• 5.1 分布式文件系统 • 5.2 HDFS简介 • 5.3 HDFS相关概念 • 5.4 HDFS体系结构 • 5.5 HDFS存储原理 • 5.6 HDFS大数据读写过程 • 5.7 HDFS编程实践

本文介绍了应用IBM-PC微型计算机的多路数据采集和处理系统的工作原理,硬件结构及系统软件。该系统具有输入通道多,采样频率可调,采样数据量大,输出显示灵活等特点,已成功地应用于实测工作

在前期研究的基础上, 对LiBr-[BMIM]Cl/H2O三元工质对的其他重要热力学数据进行了系统地测定, 包括密度、黏度、比热容和比焓.采用最小二乘法对测定的热力学数据进行回归, 得到了物性方程; 实验值与物性方程计算值的平均绝对相对偏差(average absolute relative deviation, AARD)分别为0.03%、1.10%、0.29%和0.01%.除了结晶温度和腐蚀性, 黏度是影响工质对实际应用的另外一个重要因素, LiBr-[BMIM]Cl/H2O三元工质对的运动黏度小于25 mm2·s-1, 满足实际应用要求, 且很好地改善了离子液体的高黏度问题

在金属材料的腐蚀电化学研究中,了解材料表面瞬态电化学响应与变化的方法之一是测量表面瞬态的电势分布或阻抗分布,采用相应的数据采集系统是一种新的方法,着重介绍该系统的原理和结构

桥梁模态频率随运营环境作用的变化规律是结构健康监测的研究主题之一.根据东海大桥6 a监测数据的周期变化特性,识别了运营条件下主梁竖弯、侧弯、扭转基频变化的影响因素,采用偏相关系数和周期平均法对比了各因素的影响程度.研究发现,东海大桥的模态频率存在1 a、1周、1 d、12.42 h等变化周期,与结构温度、交通荷载、风荷载、海面高度等的变化周期相吻合;结构温度和交通荷载是引起该桥频率变化的最主要因素,它们在各周期上的相对影响大小不同;周期平均法可有效分离监测数据中的年、周、天周期成分,揭示不同运营环境作用与频率变化的相关性.研究结果有助于加深对桥梁运营期频率变化的理解,从而更准确地评估结构性能

为了深入了解半焦与CO2的气化反应过程动力学,本文通过不同升温速率下的非等温实验,确定在不同阶段下富鼎半焦与CO2的气化机理.采用分段尝试法研究富鼎半焦与CO2气化反应过程动力学,确定反应过程前期与后期的机理函数分别为f(α)=(1-α)[1-ψln(1-α)]1/2和f(α)=(3/2)[(1-α)-1/3-1]-1,从而建立相应动力学模型,计算反应过程不同阶段的动力学参数.通过对不同阶段的动力学模型进行数据拟合,实验数据与模型吻合较好,相关系数都大于0.98.最后,根据求得的动力学参数,确定不同升温速率下活化能的补偿效应,即活化能与指前因子的关系式

以VC#.net、SQL Server 2008和地理信息系统为平台，对矿井地图进行了具有地理属性开发的研究，建立了图形库、数据库、方法库和知识库，并构建了基于避险设施的矿井火灾应急救援系统。对矿井火灾进行了实时在线模拟，分析和预测了火灾动态发展趋势，实现了矿井火灾烟流传播和最佳避灾路线的动态可视化显示功能。引入安全性、通行效率等因素对灾后巷道通行能力的变化进行修正，制定了基于避险设施的最优避灾路线选择原则和\理想—可行—逃生\等级路线。利用堆栈数据结构对Dijkstra算法进行改进，提高了在线运算速度。该系统已应用到潞安常村煤矿

为了准确度量属性的重要性,从基于粗糙集的属性度量视角,提出一种基于混合度量机制的属性评价方法,该方法从不同的信息粒度分析属性的重要性.在混合度量机制中,根据数据分布特点引入参数权重因子.在此基础上,构造一种基于粗糙集属性度量机制的集成分类器.通过实验结果和比较分析表明,所提出的方法能有效地降低数据的属性维度,相比较于单一属性度量准则,分类器具有更好的分类性能

同步充填留矿法因柔性隔离层的存在,其散体矿岩流动规律突破传统放矿理论的描述范围,因此开展柔性隔离层下单漏斗散体矿岩流动规律研究对于丰富放矿学理论具有重要意义.基于相似原理建立物理试验模型,以标记颗粒刻画出放出体和松动体形态,采用高清摄像机记录试验基础数据.基于试验数据,对柔性隔离层下单漏斗放矿放出体、松动体、空腔等演化规律进行分析.最高层位矿石未放出前,放出体呈完整封闭的近似椭球体形态;放出后,放出体呈现为陀螺体.最高层位矿石产生沉降前,松动体为完整封闭的近似椭球体形态;产生沉降后,松动体形态整体上呈喇叭状,喇叭状松动体上部为指数曲线,下部为近似部分椭球体.空腔在最高层位矿石产生沉降瞬间开始形成;隔离层边界与矿石层边界相切于空腔边界,切角随着隔离层下降深度的增大而增大,至散体自然安息角后保持不变,切点位置随着隔离层下沉由中间逐渐向两侧发展至放矿终止

由于时间序列数据具有高维度、动态性等特点,这就导致传统的数据挖掘技术很难有效的对其进行处理,为此,提出了一种基于多维时间序列形态特征的相似性动态聚类算法(similarity dynamical clustering algorithm based on multidimensionalshape features for time series,SDCTS).首先,提取多维时间序列的特征点以实现降维,然后,根据多维时间序列的斜率、长度和幅值变化的形态特征定义了一种新的时间序列相似性度量标准,进而提出无需人为给定聚类个数的多维时间序列动态聚类算法.实验结果表明,与其他算法相比,此算法对时间序列具有良好的聚类效果