy-aware probabilistic routing algorithm was proposed. Nodes in network were distinguished according to energy situation， and different message delivery mechanism and energy-efficient buffer management strategy were adopted in order to achieve the balance between delivery ratio and energy consumption. Simulations indicate that the algorithm improves delivery ratio and reduces overhead ratio on low energy consumption， and has better performance on network lifetime compared with other algorithms.
英文關(guān)鍵詞 Key words：
Delay/Disruption Tolerant Network（DTN）； routing algorithm； energy-aware； message delivery； buffer management
0 引言
容遲/容斷網(wǎng)絡(luò)（Delay/Disruption Tolerant Network， DTN）[1-2]是一類采用“存儲(chǔ)—攜帶—轉(zhuǎn)發(fā)”機(jī)制的新型網(wǎng)絡(luò)，主要應(yīng)用于深空通信、戰(zhàn)爭(zhēng)網(wǎng)絡(luò)、移動(dòng)自組網(wǎng)，以及無線傳感器網(wǎng)絡(luò)等。在DTN中，由于節(jié)點(diǎn)的移動(dòng)性通常不存在一條完整的端到端路徑，而且節(jié)點(diǎn)的緩存資源和能量有限，存在較大且可變的時(shí)延，因此傳統(tǒng)的Internet路由協(xié)議不能獲得理想的性能。
為了在鏈路間歇中斷的情況下提高消息傳輸?shù)男?，研究人員提出了幾種典型的DTN路由算法[3-4]。Epidemic算法[5]采用傳染機(jī)制盡可能地增加消息副本數(shù)量來提高傳輸成功的概率，但對(duì)于節(jié)點(diǎn)能量和緩存資源的消耗很大。PROPHET算法[6]基于歷史信息計(jì)算轉(zhuǎn)發(fā)效用，有效克服了消息的盲目轉(zhuǎn)發(fā)，減少了消息副本數(shù)量和節(jié)點(diǎn)能量消耗。First Contact算法[7]是一種不需要先驗(yàn)知識(shí)的單副本路由算法，只選擇首先接觸到的節(jié)點(diǎn)為轉(zhuǎn)發(fā)節(jié)點(diǎn)，對(duì)于網(wǎng)絡(luò)資源的要求較低，但不能保證消息成功傳輸?shù)侥康墓?jié)點(diǎn)。
隨著研究的深入和DTN應(yīng)用的推廣，節(jié)點(diǎn)的能耗問題越來越值得關(guān)注，尤其對(duì)于一些小型移動(dòng)設(shè)備更為突出，因此在路由算法設(shè)計(jì)中節(jié)能也是必須考慮的。文獻(xiàn)[8]提出基于能量約束和歷史信息的容遲網(wǎng)絡(luò)路由算法，節(jié)點(diǎn)依據(jù)歷史記錄和剩余能量進(jìn)行層次編碼，提高了節(jié)點(diǎn)將數(shù)據(jù)傳輸?shù)交镜目赡苄?。文獻(xiàn)[9]提出基于節(jié)點(diǎn)優(yōu)先級(jí)的數(shù)據(jù)轉(zhuǎn)發(fā)策略，考慮了節(jié)點(diǎn)剩余能量對(duì)傳輸優(yōu)先級(jí)的影響，有效地控制了消息平均副本數(shù)，并降低了能量消耗。為合理利用網(wǎng)絡(luò)中的能量傳輸消息，本文提出一種節(jié)點(diǎn)能量敏感的概率路由算法，在消息轉(zhuǎn)發(fā)和緩存管理上體現(xiàn)了節(jié)能的理念，延長(zhǎng)了網(wǎng)絡(luò)壽命。
1 網(wǎng)絡(luò)模型和問題描述
1.1 基于節(jié)點(diǎn)能量的網(wǎng)絡(luò)模型
在網(wǎng)絡(luò)中，每個(gè)節(jié)點(diǎn)都被賦予一個(gè)初始能量Einit，節(jié)點(diǎn)實(shí)時(shí)剩余能量為Eres。為了方便研究節(jié)點(diǎn)能量對(duì)路由選擇的影響，本文依據(jù)節(jié)點(diǎn)能量剩余率RE（RE=Eres/Einit）設(shè)置能量狀態(tài)門限Estate和能量告警門限Ewarn，并將網(wǎng)絡(luò)中的節(jié)點(diǎn)劃分為高能節(jié)點(diǎn)（RE≥Estate）、低能節(jié)點(diǎn)（EwarnEs。另外，在所研究的網(wǎng)絡(luò)中具有以下假設(shè)條件：
1）維持節(jié)點(diǎn)移動(dòng)性等所需的能量消耗不在考慮范圍之內(nèi)，如車載、機(jī)載等通信設(shè)備的運(yùn)動(dòng)能耗由車輛或飛行器提供。
2）Et和Er依據(jù)每次接收或發(fā)送一個(gè)數(shù)據(jù)包計(jì)算，Es為每分鐘的掃描能耗，并認(rèn)為以上均為固定值，當(dāng)能量耗盡時(shí)不再進(jìn)行掃描和收發(fā)消息。
篇3
1 背景資料
流行音樂（Popular Music）于19世紀(jì)末20世紀(jì)初起源于美國(guó)，從音樂體系看，流行音樂是在布魯斯、爵士樂、搖滾樂、等美國(guó)大眾音樂架構(gòu)基礎(chǔ)上發(fā)展起來的音樂。中國(guó)流行音樂的風(fēng)格與形態(tài)主要受歐美影響，在此基礎(chǔ)上逐漸形成本土風(fēng)格。近年來流行音樂中刮起了一股“中國(guó)風(fēng)”，音樂風(fēng)格不同的音樂人借助這一元素共同表達(dá)了一種向中國(guó)傳統(tǒng)元素靠攏的趨勢(shì)，使得流行音樂具有獨(dú)特的中國(guó)風(fēng)格。中國(guó)流行音樂中中國(guó)元素有逐漸增多的趨勢(shì)，如流行音樂出現(xiàn)了戲曲元素、古典元素等，使得我國(guó)流行音樂得到了更大的發(fā)展，我國(guó)的流行音樂中的音樂元素也開始呈現(xiàn)多樣性發(fā)展景象。像我國(guó)最近幾年流行的Pop（流行）、Country（鄉(xiāng)村）、Jazz（爵士）、Rock（搖滾）、R&B（節(jié)奏布魯斯）、NewAge（新世紀(jì)）、經(jīng)典（classic）等。
隨著經(jīng)濟(jì)的快速發(fā)展，我國(guó)信息化速度的加快，互聯(lián)網(wǎng)的不斷發(fā)展，流行音樂的傳播媒介從傳統(tǒng)的電臺(tái)和唱片逐漸過渡到網(wǎng)絡(luò)下載和網(wǎng)絡(luò)電臺(tái)等。流行音樂的結(jié)構(gòu)短小、內(nèi)容通俗、形式活潑、情感真摯，并被廣大群眾所喜愛，廣泛傳唱或欣賞，流行一時(shí)的甚至流傳后世的器樂曲和歌曲。這些樂曲和歌曲，植根于大眾生活的豐厚土壤之中。在近幾十年里，流行音樂慢慢的被作為商業(yè)性的音樂消遣娛樂，以及與此相關(guān)的一切“工業(yè)”現(xiàn)象許多的網(wǎng)絡(luò)電臺(tái)都會(huì)搜集上符合大部分人喜好的音樂，以供收聽者的下載和播放。由于每個(gè)人喜好的音樂可能橫跨若干種風(fēng)格，各種網(wǎng)絡(luò)電臺(tái)需要搜集大部分人對(duì)不同音樂的喜好程度，需要根據(jù)流行音樂的風(fēng)格分成各種類別的音樂。
2 模型的建立與求解
2.1 數(shù)據(jù)處理
我們選取中國(guó)流行音樂中的六大類風(fēng)格音樂作為訓(xùn)練樣本，選取的七個(gè)音符在樂譜中的數(shù)目百分比可以反應(yīng)歌曲的風(fēng)格。根據(jù)數(shù)據(jù)源分別計(jì)算出主要音符在樂譜中出現(xiàn)的頻率。從計(jì)算的數(shù)據(jù)中，我們可以看出歌曲樂譜中的音符數(shù)頻率滿足一定的均勻分布，基本分布在0到1之間，我們的樣本數(shù)據(jù)可以作為訓(xùn)練樣本，在神經(jīng)網(wǎng)絡(luò)系統(tǒng)中試驗(yàn)，我們希望我們的試驗(yàn)可以達(dá)到一定的準(zhǔn)確率。
2.2 概率神經(jīng)網(wǎng)絡(luò)模型
概率神經(jīng)網(wǎng)絡(luò)（PNN）是一種基于Bayes分類規(guī)則與Parzen窗的概率密度函數(shù)估計(jì)方法發(fā)展而來的并行算法。[1]在實(shí)際應(yīng)用中，尤其是在解決分類問題的應(yīng)用中，它的優(yōu)勢(shì)在于用線性學(xué)習(xí)算法來完成非線性學(xué)習(xí)算法所做的工作，同時(shí)保持非線性算法的高精度等特性。PNN網(wǎng)絡(luò)可以用來進(jìn)行更多樣本的預(yù)測(cè)，訓(xùn)練樣本較大時(shí)且要求精度較高時(shí)，網(wǎng)絡(luò)常常不收斂且往往陷入局部最優(yōu)。
概率神經(jīng)網(wǎng)絡(luò)由徑向基神經(jīng)元和競(jìng)爭(zhēng)神經(jīng)元組成，經(jīng)常用來解決分類問題。概率神經(jīng)網(wǎng)絡(luò)的拓?fù)錂C(jī)構(gòu)如圖2所示，共分4層，分別為輸入層、模式層、求和層和輸出層。[2]
（1）輸入層接受來自訓(xùn)練樣本的值，將特征向量傳遞給網(wǎng)絡(luò)，其神經(jīng)元數(shù)目和樣本矢量的維數(shù)相等；
（2）模式層計(jì)算輸入特征向量與訓(xùn)練集中各個(gè)模式的匹配關(guān)系；
（3）模式層神經(jīng)元的個(gè)數(shù)等于各個(gè)類別樣本數(shù)之和，給曾每個(gè)模式的輸出為
式中，；為輸入層到模式層連接的權(quán)值，為平滑因子，它對(duì)分類的起著至關(guān)重要的作用。
（4）求和層，是將屬于某類的概率統(tǒng)計(jì)，按①式計(jì)算，從而得到故障模式的估計(jì)概率密度函數(shù)。因此求和層單元簡(jiǎn)單地將自己類的模式層單元的輸出相加，而與屬于其他類別的模式層單元的輸出無關(guān)。[3]求和層單元的輸出與各類基于內(nèi)核的概率密度的估計(jì)成比例，通過輸出層的歸一化處理，就能得到各類的概率估計(jì)。
（5）基于PNN故障診斷方法。
假設(shè)有兩種已知的故障模式、，對(duì)于要判斷的故障特征樣本：若，則；
式中，先驗(yàn)概率（，）；我們可以根據(jù)現(xiàn)有的故障特征樣本求其統(tǒng)計(jì)值。
2.3 模型的求解
用訓(xùn)練好的PNN神經(jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行迭代，得到60個(gè)樣本的判定結(jié)果，如圖2，可見只有6個(gè)樣本判斷錯(cuò)誤，準(zhǔn)確率達(dá)到90%，之后我們?nèi)匀挥玫氖荕ATLAB軟件做出誤差圖，能更清晰地發(fā)現(xiàn)該模型的準(zhǔn)確性，其中出錯(cuò)的6個(gè)樣本是因?yàn)檫@些樣本不僅只有一種風(fēng)格屬性，還有其它風(fēng)格的屬性，因?yàn)樵撃Ｐ偷臎Q策屬性是音符、高八度、低八度、空拍、節(jié)拍減半、節(jié)拍延長(zhǎng)、浮點(diǎn)音符在樂譜中的出現(xiàn)頻率所組成，難免會(huì)出現(xiàn)前幾個(gè)屬性服從一種風(fēng)格，而其余幾個(gè)屬性卻服從另外一種風(fēng)格，所以判斷會(huì)有誤差，因此可以判定，該模型確實(shí)可以對(duì)現(xiàn)有的音樂分類做出相對(duì)準(zhǔn)確的判斷。
2.4 模型的預(yù)測(cè)檢驗(yàn)
將測(cè)試數(shù)據(jù)的代入，由圖3，我們用測(cè)試的樣本數(shù)據(jù)通過神經(jīng)網(wǎng)絡(luò)試驗(yàn)，我們得到預(yù)測(cè)的錯(cuò)誤率是21%，預(yù)測(cè)的效果還是可以說明了該模型的可行性以及有效性。
3 模型的推廣
3.1 對(duì)流行音樂市場(chǎng)的分析
隨著互聯(lián)網(wǎng)的發(fā)展，在利用概率神經(jīng)網(wǎng)絡(luò)模型的分類，我們通過MATLAB對(duì)其實(shí)現(xiàn)，可以看出我們的分類準(zhǔn)確度較高，達(dá)到將近95%以上，這表明該分類方法合理。利用此方法對(duì)音樂的分類詳細(xì)，搜索靈敏度高，比如對(duì)網(wǎng)絡(luò)電臺(tái)對(duì)音樂的推薦會(huì)有很大幫助。在音樂電臺(tái)中經(jīng)常要滿足聽眾的需求而搜索好多不同類型的歌曲，其歌曲因人的喜好而具有不同風(fēng)格的歌曲，按照我們的模型概率神經(jīng)網(wǎng)絡(luò)（PNN）來模擬的分類方法可以將各種不同類型的歌曲進(jìn)行詳細(xì)準(zhǔn)確無誤的分類，從而能在音樂電臺(tái)時(shí)間可以找到聽眾所需求的歌曲，而且迅速及時(shí)剛好符合短時(shí)間內(nèi)的多需求量的特點(diǎn)。使得其音樂電臺(tái)更加受聽眾的喜愛。
3.2 基于流行音樂的大眾審美研究等
通過對(duì)音樂細(xì)致精確地分類，我們從內(nèi)心直覺感受出發(fā)通過音響激發(fā)想象和聯(lián)想，去審美音樂，并且視聽聯(lián)覺形象思維和創(chuàng)造性思維[4]等能力培養(yǎng)與審美音樂有密切關(guān)系，所以我們可以充分調(diào)動(dòng)視聽聯(lián)覺通過音樂審美可以鍛煉自己的想象思維，掌握審美音樂的特征和方法，可以了解審美音樂的心理要素及其活動(dòng)過程，從而更容易引導(dǎo)和鍛煉人的思維和想象能力。
參考文獻(xiàn)
[1]Specht D.F.probabilistic neural networks[J].cural Ncural Networks，1990.3（1）：109—118.
