E 级超级计算机故障预测的数据采集方法

随着超级计算机规模向E级迅速发展,其可靠性面临巨大挑战,基于故障预测的主动容错技术成为提高系统容错能力的有效方法之一。数据采集是故障预测的基础,现有用于超级计算机故障预测的数据采集方法采集数据属性少、开销大,影响了故障预测的准确性和效率。本文面向未来E级超级计算机,提出数据采集框架（Failure Prediction Data Collection Framework, FPDC）,能够全面采集与计算结点故障相关的状态数据,采用自适应多层分组数据汇集方法,有效解决了随着系统规模增长数据汇集过程开销过大的问题。在TH-1A超级计算机上的实现和测试表明,该数据采集框架具有开销小,扩展性好的优点,能够适应未来大规模系统故障预测数据采集的需求。     

导弹遥测故障的GM-Verhulst-SCGM预测算法

遥测故障预测是保障导弹遥测系统可靠性的基础。根据导弹遥测故障的历史数据,结合GM(1,1)模型、Verhucst模型和SCGM(1,1)c模型构建了导弹遥测故障的GM-Verhulst-SCGM组合灰色预测模型,按照预测有效度算法取得组合预测模型的权重系数。选用导弹遥测故障的训练组实际值作为原始数据,分别利用各预测模型估算对比组导弹遥测故障数据。预测结果表明,相比单一预测模型,组合灰色预测模型具备更高的故障预测精度。在验证组合灰色预测模型可行性的基础上,进一步估算了同一型号导弹未来时序的遥测故障数据,为相关部门及时改善导弹遥测技术及避免导弹故障提供理论及方法借鉴。     

水下导弹导引法与弹道仿真

假设目标作直线运动时,以未来方位导引法和自动变提前角导引法两种不同的导引方法为例,建立了水下导弹的线导和自导相对运动方程、导引弹道数学模型并进行了仿真,获得了水下导弹、目标和制导站的相对运动轨迹及水下导弹与目标相对距离随时间变化的曲线和攻击效果。对水下导弹攻击目标距离的预测具有较高的参考价值。     

BP组合预测方法在维修保障费用预测中的应用

通过对时间序列预测方法和回归分析原理的分析,建立了适用于武器装备维修保障费用的BP网络组合预测的时间序列多输出模型,并结合某型装备多年的维修保障费用,进行了预测数据仿真,得出的结果与实际的数据相比误差较小,具有较大的理论价值和实际的军事价值,有利于提高维修保障费用的效益,有利于实现装备的优良效费比。     

一座小型建筑空调动态负荷的ANN预测研究

人工神经网络(Artificial Neural Network,简称ANN)是一种崭新非线性建模和预测方法,具有良好的非线性品质和极高的拟合精度。在前人研究的基础上,针对一座小型建筑物建立了其空调动态负荷预测的BP模型。为克服常规BP训练算法的缺陷,提出了一种改进的遗传搜索算法,结果证明是一种高效实用的算法。     

警卫预测简论

我国改革开放以来在社会主义市场经济体制形势下,公安警卫工作面临的许多新情况、新问题,特别是在警卫工作中经常遇到的临时动议、临时旨意和随意性、从属性等实际情况,警卫指挥员要适应新时期警卫工作的需要．不断实现由经验预测向科学预测,变被动为主动。实施正确的组织指挥和科学决策。提出警卫预测过程中的相应对策。     

自行火炮内燃机故障先期预测中的仿真应用

通过对自行火炮内燃机汽缸工作过程进行建模 ,并应用质量损失函数 ,对其未来工作过程进行仿真 ,获得其未来工作参数 ,为对内燃机进行故障先期预测打下基础     

一种基于“GM(1,1)”模型的火炮初速灰预测方法

火炮初速量测是火炮进行弹道准备中的一项重要内容,运用灰色理论探讨火炮初速预测问题,既有利于提高火炮射击精度的修正,又有利于进一步完善火炮初速测量雷达的使用操作和改进设计。针对火炮初速随机变化的特点,基于灰色理论中的GM(1,1)模型,构建火炮初速灰预测模型,确定预测结果精度检验方法。最后通过一应用实例验证了该方法具有一定的合理性与实用性。     

简介机械装备故障预测系统设计

故障预测是一个新生事物,机械装备的故障预测更是一个复杂的大系统,随着人工智能技术先进研究成果的不断推出,有关故障预测的基础性理论和应用技术的研究也必将得到飞跃性的发展。而探讨开发机械装备故障预测系统的一般性准则,可以起到抛砖引玉的作用。     

随机时间序列法在油料消耗预测中的应用

能否准确预测航空兵场站油料消耗量,对于做好场站油料保障工作具有重要意义。目前对油料消耗预测通常采用经验估算法,虽简单易行,但缺乏科学依据。本文采用随机时间序列法,建立了场站油料消耗量预测模型。实例验证其预测精度较高。