-
题名边缘大数据分析预测建模方法研究
被引量：1
- 1
-
-
作者
钟运琴
朱月琴
焦守涛
-
机构
中国科学院大学中国科学院大数据挖掘与知识管理重点实验室
国务院发展研究中心信息中心
中国地质调查局发展研究中心
自然资源部地质信息工程技术创新中心
-
出处
《高技术通讯》
CAS
2022年第10期1067-1075,共9页
-
基金
国家自然科学基金(41872253)
国家重点研发计划(2018YFC1505501)资助项目。
-
文摘
随着物联网大数据分析实时性要求的提高,中心控制的云端大数据分析方法无法满足实时性和准确性要求,表现为响应延迟大、成本开销大、特定环境下的预测准确性低。本文提出了在海量实时数据如传感器数据、流数据等场景下的边缘侧大数据分析预测建模方法,该方法在边缘侧训练小数据样本,根据特定的应用场景多接入边缘侧进行分布式建模学习,分而治之地训练模型和推理预测分析。首先,通过将大数据分析和边缘计算相结合提出了边缘侧和云端协同的大数据分析预测建模的理论范式框架;其次,在该标准范式框架的基础上,设计了边缘侧大数据分析预测的训练算法和调优机制;最后实现了边缘侧大数据分析的训练和评估系统原型。在百个节点测试环境的实验结果表明,在实时大数据场景,同云端训练相比,本文提出的边缘侧大数据训练的性能效率平均提升了3.95倍,网络通信量减少了88.7%,边缘侧协同训练模型的预测准确率、召回率和F1值比传统训练方法可以提升3%~9%,请求预测的响应延迟降低了67.5%。本文方法可有效应用于科学计算、智能金融、自动驾驶、安防监控、数据安全、智能工厂和智慧城市等领域,具有一定的借鉴价值。
-
关键词
边缘计算
大数据分析
边缘大数据
边缘机器学习
边云协同
-
Keywords
edge computing
big data analysis
edge big data
edge machine learning
edge-cloud collaboration
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于物理信息神经网络的飞机气动参数辨识方法
被引量：2
- 2
-
-
作者
付军泉
钟伯文
钟运琴
刘赟
-
机构
南昌航空大学飞行器工程学院
江西省飞行器设计与气动仿真重点实验室
中国科学院大学中国科学院大数据挖掘与知识管理重点实验室
-
出处
《空气动力学学报》
CSCD
北大核心
2023年第9期30-37,共8页
-
基金
国家自然科学基金(12262023)
江西省重点研发计划项目(20223BBE51001)。
-
文摘
在飞机设计与研制过程中,通过气动参数辨识建立可靠的飞行动力学模型非常重要。传统的气动参数辨识工程算法,诸如极大似然法,需要给出合理的飞行动力学模型以及待辨识参数的初值。基于传统神经网络的气动参数辨识可以避免飞行动力学建模过程,这种方法需要通过增量法、导数法间接地从神经网络提取气动参数。本文提出了一种基于物理信息神经网络的飞机气动参数辨识方法,可将含待辨识参数的飞行动力学模型作为正则项加入损失函数,直接辨识得到气动参数。该方法可以显著减少建模数据需求,也能提高建模精度。飞行仿真数据验证结果表明,该方法的无噪声、含2%噪声仿真数据,纵向飞行状态空间模型辨识最大相对误差分别为1.80%、4.64%,表明了基于物理信息神经网络的飞机气动参数辨识方法具有可行性,并对含噪声的飞行数据具有泛化性。
-
关键词
深度学习
基于物理信息的神经网络
飞行动力学
状态空间
气动参数辨识
-
Keywords
deep learning
physics informed neural network
flight dynamics
state space
parameter identification
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
V212.1
[航空宇航科学与技术—航空宇航推进理论与工程]
-