篇4
Key words： PPP project；Bayesian network；risk probabilistic assessment；characteristics of Gansu
中圖分類號(hào)：F283 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2015）36-0087-03
1 研究背景
PPP模式，也稱公私合營(yíng)模式，是一種新型的項(xiàng)目融資方式，它是由政府或公共部門與私人部門基于特定項(xiàng)目進(jìn)行合作的模式，常應(yīng)用于公共基礎(chǔ)設(shè)施建設(shè)項(xiàng)目中[1]。首先，PPP模式可以避免政府因?yàn)閷?duì)基礎(chǔ)設(shè)施建設(shè)投入過多的資金而產(chǎn)生的債務(wù)危機(jī)；其次，可以充分利用私人企業(yè)的商業(yè)高效率，擺脫了由政府主導(dǎo)的基礎(chǔ)設(shè)施建設(shè)的低效率困擾；最后，PPP模式的引進(jìn)，促進(jìn)了政府和地方企業(yè)的技術(shù)交流，可以使雙方都獲益[2]。
隨著經(jīng)濟(jì)的全球化，我國(guó)應(yīng)用PPP模式進(jìn)行基礎(chǔ)設(shè)施建設(shè)取得了很大的進(jìn)展，如20世紀(jì)80年代的深圳沙角B電廠，20世紀(jì)90年代成都的自來水廠，廣西來賓B電廠等。甘肅省地處西北，基礎(chǔ)設(shè)施明顯建設(shè)滯后于經(jīng)濟(jì)建設(shè)和社會(huì)發(fā)展的要求且建設(shè)資金短缺，PPP模式為改善這種現(xiàn)狀提供了一個(gè)很好的途徑[3]。但是，由于甘肅省自身具有很多方面的不足，導(dǎo)致開展PPP項(xiàng)目的建設(shè)存在一些難以避免的風(fēng)險(xiǎn)，目前甘肅省與其他發(fā)達(dá)省份相比PPP項(xiàng)目的開展還相對(duì)滯后，故對(duì)甘肅省政府開展PPP項(xiàng)目進(jìn)行風(fēng)險(xiǎn)研究并采取合理的方式規(guī)避或解決，對(duì)于加強(qiáng)PPP項(xiàng)目的推廣具有很重要的實(shí)際意義。
本研究基于貝葉斯網(wǎng)絡(luò)方法，對(duì)PPP項(xiàng)目全過程中可能對(duì)項(xiàng)目成敗產(chǎn)生影響的主要風(fēng)險(xiǎn)因素進(jìn)行歸納分類，并對(duì)各類風(fēng)險(xiǎn)發(fā)生的概率進(jìn)行排序，并針對(duì)發(fā)生概率較高的風(fēng)險(xiǎn)提出合理建議。
2 研究方法
研究方法實(shí)施步驟如下所示：
整體來講，貝葉斯網(wǎng)絡(luò)是先研究某一般事件的風(fēng)險(xiǎn)概率情況，再通過結(jié)合特殊環(huán)境下的各風(fēng)險(xiǎn)因素發(fā)生的條件概率，通過貝葉斯概率計(jì)算出特殊環(huán)境下該事件的風(fēng)險(xiǎn)概率情況。即通過先驗(yàn)概率，結(jié)合后期調(diào)查計(jì)算出后驗(yàn)概率的過程。
首先，通過查閱相關(guān)文獻(xiàn)，找到在一般情況下的某事件存在的風(fēng)險(xiǎn)因素，進(jìn)行整理分類，根據(jù)風(fēng)險(xiǎn)事件和風(fēng)險(xiǎn)因素之間的“父子”關(guān)系構(gòu)件貝葉斯網(wǎng)絡(luò)圖。設(shè)計(jì)調(diào)查問卷，問卷采取模糊綜分析法描述的形式，如表1所示，向?qū)＜易稍兏黠L(fēng)險(xiǎn)因素發(fā)生的概率，對(duì)答卷者選擇的選項(xiàng)所代表的概率范圍取中值，明確各節(jié)點(diǎn)之間的邏輯關(guān)系，構(gòu)建各子節(jié)點(diǎn)的CPT。將調(diào)查所得的數(shù)據(jù)導(dǎo)入貝葉斯網(wǎng)絡(luò)圖，得到各風(fēng)險(xiǎn)狀態(tài)下風(fēng)險(xiǎn)事件發(fā)生的概率，并將結(jié)果反饋給專家檢驗(yàn)其合理性和準(zhǔn)確性，并根據(jù)專家意見做出修正，此時(shí)得到的結(jié)果為先驗(yàn)概率。
其次，分析在特殊環(huán)境下該事件面臨的特殊情況，構(gòu)件條件概率表，如表2所示，該表描述在第一列的特殊情況下第一行的風(fēng)險(xiǎn)因素發(fā)生的可能性。假設(shè)有k種特殊環(huán)境ak（k=1，2，…），由于a1，a2，…，ak之間相互獨(dú)立，則風(fēng)險(xiǎn)因素b1發(fā)生的概率為
P（b1）即為一般情況下風(fēng)險(xiǎn)因素b1發(fā)生的概率，將計(jì)算得出的根節(jié)點(diǎn)發(fā)生的概率導(dǎo)入貝葉斯網(wǎng)絡(luò)，分別計(jì)算出各風(fēng)險(xiǎn)狀態(tài)下風(fēng)險(xiǎn)事件發(fā)生的概率，此時(shí)得到的概率為后驗(yàn)概率。
最后，將在該特殊環(huán)境下的風(fēng)險(xiǎn)狀態(tài)對(duì)風(fēng)險(xiǎn)事件影響的大小進(jìn)行排序，找出概率最大的風(fēng)險(xiǎn)狀態(tài)，并根據(jù)實(shí)際情況提出合理建議，減少風(fēng)險(xiǎn)事件發(fā)生的概率。
3 研究方法實(shí)際運(yùn)用
本文將該研究方法應(yīng)用于對(duì)甘肅省政府開展PPP項(xiàng)目進(jìn)行風(fēng)險(xiǎn)評(píng)估，希望可以使推進(jìn)甘肅省PPP項(xiàng)目的建設(shè)更加順利的進(jìn)行。
3.1 構(gòu)建PPP項(xiàng)目的貝葉斯網(wǎng)絡(luò)
通過閱讀大量PPP項(xiàng)目風(fēng)險(xiǎn)類相關(guān)文獻(xiàn)[7-11]，總結(jié)了14種影響項(xiàng)目成敗的主要風(fēng)險(xiǎn)因素，如表2所示，本文要站在政府的角度研究10種非政府因素對(duì)項(xiàng)目成敗的影響。然后通過與5位相關(guān)專業(yè)老師的討論，構(gòu)建PPP項(xiàng)目的風(fēng)險(xiǎn)貝葉斯網(wǎng)絡(luò)圖。
3.2 構(gòu)建各子節(jié)點(diǎn)的CPT和各風(fēng)險(xiǎn)因素發(fā)生的平均概率表
經(jīng)過分析，子節(jié)點(diǎn)“市場(chǎng)和社會(huì)環(huán)境方面”，“開發(fā)商方面”，“國(guó)家宏觀調(diào)控方面”，“不可抗力”均為“或”節(jié)點(diǎn)，而“項(xiàng)目失敗”為“綜合”節(jié)點(diǎn)。對(duì)于“項(xiàng)目失敗”節(jié)點(diǎn)需要通過對(duì)專家進(jìn)行調(diào)查問卷。調(diào)查對(duì)象是至少有3年以上的PPP相關(guān)研究經(jīng)驗(yàn)的在校工程管理專業(yè)大學(xué)本科教師。此次問卷共有5人參與，答卷有效率為100%，得到如表3所示的條件概率表。
為了得到一般情況下的PPP項(xiàng)目主要風(fēng)險(xiǎn)因素發(fā)生的概率，本研究總結(jié)了大量相關(guān)文獻(xiàn)的數(shù)據(jù)[7-11]，并未發(fā)現(xiàn)爭(zhēng)議較大的風(fēng)險(xiǎn)因素，故歷史數(shù)據(jù)可以作為本研究使用，具體見表4。
3.3 通過貝葉斯網(wǎng)絡(luò)進(jìn)行平均風(fēng)險(xiǎn)概率水平評(píng)估
將表3和表4中的數(shù)據(jù)輸入貝葉斯網(wǎng)絡(luò)中，通過Netica軟件的計(jì)算分別得到市場(chǎng)和社會(huì)環(huán)境方面、開發(fā)商方面、國(guó)家宏觀調(diào)控方面、不可抗力方面這四種類型的風(fēng)險(xiǎn)事件導(dǎo)致項(xiàng)目失敗的概率，如圖1至圖4所示。這里得到的先驗(yàn)概率不針對(duì)特定省份，是一個(gè)平均值。
將四種類型的風(fēng)險(xiǎn)事件導(dǎo)致項(xiàng)目失敗的概率進(jìn)行排序，得到結(jié)果如表5所示，可以得出結(jié)論，在一般情況下，最有可能導(dǎo)致項(xiàng)目失敗的是市場(chǎng)和社會(huì)環(huán)境，其次是開發(fā)商和國(guó)家宏觀調(diào)控最后才是不可抗力。
3.4 特定省份PPP項(xiàng)目風(fēng)險(xiǎn)概率水平評(píng)估
本研究針對(duì)的是甘肅省這個(gè)特殊省份，通過對(duì)以往研究[12-13]的分析與總結(jié)，得出甘肅省與其他發(fā)達(dá)省份相比，政府擔(dān)保和制定政策方面的缺失、法律體系和金融體系方面的不足、收入保證與收費(fèi)的批準(zhǔn)存在問題、審批體系存在問題和專業(yè)機(jī)構(gòu)和專業(yè)人員力量不足，對(duì)風(fēng)險(xiǎn)因素的發(fā)生概率具有一定的影響。因此在進(jìn)行風(fēng)險(xiǎn)評(píng)估時(shí)需要把這五個(gè)特點(diǎn)考慮進(jìn)去，對(duì)專家進(jìn)行問卷調(diào)查的結(jié)果如表6所示，調(diào)查對(duì)象同表3。該條件概率表描述在第一列條件的影響下各風(fēng)險(xiǎn)因素發(fā)生的可能性。
根據(jù)表4和表6計(jì)算出甘肅省PPP項(xiàng)目各風(fēng)險(xiǎn)因素發(fā)生的概率，如表7所示。
將表7中數(shù)據(jù)導(dǎo)入貝葉斯網(wǎng)絡(luò)，計(jì)算可得出甘肅省除政府外各風(fēng)險(xiǎn)事件導(dǎo)致PPP項(xiàng)目失敗的概率，此為后驗(yàn)概率。結(jié)果如表8所示。
通過評(píng)估結(jié)果可以看出，市場(chǎng)和社會(huì)環(huán)境對(duì)項(xiàng)目的失敗影響最大，其次是開發(fā)商和國(guó)家宏觀調(diào)控，最后是不可抗力。
4 結(jié)論與建議
首先，從甘肅省自身出發(fā)，政府固有的缺陷給PPP項(xiàng)目的開展創(chuàng)造了不利條件。要從根源入手，加強(qiáng)政府信用，斷絕內(nèi)部腐敗，提高辦事效率，為PPP項(xiàng)目的開展創(chuàng)造一個(gè)良好的前提條件。其次，市場(chǎng)和社會(huì)環(huán)境對(duì)項(xiàng)目的成敗影響最大，在進(jìn)行PPP項(xiàng)目融資前必須要對(duì)市場(chǎng)和社會(huì)環(huán)境做一個(gè)全面的調(diào)查，盡量做到準(zhǔn)確的預(yù)測(cè)市場(chǎng)未來的發(fā)展趨勢(shì)和社會(huì)公眾對(duì)項(xiàng)目的支持度，減少不利因素的發(fā)生。政府在選擇合作的開發(fā)商前也應(yīng)該反復(fù)對(duì)比，選擇信譽(yù)高，技術(shù)先進(jìn)，資金力量雄厚的開發(fā)商，盡量避免在開發(fā)商方面出現(xiàn)風(fēng)險(xiǎn)。最后，也是最重要的是要合理分配風(fēng)險(xiǎn)，政府和承包商應(yīng)共同分擔(dān)風(fēng)險(xiǎn)，分配原則遵循“哪一方能夠最好地控制該風(fēng)險(xiǎn)，且能產(chǎn)生最大的整體效益，則將風(fēng)險(xiǎn)分配給誰”[14]。這樣才能實(shí)現(xiàn)項(xiàng)目的效益最大化，風(fēng)險(xiǎn)最小化。
參考文獻(xiàn)：
[1]劉繼才，王穎林，唐絲絲.我國(guó)PPP項(xiàng)目關(guān)鍵風(fēng)險(xiǎn)實(shí)證研究[J].生產(chǎn)力研究，2012，4：93-96.
[2]liujicai. Real Option’s Application in Risk Management of PPP/PFI Projects[M].北京：科學(xué)出版社，2010.
[3]羅旭.BOT模式及其對(duì)甘肅省鐵路融資的思考[J].中小企業(yè)管理與科技，2009.
[4]郭波，龔時(shí)雨，譚云濤.項(xiàng)目風(fēng)險(xiǎn)管理[M].北京：電子工業(yè)出版社，2007.
[5]魏彩荷，王恩茂.基于貝葉斯網(wǎng)絡(luò)節(jié)能住宅的投資決策[J].節(jié)能，2013（11）：9-11.
[6]汪濤，廖彬超，馬昕，方東平.基于貝葉斯網(wǎng)絡(luò)的施工安全風(fēng)險(xiǎn)概率評(píng)估方法[J].土木工程學(xué)報(bào)，2010，43（增刊）：384-391.
[7]牛學(xué)峰.PPP項(xiàng)目融資風(fēng)險(xiǎn)指標(biāo)體系及模糊綜合分析方法研究[D].重慶：重慶大學(xué)，2008.
[8]張曉兵，張小富.基于ISM的國(guó)際PPP項(xiàng)目風(fēng)險(xiǎn)因素相互影響分析[J].建筑經(jīng)濟(jì)，2013（2）：38-41.
[9]晁岱壯.基于PPP的公共基礎(chǔ)設(shè)施項(xiàng)目融資風(fēng)險(xiǎn)管理研究[D].湖南：中南大學(xué)，2011.
[10]亓霞，柯永建，王守清.基于案例的中國(guó)PPP項(xiàng)目的主要風(fēng)險(xiǎn)因素分析[J].中國(guó)軟科學(xué)，2009（5）：107-113.
[11]王昕，徐友全，高妍芳.基于貝葉斯網(wǎng)絡(luò)的大型建設(shè)工程項(xiàng)目風(fēng)險(xiǎn)評(píng)估[J].工程管理學(xué)報(bào)，2011，25（5）：544-547.
篇5
Keywords: structural damage; Damage identification; Cantilever version; The probability of wavelet neural network (WPNN); Data fusion
中圖分類號(hào)：TU973+.1 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：
1引言
當(dāng)前，世界范圍內(nèi)建筑工業(yè)的重心正在從大規(guī)模新建轉(zhuǎn)向新建與維修加固并舉[1]。土木工程結(jié)構(gòu)如房屋建筑、橋梁、海洋平臺(tái)等在投入使用之后，由于地震、火災(zāi)、咫風(fēng)等自然災(zāi)害或一長(zhǎng)期作用的疲勞、腐蝕等原因而產(chǎn)生不同程度的損傷，結(jié)構(gòu)損傷經(jīng)過長(zhǎng)期的累積必然會(huì)導(dǎo)致結(jié)構(gòu)發(fā)生破壞或使用性能降低[2]。結(jié)構(gòu)的損傷檢測(cè)、診斷是土木工程結(jié)構(gòu)經(jīng)歷自然災(zāi)害、長(zhǎng)期作用后進(jìn)行維修、加固的基礎(chǔ)，是一項(xiàng)復(fù)雜的系統(tǒng)工程，其核心的問題是基于什么理論進(jìn)行損傷的檢測(cè)[3]。
在損傷識(shí)別以及其它的信息獲取及處理過程中，信息的確定程度主要取決于選用傳感器的種類、所選擇的方法以及信息源本身[4]。進(jìn)一步說，單一傳感器獲得的信息通常是不完整、不精確的。多傳感器數(shù)據(jù)融合技術(shù)從多源信號(hào)中獲取信息，減小了信息的不確定度，助于幫助制定決策。無損檢測(cè)數(shù)據(jù)融合近幾年發(fā)展很快。來自不同國(guó)家的很多人對(duì)它表現(xiàn)出極大的興趣，他們已經(jīng)提出了多種適用于無損檢測(cè)數(shù)據(jù)融合的模型[5]。本文給出了一種新的基于小波概率神經(jīng)網(wǎng)絡(luò)（wavelet probabilistic neural network , WPNN）和數(shù)據(jù)融合的結(jié)構(gòu)損傷檢測(cè)方法模型，并給出了該模型在結(jié)構(gòu)損傷識(shí)別中的應(yīng)用。
2基于頻率的結(jié)構(gòu)損傷識(shí)別原理
運(yùn)用試驗(yàn)測(cè)試的數(shù)據(jù)來確定結(jié)構(gòu)系統(tǒng)運(yùn)動(dòng)方程中的參數(shù)叫做參數(shù)識(shí)別。參數(shù)識(shí)別的典型過程包括在結(jié)構(gòu)系統(tǒng)的模態(tài)試驗(yàn)中測(cè)量由于外部激勵(lì)作用下的結(jié)構(gòu)響應(yīng);從響應(yīng)的數(shù)據(jù)中直接地或通過數(shù)據(jù)處理技術(shù)確定系統(tǒng)的動(dòng)力特性，諸如自振動(dòng)頻率和振型。結(jié)構(gòu)的頻率相對(duì)振型來說更容易較準(zhǔn)確測(cè)量，而且能夠反映結(jié)構(gòu)整體特征，使其成為結(jié)構(gòu)損傷識(shí)別中的重要特征參數(shù)。由于系統(tǒng)的自振動(dòng)頻率和振型是系統(tǒng)參數(shù)如質(zhì)量和剛度的函數(shù)，所以可以將實(shí)驗(yàn)得到的結(jié)構(gòu)動(dòng)力特性與數(shù)學(xué)模型預(yù)測(cè)的結(jié)構(gòu)動(dòng)力特性進(jìn)行比較從而確定系統(tǒng)參數(shù)[6]。結(jié)構(gòu)損傷探測(cè)的基本方法正是基于以上的基本概念而產(chǎn)生的。
當(dāng)不考慮阻尼時(shí)，結(jié)構(gòu)振動(dòng)的特征值方程為
（1）
其中矩陣 、 分別表示離散的質(zhì)量矩陣、剛度分布， 與 分別是結(jié)構(gòu)第i階固有頻率和正則化振型向量。設(shè)損傷使結(jié)構(gòu)剛度矩陣、質(zhì)量矩陣、頻率及振型向量的變化分別為 、 、 和 則有
（2）
由于結(jié)構(gòu)定部分的質(zhì)量和剛度損失而引起的 、 的任何變化，都將在自振頻率和振型的測(cè)量值中有所反應(yīng)。當(dāng)系統(tǒng)自振頻率和振型的測(cè)量與原始未損傷系統(tǒng)自振頻率和振型之間出現(xiàn)了差異時(shí)，就是表示系統(tǒng)中出現(xiàn)了損傷。一般來說，建筑結(jié)構(gòu)的損傷對(duì)結(jié)構(gòu)質(zhì)量的影響很小，即可取 。將上式左乘 然后展開并忽略二階項(xiàng)，則有
（3）
P.Cawley研究表明兩階頻率的變化比值只與損傷位置有關(guān)，而與損傷程度無關(guān)。通常采用歸一化的頻率變化率，設(shè)第i頻率的變化率為：
(4)
式中fui和fdi分別是結(jié)構(gòu)損傷前后的第i階頻率。FCRi與損傷程度和損傷程度有關(guān)，假定損傷不引起質(zhì)量變化，則有
(5)
將（9）式關(guān)于 級(jí)數(shù)展開并忽略高階項(xiàng)，可得：
(6)
將頻率變化按下式歸一化，得
(7)
可見，歸一化的頻率變化也只與損傷位置有關(guān)。
3小波概率神經(jīng)網(wǎng)絡(luò)與多傳感數(shù)據(jù)融合技術(shù)原理
目前，基于動(dòng)力響應(yīng)的各種智能損傷診斷技術(shù)得到研究，但這些技術(shù)存在著識(shí)別精度不高或適用條件等缺陷。迅速發(fā)展的數(shù)據(jù)融合技術(shù)具有充分利用各個(gè)數(shù)據(jù)源包含的冗余和互補(bǔ)信息的優(yōu)點(diǎn)，可以提高系統(tǒng)決策的準(zhǔn)確性和魯棒性。基于小波概率神經(jīng)網(wǎng)絡(luò)（wavelet probabilistic neural network , WPNN）和數(shù)據(jù)融合的結(jié)構(gòu)損傷檢測(cè)方法將兩者有機(jī)結(jié)合，揚(yáng)長(zhǎng)避短在損傷識(shí)別中顯示出獨(dú)有的優(yōu)越性。
為了充分發(fā)揮數(shù)據(jù)融合與 WPNN 的優(yōu)點(diǎn)，提出了基于 WPNN 與數(shù)據(jù)融合的損傷檢測(cè)模型見圖1，它首先將來自傳感器 1 的結(jié)構(gòu)響應(yīng)進(jìn)行數(shù)據(jù)預(yù)處理、特征提取，采用小波理論，獲得該傳感器的小波能量特征向量；依次類推，獲得其他傳感器的小波能量特征向量;然后將這些小波能量特征向量放入WPNN中，進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練及融合計(jì)算；最后根據(jù)最大的概率密度函數(shù)值得到融合損傷識(shí)別結(jié)果及損傷類型。
圖1基于WPNN與數(shù)據(jù)融合技術(shù)的損傷識(shí)別模型
可見，基于 WPNN 與數(shù)據(jù)融合技術(shù)的損傷識(shí)別與診斷過程是根據(jù)從目標(biāo)的檢測(cè)量得到損傷特征向量（模式），經(jīng)過數(shù)據(jù)融合分析計(jì)算與處理，進(jìn)行損傷識(shí)別及損傷定位的過程。
4結(jié)構(gòu)損傷在線檢測(cè)原理
結(jié)構(gòu)損傷檢測(cè)的核心技術(shù)是模式識(shí)別，而模式識(shí)別就是將理論分析得到的損傷模式特征庫與實(shí)測(cè)的模式進(jìn)行匹配。一般先通過分析各種不同的損傷序列或破壞模態(tài)來建立模式庫，然后觀察實(shí)測(cè)振動(dòng)信號(hào)的變化，并將它與可能發(fā)生損傷的模式數(shù)據(jù)庫進(jìn)行比較，選擇最相似的模式。神經(jīng)網(wǎng)絡(luò)本身具有模式匹配與記憶的能力，而且對(duì)于具有一定噪聲的模式，識(shí)別效果更好。運(yùn)用模式識(shí)別進(jìn)行損傷檢測(cè)與用神經(jīng)網(wǎng)絡(luò)進(jìn)行損傷檢測(cè)是兩種不同的診斷方法，但二者密切相關(guān)，可以用神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)模式識(shí)別的損傷檢測(cè)。結(jié)構(gòu)損傷的在線檢測(cè)原理如圖2所示。
5數(shù)值模擬實(shí)驗(yàn)分析
為了驗(yàn)證神經(jīng)網(wǎng)絡(luò)技術(shù)在結(jié)構(gòu)損傷檢測(cè)中的有效性，利用ANSYS有限元程序模擬鋼筋混凝土懸臂板，物理參數(shù)為:板長(zhǎng)lm，寬度0.5 m，密度為7.85 ×103 kg/m3，楊氏模量2.02 ×105 MPa，泊松比0.3。數(shù)值模擬試驗(yàn)?zāi)Ｐ蛨D如圖3所示。以單元?jiǎng)偠日蹨p15%來模擬結(jié)構(gòu)的損傷，并忽略結(jié)構(gòu)損傷引起的結(jié)構(gòu)質(zhì)量的改變。
懸臂板無損傷時(shí)前三階頻率為： =8.3206Hz,=35.6900Hz,=51.7780Hz。（理論值為 =8.5620Hz,=36.8200 Hz,=53.2900Hz）,用16個(gè)位置剛度分別降低5%來模擬單元的損傷情況。
圖2 結(jié)構(gòu)損傷在線檢測(cè)原理
圖3 數(shù)值試驗(yàn)單元網(wǎng)格劃分圖
由于結(jié)構(gòu)中某類損傷的發(fā)生可能只與幾個(gè)監(jiān)測(cè)參數(shù)相關(guān)聯(lián)，即只跟損傷狀態(tài)樣本中與該損傷狀態(tài)模式對(duì)應(yīng)的非零特征量相關(guān)；同樣，某一傳感器的輸出數(shù)據(jù)也可能與幾類損傷狀態(tài)模式有關(guān)。為了充分利用各傳感器的輸出數(shù)據(jù)進(jìn)行損傷檢測(cè)，采用1、3、4、5、6、8、9、10、12、13、14、15、16單元所得到的訓(xùn)練樣本進(jìn)行損傷檢測(cè)與識(shí)別模型的訓(xùn)練，基于 WPNN 與數(shù)據(jù)融合的損傷識(shí)別模型的訓(xùn)練樣本數(shù)可以確定出來，檢驗(yàn)樣本數(shù)為2、7、10、11單元的數(shù)據(jù)。WPNN模型的拓?fù)浣Y(jié)構(gòu)為20-165-5-5，即輸入層神經(jīng)元個(gè)數(shù)為 20，模式層神經(jīng)元個(gè)數(shù)為 165，求和層和決策層中的神經(jīng)元均為5 個(gè)。模型配置訓(xùn)練好后，用另外2、7、10、11這4個(gè)檢驗(yàn)樣本進(jìn)行檢驗(yàn)，基于 WPNN 與數(shù)據(jù)融合損傷檢測(cè)方法的識(shí)別正確率較好。
6結(jié)論
多傳感器數(shù)據(jù)融合損傷識(shí)別性能較好，使用基于 WPNN 與數(shù)據(jù)融合的損傷識(shí)別方法能夠提高損傷識(shí)別與診斷的準(zhǔn)確性與可靠性。多傳感器所采集的信息具有冗余性，當(dāng)其中有一個(gè)甚至幾個(gè)傳感器信息不可靠時(shí)，經(jīng)過數(shù)據(jù)融合處理后會(huì)使基于 WPNN 與數(shù)據(jù)融合的損傷識(shí)別方法在利用這些信息時(shí)具有良好的容錯(cuò)性?？傊蒙窠?jīng)網(wǎng)絡(luò)進(jìn)行特征級(jí)數(shù)據(jù)融合對(duì)結(jié)構(gòu)損傷進(jìn)行診斷與識(shí)別，具有很大的潛力，值得進(jìn)一步在理論與實(shí)際應(yīng)用上開展深入研究，這種方法也必定將成為結(jié)構(gòu)損傷診斷研究領(lǐng)域的新方法。
參考文獻(xiàn)
[1] 李國(guó)強(qiáng)，李杰.工程結(jié)構(gòu)動(dòng)力檢測(cè)理論與應(yīng)用[M].北京：科學(xué)出版社, 2-4
[2] Tsou P., Shen M. H. Structural damage detection and identification using neural networks [J]. AIAA Journal, 1994,32: 176-183
[3] 楊英杰，虞和濟(jì).結(jié)構(gòu)損傷狀態(tài)識(shí)別的神經(jīng)網(wǎng)絡(luò)方法[J].東北大學(xué)學(xué)報(bào)，1994，15 (2)：210-214.
篇6
當(dāng)然，實(shí)踐中的情況總是那么復(fù)雜。筆者曾經(jīng)遇到過一些這方面比較有意思的案例。比如，金庸先生寫過一本膾炙人口的武俠小說《笑傲江湖》，該小說的名稱有沒有原創(chuàng)性？單就這四個(gè)字而言，如果是金庸原創(chuàng)應(yīng)該是有著作權(quán)的。而據(jù)筆者了解，《西游記》中就有一首詞的最后一句為“得來烹煮味偏濃，笑傲江湖打哄?！啊段饔斡洝穭?chuàng)作于明朝，并且包含了”笑傲江湖“四個(gè)字。即便金庸先生原創(chuàng)了這個(gè)詞，但因?yàn)椤段饔斡洝防镉心蔷涂梢宰C明此詞更早時(shí)另有出處，則單以名稱侵犯著作權(quán)作為訴訟理由就不充分了。
其次，小說的作者如果有法律意識(shí)，可能把小說名稱申請(qǐng)為商標(biāo)，如果游戲開發(fā)者以此命名的，則存在商標(biāo)侵權(quán)法律風(fēng)險(xiǎn)。筆者的建議是，網(wǎng)游團(tuán)隊(duì)在游戲命名前，先委托專業(yè)的知識(shí)產(chǎn)權(quán)保護(hù)機(jī)構(gòu)進(jìn)行商標(biāo)檢索，以避免風(fēng)險(xiǎn)?？赡苡信笥褧?huì)問，如果該名稱沒有申請(qǐng)商標(biāo)，我們可以申請(qǐng)嗎？筆者的答案是，可以申請(qǐng)，但小說的版權(quán)人也有權(quán)以惡意搶注為由申請(qǐng)撤銷該商標(biāo)，同時(shí)，即便申請(qǐng)了商標(biāo)，如果有其他侵權(quán)行為，比如在游戲中使用了小說的人物、地域名稱等元素，還是有侵犯原作者版權(quán)的法律風(fēng)險(xiǎn)。
第三，如果游戲和小說的名稱相同或者相似，同時(shí)又使用了小說中的一些元素，則面臨版權(quán)侵權(quán)和不正當(dāng)競(jìng)爭(zhēng)的法律風(fēng)險(xiǎn)，這個(gè)在《著作權(quán)法》和《反不正當(dāng)競(jìng)爭(zhēng)法》中都有明確的規(guī)定。當(dāng)然，這種侵權(quán)風(fēng)險(xiǎn)并不是絕對(duì)的，就筆者個(gè)人的經(jīng)驗(yàn)而言，很多時(shí)候，游戲使用的內(nèi)容雖然在某部小說中有，但這個(gè)內(nèi)容并非該小說原創(chuàng)，而是一類網(wǎng)絡(luò)文學(xué)中通用的，就未必構(gòu)成侵權(quán)。
篇7
Keywords: fine coverage new technology
中圖分類號(hào)： C35 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)：
前言：
3G時(shí)代，數(shù)據(jù)應(yīng)用成為運(yùn)營(yíng)商提高市場(chǎng)競(jìng)爭(zhēng)力的重要手段。3G網(wǎng)絡(luò)覆蓋是電信運(yùn)營(yíng)商面臨的最大難題。隨著數(shù)據(jù)業(yè)務(wù)浪潮的到來，滿足為用戶提供優(yōu)質(zhì)穩(wěn)定的數(shù)據(jù)業(yè)務(wù)與服務(wù)，作為通信網(wǎng)絡(luò)的神經(jīng)元，站點(diǎn)更需要精細(xì)化覆蓋到最小的角落，應(yīng)對(duì)多場(chǎng)景變化，并實(shí)現(xiàn)站址獲取、快速交付、綠色環(huán)保、TCO節(jié)省等目標(biāo)。
一、精細(xì)化網(wǎng)絡(luò)覆蓋下的綠色基站演進(jìn)
2G時(shí)代，基站建設(shè)基本采用室內(nèi)站方式，隨著分布式基站的應(yīng)用，室外站開始大量增加，并逐漸成為3G時(shí)代建站的主流模式。
一個(gè)典型的通信站點(diǎn)包括八個(gè)子系統(tǒng)：供電系統(tǒng)、制冷系統(tǒng)、綜合布線系統(tǒng)、集成管理系統(tǒng)、消防系統(tǒng)、防雷接地系統(tǒng)、機(jī)柜系統(tǒng)、土建和裝修系統(tǒng)。
網(wǎng)絡(luò)建設(shè)早期的投資收益率（ROI）較低，運(yùn)營(yíng)商往往不太關(guān)注通信站點(diǎn)的建設(shè)和維護(hù)，只要能滿足網(wǎng)絡(luò)的正常運(yùn)營(yíng)就可以了。隨著市場(chǎng)的發(fā)展，在低成本網(wǎng)絡(luò)需求的驅(qū)動(dòng)下，運(yùn)營(yíng)商對(duì)通信站點(diǎn)的“兩難兩高一長(zhǎng)”痛點(diǎn)感受越來越強(qiáng)烈。“兩難”是指站點(diǎn)獲取和保留難，“兩高”是指CAPEX 和OPEX高，“一長(zhǎng)”是指建設(shè)周期長(zhǎng)；
“兩難兩高一長(zhǎng)”為通信站點(diǎn)解決方案的評(píng)估和改進(jìn)提供了依據(jù)，它包含CAPEX、OPEX、站址獲取／保留、建站周期等因素。
三代通信站點(diǎn)的演進(jìn)：
第一代站點(diǎn)（G1）是室內(nèi)站點(diǎn)，適合通信網(wǎng)絡(luò)發(fā)展的初期。它的缺點(diǎn)是占地面積極大、功耗高、建設(shè)周期長(zhǎng)；第二代站點(diǎn)（G2）的演進(jìn)方向是室外站點(diǎn)，適合通信網(wǎng)絡(luò)建設(shè)中期。它的不足之處是室外附屬設(shè)備多、維護(hù)麻煩。第三代站點(diǎn)（G3）是綠色集成的移動(dòng)微型站點(diǎn)，具有體積小、結(jié)構(gòu)緊湊、綠色節(jié)能、智能管理、TCO低、與環(huán)境協(xié)調(diào)、建設(shè)周期短等特點(diǎn)。
二、精細(xì)化網(wǎng)絡(luò)覆蓋下的基站覆蓋場(chǎng)景
2.1、城市場(chǎng)景覆蓋：與環(huán)境融合是重點(diǎn)
城市中需要覆蓋的場(chǎng)景眾多且復(fù)雜，所面臨的困難也大。例如，無法獲取足夠大的站點(diǎn)空間，不能滿足傳統(tǒng)站點(diǎn)的建設(shè)需求。目前，隨著新技術(shù)的開發(fā)應(yīng)用，Mini-shelter一體化設(shè)備內(nèi)部收容了電源、配電、監(jiān)控、走線、基站、傳輸、備電等，占地卻僅有1㎡∕機(jī)柜，讓運(yùn)營(yíng)商建站尋址變得非常容易。
在居民環(huán)保意識(shí)逐漸增強(qiáng)的今天，特別是在城市中一些人文景區(qū)，由于傳統(tǒng)站點(diǎn)與周邊環(huán)境不協(xié)調(diào)，導(dǎo)致站點(diǎn)獲取困難，而經(jīng)過諸多園景設(shè)計(jì)師和城市規(guī)劃設(shè)計(jì)師設(shè)計(jì)的美化站點(diǎn)，能夠以各種形態(tài)完美融入人文環(huán)境。
城市覆蓋中還有一個(gè)重要場(chǎng)景，舊城區(qū)改造帶來的原有站點(diǎn)被取消而新站點(diǎn)尚未獲取的問題。如果使用應(yīng)急通訊車，資源站用大、使用時(shí)間長(zhǎng)；若新建一個(gè)永久站點(diǎn)，則投資大、耗時(shí)長(zhǎng)。針對(duì)這種情況，第三代站點(diǎn)充分體現(xiàn)出它的優(yōu)勢(shì),它可以在2天內(nèi)快速完成基站基本設(shè)施的建設(shè)，且后期可以對(duì)整套站點(diǎn)進(jìn)行搬遷，移到其它地方繼續(xù)使用。造價(jià)遠(yuǎn)遠(yuǎn)低于應(yīng)急通訊車，具有可移動(dòng)、開通迅速的特點(diǎn)，很好地滿足了舊城區(qū)改造臨時(shí)建站的需求；此外，還能滿足室內(nèi)覆蓋及WLAN熱點(diǎn)覆蓋的需求。
2.2、農(nóng)村場(chǎng)景覆蓋：建設(shè)成本是重點(diǎn)
鄉(xiāng)鎮(zhèn)∕農(nóng)村的無線網(wǎng)絡(luò)和覆蓋情況要比城市簡(jiǎn)單很多，在站點(diǎn)的獲取上不存在很大困難，運(yùn)營(yíng)商一般比較關(guān)心建站成本，同時(shí)希望有足夠的空間來支持站點(diǎn)演進(jìn)和升級(jí)。
隨著通信設(shè)備的環(huán)境適應(yīng)性提高及外形尺寸的減小，室內(nèi)站點(diǎn)逐步向室外移動(dòng)站點(diǎn)演進(jìn)。傳統(tǒng)室內(nèi)站點(diǎn)需要電源柜、電池柜、設(shè)備柜等諸多設(shè)備，室外站則可以將所有設(shè)備收容進(jìn)一個(gè)機(jī)柜中，減少站地、降低成本，并確保部署快速。
目前，一體化戶外站解決方案中，電源模塊僅有1U高，且能輸出將近97%的轉(zhuǎn)換效率；分布式基站BBU單元只需要2U的空間高度，同時(shí)環(huán)境適應(yīng)性強(qiáng)，可在40-50℃的溫度下工作；傳輸設(shè)備只有1-2U高度；而整個(gè)基站的備電電池在150Ah／300Ah條件下就可以滿足4小時(shí)以上備電。
2.3、偏遠(yuǎn)覆蓋：方便管理是重點(diǎn)
偏遠(yuǎn)地區(qū)，尤其是經(jīng)濟(jì)不發(fā)達(dá)地區(qū)，辦公基礎(chǔ)設(shè)施較差，沒有道路、缺乏電力，使得站點(diǎn)初期建設(shè)和后期維護(hù)困難且費(fèi)用高昂；而由于經(jīng)濟(jì)落后和人口稀少，ARPU值低，給運(yùn)營(yíng)商帶來的回報(bào)有限。因此運(yùn)營(yíng)商最希望的是低成本，易管理地為當(dāng)?shù)鼐用裉峁┩ㄐ欧?wù)。
“綠色、一體化、小容量” Easysite站點(diǎn)解決方案在太陽能資源豐富的地區(qū)使用太陽能供電，徹底解決了基站供電和維護(hù)難題，實(shí)現(xiàn)節(jié)能環(huán)保。一體化的站點(diǎn)設(shè)計(jì)，大大減少了站點(diǎn)的土建工程，加快了施工速度，降低了建站初期的投資成本。
2.4、公路鐵路覆蓋：供電穩(wěn)定是關(guān)鍵
高速鐵路移動(dòng)通信覆蓋是一個(gè)世界性難題，在鐵路／高速公路的場(chǎng)景中，小區(qū)的頻繁切換導(dǎo)致掉話率大大升高，用戶體驗(yàn)很差。RRU拉遠(yuǎn)共小區(qū)方案可以擴(kuò)大小區(qū)覆蓋距離，降低切換頻率和掉話率，因此成為首選方案，而這種方案的關(guān)鍵是就地取電和備電。
為了更好應(yīng)用這種方案，小容量、帶備電的壁掛式電源應(yīng)運(yùn)而生。其安裝靈活，可以抱桿安裝，也可以和RRU一起直接掛在鐵塔上，幫助RRU拉得更遠(yuǎn)，使網(wǎng)絡(luò)質(zhì)量更好，同時(shí)還提高了防盜性能；壁掛式電源還可以配備小容量電池保證2-4小時(shí)備電，很好地解決了電網(wǎng)不穩(wěn)定的難題。
2.5、特殊覆蓋：溫控精準(zhǔn)是關(guān)鍵
室外站的應(yīng)用，意味著電源設(shè)備的工作環(huán)境溫度遠(yuǎn)高于或低于室內(nèi)站時(shí)代的22℃-25℃，電源的奈高、低溫特性，防塵、防雷等能力備受挑戰(zhàn)。目前，通信基站溫控能耗占了整個(gè)通信基站能耗的45%，因此基站溫控改造成了基站節(jié)能減排的重中之重；精準(zhǔn)送風(fēng)、直通風(fēng)、智能通風(fēng)、機(jī)房溫度等是基站溫控改造的重要措施。
三、精細(xì)化網(wǎng)絡(luò)覆蓋下的基站綠色供電技術(shù)
篇8
WCDMA 無線覆蓋 功率資源
中圖分類號(hào)：TN929.5 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-1010（2013）-18-0021-04
Analysis of WCDMA Power Resource in Township Coverage
LUO Zhe
（China United Network Communications Co.， Ltd.， Guangdong Branch， Guangzhou 510700， China）
[Abstract]
Through the analysis of propagation loss and diffraction characteristics for 2100MHz frequency and 900MHz frequency， this paper demonstrated the relation between coverage and power of WCDMA network and the constraints of the relation， by the analysis and comparison between the data of Zhanjiang and of Meizhou.
[Key words]
WCDMA wireless coverage power resources
收稿日期：2013-08-23
1 前言
目前，WCDMA網(wǎng)絡(luò)正在向鄉(xiāng)鎮(zhèn)區(qū)域發(fā)展。由于WCDMA系統(tǒng)工作在2 100MHz，頻率比較高，導(dǎo)致空間傳播損耗較大、繞射能力較弱，嚴(yán)重制約了WCDMA網(wǎng)絡(luò)的覆蓋能力。面對(duì)鄉(xiāng)鎮(zhèn)等廣域覆蓋場(chǎng)景，網(wǎng)絡(luò)管理人員需要摸清WCDMA的覆蓋能力，科學(xué)設(shè)置站點(diǎn)、合理配置參數(shù)，既要節(jié)省項(xiàng)目投資，又要保障網(wǎng)絡(luò)的容量和質(zhì)量，最終達(dá)到提升通信用戶感受的目的。
2 WCDMA覆蓋問題
（1）WCDMA系統(tǒng)使用2 100MHz頻率，空間傳播損耗較高。
根據(jù)自由空間傳播損耗公式：
PL=32.4+20lgD+20lgf （1）
當(dāng)距離相同時(shí)，2 100MHz頻率比900MHz頻率的空間傳播損耗約大7.36dB。具體計(jì)算如下：
當(dāng)f=2100MHz時(shí)，PL2100=32.4+20lgD+20lg （2100*106）；
當(dāng)f=900MHz時(shí)，PL900=32.4+20lgD+20lg（900*106）。
其中，D為空間距離，單位為km；f為工作頻率，單位為MHz。則：
PL2100-PL900=20lg（2100*106）-20lg（900*106）≈7.36dB
（2）WCDMA系統(tǒng)使用2 100MHz頻率，繞射能力較弱，受地理環(huán)境、障礙物的影響更明顯。
信號(hào)在傳輸過程中，在發(fā)射天線和接收天線之間連一條線，以這條線為軸心、R為半徑的一個(gè)類似于管道的區(qū)域內(nèi)沒有障礙物的完全阻擋，這個(gè)管道稱為菲涅爾區(qū)（Fresnel Zone）。菲涅爾區(qū)是一個(gè)橢球體，收發(fā)天線位于橢球體的兩個(gè)焦點(diǎn)上。如圖1所示：
圖1 菲涅爾半徑（繞射半徑）示意圖
菲涅爾半徑（繞射半徑）的計(jì)算公式如下：
R=0.5（λD）0.5 （2）
其中，D為發(fā)射天線和接收天線之間的距離；λ為波長(zhǎng)，單位為m，計(jì)算公式為：
λ=3*108/f （3）
當(dāng)無線信號(hào)的頻率為2 100MHz時(shí)，若D為1 000m，則：
λ=3*108/f=3*108/（2100*106）≈0.143m
R=0.5（λD）0.5=0.5（0.143*1000）0.5≈6m
當(dāng)無線信號(hào)的頻率為900MHz時(shí)，若D為1 000m，則：
λ=3*108/f=3*108/（900*106）≈0.333m
R=0.5（λD）0.5=0.5（0.333*1000）0.5≈9.13m
由以上計(jì)算結(jié)果可知，若發(fā)射天線和接收天線之間的距離為1 000m，則2 100MHz的無線信號(hào)可繞射過約6m半徑的障礙物，900MHz的無線信號(hào)可繞射過約9.13m半徑的障礙物。
同理可計(jì)算得出：若發(fā)射天線和接收天線之間的距離為4 000m，則2 100MHz的無線信號(hào)可繞射過約12m半徑的障礙物，900MHz的無線信號(hào)可繞射過約18.26m半徑的障礙物。
3 WCDMA功率資源特點(diǎn)
（1）資源池概念
在一個(gè)WCDMA載扇的范圍內(nèi)，下行發(fā)射功率是一個(gè)資源池的概念：一方面導(dǎo)頻、信令、業(yè)務(wù)共享功率資源；另一方面全部用戶都共享功率資源。
（2）功率控制
WCDMA有先進(jìn)的功率控制功能，通過1 600Hz的快速調(diào)整發(fā)射功率，解決遠(yuǎn)近效應(yīng)，以減少網(wǎng)絡(luò)干擾，克服陰影衰落和快衰落，從而提高系統(tǒng)容量和服務(wù)質(zhì)量。
（3）現(xiàn)網(wǎng)配置
根據(jù)合同采購(gòu)的標(biāo)準(zhǔn)模型，WCDMA單載扇的下行發(fā)射功率為20W（43dBm）。
現(xiàn)網(wǎng)一般將導(dǎo)頻設(shè)置為2W功率（33dBm），信令約占2W功率，剩余16W功率供全部用戶的業(yè)務(wù)使用。
4 測(cè)試驗(yàn)證和數(shù)據(jù)分析
4.1 測(cè)試場(chǎng)景
在湛江市白沙陳家橋基站測(cè)試了中興WCDMA基站設(shè)備（RRU上塔），功率分別設(shè)置為20W/30dBm、20W/33dBm、40W/36dBm、40W/39dBm共四種情況，GSM和WCDMA同車做語音路測(cè)。
在梅州市蕉嶺商業(yè)城基站測(cè)試了愛立信WCDMA基站設(shè)備（宏基站，但設(shè)置饋損參數(shù)為2dB，實(shí)際上增大了基站發(fā)射功率2dB，彌補(bǔ)了RRU未上塔的劣勢(shì)），功率分別設(shè)置為20W/33dBm、20W/36dBm、40W/36dBm、40W/39dBm共四種情況，GSM和WCDMA同車做語音路測(cè)。
4.2 數(shù)據(jù)分析
（1）提高功率后，中興WCDMA基站的語音覆蓋半徑有一定提高，愛立信WCDMA基站的語音覆蓋半徑基本沒有提高。
（2）中興WCDMA基站的語音覆蓋半徑明顯低于GSM，愛立信WCDMA基站的語音覆蓋半徑和GSM基本相當(dāng)。詳見表1所示。
（3）當(dāng)功率配置為小區(qū)最大發(fā)射總功率為40W、導(dǎo)頻功率為36dBm時(shí)，WCDMA系統(tǒng)達(dá)到了（略超過）上/下行覆蓋的平衡點(diǎn)。詳見表2所示。
表2 掉話次數(shù)統(tǒng)計(jì)表
中興 WCDMA
20W/30dBm WCDMA
20W/33dBm WCDMA
40W/36dBm WCDMA
40W/39dBm
上/下行掉話次數(shù) 0/5 0/2 3/2 5/0
（4）WCDMA基站的功率設(shè)置為40W/36dBm，GSM基站的功率設(shè)置為43dBm，此時(shí)GSM信號(hào)強(qiáng)度仍明顯超過WCDMA信號(hào)強(qiáng)度。詳見表3所示：
表3 信號(hào)強(qiáng)度統(tǒng)計(jì)表
從起呼到WCDMA掉話前相同時(shí)間段內(nèi)GSM網(wǎng)絡(luò)RxLev平均值 從起呼到WCDMA掉話前相同時(shí)間段內(nèi)WCDMA網(wǎng)絡(luò)RSCP平均值 差距
平均強(qiáng)度（中興）/dBm -90.31 -114.00 23.69
平均強(qiáng)度（愛立信）/dBm -83.76 -111.05 27.29
5 結(jié)論
（1）從現(xiàn)網(wǎng)平均站距看，功率不是覆蓋的最大瓶頸。
WCDMA基站提高下行發(fā)射功率對(duì)覆蓋半徑有一定效果，但不同廠家有一定區(qū)別。
在充分考慮不同廠家設(shè)備存在一定區(qū)別的前提下，WCDMA基站的語音覆蓋半徑仍然大于5 000m，遠(yuǎn)遠(yuǎn)超出了目前其覆蓋區(qū)域的平均站距（500～2 000m）。
（2）由于WCDMA工作頻率高，覆蓋主要受制于障礙物和地理環(huán)境。
根據(jù)自由空間傳播損耗公式，當(dāng)距離相同時(shí)，2 100MHz頻率比900MHz頻率的空間傳播損耗約大7.36dB。但從實(shí)際測(cè)試結(jié)果看，當(dāng)距離相同時(shí)，2 100MHz頻率比900MHz頻率的傳播損耗大23.69～27.29dB。這說明在現(xiàn)網(wǎng)情況下，除了空間傳播損耗，還有其它因素明顯影響傳播損耗。
根據(jù)菲涅爾半徑（繞射半徑）的計(jì)算公式可知，WCDMA系統(tǒng)使用2 100MHz頻率，直射能力較強(qiáng)、繞射能力較弱，受地理環(huán)境、障礙物的影響更明顯。在很多場(chǎng)景下，GSM信號(hào)能夠繞射到覆蓋區(qū)域，但WCDMA信號(hào)就繞射不到覆蓋區(qū)域，只能通過強(qiáng)行穿透到覆蓋區(qū)域，導(dǎo)致傳播損耗明顯變大，覆蓋效果比GSM差。
（3）上、下行功率要平衡。
單純加大基站的下行發(fā)射功率能減少下行功率受限類的掉話，但對(duì)上行功率受限類的掉話沒有作用。
從測(cè)試情況來看，當(dāng)導(dǎo)頻功率設(shè)置為35～36dBm時(shí)，WCDMA系統(tǒng)基本達(dá)到了上、下行覆蓋的平衡點(diǎn)。
（4）WCDMA基站是否擴(kuò)容功率資源主要參考功率利用率。
1）WCDMA下行發(fā)射功率是一個(gè)資源池的概念，導(dǎo)頻、信令、業(yè)務(wù)共享功率資源，要結(jié)合功率利用率（和業(yè)務(wù)量的關(guān)系緊密）合理地設(shè)置導(dǎo)頻功率，在覆蓋和業(yè)務(wù)量中找平衡；
2）對(duì)于業(yè)務(wù)量較高的站點(diǎn)，一般將導(dǎo)頻設(shè)置為33dB，加上信令開銷，大約占用了4W功率，還剩16W功率給業(yè)務(wù)使用；
3）對(duì)于業(yè)務(wù)量較低的站點(diǎn)，可以將導(dǎo)頻設(shè)置為36dB，加上信令開銷，大約占用了8W功率，還剩12W功率給業(yè)務(wù)使用（從湛江、梅州的測(cè)試結(jié)果看，20W/36dB和40W/36dB的覆蓋效果基本一致，導(dǎo)頻設(shè)置為36dB，不一定要將功率升至40W）；
4）當(dāng)載扇（小區(qū)）的忙時(shí)功率利用率達(dá)到60%～70%時(shí)，需要結(jié)合覆蓋、業(yè)務(wù)量、站距、鄰區(qū)等綜合情況來解決，例如單載扇從20W擴(kuò)容至40W、擴(kuò)容雙載扇和新增基站等。
參考文獻(xiàn)：
[1] 張傳福，彭燦，苑聞京，等. WCDMA通信網(wǎng)絡(luò)規(guī)劃與設(shè)計(jì)[M]. 北京： 人民郵電出版社， 2007.
[2] 郭東亮. WCDMA規(guī)劃設(shè)計(jì)手冊(cè)[M]. 北京： 人民郵電出版社， 2005.
[3] 姜波. WCDMA關(guān)鍵技術(shù)詳解[M]. 北京： 人民郵電出版社， 2008.
[4] William Stallings. 無線通信與網(wǎng)絡(luò)[M]. 何軍，譯. 北京： 清華大學(xué)出版社， 2005.
篇9
0引言
能源是支撐人類文明進(jìn)步的物質(zhì)基礎(chǔ)，是現(xiàn)代社會(huì)發(fā)展不可或缺的基本條件。在中國(guó)實(shí)現(xiàn)現(xiàn)代化和全體人民共同富裕的進(jìn)程中，能源始終是一個(gè)重大戰(zhàn)略問題。大力發(fā)展新能源和可再生能源，是推進(jìn)能源多元清潔發(fā)展、培育戰(zhàn)略性新興產(chǎn)業(yè)的重要戰(zhàn)略舉措，也是保護(hù)生態(tài)環(huán)境、應(yīng)對(duì)氣候變化、實(shí)現(xiàn)可持續(xù)發(fā)展的迫切需要， 到“十二五”末，非化石能源消費(fèi)占一次能源消費(fèi)比重將達(dá)到11.4%，非化石能源發(fā)電裝機(jī)比重達(dá)到30%＼[1＼]。
風(fēng)電作為可再生能源中最具開發(fā)價(jià)值的能源，在世界范圍內(nèi)得到了廣泛的開發(fā)利用。但是由于風(fēng)速的隨機(jī)性，導(dǎo)致風(fēng)電功率具有很大的波動(dòng)性和不確定性，這給電力系統(tǒng)的穩(wěn)定運(yùn)行帶來了影響，從而限制了電力系統(tǒng)對(duì)風(fēng)電功率的吸納。據(jù)國(guó)家能源局最新統(tǒng)計(jì)報(bào)告中指出：內(nèi)蒙古風(fēng)電裝機(jī)容量占該地區(qū)所有能源總量的30%左右，但是并到電網(wǎng)上的風(fēng)電機(jī)組容量份額不到總風(fēng)電裝機(jī)容量的2%。要提高對(duì)風(fēng)電的開發(fā)利用，需要進(jìn)一步提高風(fēng)電功率預(yù)測(cè)的準(zhǔn)確性。文獻(xiàn)＼[2，3＼]介紹了利用傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)來對(duì)風(fēng)電場(chǎng)短時(shí)功率進(jìn)行預(yù)測(cè)，在預(yù)測(cè)過程中考慮了風(fēng)速的季節(jié)性變化，預(yù)測(cè)結(jié)果滿足應(yīng)用要求；文獻(xiàn)＼[4＼]給出利用歷史功率信息進(jìn)行預(yù)測(cè)和利用歷史氣象信息與功率信息進(jìn)行預(yù)測(cè)的不同，并指出利用歷史氣象信息和功率信息的預(yù)測(cè)結(jié)果要高；文獻(xiàn)＼[57＼]介紹由多種預(yù)測(cè)算法組合而成的風(fēng)電場(chǎng)功率預(yù)測(cè)算法，并指出這些組合預(yù)測(cè)算法的預(yù)測(cè)精度比單一預(yù)測(cè)算法的精度有所提高，但是計(jì)算時(shí)間比單一預(yù)測(cè)算法要長(zhǎng)。
本文首先對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn)，然后利用過去10天的NWP數(shù)據(jù)和功率數(shù)據(jù)，作為改進(jìn)后BP神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。以未來3小時(shí)的NWP數(shù)據(jù)作為改進(jìn)后BP神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)對(duì)輸出功率進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果既確保了較低的預(yù)測(cè)誤差，又提高了系統(tǒng)的穩(wěn)定性和收斂速度。
1BP神經(jīng)網(wǎng)絡(luò)算法改進(jìn)
1.1BP神經(jīng)網(wǎng)絡(luò)理論
BP網(wǎng)絡(luò)又稱為誤差逆?zhèn)鞑ニ惴ǎ湫偷腂P網(wǎng)絡(luò)由輸入層、隱含層和輸出層組成，各層之間實(shí)行全連結(jié)。BP網(wǎng)絡(luò)的學(xué)習(xí)過程，由模式順傳播、誤差逆?zhèn)鞑?、記憶?xùn)練、學(xué)習(xí)收斂4個(gè)過程組成。
1.1.1模式順傳播
模式順傳播是由輸入模式提供給網(wǎng)絡(luò)的輸入層開始，輸入層各單元對(duì)應(yīng)于輸入模式向量的各個(gè)元素。設(shè)輸入模式向量Xz=（x1，x2，…，xn）（z=1，2，…，m），其中，z為學(xué)習(xí)模式對(duì)，n為輸入層單元個(gè)數(shù)。對(duì)應(yīng)輸入模式的希望輸出向量Yz=（y1，y2，…，yq），其中，q為輸出層單元個(gè)數(shù)。根據(jù)BP網(wǎng)絡(luò)的計(jì)算原理，隱含層各單元的輸入為：
sj=∑n[]i=1wijai-θj（1）
式（1）中：s＼-j為隱含層輸入值；θ＼-j為隱含層閾值，j=1，2，…，p；p為隱含層單元個(gè)數(shù)；w＼-＼{ij＼}為輸入層和隱含層的連接權(quán)值；a＼-i為輸入層的第i個(gè)神經(jīng)元，i=1，2，…，n。
為模擬生物神經(jīng)元的非線性特性，以s＼-j為S函數(shù)的自變量，計(jì)算隱含層各單元的輸出，S函數(shù)的數(shù)學(xué)表達(dá)式為：
bj=f（sj）=1[]1+e-sj（2）
式（2）中：b＼-j為隱含層第j個(gè)神經(jīng)單元的輸出值。
單元輸出閾值θ＼-j為模擬生物神經(jīng)元的閾值電位而設(shè)置，它在訓(xùn)練過程中不斷被修改。輸出層各單元的輸入為：
Lt=∑p[]j=1vjt-γ＼-t（3）
Ct=f（Lt）（4）
式（3）、（4）中：v＼-＼{jt＼}為隱含層神經(jīng)元j至輸出層神經(jīng)元t的連結(jié)權(quán)值；γ＼-t為輸出層神經(jīng)元的閾值，t為輸出層神經(jīng)元個(gè)數(shù)，t=1，2，…，q；f為S函數(shù)；L＼-t為輸出層神經(jīng)的輸入值。
1.1.2誤差逆?zhèn)鞑?/p>
誤差逆?zhèn)鞑サ牡谝徊绞沁M(jìn)行誤差計(jì)算，誤差逆?zhèn)鞑ミ^程是由輸出層的誤差d＼-j向隱含層的誤差e＼-j傳遞的過程，輸出層的校正誤差為：
dkt=（ykt-Ckt）f′（Lt）（5）
式（5）中：（y＼+k＼-t-c＼+k＼-t）表示網(wǎng)絡(luò)希望輸出與實(shí)際輸出的絕對(duì)誤差，k=1，2，…，m；f′（L＼-t）是根據(jù)每個(gè)單元的實(shí)際響應(yīng)調(diào)整偏差量。
為完成誤差向隱含層傳遞，需要計(jì)算隱含層各單元的校正誤差，隱含層校正誤差為：
ekj=∑q[]t=1vjtdktf′（sj）（6）
式（6）的物理意義與（5）相似，只不過每一個(gè)中間隱含層單元的校正誤差都由q個(gè)輸出層單元校正誤差傳遞而產(chǎn)生。
得到了校正誤差d＼+k＼-t與e＼+k＼-j之后，沿逆方向調(diào)整整個(gè)輸出層至隱含層、隱含層至輸入層之間的連接權(quán)以及各單元的輸出閾值，其調(diào)整公式為：
Δvjt=dktbkj（7）
Δγt=dkt（8）
Δwij=βekjaki（9）
Δθj=βekj（10）
式（7）～式（10）中：、β為學(xué)習(xí)速率，0
1.2BP神經(jīng)網(wǎng)絡(luò)算法改進(jìn)
由于傳統(tǒng)BP網(wǎng)絡(luò)算法收斂速度慢，容易陷入局部最小點(diǎn)，實(shí)際使用效果較差。本文采用慣性校正算法來對(duì)傳統(tǒng)BP網(wǎng)絡(luò)算法進(jìn)行改進(jìn)。所謂慣性校正算法，就是在每一次對(duì)連接權(quán)或輸出閾值進(jìn)行校正時(shí)，按一定的比例加上前一次學(xué)習(xí)時(shí)的校正量，即慣性項(xiàng)，加速網(wǎng)絡(luò)學(xué)習(xí)的收斂。
ΔW（N）=d+ηΔW（N-1）（11）
式（11）中：ΔW（N）為本次應(yīng)得校正量；ΔW（N-1）為前一次校正量；d為本次誤差計(jì)算得到的校正量；η為慣性系數(shù)（0
上面提到的學(xué)習(xí)速率、β在標(biāo)準(zhǔn)BP算法中是常數(shù)，如果學(xué)習(xí)系數(shù)選擇不當(dāng)，將會(huì)導(dǎo)致網(wǎng)絡(luò)收斂速度較慢，運(yùn)算時(shí)間較長(zhǎng)，在訓(xùn)練時(shí)如何選擇最佳的學(xué)習(xí)系數(shù)是一件困難的事情，本文采用一種自適應(yīng)調(diào)整學(xué)習(xí)速率的方法＼[8＼]。在訓(xùn)練過程中，學(xué)習(xí)速率根據(jù)局部誤差曲面作出不斷調(diào)整，學(xué)習(xí)速率的調(diào)節(jié)如式（12）所示。
α（n+1）=kincα（n），E（t+1）E（t）α（n） ，E（t+1）=E（t）（12）
其中，學(xué)習(xí)速率增量k＼-＼{inc＼}大于1，學(xué)習(xí)速率減量k＼-＼{dec＼}小于1。當(dāng)E（t+1）E（t）時(shí)，表明第t次迭代運(yùn)算是無效的，應(yīng)減小學(xué)習(xí)速率。
2模型建立及數(shù)據(jù)處理
根據(jù)以上BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)原理，結(jié)合風(fēng)電場(chǎng)數(shù)值天氣預(yù)報(bào)數(shù)據(jù)和功率數(shù)據(jù)，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)的模型。本文的神經(jīng)網(wǎng)絡(luò)模型由輸入層、隱含層和輸出層三層構(gòu)成，輸入層的輸入數(shù)據(jù)主要是數(shù)值天氣預(yù)報(bào)的數(shù)據(jù)，包括風(fēng)速、風(fēng)向、溫度、濕度和壓力，其中風(fēng)向可由角度的正弦值和余弦值來進(jìn)行表示，從而可確定神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)量為6個(gè)。按照神經(jīng)網(wǎng)絡(luò)構(gòu)建經(jīng)驗(yàn)，隱含層神經(jīng)元個(gè)數(shù)約是輸入層神經(jīng)元個(gè)數(shù)的2倍左右，本文中取隱含層神經(jīng)元個(gè)數(shù)為13個(gè)。輸出層的輸出主要是風(fēng)電場(chǎng)的功率，所以輸出層神經(jīng)元個(gè)數(shù)為1個(gè)。圖1是按照本文要求設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。
數(shù)據(jù)樣本為某風(fēng)電場(chǎng)2月1日-10日之間的天氣預(yù)報(bào)數(shù)據(jù)和風(fēng)電場(chǎng)的輸出功率數(shù)據(jù)，每15min采集一次數(shù)據(jù)樣本，共960組訓(xùn)練數(shù)據(jù)。該風(fēng)電場(chǎng)風(fēng)機(jī)類型為GE公司1.5WM風(fēng)機(jī)，切入風(fēng)速為3m/s，額定風(fēng)速為13m/s，整個(gè)風(fēng)電場(chǎng)裝有風(fēng)機(jī)122臺(tái)，風(fēng)電場(chǎng)裝機(jī)總?cè)萘?83WM。
3網(wǎng)絡(luò)訓(xùn)練及數(shù)據(jù)分析
將10天采集的960組數(shù)值天氣預(yù)報(bào)數(shù)據(jù)作為數(shù)據(jù)，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練次數(shù)為1 000次，訓(xùn)練誤差為0.03，誤差訓(xùn)練結(jié)果如圖2所示。通過圖2可知，當(dāng)訓(xùn)練到達(dá)98次時(shí)，均方誤差已經(jīng)達(dá)到訓(xùn)練要求。
圖3是訓(xùn)練樣本中風(fēng)電場(chǎng)實(shí)際輸出功率與網(wǎng)絡(luò)計(jì)算功率的比較圖，實(shí)線表示風(fēng)電場(chǎng)實(shí)際輸出功率，虛線表示神經(jīng)網(wǎng)絡(luò)計(jì)算功率。從圖中可知，風(fēng)電場(chǎng)實(shí)際功率與神經(jīng)網(wǎng)絡(luò)輸出功率的變化趨勢(shì)相同，證明利用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)具有實(shí)際可行性。
本文以2月11號(hào)3h的風(fēng)電場(chǎng)數(shù)值天氣預(yù)報(bào)數(shù)據(jù)作為輸入，利用訓(xùn)練好的改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)對(duì)未來3h的風(fēng)電場(chǎng)可能輸出功率進(jìn)行預(yù)測(cè)，預(yù)測(cè)誤差在12%左右，滿足國(guó)家電網(wǎng)公司對(duì)風(fēng)電場(chǎng)功率預(yù)測(cè)的要求＼[9＼]。
4結(jié)語
對(duì)常規(guī)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn)，加快了BP神經(jīng)網(wǎng)絡(luò)的收斂速度，克服了BP神經(jīng)網(wǎng)絡(luò)容易陷入局部最小點(diǎn)的缺點(diǎn)，增加了BP神經(jīng)網(wǎng)絡(luò)的實(shí)用價(jià)值。
以某一風(fēng)電場(chǎng)2月1-10日共10天的風(fēng)電場(chǎng)數(shù)值天氣預(yù)報(bào)數(shù)據(jù)和風(fēng)電場(chǎng)輸出功率數(shù)據(jù)為訓(xùn)練樣本，對(duì)改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練過程收斂速度快，訓(xùn)練結(jié)果理想。利用訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)對(duì)2月11號(hào)3h內(nèi)的風(fēng)電場(chǎng)輸出功率進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果滿足能源局要求。
參考文獻(xiàn)：
＼[1＼]國(guó)務(wù)院新聞辦公室.《中國(guó)的能源政策（2012）》白皮書＼[R＼].北京：新華社，2012.
＼[2＼]袁鐵江，晁勤，李義巖，等.大規(guī)模風(fēng)電并網(wǎng)電力系統(tǒng)經(jīng)濟(jì)調(diào)度中風(fēng)電場(chǎng)出力的短期預(yù)測(cè)模型＼[J＼].中國(guó)電機(jī)工程學(xué)報(bào)，2010（13）.
＼[3＼]ZHENHAI GUO， JIE WUB， HAIYAN LU， et al. A case study on a hybrid wind speed forecasting method using BP neural network＼[J＼].KnowledgeBased Systems，2011（24）.
＼[4＼]MARIA GRAZIA DE GIORGI， ANTONIO FICARELLA， MARCO TARANTINO. Assessment of the benefits of numerical weather predictions in wind power forecasting based on statistical methods＼[J＼].Energy，2011（36）.
＼[5＼]J P S CATAL O， H M I POUSINHO. Hybrid waveletpsoanfis approach for shortterm wind power forecasting in portugal＼[J＼].IEEE Transactions on Sustainable Energy，2011（1）.
＼[6＼]方江曉，周暉，黃梅，等.基于統(tǒng)計(jì)聚類分析的短期風(fēng)電功率預(yù)測(cè)＼[J＼].電力系統(tǒng)保護(hù)與控制，2011（11）.
篇10
文獻(xiàn)標(biāo)識(shí)碼：A
文章編號(hào)：16727800（2017）004019704
0引言
隨著互聯(lián)網(wǎng)的迅猛發(fā)展，網(wǎng)絡(luò)規(guī)模及其應(yīng)用的復(fù)雜性日益加大，網(wǎng)絡(luò)及電腦設(shè)備的負(fù)荷不斷增長(zhǎng)，導(dǎo)致網(wǎng)絡(luò)性能不斷降低，運(yùn)行緩慢、系統(tǒng)崩潰等現(xiàn)象時(shí)有發(fā)生，給用戶帶來了許多風(fēng)險(xiǎn)。網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)估是指對(duì)網(wǎng)絡(luò)中已知或潛在的安全風(fēng)險(xiǎn)進(jìn)行探測(cè)、識(shí)別、計(jì)算、評(píng)價(jià)的過程。通過對(duì)網(wǎng)絡(luò)風(fēng)險(xiǎn)進(jìn)行評(píng)估，可以了解潛在的危害，有針對(duì)性地加以安全防范，從而保障網(wǎng)絡(luò)的安全運(yùn)行。 近年來，風(fēng)險(xiǎn)評(píng)估相關(guān)研究受到國(guó)內(nèi)外學(xué)者的廣泛關(guān)注，提出了許多研究方法。孫鵬程、陳吉寧[1]通過貝葉斯網(wǎng)絡(luò)直觀地表示事故風(fēng)險(xiǎn)源和河流水質(zhì)之間的相關(guān)性，并用時(shí)序蒙特卡洛算法將風(fēng)險(xiǎn)源狀態(tài)模擬、水質(zhì)模擬和貝葉斯網(wǎng)絡(luò)推理過程結(jié)合，對(duì)多個(gè)風(fēng)險(xiǎn)源進(jìn)行量化評(píng)估。吳欣[2]提出了一種新的基于貝葉斯網(wǎng)絡(luò)的方法有效地處理故障診斷中存在的問題，同時(shí)根據(jù)提出方法的特點(diǎn)設(shè)計(jì)了基于多系統(tǒng)（MAS）的故障診斷體系結(jié)構(gòu)。閆峰[3]提出基于攻擊圖的網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估方法，將攻擊圖技術(shù)應(yīng)用到網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估中，通過攻擊圖展示攻擊者利用網(wǎng)絡(luò)中脆弱性及脆弱性間依賴關(guān)系綜合入侵目標(biāo)網(wǎng)絡(luò)的攻擊場(chǎng)景，并在此基礎(chǔ)上計(jì)算網(wǎng)絡(luò)的安全風(fēng)險(xiǎn)并尋找最小代價(jià)的網(wǎng)絡(luò)加固措施。由于貝葉斯網(wǎng)絡(luò)本質(zhì)上是一個(gè)有序無環(huán)圖，基于貝葉斯網(wǎng)絡(luò)的概率計(jì)算方法也只能m用于無環(huán)的攻擊圖，且計(jì)算繁雜度為指數(shù)級(jí)，不適合大規(guī)模網(wǎng)絡(luò)使用。 國(guó)外學(xué)者S Kondakci[4]提出了一種基于貝葉斯信念網(wǎng)絡(luò)的因果關(guān)系評(píng)價(jià)模型，用來分析和量化由各種威脅源造成的信息安全風(fēng)險(xiǎn)。TT Chen和SS Leu[5]建立了一種基于故障樹轉(zhuǎn)換的貝葉斯網(wǎng)絡(luò)，對(duì)橋梁建設(shè)項(xiàng)目進(jìn)行下跌風(fēng)險(xiǎn)評(píng)估。S Barua，X Gao[6]等提出了一種基于貝葉斯網(wǎng)絡(luò)的動(dòng)態(tài)系統(tǒng)風(fēng)險(xiǎn)評(píng)估方法，建立了一個(gè)化工過程系統(tǒng)動(dòng)態(tài)故障樹，將它映射到貝葉斯網(wǎng)絡(luò)，通過動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)來演示動(dòng)態(tài)操作風(fēng)險(xiǎn)評(píng)估方法。傳統(tǒng)推理方法不適合確定風(fēng)險(xiǎn)因素的后驗(yàn)概率，不同專家提供的數(shù)據(jù)會(huì)直接影響精確度和評(píng)估質(zhì)量。 貝葉斯網(wǎng)絡(luò)分析方法是一種新的定量分析方法，通過使用概率理論來描述不同因素之間的關(guān)系，這種概率推理方法本質(zhì)上是基于一個(gè)有向無環(huán)圖，它代表著節(jié)點(diǎn)間的概率相關(guān)性。并且，它能夠有效地處理現(xiàn)實(shí)生活中的不確定性問題。許多專家都使用貝葉斯網(wǎng)絡(luò)分析方法來進(jìn)行風(fēng)險(xiǎn)評(píng)估，并應(yīng)用于交通事故、水污染事故、電力故障和信息安全等。貝葉斯網(wǎng)絡(luò)能夠有效地處理不確定性問題，它提供了強(qiáng)大的計(jì)算能力，能夠通過已知信息計(jì)算未知信息，進(jìn)而進(jìn)行有效推理。由于在網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)估方面也有許多不確定性因素，且存在著一定的相似性，故本文使用貝葉斯網(wǎng)絡(luò)方法對(duì)網(wǎng)絡(luò)運(yùn)行過程中的風(fēng)險(xiǎn)進(jìn)行評(píng)估。
1貝葉斯網(wǎng)絡(luò)
1.1貝葉斯網(wǎng)絡(luò)的描述
作為描述不確定性信息和推理的最有效理論模型之一，貝葉斯網(wǎng)絡(luò)應(yīng)用于人工智能的幾大分領(lǐng)域包括因果推理、不確定性知識(shí)表示、模式識(shí)別和分類等，它結(jié)合了人工智能、概率理論以及圖形理論，是一種將因果知識(shí)和概率知識(shí)相結(jié)合的信息表示框架。它可以直觀地表達(dá)出各風(fēng)險(xiǎn)因素之間的相互關(guān)系，便于從不完整或不確定的信息中進(jìn)行推理。貝葉斯網(wǎng)絡(luò)包含2個(gè)部分：一個(gè)是網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，另一個(gè)是條件概率表。網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)是模型的定性描述部分，是一個(gè)有向無環(huán)圖，其中每個(gè)節(jié)點(diǎn)代表論域中的隨機(jī)變量，變量之間存在一條有向弧連接相鄰節(jié)點(diǎn)，有向弧代表變量間的依賴關(guān)系，如果兩個(gè)節(jié)點(diǎn)之間沒有邊連接，那么它們沒有直接依賴關(guān)系相互獨(dú)立；節(jié)點(diǎn)與其父節(jié)點(diǎn)之間的條件概率表用來描述變量之間的關(guān)系強(qiáng)度。節(jié)點(diǎn)與父節(jié)點(diǎn)之間存在一種因果聯(lián)系，這種因果聯(lián)系可以準(zhǔn)確地反映出它們之間的依賴關(guān)系。在貝葉斯網(wǎng)絡(luò)中，定性信息主要通過網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)表達(dá)，而定量信息主要通過節(jié)點(diǎn)的聯(lián)合概率密度表示。 貝葉斯網(wǎng)絡(luò)的條件獨(dú)立性假設(shè)是一個(gè)非常重要的特性，它顯著地減少了使用先驗(yàn)概率進(jìn)行網(wǎng)絡(luò)推測(cè)的計(jì)算難度。對(duì)于任何一個(gè)節(jié)點(diǎn)，當(dāng)給定它所有父節(jié)點(diǎn)的狀態(tài)時(shí)，該節(jié)點(diǎn)與其所有祖先節(jié)點(diǎn)條件獨(dú)立[7]。
貝葉斯網(wǎng)絡(luò)模型構(gòu)建包括2個(gè)步驟：①構(gòu)建網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，定性描述各節(jié)點(diǎn)之間的因果關(guān)系；②構(gòu)建一個(gè)條件概率表，定量描述網(wǎng)絡(luò)中各節(jié)點(diǎn)的關(guān)系強(qiáng)度。
1.2基于貝葉斯網(wǎng)絡(luò)模型的網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)估結(jié)構(gòu)
基于貝葉斯網(wǎng)絡(luò)的風(fēng)險(xiǎn)評(píng)估流程如圖1所示。①風(fēng)險(xiǎn)因素識(shí)別，從所有網(wǎng)絡(luò)性能指標(biāo)中，選取適當(dāng)?shù)膸讉€(gè)指標(biāo)進(jìn)行實(shí)驗(yàn)；②構(gòu)建網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，通過貝葉斯網(wǎng)絡(luò)進(jìn)行分析，確定各指標(biāo)之間的依賴關(guān)系，畫出貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖；③風(fēng)險(xiǎn)因素概率計(jì)算，首先，采集數(shù)據(jù)并進(jìn)行歸一化處理，得到對(duì)應(yīng)指標(biāo)某一時(shí)間段的時(shí)間序列圖，然后進(jìn)行統(tǒng)計(jì)分析，計(jì)算出各指標(biāo)的先驗(yàn)概率，最后，通過BNT工具箱計(jì)算出各指標(biāo)的后驗(yàn)概率；④網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)估。通過上述計(jì)算結(jié)果，結(jié)合給定的評(píng)估系數(shù)公式，求出各指標(biāo)的φ（xi）并進(jìn)行排序，最后，計(jì)算網(wǎng)絡(luò)風(fēng)險(xiǎn)率p（R），結(jié)合風(fēng)險(xiǎn)等級(jí)表查看當(dāng)前時(shí)刻的網(wǎng)絡(luò)風(fēng)險(xiǎn)等級(jí)。
1.2.1風(fēng)險(xiǎn)識(shí)別在網(wǎng)絡(luò)運(yùn)行過程中，由于用戶使用不當(dāng)或者網(wǎng)絡(luò)攻擊可能造成網(wǎng)絡(luò)性能降低，產(chǎn)生網(wǎng)絡(luò)風(fēng)險(xiǎn)，網(wǎng)絡(luò)風(fēng)險(xiǎn)可能由多種風(fēng)險(xiǎn)因素的相互作用而引起。本文通過相關(guān)文獻(xiàn)查閱、實(shí)驗(yàn)調(diào)查和數(shù)據(jù)采集，選取了流量、CPU和內(nèi)存3個(gè)風(fēng)險(xiǎn)因素，對(duì)應(yīng)的狀態(tài)如表1所示。
1.2.2網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)構(gòu)建通過一個(gè)鄰接矩陣LJ=（aij）n×n構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)，當(dāng)節(jié)點(diǎn)i是節(jié)點(diǎn)j的父節(jié)點(diǎn)時(shí)，aij=1；否則aij=0。然后，通過矩陣對(duì)角元素來確定最終矩陣。如果，鄰接矩陣的對(duì)角元素不全為0，那么該網(wǎng)絡(luò)結(jié)構(gòu)就不符合有向無環(huán)圖，反之，則適合。由于在網(wǎng)絡(luò)運(yùn)行過程中，流量、CPU、內(nèi)存的超標(biāo)都可能引起網(wǎng)絡(luò)風(fēng)險(xiǎn)，所以網(wǎng)絡(luò)風(fēng)險(xiǎn)與流量、CPU、內(nèi)存之間存在直接依賴關(guān)系。而流量的超標(biāo)也有可能導(dǎo)致CPU、內(nèi)存超標(biāo)，所以CPU、內(nèi)存與流量之間也存在直接依賴關(guān)系。因此，可得到如下鄰接矩陣：
由式（4）可知，鄰接矩陣LJ中所有對(duì)角元素均為0，所以該結(jié)構(gòu)是一個(gè)有向無環(huán)圖，滿足模型需求。因此，圖2中的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)是一個(gè)合理的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。
其中，節(jié)點(diǎn)1代表流量，節(jié)點(diǎn)2代表CPU，節(jié)點(diǎn)3代表內(nèi)存，節(jié)點(diǎn)4代表網(wǎng)絡(luò)風(fēng)險(xiǎn)。
1.2.3風(fēng)險(xiǎn)因素概率計(jì)算通過實(shí)驗(yàn)，分別監(jiān)測(cè)一段時(shí)間內(nèi)看視頻、看網(wǎng)頁、下載以及網(wǎng)絡(luò)攻擊情況下的網(wǎng)絡(luò)性能指標(biāo)情況，得到流量、CPU、內(nèi)存的時(shí)間序列圖，經(jīng)過歸一化后如圖3-圖5所示。
現(xiàn)假定流量、CPU、內(nèi)存超標(biāo)的臨界值分別為0.7、0.6、0.6[810]，從2 000個(gè)數(shù)據(jù)中分別進(jìn)行統(tǒng)計(jì)，得到各指標(biāo)的條件概率表（見表2-表5）。
由表2、表3、表4、表5可獲得先驗(yàn)概率分布，如圖6所示。接下來通過BNT工具箱，輸入流量、CPU、內(nèi)存的條件概率，得到各指標(biāo)的后驗(yàn)概率，如圖7所示。圖6是根據(jù)實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)得出的流量、CPU、內(nèi)存各狀態(tài)發(fā)生風(fēng)險(xiǎn)的先驗(yàn)概率，而圖7是通過BNT工具箱計(jì)算得到的當(dāng)風(fēng)險(xiǎn)發(fā)生情況下流量、CPU、內(nèi)存各狀態(tài)發(fā)生風(fēng)險(xiǎn)的后驗(yàn)概率。通過比較圖6和圖7可知，當(dāng)確定有網(wǎng)絡(luò)風(fēng)險(xiǎn)發(fā)生時(shí)，流量、CPU、內(nèi)存為True狀態(tài)時(shí)的概率都增加了，其中流量變化最明顯。通過BNT工具箱還可以得出，當(dāng)只有流量超標(biāo)情況下，發(fā)生風(fēng)險(xiǎn)的概率為0.018 8，而當(dāng)增加一個(gè)風(fēng)險(xiǎn)因素，即流量、CPU都超標(biāo)的情況下，發(fā)生風(fēng)險(xiǎn)的概率為0.026 0。由此可見，當(dāng)更多的不利因素呈現(xiàn)時(shí)，網(wǎng)絡(luò)風(fēng)險(xiǎn)的概率就會(huì)增加。
1.2.4網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)估通過對(duì)造成網(wǎng)絡(luò)風(fēng)險(xiǎn)主要因素的討論，給定一個(gè)參考系數(shù)，作為某個(gè)風(fēng)險(xiǎn)因素的概率變化的最大允許量[11]，表達(dá)如下：
其中，Xi是某個(gè)風(fēng)險(xiǎn)因素，i=1，2，3；RT表示發(fā)生網(wǎng)絡(luò)風(fēng)險(xiǎn)，RF表示沒有發(fā)生網(wǎng)絡(luò)風(fēng)險(xiǎn)，S是風(fēng)險(xiǎn)因素的狀態(tài)，u取T（True）或者F（False）。根據(jù)上文計(jì)算結(jié)果結(jié)合式（5）可以得到φ（X1）=76.07，φ（X2）=14.87，φ（X3）=21.56，即φ（X1）>φ（X3）>φ（X2） 。其中，X1、X2、X3分別代表流量、CPU、內(nèi)存，φ越高則它造成網(wǎng)絡(luò)風(fēng)險(xiǎn)的可能性就越大。因此，由上述排序可知，在該段時(shí)間內(nèi)，流量造成網(wǎng)絡(luò)風(fēng)險(xiǎn)的可能性最大，其次是內(nèi)存，最后是CPU。得到流量、CPU、內(nèi)存的后驗(yàn)概率后，給定一個(gè)網(wǎng)絡(luò)風(fēng)險(xiǎn)率公式[11]如下：P（R）=P（L）×P（C）×P（M）〖JY〗（6）其中，P（L）、P（C）、P（M）分別表示在風(fēng)險(xiǎn)發(fā)生的情況下，是由流量引起的概率、是由CPU引起的概率以及是由內(nèi)存引起的概率。將上文計(jì)算結(jié)果代入式（6）可得，P（R）=0.042 1。文獻(xiàn)[12]給出了風(fēng)險(xiǎn)頻率范圍的分類標(biāo)準(zhǔn)，如表6所示。由此可知：①網(wǎng)絡(luò)風(fēng)險(xiǎn)率結(jié)果顯示，該段時(shí)間的概率為0.042 1，屬于略高風(fēng)險(xiǎn)級(jí)別，需要加以重視；②由各網(wǎng)絡(luò)風(fēng)險(xiǎn)因素的影響程度可知，該時(shí)刻流量對(duì)網(wǎng)絡(luò)的影響程度最大，因此，需要對(duì)流量進(jìn)行重點(diǎn)監(jiān)控，必要時(shí)可進(jìn)行限制。
2結(jié)語
本文主要研究了基于貝葉斯網(wǎng)絡(luò)方法的網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)估問題，提出了相應(yīng)的計(jì)算模型，并進(jìn)行了實(shí)例計(jì)算。風(fēng)險(xiǎn)評(píng)估的過程主要包括風(fēng)險(xiǎn)識(shí)別、模型構(gòu)造、定量計(jì)算。本文利用貝葉斯的條件獨(dú)立性假設(shè)這一特性，簡(jiǎn)化了模型的計(jì)算復(fù)雜度，具有一定的應(yīng)用價(jià)值。
參考文獻(xiàn)：
[1]孫鵬程，陳吉寧.基于貝葉斯網(wǎng)絡(luò)的河流突發(fā)性水質(zhì)污染事故風(fēng)險(xiǎn)評(píng)估[J].環(huán)境科學(xué)，2009，30（1）：4751.
[2]吳欣.基于改進(jìn)貝葉斯網(wǎng)絡(luò)方法的電力系統(tǒng)故障診斷研究[D].杭州：浙江大學(xué)，2005.
[3]閆峰.基于攻擊圖的網(wǎng)絡(luò)安全風(fēng)險(xiǎn)評(píng)估技術(shù)研究[D].長(zhǎng)春：吉林大學(xué)，2014.
[4]S work security risk assessment using bayesian belief networks[C].IEEE Second International Conference on Social Computing，2010：952960.
[5]TT CHEN，SS LEU.Fall risk assessment of cantilever bridge projects using Bayesian network[J].Safety Science，2014，70（70）：161171.
[6]S BARUA，X GAO，H PASMAN，et al.Bayesian network based dynamic operational risk assessment[J].Journal of Loss Prevention in the Process Industries，2015（41）：399410.
[7]WANG L，WANG B，PENG Y.Research the information security risk assessment technique based on Bayesian network[C].International Conference on Advanced Computer Theory and Engineering，2010：600604.
[8]楊嶸，張國(guó)清，韋衛(wèi)，等.基于NetFlow流量分析的網(wǎng)絡(luò)攻擊行為發(fā)現(xiàn)[J].計(jì)算機(jī)工程， 2005，31（13）：137139.
[9]孫知信，唐益慰，張偉，等.基于特征聚類的路由器異常流量過濾算法[J].軟件學(xué)報(bào)，2006，17（2）：295304.
篇11
Ad Hoc網(wǎng)絡(luò)是一種最初被開發(fā)出來用于軍事領(lǐng)域的特殊的無線移動(dòng)網(wǎng)絡(luò)。隨著移動(dòng)設(shè)備和無線網(wǎng)絡(luò)的普及，Ad Hoc網(wǎng)絡(luò)將擁有越來越廣闊的應(yīng)用前景。但由于其自身無中心、自組織、多跳、節(jié)點(diǎn)能源及計(jì)算能力有限等特點(diǎn)，使得Ad Hoc網(wǎng)絡(luò)更容易受到安全威脅。
建立一套行之有效的Ad Hoc網(wǎng)絡(luò)安全評(píng)價(jià)與分析方法可以為Ad Hoc網(wǎng)絡(luò)安全機(jī)制的建立提供方向。因此國(guó)內(nèi)外有不少學(xué)者對(duì)此進(jìn)行了研究。劉建軍等[1]提出了一種基于不確定性理論的Ad Hoc網(wǎng)絡(luò)可信性評(píng)價(jià)模型，該模型采用不確定變量來描述網(wǎng)絡(luò)的評(píng)價(jià)因子的權(quán)重系數(shù)，最后用實(shí)驗(yàn)結(jié)果表明了模型方法的可行性和有效性。何明等[2]提出了一種可以有效評(píng)估自然失效和能量束縛條件下的無線傳感器網(wǎng)絡(luò)的網(wǎng)絡(luò)可靠性。針對(duì)同一時(shí)刻有多種拓?fù)浣Y(jié)構(gòu)且每種拓?fù)浣Y(jié)構(gòu)以一定概率出現(xiàn)的Ad Hoc網(wǎng)絡(luò)，肖坤等[3]提出了一種基于韌性度的Ad Hoc網(wǎng)絡(luò)可生存性度量方法。馬濤等[4]提出了一種針對(duì)Ad Hoc網(wǎng)絡(luò)攻擊的改進(jìn)攻擊樹建模方法，該方法可以有效地對(duì)節(jié)點(diǎn)的屬性參數(shù)進(jìn)行量化分析。
以上針對(duì)Ad Hoc網(wǎng)絡(luò)的安全性評(píng)價(jià)方法都在一定程度上對(duì)Ad Hoc網(wǎng)絡(luò)的某一項(xiàng)安全屬性進(jìn)行了分析，但在模型的動(dòng)態(tài)描述能力上存在著不足。針對(duì)這一問題，提出了一種基于隨機(jī)博弈網(wǎng)（Stochastic Game Nets，SGN）[5]的Ad Hoc網(wǎng)絡(luò)安全分析方法。該方法將隨機(jī)博弈思想與隨機(jī)Petri網(wǎng)相結(jié)合，用隨機(jī)博弈中的行為強(qiáng)度和選擇概率給隨機(jī)Petri網(wǎng)中的變遷賦值，然后通過求解隨機(jī)Petri中位置的穩(wěn)態(tài)概率和變遷的吞吐量等數(shù)值對(duì)網(wǎng)絡(luò)安全進(jìn)行定量分析的一種方法。最后，在該模型基礎(chǔ)上用仿真實(shí)驗(yàn)對(duì)Ad Hoc網(wǎng)絡(luò)的攻擊行為成功概率進(jìn)行了分析。
1 基于SGN的Ad Hoc網(wǎng)絡(luò)模型
1.1 Ad Hoc網(wǎng)絡(luò)SGN的模型定義
對(duì)于Ad Hoc網(wǎng)絡(luò)，考慮博弈雙方為網(wǎng)絡(luò)攻擊者與網(wǎng)絡(luò)系統(tǒng)自身。由于網(wǎng)絡(luò)攻擊者的收益會(huì)成為網(wǎng)絡(luò)系統(tǒng)的損失，因此博弈類型為雙人隨機(jī)零和博弈。
定義1 Ad Hoc網(wǎng)絡(luò)的SGN模型為一個(gè)9元組，SGN（Ad Hoc）=（N，P，T，F(xiàn)，π，λ，R，U，M），其中：
（1）N={N1，N2}，N1表示Ad Hoc網(wǎng)絡(luò)攻擊者，N2表示Ad Hoc網(wǎng)絡(luò)自身；
（2）P=P1∪P2∪…∪Pn為位置集合，表示系統(tǒng)可能處于的狀態(tài)；
（3）T=A∪D為行為集合，A（a1，a2，…，an）表示Ad Hoc攻擊者的攻擊行為集合，D（d1，d2，…，dn）表示Ad Hoc網(wǎng)絡(luò)的防御行為集合；
（4）F為弧的選擇概率；
（5）π：T[0，1]，表示某條?。ü艋蚍烙袨椋┑倪x擇概率；
（6）λ=（λ1，λ2，…，λn），表示Ad Hoc網(wǎng)絡(luò)攻防行為強(qiáng)度；
（7）R：T（r1，r2，…rn）表示Ad Hoc網(wǎng)絡(luò)攻擊和防御行為被選擇后帶來的收益或損失；
（8）Uk（pi）（k=1，2）表示Ad Hoc網(wǎng)絡(luò)攻擊者與Ad Hoc網(wǎng)絡(luò)自身在位置pi處的收益函數(shù)；
（9）M為標(biāo)識(shí)集合。
1.2 Ad Hoc網(wǎng)絡(luò)攻擊行為與防御策略描述
選用Ad Hoc網(wǎng)絡(luò)典型的攻防策略構(gòu)建Ad Hoc網(wǎng)絡(luò)攻防行為集合。其中Ad Hoc網(wǎng)絡(luò)攻擊者的攻擊行為描述為：
（1）蟲洞攻擊[6]（wormhole）：一種由兩個(gè)惡意結(jié)點(diǎn)合謀針對(duì)Ad Hoc路由協(xié)議的嚴(yán)重攻擊；
（2）Sybil攻擊[7]：攻擊者假冒多個(gè)節(jié)點(diǎn)，造成虛假的節(jié)點(diǎn)冗余信息，使得依賴于節(jié)點(diǎn)冗余特性的路由算法以及其它算法無法正常工作；
（3）自私性攻擊[8]（selfish attack）：攻擊者節(jié)點(diǎn)只接受數(shù)據(jù)包和路由包，而不轉(zhuǎn)發(fā)數(shù)據(jù)包和路由包，從而對(duì)網(wǎng)絡(luò)的通信流量和延遲造成較大的影響；
（4）RREQ flooding攻擊：攻擊者大量、連續(xù)地發(fā)送RREQ報(bào)文，使整個(gè)網(wǎng)絡(luò)充滿RREQ報(bào)文，占用大量無線通信帶寬，導(dǎo)致網(wǎng)絡(luò)擁塞，正常通信無法進(jìn)行，網(wǎng)絡(luò)性能嚴(yán)重下降；
（5）無攻擊行為。
針對(duì)網(wǎng)絡(luò)攻擊者的攻擊行為Ad Hoc網(wǎng)絡(luò)自身的防御措施描述如下：
（1）“數(shù)據(jù)包限制”[11]（packet leashes）：采用一種有效的認(rèn)證協(xié)議TIK檢測(cè)并防御蟲洞攻擊，即匹配每個(gè)數(shù)據(jù)包的時(shí)間戳和位置戳，以檢測(cè)系統(tǒng)中是否有蟲洞入侵；
（2）身份認(rèn)證技術(shù)：使用惟一對(duì)稱密鑰，即通過此密鑰每個(gè)節(jié)點(diǎn)能夠證明其鄰節(jié)點(diǎn)的身份，防止身份的假扮以此來防御Sybil攻擊；
（3）強(qiáng)制合作：采用基于令牌的強(qiáng)制合作機(jī)制來盡可能地降低自私性攻擊帶來的影響；
（4）設(shè)定RREQ的發(fā)送優(yōu)先級(jí)：如果節(jié)點(diǎn)發(fā)送過多的RREQ包，則降低對(duì)它的處理優(yōu)先級(jí)，以此來防御RREQ flooding攻擊；
（5）無防御行為。
1.3 SGN分角色模型
根據(jù)前一節(jié)給出的Ad Hoc網(wǎng)絡(luò)攻擊行為，可以構(gòu)建基于攻擊者視角的SGN模型，如圖1所示。其中，圓形表示位置，代表系統(tǒng)所處于的狀態(tài)；矩形表示變遷，代表攻擊者或防御者所采取的行為；圓形中帶有黑點(diǎn)的位置表示模型的初始狀態(tài)。同理，可以構(gòu)建網(wǎng)絡(luò)防御者視角的SGN模型，如圖2所示。
1.4 Ad Hoc網(wǎng)絡(luò)的SGN攻防組合模型
根據(jù)圖1，圖2構(gòu)建的分角色SGN模型，通過將相同含義的位置進(jìn)行合并可以得到Ad Hoc網(wǎng)絡(luò)的SGN攻防組合模型，如圖3所示。其中，黑色的變遷表示攻擊者的攻擊行為，白色的變遷表示Ad Hoc網(wǎng)絡(luò)的防御策略。由于空行為對(duì)模型的計(jì)算沒有任何影響，因此省略該位置。表1給出了各個(gè)位置的具體含義。
2 Ad Hoc網(wǎng)絡(luò)SGN模型的穩(wěn)態(tài)概率
2.1 SGN組合模型參數(shù)設(shè)置及攻擊行為均衡策略計(jì)算
Ad Hoc網(wǎng)絡(luò)攻擊者的目標(biāo)是破壞Ad Hoc網(wǎng)絡(luò)，使其無法正常健康地運(yùn)行。其中Ad Hoc網(wǎng)絡(luò)攻擊者的收益即為Ad Hoc網(wǎng)絡(luò)系統(tǒng)自身的損失。由于Ad Hoc網(wǎng)絡(luò)攻擊者并不知道Ad Hoc網(wǎng)絡(luò)自身會(huì)采取怎樣的防御措施，因此Ad Hoc網(wǎng)絡(luò)攻擊者不能按純策略來選取攻擊行為，而應(yīng)是一種混合策略。
定義2 對(duì)于Ad Hoc網(wǎng)絡(luò)SGN模型中的位置P0，給出以下收益描述矩陣：
其中，收益矩陣中的元素rij表示Ad Hoc網(wǎng)絡(luò)攻擊者和防御者在位置P0處采用行為對(duì)（ai，dj）時(shí)網(wǎng)絡(luò)攻擊者可以獲得的收益。
由于攻擊行為只會(huì)被相對(duì)應(yīng)的防御行為影響，因此收益矩陣的參數(shù)可以設(shè)置為r11=2，r12=r13=r14=8，r22=3，r21=r23=r24=5，r33=1，r31=r32=r34=4，r44=1，r41=r42=r4=6。根據(jù)隨機(jī)博弈均衡策略的標(biāo)準(zhǔn)計(jì)算方法[12]，可以計(jì)算得到Ad Hoc網(wǎng)絡(luò)攻擊行為的均衡策略。其中攻防行為強(qiáng)度λ及計(jì)算得到的均衡策略概率π如表2所示。
2.2 同構(gòu)的連續(xù)時(shí)間馬爾科夫鏈
已經(jīng)證明，一個(gè)隨機(jī)Petri網(wǎng)同構(gòu)于一個(gè)連續(xù)時(shí)間馬爾科夫鏈（CTMC）。由于SGN是一種特殊的隨機(jī)Petri網(wǎng)，同理可得一個(gè)SGN同構(gòu)于一個(gè)CTMC，根據(jù)標(biāo)準(zhǔn)技術(shù)，求出可達(dá)標(biāo)識(shí)集如表3所示，同構(gòu)馬爾科夫鏈如圖4所示。
圖4中，可達(dá)標(biāo)識(shí)集Mi（i=1，2，3，4，5）表示位置集（P1，P2，P3，P4，P5）擁有的標(biāo)識(shí)情況。弧上的標(biāo)記表示同構(gòu)CTMC的變遷實(shí)施速率，其值為πi1λi1，πi2λi2（i=1，2，3，4）。其中πi1，λi1表示Ad Hoc網(wǎng)絡(luò)攻擊者某一攻擊行為的選擇概率與行為強(qiáng)度，πi2，λi2表示Ad Hoc網(wǎng)絡(luò)自身防御行為的選擇概率與行為強(qiáng)度，具體數(shù)值表2已經(jīng)給出。
根據(jù)變遷實(shí)施速率和CTMC的標(biāo)準(zhǔn)計(jì)算方法，可以得到同構(gòu)CTMC的狀態(tài)轉(zhuǎn)移矩陣Q，如表4所示。
3 Ad Hoc網(wǎng)絡(luò)攻擊成功概率分析
3.1 Ad Hoc網(wǎng)絡(luò)攻擊成功概率計(jì)算方法
基于已經(jīng)求得的同構(gòu)CTMC的可達(dá)標(biāo)識(shí)的穩(wěn)態(tài)概率，系統(tǒng)的很多安全性評(píng)價(jià)指標(biāo)就可以被量化分析，如：首次安全事件的平均時(shí)間，安全事件的平均間隔時(shí)間，網(wǎng)絡(luò)系統(tǒng)的機(jī)密性、完整性，攻擊的成功概率與響應(yīng)時(shí)間等。
以下給出系統(tǒng)單位時(shí)間內(nèi)攻擊成功概率的計(jì)算公式：
pattack（ai）=P[M（pr）≠0]=1-P[M（pr）=0] （3）
式（3）中，pattack（ai）表示系統(tǒng)單位時(shí)間內(nèi)的Ad Hoc網(wǎng)絡(luò)攻擊者的攻擊成功概率，P[M（pr）=0]表示攻擊行為的結(jié)果位置標(biāo)識(shí)為空的概率。
隨著系統(tǒng)時(shí)間的發(fā)展，攻擊成功概率可以理解為攻擊者在系統(tǒng)時(shí)間t內(nèi)至少有一次攻擊成功的概率，根據(jù)公式（4）可以給出攻擊成功概率隨著系統(tǒng)時(shí)間發(fā)展的計(jì)算公式：
ptattack（ai）=1-Pt[M（pr）=0] （4）
式（4）中，t（t=1，2，3，……）表示系統(tǒng)時(shí)間，ptattack（ai）表示系統(tǒng)時(shí)間t內(nèi)Ad Hoc網(wǎng)絡(luò)攻擊者的攻擊成功概率，Pt[M（pr）=0]表示單位時(shí)間內(nèi)攻擊行為的結(jié)果位置標(biāo)識(shí)為空的概率的t次方。
3.2 Ad Hoc網(wǎng)絡(luò)攻擊成功概率Matlab仿真分析
根據(jù)公式（4），使用Matlab對(duì)Ad Hoc網(wǎng)絡(luò)攻擊概率進(jìn)行仿真分析，得到的結(jié)果如圖5和圖6所示。
圖5和圖6中，曲線表示蟲洞攻擊的成功概率隨系統(tǒng)時(shí)間發(fā)展的變化情況，曲線表示Sybil攻擊的成功概率隨系統(tǒng)時(shí)間發(fā)展的變化情況，曲線表示自私性攻擊的成功概率隨系統(tǒng)時(shí)間發(fā)展的變化情況，+曲線表示RREQ flooding攻擊的成功概率隨系統(tǒng)時(shí)間發(fā)展的變化情況。
從圖5，圖6可以看出各種攻擊行為的成功概率都隨著系統(tǒng)時(shí)間的發(fā)展而增加。其中，Sybil攻擊的成功概率最大，蟲洞攻擊的成功概率第二，RREQ flooding攻擊的成功概率次之，自私性攻擊的成功概率最低。
通過比較圖5，圖6可以看出攻擊成功概率與攻擊的速率無關(guān)，而只與Ad Hoc網(wǎng)絡(luò)攻擊者的攻擊行為強(qiáng)度以及其預(yù)期收益有關(guān)。這是一個(gè)很重要的結(jié)論，這意味著Ad Hoc網(wǎng)絡(luò)防御機(jī)制的設(shè)計(jì)者將不需要關(guān)心攻擊行為的頻率，而只需要關(guān)心攻擊行為的強(qiáng)度和預(yù)期收益即可。
Ad Hoc防御機(jī)制的設(shè)計(jì)者可以根據(jù)不同的實(shí)際情況對(duì)模型的初始行為強(qiáng)度和預(yù)期收益進(jìn)行設(shè)定，從而得到滿足自己需求的安全數(shù)據(jù)。
4 結(jié)語
行之有效的Ad Hoc網(wǎng)絡(luò)安全分析方法將會(huì)為Ad Hoc網(wǎng)絡(luò)安全機(jī)制的設(shè)計(jì)提供方向和借鑒。針對(duì)這一問題，本文提出了一種基于隨機(jī)博弈思想和隨機(jī)Petri網(wǎng)相結(jié)合的隨機(jī)博弈網(wǎng)模型方法，通過建立Ad Hoc網(wǎng)絡(luò)攻防隨機(jī)博弈網(wǎng)模型，求解與模型同構(gòu)的馬爾科夫鏈可達(dá)標(biāo)識(shí)的穩(wěn)態(tài)概率，可以為Ad Hoc網(wǎng)絡(luò)安全性指標(biāo)進(jìn)行定量分析。通過仿真分析可知：攻擊行為的成功概率與攻擊頻率無關(guān)。
下一步的工作將會(huì)把Ad Hoc網(wǎng)絡(luò)攻擊行為的相互影響考慮進(jìn)去，構(gòu)建更加完善的Ad Hoc網(wǎng)絡(luò)攻防隨機(jī)博弈網(wǎng)模型。
參考文獻(xiàn)：
[1]劉建軍.不確定環(huán)境下的Ad Hoc網(wǎng)絡(luò)可信性評(píng)價(jià)模型研究[J].計(jì)算機(jī)科學(xué)，2011，38（8）：101-105.
[2]何明，董強(qiáng)，袁黎苗.無線傳感器網(wǎng)絡(luò)的可靠性評(píng)估模型[J].理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2010（4）：392-396.
[3]肖坤，古天龍，常亮.一種Ad Hoc網(wǎng)絡(luò)可生存性度量方法[J].桂林電子科技大學(xué)學(xué)報(bào)，2011（3）：213-216.
[4]馬濤，單洪.移動(dòng)Ad Hoc網(wǎng)絡(luò)的改進(jìn)攻擊樹建模方法研究[J].計(jì)算機(jī)應(yīng)用與軟件，2009，26（4）：271-273.
[5]王元卓，林闖，程學(xué)旗.基于隨機(jī)博弈模型的網(wǎng)絡(luò)攻防量化分析方法[J].計(jì)算機(jī)學(xué)報(bào)，2010（9）：1748-1762.
[6]黃成兵.基于Ad Hoc的蟲洞攻擊與防御研究綜述[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2012（6）：17-19.
[7]王峰，李平，朱海.一種基于社交網(wǎng)絡(luò)的Sybil攻擊防御[J].計(jì)算機(jī)應(yīng)用與軟件，2013，30（6）：38-39，59.
[8]李慶城，任開，宮曉利，叢躍進(jìn).結(jié)合結(jié)點(diǎn)信任度的Ad Hoc地址配置協(xié)議研究[J].計(jì)算機(jī)應(yīng)用與軟件，2013，30（2）：270-276.
[9]Yih-chun Hu，Adrian Perrig， David B Johnson.Packer leashes： A Defense against Wormhole Attacks in Wireless Ad Hoc Networks. Proceedings of the Twenty-Second Annual Joint Conference of the IEEE Computer and Communiciton Societies （IN-FOCOM 2003），IEEE[C].San Francisco，CA，April 2003（3）：1976-1986.
[10]Sallhammar K，Helvik B E，Knapskog S J.On stochastic modeling for integrated security and dependability evaluation[J].The Journal of Networks，2006，1（5）：31-42.
[11]Zuberek W M. Performance evaluation using unbound timed Petri nets.In：Proceedings of the Third International Workshop on Petri Nets and Performance Models[C].Kyoto Japan，1989，180-186.
[12]Molloy M K.Structurally bounded stochastic Petri nets. In： Proceedings International Workshop on Petri Nets and Performance Models[C].Wisconsin，USA 1987.
篇12
文章編號(hào)：1004-373X(2008)09-031-04オ
Arbitration Probability-based Access Selection Algorithm
CHEN Jie,YU Kai,ZHANG Ping
(Wireless Technology Institute,Beijing University of Posts and Telecommunications,Beijing,100876,China)
オ
Abstract：In order to direct subscribers to select the most suitable radio access network in B3G heterogeneous network environment,a network selection algorithm based on arbitration probability is proposed.Arbitration probability takes network provided Quality of Service(QoS) satisfaction level,monetary cost,and relative link quality into account.The heterogeneous network environment consisting of UMTS and 802.11e is established under NS2 platform.Simulation results exhibit the behavior of users′ network selection.The simulation results show that terminals access the most satisfactory network based on the proposed access selection algorithm.
Keywords：access selection;arbitration probability;heterogeneous wireless data network;NS2 simulation
在異構(gòu)的無線網(wǎng)絡(luò)系統(tǒng)中，使用多?；蜃兡＝K端的用戶更傾向于選擇最合適的接入技術(shù)來承載業(yè)務(wù)。但如何在眾多無線接入技術(shù)中選擇一個(gè)最合適的接入技術(shù)是一個(gè)有待研究的問題?，F(xiàn)有文獻(xiàn)提出的相關(guān)解決方法，如隨機(jī)選擇算法、高帶寬優(yōu)先選擇算法、基于模糊邏輯的算法[1]以及基于層次分析法和灰度關(guān)聯(lián)法[2]等，都忽略了用戶對(duì)網(wǎng)絡(luò)所提供業(yè)務(wù)質(zhì)量的滿意度。此外，實(shí)際中的用戶將考慮服務(wù)質(zhì)量和價(jià)格雙方面因素?；谏鲜鲈?，在綜合考慮用戶對(duì)服務(wù)質(zhì)量滿意度、價(jià)格、相對(duì)鏈路質(zhì)量等因素的基礎(chǔ)上提出了決策概率的概念。決策概率從數(shù)學(xué)上描述了用戶愿意選擇某網(wǎng)絡(luò)的程度。
1 決策概率
為了能用數(shù)學(xué)方法描述用戶對(duì)無線網(wǎng)絡(luò)提供的QoS的滿意程度，首先引入滿意度函數(shù)概念。用函數(shù)S(b)表示用戶的滿意度，他實(shí)際上是將服務(wù)質(zhì)量相關(guān)的參數(shù)映射到實(shí)數(shù)域。在一個(gè)由M個(gè)異構(gòu)無線網(wǎng)絡(luò)組成的系統(tǒng)中，用向量[WTHX]b[WTBX]=(b1,…,bM)表示這M個(gè)網(wǎng)絡(luò)為用戶提供服務(wù)的QoS參數(shù)。б虼耍若用戶使用不同網(wǎng)絡(luò)的服務(wù)，將會(huì)有不同的QoS體驗(yàn)，而這種不同的QoS體驗(yàn)則會(huì)對(duì)應(yīng)不同QoS滿意度。不失一般性地，以網(wǎng)絡(luò)j為例，用戶對(duì)該網(wǎng)絡(luò)提供的服務(wù)的滿意度應(yīng)滿足下列條件：
И
sj(b)bj≥0, sj(b)bi≤0 (i≠j),
┆limbj∞sj(b)=l
(1)
И
其中l(wèi)是正的常數(shù)。上式中的最后一個(gè)條件反映了QoS參數(shù)超出一定范圍后，用戶對(duì)QoS參數(shù)的提升將不再敏感，進(jìn)而用戶不會(huì)再因?yàn)榫W(wǎng)絡(luò)服務(wù)質(zhì)量的提升而增加其滿意度。
在本文中，服務(wù)質(zhì)量以網(wǎng)絡(luò)接入帶寬為例，但所提出的滿意度概念可廣泛應(yīng)用于網(wǎng)絡(luò)所提供的其他QoS參數(shù)，而不僅限于接入帶寬。
事實(shí)上，用戶的滿意度行為與用戶所使用的業(yè)務(wù)類型有關(guān)。對(duì)最簡(jiǎn)單的業(yè)務(wù)，如話音業(yè)務(wù)，一般認(rèn)為用戶滿意度只有兩個(gè)值，分別是完全滿意和完全不滿意。而對(duì)于下一代基于分組的多媒體業(yè)務(wù)而言，這種僅考慮兩個(gè)離散值的滿意度將不再適用。出于對(duì)這類業(yè)務(wù)的考慮，采用連續(xù)函數(shù)對(duì)用戶滿意度進(jìn)行建模。
其次，如果價(jià)格變化，用戶對(duì)業(yè)務(wù)的感知情況不可能不發(fā)生變化。
前文中，用戶滿意度是QoS的函數(shù)。這里，價(jià)格同樣表示為QoS的函數(shù)。根據(jù)上下文的內(nèi)容，這里所說的QoS參數(shù)是網(wǎng)絡(luò)提供的接入帶寬。一般而言，網(wǎng)絡(luò)j提供的服務(wù)的價(jià)格pj(bj)，只與網(wǎng)絡(luò)j分配給用戶的接入帶寬有關(guān)。與滿意度函數(shù)類似，價(jià)格函數(shù)應(yīng)滿足下面這個(gè)條件：
И
dpj(bj)dbj≥0
(2)
И
此外，除了滿意度和價(jià)格，用戶在選擇網(wǎng)絡(luò)時(shí)還應(yīng)考慮與網(wǎng)絡(luò)間相對(duì)通信鏈路質(zhì)量。в忙j表示終端與網(wǎng)絡(luò)j的接入點(diǎn)間的相對(duì)通信鏈路質(zhì)量值。該參數(shù)值由用戶與網(wǎng)絡(luò)j間通信鏈路質(zhì)量和用戶與其他網(wǎng)絡(luò)間通信鏈路質(zhì)量共同決定。δjвβ足下列條件：
И
鄲jqj>0, 鄲jqi
(3)
И
其中，qi表示用戶與網(wǎng)絡(luò)i間的通信鏈路質(zhì)量。值得注意的是，不同的用戶將檢測(cè)到不同的相對(duì)鏈路質(zhì)量（δj）值。從δj的定義可知，該值越大，則用戶與網(wǎng)絡(luò)j間的相對(duì)通信鏈路質(zhì)量越好。И
實(shí)際上，只有當(dāng)服務(wù)質(zhì)量和價(jià)格都是在可接受的情況下，用戶才可能對(duì)網(wǎng)絡(luò)所提供的業(yè)務(wù)表示滿意。只有當(dāng)終端與網(wǎng)絡(luò)接入點(diǎn)間的相對(duì)通信鏈路質(zhì)量較好時(shí)，用戶才可能與網(wǎng)絡(luò)建立連接。綜合考慮這三個(gè)因素，提出決策概率的概念。用決策概率表示用戶接受網(wǎng)絡(luò)服務(wù)的或然率。д攵醞絡(luò)j，定義決策概率為：Aj(sj,pj,δj)，該值反映用戶決策使用網(wǎng)絡(luò)j的服務(wù)的概率值。事實(shí)上，該值隨QoS滿意度和相對(duì)鏈路質(zhì)量的增加而增加、隨價(jià)格的增加而減小，即Aj(sj,pj,δj)滿足：
(8)И
其中，C，μ，ε，是正值常數(shù)，而p┆max是價(jià)格的最大值。實(shí)際上，由于系統(tǒng)容量等的限制，網(wǎng)絡(luò)為用戶提供的接入帶寬不是無限大，因此，網(wǎng)絡(luò)的收費(fèi)也不會(huì)是無限大。所以存在價(jià)格的最大值，且滿足p┆max
2 網(wǎng)絡(luò)選擇算法
如前文所述，下一代網(wǎng)絡(luò)系統(tǒng)中，多個(gè)異構(gòu)網(wǎng)絡(luò)覆蓋同一地區(qū)將是一個(gè)很普遍的現(xiàn)象。不同的網(wǎng)絡(luò)為用戶提供不同的接入帶寬以滿足用戶各種需求。而對(duì)于那些位于多網(wǎng)絡(luò)重疊覆蓋區(qū)域的用戶，有理由相信他們能夠且需要在這眾多網(wǎng)絡(luò)中選擇最適宜的網(wǎng)絡(luò)進(jìn)行接入。多模、變模技術(shù)使移動(dòng)終端有能力進(jìn)行異構(gòu)網(wǎng)絡(luò)的接入選擇，而提出的接入網(wǎng)絡(luò)選擇算法則用于移動(dòng)終端選擇一個(gè)最合適的無線接入網(wǎng)絡(luò)。多個(gè)異構(gòu)網(wǎng)絡(luò)通過廣播消息，向用戶廣播其接入帶寬。移動(dòng)終端在收到該廣播消息的基礎(chǔ)上通過計(jì)算所提出的決策概率的值，從而決定哪個(gè)網(wǎng)絡(luò)最適宜接入。
進(jìn)一步，在描述用戶對(duì)QoS的感知時(shí)一般比較通用的函數(shù)形式是S形曲線函數(shù)[4]。因此，本文提出的滿意度函數(shù)也同樣采用S形曲線。在綜合考慮所有網(wǎng)絡(luò)提供的QoS參數(shù)后，用戶對(duì)網(wǎng)絡(luò)j提供服務(wù)的滿意度可表示為如下形式：
И
sj(b)=bj1M－1•∑i≠jbi+Kυ
1+bj1M－1•∑i≠jbi+Kυ
(9)
И
其中，Е ≥ 2；K是可調(diào)整的參數(shù)，通過他區(qū)分不同用戶的滿意度；M表示用戶可收集到M個(gè)網(wǎng)絡(luò)的信息。這里假設(shè)用戶的滿意度對(duì)其上限做了歸一化處理，即隨著bj的增大，滿意度漸進(jìn)于1。И
對(duì)于價(jià)格的考慮，有很多文獻(xiàn)提出了不同的定價(jià)方案[5,6]，但到目前為止，這些定價(jià)策略的可行性有待進(jìn)一步研究。因此，為了使本文中所提出的接入網(wǎng)絡(luò)選擇算法在實(shí)現(xiàn)時(shí)更易操作，本文采用價(jià)格與接入帶寬呈線性關(guān)系的定價(jià)策略，依據(jù)此策略網(wǎng)絡(luò)j的定價(jià)為：
И
pj(bj)k•bj
(10)
И
其中k是一正值常數(shù)，bj為網(wǎng)絡(luò)j為用戶提供的接入帶寬。
對(duì)于相對(duì)鏈路質(zhì)量，反映的是用戶與各網(wǎng)絡(luò)間通信條件的好壞情況。這里的通信條件應(yīng)該是各異構(gòu)網(wǎng)絡(luò)間可相互比較的參數(shù)。在異構(gòu)網(wǎng)絡(luò)系統(tǒng)中，由于使用的物理層的技術(shù)各不相同，因此在同構(gòu)網(wǎng)絡(luò)中經(jīng)常使用的信號(hào)強(qiáng)度不再適用于做通信條件的衡量標(biāo)準(zhǔn)。為此，采用相對(duì)公平的誤碼率（BER）或誤幀率（FER）做相對(duì)鏈路質(zhì)量的衡量參數(shù)。定義用戶與網(wǎng)絡(luò)j間相對(duì)鏈路質(zhì)量為：
И
δj1－BERj∑Mi=1(1－BERi)
(11)
И
其中M表示終端可采集到M個(gè)網(wǎng)絡(luò)的誤碼率（誤幀率）信息，而BERj表示終端檢測(cè)到的來自于網(wǎng)絡(luò)j的數(shù)據(jù)的誤碼率（誤幀率）。由式(11)可知相對(duì)鏈路質(zhì)量δj的取值范圍為［0,1］。
值得注意的是，式(9)和式(10)所定義的滿意度和價(jià)格可在終端接收到網(wǎng)絡(luò)廣播的接入帶寬信息后計(jì)算而得，而公式定義的第三個(gè)參數(shù)相對(duì)鏈路質(zhì)量δj，則可由終端對(duì)收到的廣播信息進(jìn)行測(cè)量而得。由此，根據(jù)式(8)的定義，終端可以計(jì)算出是否接受網(wǎng)絡(luò)j提供服務(wù)的決策概率Aj(sj,pj,δj)。綜上所述，提出終端進(jìn)行網(wǎng)絡(luò)選擇的算法：當(dāng)終端在選擇要使用哪個(gè)無線網(wǎng)絡(luò)的資源時(shí)，首先計(jì)算接受各無線網(wǎng)絡(luò)服務(wù)的決策概率，之后選擇具有最大決策概率值的網(wǎng)絡(luò)接入。具體而言，終端的網(wǎng)絡(luò)選擇算法可用下列偽碼描述：
(1) Set the initial candidate network list listcandidate = null,and initial arbitration probability Aaccept = 0.Let M be the maximum number of networks whose information are collected by the user.Also let k=1.
(2) For all k such that k≤NИ
(a) Given bk and measured relative link quality of network k,compute the arbitration probability for network k Ak = Ak(sk,pk,δk)
(b) IF (Aaccept
(i) Set Aaccept =Ak,
(ii) Set listcandidate=k
ELSE IF (Aaccept==Ak) THEN
(i) Append candidate list (i.e.listcandidate) with k
(3) At this time,the index of network should be selected randomly in the list listcandidate.
3 系統(tǒng)實(shí)現(xiàn)與仿真結(jié)果
本節(jié)給出基于決策概率的網(wǎng)絡(luò)選擇算法實(shí)現(xiàn)方案框圖和基于此方案在NS2[7]環(huán)境下完成的仿真結(jié)果。
圖1是針對(duì)多模終端所設(shè)計(jì)的可以完成基于決策概率的網(wǎng)絡(luò)選擇算法的體系結(jié)構(gòu)。
圖1 基于決策概率的網(wǎng)絡(luò)接入選擇系統(tǒng)體系結(jié)構(gòu)
在該體系結(jié)構(gòu)中，網(wǎng)絡(luò)選擇模塊負(fù)責(zé)通過網(wǎng)絡(luò)驅(qū)動(dòng)接口規(guī)范（NIDS）設(shè)備接口采集網(wǎng)絡(luò)信息并進(jìn)行存儲(chǔ)。NIDS設(shè)備用于操作所有網(wǎng)絡(luò)驅(qū)動(dòng)。當(dāng)需要建立業(yè)務(wù)時(shí)，網(wǎng)絡(luò)選擇模塊根據(jù)存儲(chǔ)的各網(wǎng)絡(luò)信息按本文提出的算法選擇最合適的網(wǎng)絡(luò)進(jìn)行接入，同時(shí)設(shè)置位于NIDS中的用戶數(shù)據(jù)網(wǎng)絡(luò)接口轉(zhuǎn)發(fā)模塊，使用戶業(yè)務(wù)數(shù)據(jù)從選定的網(wǎng)絡(luò)接口中發(fā)送。
為驗(yàn)證所提出的網(wǎng)絡(luò)選擇算法，基于圖1的系統(tǒng)體系結(jié)構(gòu)在NS2平臺(tái)下搭建了異構(gòu)仿真環(huán)境。仿真環(huán)境如┩2所示，包括一個(gè)UMTS網(wǎng)絡(luò)和一個(gè)802.11e的WLAN網(wǎng)絡(luò)。用戶位于UMTS網(wǎng)絡(luò)與WLAN網(wǎng)絡(luò)的重疊覆蓋區(qū)域。
圖2 仿真場(chǎng)景
這里所采用的WLAN技術(shù)是提供QoS保證并可以進(jìn)行速率控制。同時(shí)，UMTS網(wǎng)絡(luò)和WLAN網(wǎng)絡(luò)都有足夠容量為有限的用戶提供數(shù)據(jù)服務(wù)，且這兩個(gè)網(wǎng)絡(luò)為用戶提供的數(shù)據(jù)服務(wù)的接入帶寬分別為2個(gè)單位和6個(gè)單位。在該仿真場(chǎng)景中UMTS的Node B和WLAN的AP負(fù)責(zé)周期廣播其接入帶寬，而用戶隨機(jī)的發(fā)起數(shù)據(jù)業(yè)務(wù)并在兩個(gè)網(wǎng)絡(luò)中選擇最優(yōu)的一個(gè)網(wǎng)絡(luò)建立業(yè)務(wù)連接。具體仿真參數(shù)如表1所示。
表1 網(wǎng)絡(luò)選擇算法仿真參數(shù)列表
在圖2的仿真場(chǎng)景中，安排用戶在10 s開始從遠(yuǎn)離WLAN的AP位置緩慢向WLAN的AP移動(dòng)；在100 s附近開始從接近WLAN AP的位置開始以相同速度遠(yuǎn)離該AP。圖3是根據(jù)以上設(shè)置完成的仿真結(jié)果。該圖反映用戶在接入網(wǎng)絡(luò)時(shí)決策概率值的變化情況。最初，由于移動(dòng)臺(tái)距離WLAN的AP較遠(yuǎn)導(dǎo)致信號(hào)比較弱，相對(duì)鏈路質(zhì)量差，因而選擇UMTS的決策概率較大。隨著移動(dòng)臺(tái)的移動(dòng)，WLAN的信號(hào)逐漸增強(qiáng)使得UMTS網(wǎng)絡(luò)的相對(duì)鏈路質(zhì)量變差。在綜合考慮WLAN提供的接入帶寬、價(jià)格、相對(duì)鏈路質(zhì)量后，用戶選擇WLAN的決策概率大于選擇UMTS的決策概率，因此WLAN覆蓋的絕大多數(shù)地區(qū)，移動(dòng)終端總會(huì)選擇WLAN做接入。當(dāng)移動(dòng)臺(tái)離WLAN的AP較遠(yuǎn)時(shí)，選擇UMTS的決策概率才會(huì)逐漸回升。
圖3 移動(dòng)終端選擇網(wǎng)絡(luò)時(shí)決策概率仿真結(jié)果
值得注意的是，盡管仿真中僅涉及到兩個(gè)異構(gòu)網(wǎng)絡(luò)，但所提出的接入網(wǎng)選擇算法并不限于兩個(gè)網(wǎng)絡(luò)。
4 結(jié) 語
下一代無線系統(tǒng)的特點(diǎn)是各種異構(gòu)的無線接入網(wǎng)絡(luò)相互合作、補(bǔ)充，共同為用戶提供數(shù)據(jù)服務(wù)。隨著技術(shù)的發(fā)展，首先將是多模終端的出現(xiàn)，使終端擺脫了只能與一個(gè)接入網(wǎng)絡(luò)建立連接的束縛。繼而SDR技術(shù)、端到端重配置技術(shù)使移動(dòng)終端終將發(fā)展為可變模的智能設(shè)備。在這種情況下，終端有能力而且有必要從眾多的服務(wù)網(wǎng)絡(luò)中挑選最合適的一個(gè)網(wǎng)絡(luò)與之建立數(shù)據(jù)連接。本文正是基于此，提出決策概率的概念，使用戶能挑選出最合適的接入網(wǎng)絡(luò)。決策概率同時(shí)考慮了用戶對(duì)網(wǎng)絡(luò)提供的QoS的滿意程度、價(jià)格因素和用戶與網(wǎng)絡(luò)間相對(duì)鏈路質(zhì)量三個(gè)方
面因素?；诖藳Q策概率，提出了移動(dòng)終端側(cè)的異構(gòu)網(wǎng)絡(luò)選擇的算法。通過在NS2平臺(tái)上建立仿真場(chǎng)景并執(zhí)行一系列的試驗(yàn)，驗(yàn)證了提出的用戶接入網(wǎng)絡(luò)選擇算法。同時(shí)，文中也給出了移動(dòng)終端在面對(duì)UMTS和WLAN兩個(gè)網(wǎng)絡(luò)時(shí)的決策概率變化情況。
目前，我們也正在對(duì)基于決策概率的用戶網(wǎng)絡(luò)選擇算法進(jìn)行擴(kuò)展，增加網(wǎng)絡(luò)調(diào)控部分，使網(wǎng)絡(luò)動(dòng)態(tài)調(diào)整其QoS參數(shù)，通過影響用戶網(wǎng)絡(luò)選擇行為而同時(shí)達(dá)到網(wǎng)絡(luò)收益最大和負(fù)載均衡的目的。
參 考 文 獻(xiàn)
［1］Tripathi N D,Reed J H,Vanlandinghum H F.Adaptive Handoff Algorithm for Cellular Overlay Systems Using Fuzzy Logic［A］.IEEE 49th VTC,1999.
［2］Song Qingyang,Jamalipour work Selection in an Integrated Wireless LAN and UMTS Environment using Mathematical Modeling and Computing Techniques［J］.IEEE Wireless Communications,2005,12(3):42-48.
［3］Varian H R.Intermediate Microeconomics:A Modern Approach［M］.Morton,New York,1999.
［4］Siris V.Resource Control for Elastic Traffic in CDMA Networks［A］.Proceedings of ACM MobiCom［C］.2002:193-204.
［5］Shenker S,Clark D D,Estrin D S Herzog.Pricing in Computer Networks:Reshaping the Research Agenda［A］.ACM Computer Communication Review,1996,26:19-43.
［6］Courcoubetis C,Kelly F P,Siris V A,et al.A Study of Simple Usage-based Charging Schemes for Broadband Networks［A］.Telecommunications Systems,2000,15:323-343.
篇13
火災(zāi)的發(fā)生是一個(gè)綜合現(xiàn)象，包括溫升、煙霧和氣體濃度變化等等，單一類型傳感器火災(zāi)監(jiān)測(cè)已不能滿足人們的需求，所以數(shù)據(jù)融合理論就應(yīng)用在火災(zāi)監(jiān)測(cè)領(lǐng)域。數(shù)據(jù)融合理論不是把表示火災(zāi)特征的幾個(gè)參數(shù)（溫度、煙霧、CO）進(jìn)行隨機(jī)組合，而是把這些參數(shù)的模擬量轉(zhuǎn)換為數(shù)字信號(hào)送到火災(zāi)控制系統(tǒng)中利用數(shù)據(jù)融合理論算法進(jìn)行判斷是否發(fā)生火災(zāi)。本文將采用BP神經(jīng)網(wǎng)絡(luò)算法用于多傳感器信息的融合，應(yīng)用更新迭代校正不同傳感元件的網(wǎng)絡(luò)權(quán)值系數(shù)，獲得經(jīng)過的融合計(jì)算后的判定結(jié)論，可以快速、及時(shí)、準(zhǔn)確預(yù)警火災(zāi)是否發(fā)生，進(jìn)而減少了因火災(zāi)引起的經(jīng)濟(jì)損失，具有十分重要的現(xiàn)實(shí)意義。
1 火災(zāi)監(jiān)測(cè)技術(shù)
1.1 火災(zāi)監(jiān)測(cè)系統(tǒng)的組成
火災(zāi)監(jiān)測(cè)系統(tǒng)是由火災(zāi)探測(cè)器和火災(zāi)報(bào)警控制系統(tǒng)兩部分組成。火災(zāi)探測(cè)器主要作用是多傳感器信息采集及數(shù)據(jù)處理?；馂?zāi)報(bào)警控制系統(tǒng)的主要作用是接收火災(zāi)探測(cè)器處理后的信息，并判斷火災(zāi)是否發(fā)生，反饋給工作人員。
1.2 火災(zāi)監(jiān)測(cè)技術(shù)的工作原理
火災(zāi)發(fā)生發(fā)展的過程與周邊的環(huán)境密切相關(guān)，在火災(zāi)發(fā)展的過程中火災(zāi)特征參數(shù)（溫度、煙霧和CO濃度等）產(chǎn)生不同程度的變化，火災(zāi)監(jiān)測(cè)技術(shù)就是根據(jù)這些特征參數(shù)的變化利用相關(guān)的傳感器將表征這些參數(shù)的物理量（模擬信號(hào)）轉(zhuǎn)化為電信號(hào)（數(shù)字信號(hào)），再通過火災(zāi)監(jiān)測(cè)算法（本文采用BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合算法）對(duì)數(shù)據(jù)進(jìn)行處理，得出結(jié)論并判斷火災(zāi)是否發(fā)生。
2 BP神經(jīng)網(wǎng)絡(luò)模型
本文所采用的BP神經(jīng)網(wǎng)絡(luò)模型，通過網(wǎng)絡(luò)模型綜合運(yùn)算以及歸一化運(yùn)算過的3個(gè)檢測(cè)參數(shù)數(shù)值（溫度、煙霧、CO濃度）當(dāng)作數(shù)據(jù)融合中心的3個(gè)輸入變量；把火災(zāi)劃分成明火、陰燃以及無火3類情形，它們各自發(fā)生的概率值作為數(shù)據(jù)融合中心的3個(gè)輸出變量。具體結(jié)構(gòu)如圖1所示。
BP神經(jīng)網(wǎng)絡(luò)算法本質(zhì)就是計(jì)算誤差函數(shù)的最小數(shù)。它使用非線性計(jì)劃中的梯度下降學(xué)習(xí)規(guī)則，依據(jù)誤差函數(shù)的反梯度方向校正網(wǎng)絡(luò)層的權(quán)系數(shù)。
3 結(jié)果與仿真對(duì)比
對(duì)所研究算法進(jìn)行仿真測(cè)試，采用的火災(zāi)探測(cè)器，是使用現(xiàn)場(chǎng)檢測(cè)裝置，通過使用溫度傳感元件、煙霧濃度傳感元件和CO濃度傳感元件各自檢測(cè)收集監(jiān)測(cè)對(duì)象火災(zāi)現(xiàn)場(chǎng)的溫度值、煙霧濃度和CO濃度信息。把這些收集的數(shù)據(jù)信息通過多傳感器信息融合算法計(jì)算得到實(shí)際火災(zāi)發(fā)生的概率，判定監(jiān)測(cè)對(duì)象是否存在火災(zāi)產(chǎn)生，再向火災(zāi)預(yù)警控制系統(tǒng)發(fā)出指令，控制系統(tǒng)的屏幕上將出現(xiàn)經(jīng)算法判斷后的結(jié)論，工作人員依據(jù)此結(jié)論進(jìn)行下一步工作。
在模擬監(jiān)測(cè)對(duì)象明火環(huán)境中，溫度在3個(gè)火災(zāi)特征參數(shù)中數(shù)值最大并變化程度比較小，數(shù)據(jù)變動(dòng)較小并趨于平穩(wěn)，溫度參數(shù)為驗(yàn)證是否產(chǎn)生明火的最核心參數(shù)；煙霧濃度數(shù)據(jù)值比較低并變動(dòng)程度小，數(shù)據(jù)變動(dòng)很小并趨向平穩(wěn)；CO濃度數(shù)據(jù)變化程度比較大。在模擬監(jiān)測(cè)對(duì)象火災(zāi)陰燃環(huán)境下，溫度是這3種火災(zāi)特征參數(shù)中的數(shù)值比較小并變化很??；煙霧濃度參數(shù)變動(dòng)波動(dòng)比較大，表現(xiàn)出快速地上升的走向，煙霧濃度參數(shù)是檢驗(yàn)是否是陰燃火災(zāi)的主要參考參數(shù)；CO濃度參數(shù)在這3種火災(zāi)特征參數(shù)中數(shù)值最大，數(shù)據(jù)變動(dòng)幅度相對(duì)平穩(wěn)，CO濃度參數(shù)是判斷陰燃火災(zāi)的根本性參考參數(shù)。在模擬監(jiān)測(cè)對(duì)象沒有發(fā)生火災(zāi)的環(huán)境下，溫度、煙霧、CO濃度的數(shù)值都相對(duì)較低，而且參數(shù)數(shù)據(jù)變化比較緩慢，相較于火災(zāi)的明火環(huán)境與陰燃環(huán)境下的火災(zāi)特征參數(shù)，在火災(zāi)的無火環(huán)境下火災(zāi)特征參數(shù)數(shù)據(jù)變動(dòng)較為平穩(wěn)。
在模擬監(jiān)測(cè)對(duì)象火災(zāi)環(huán)境下取得的仿真y試數(shù)據(jù)樣本，將測(cè)試樣本數(shù)據(jù)通過火災(zāi)預(yù)警網(wǎng)絡(luò)算法計(jì)算出火災(zāi)發(fā)生實(shí)際概率數(shù)值，再與火災(zāi)試驗(yàn)期望概率數(shù)值進(jìn)行對(duì)比，判斷基于多傳感器數(shù)據(jù)融合的火災(zāi)預(yù)警算法的有效性與準(zhǔn)確性。利用BP神經(jīng)網(wǎng)絡(luò)模型，計(jì)算出實(shí)際火災(zāi)發(fā)生的概率。結(jié)果如圖2～圖4所示。
圖2為監(jiān)測(cè)對(duì)象的明火環(huán)境下火災(zāi)產(chǎn)生期望概率輸出值與計(jì)算得出的火災(zāi)產(chǎn)生實(shí)際概率輸出值的比較圖，依據(jù)圖2可知，監(jiān)測(cè)對(duì)象處于火災(zāi)的明火環(huán)境，火災(zāi)產(chǎn)生的概率輸出值較高，火災(zāi)預(yù)警網(wǎng)絡(luò)算法的火災(zāi)產(chǎn)生期望概率輸出值與火災(zāi)產(chǎn)生實(shí)際概率輸出值十分近似相等，系統(tǒng)誤差值很小，精確度高，可以精確有效地判定明火火災(zāi)。
圖3為陰燃環(huán)境中火災(zāi)發(fā)生期望概率值與計(jì)算得出的火災(zāi)發(fā)生實(shí)際概率值的比較圖，依據(jù)圖3可以看出，火災(zāi)預(yù)警網(wǎng)絡(luò)算法的火災(zāi)產(chǎn)生期望概率輸出值與火災(zāi)發(fā)生實(shí)際概率輸出值十分近似相等。它說明了在監(jiān)測(cè)對(duì)象火災(zāi)的陰燃環(huán)境下，火災(zāi)預(yù)警網(wǎng)絡(luò)算法的火災(zāi)產(chǎn)生期望概率輸出值與火災(zāi)產(chǎn)生實(shí)際概率輸出值的曲線近似重合，誤差值很小，效果明顯，火災(zāi)預(yù)警網(wǎng)絡(luò)算法能夠快速富有成效地判別監(jiān)測(cè)對(duì)象是否產(chǎn)生的是陰燃火災(zāi)，達(dá)到火災(zāi)初期預(yù)警的目標(biāo)。
圖4表示在監(jiān)測(cè)對(duì)象的沒有發(fā)生火災(zāi)環(huán)境下火災(zāi)產(chǎn)生期望概率輸出值和計(jì)算得出的火災(zāi)產(chǎn)生實(shí)際概率輸出值的對(duì)比圖，依據(jù)圖3可以了解，在監(jiān)測(cè)對(duì)象的沒有發(fā)生火災(zāi)環(huán)境下，火災(zāi)預(yù)警網(wǎng)絡(luò)算法的火災(zāi)產(chǎn)生期望概率輸出值與火災(zāi)產(chǎn)生實(shí)際概率輸出值的曲線近似重合，兩條曲線基本重合，火災(zāi)預(yù)警網(wǎng)絡(luò)算法的實(shí)際概率輸出值和期望概率輸出值之間的誤差值很小，說明了火災(zāi)預(yù)警網(wǎng)絡(luò)算法有非常高的監(jiān)測(cè)準(zhǔn)確度，可以有效辨別監(jiān)測(cè)對(duì)象沒有發(fā)生火災(zāi)情形。
4 結(jié)論
火災(zāi)預(yù)警網(wǎng)絡(luò)算法將在3種火災(zāi)環(huán)境下傳感器系統(tǒng)收集到的測(cè)試樣本數(shù)據(jù)做了記憶和處理并進(jìn)行了歸一化計(jì)算，然后用仿真曲線圖直觀地分析了這些參數(shù)數(shù)據(jù)（溫度、煙霧、CO）在火災(zāi)不同階段環(huán)境的變化趨勢(shì)。經(jīng)過基于BP神經(jīng)網(wǎng)絡(luò)融合算法進(jìn)行運(yùn)算，獲得了在模擬火災(zāi)的3類環(huán)境下火災(zāi)的實(shí)際發(fā)生概率輸出值，然后和對(duì)應(yīng)的火災(zāi)的期望輸出概率輸出值進(jìn)行對(duì)比和解析，仿真出火災(zāi)實(shí)際概率輸出值與期望概率輸出值的曲線對(duì)比圖。曲線對(duì)比圖說明火災(zāi)預(yù)警網(wǎng)絡(luò)模型的實(shí)際概率輸出值與期望概率輸出值之間的誤差值很小，此算法的準(zhǔn)確性高，對(duì)監(jiān)測(cè)對(duì)象發(fā)生火災(zāi)狀況可以實(shí)時(shí)迅速地預(yù)警及報(bào)告，提升了火災(zāi)預(yù)警的精確度，有效地降低了漏報(bào)率及誤報(bào)率。
參考文獻(xiàn)
