状态监测信息模型

状态监测信息模型（共11篇）

状态监测信息模型 篇1

0 引言

电能质量监测是智能电网建设的一项重要内容, 同时也是组成“友好供电系统”的主要环节。有效利用电能质量监测信息, 对建立电能质量问题的综合评估体系, 合理选择电能质量治理方案, 确保电力系统安全运行和维护用户的合法用电权益都有积极意义。

目前, 国内外都相当重视电能质量监测管理。美国建立了基于Web的I-Grid TM分布式终端对终端 (End-to-End) 的电能质量及可靠性监测与通知系统;土耳其已经建立起全国性的电能质量监测网, 并构建了电能质量领域本体, 试图将电能质量监测信息的高效利用提升到一个新的台阶[1,2]。而在中国, 上海电业局和江苏电力公司等都已经建立了具有上百个监测点的电能质量监测网[3,4]。因此, 随着智能电网的迅猛发展, 电能质量监测点将急剧增加, 目前电能质量监测管理系统采用的基于目录查询方式使用资源少、检索效率低且速度慢等缺点难以满足人们高效获取信息的要求。

与传统检索不同, 智能检索能用集成技术对异构信息源的数据进行自动标引、匹配和整合, 允许用户对不同资源进行统一查询, 用统一方式使用来自不同数据源的数据。本文提出了基于本体的电能质量监测信息智能检索模型 (Intelligent Retrieval Model for Power Quality Monitoring Information, IRMPQ-MI) ;在电能质量领域本体的指导下, 详细阐述了IRMPQMI的本体关系模型及构建方法、体系结构和检索流程与关键步骤。算例分析表明所提出的IRMPQMI设计思路对实际电能质量监测信息智能检索系统的实现具有一定的指导意义和工程实用价值。

1 本体在电能质量智能检索中应用

1.1 本体的概念

本体概念源于哲学, 它是指客观存在的一个系统的解释或说明, 关心的是客观现实的抽象本质[5]。在20世纪60年代, 本体开始受到人工智能界的关注, Studer等人[6]在1998年提出的定义最具有代表性, 即“本体是共享概念模型的明确的形式化规范说明。”它包括概念模型、明确、形式化和共享四个层次。本体的目标[7]是捕获相关领域的共有知识, 提供对该领域知识的共同理解, 确定该领域内共同认可的术语, 并从不同层次的形式化模型上给出这些术语和术语间相互关系的明确定义, 实现对领域知识的推理。简单的说, 本体就是一种具有层次结构和语义关联的知识模型。

1.2 电能质量监测信息智能分析现状

基于本体的智能检索研究仍处于发展前期, 还有很多研究难题, 但已经引起了包括图书情报界在内的相关专家学者们的广泛关注[8,9]。虽然在电能质量信息智能分析上已有一些研究成果, 如基于短板效应的电能质量综合评估[10], 短时扰动分类[11], 谐波发射水平评估[12], 这些成果在某些方面具备电能质量信息智能诊断特征, 但在组成电能质量信息知识模型从而实现电能质量监测信息智能检索时还有很多工作要做。例如, 不同的电能质量指标有不同的量纲, 如何综合评价其相互影响程度?

2 基于本体的IRMPQMI模型

2.1 IRMPQMI本体类及关系模型

如图1所示, IRMPQMI本体包括四个类, 分别为:电能质量指标类, 评估等级类, 统计特征量类, 检索限制条件类。

2.2 基于本体的IRMPQMI系统框架

如图2所示, 基于本体的IRMPQMI系统框架包括:本体管理、IRMPQMI数据准备与预处理、IRM-PQMI检索预处理、IRMPQMI特征表的建立等四个最主要的模块。

2.2.1 IRMPQMI数据准备与预处理

如图3所示, 电能质量监测原始数据存入历史数据库中, 但不能直接对这些数据进行查询和检索, 需要经过一系列的数据准备与预处理之后, 每一个监测数据将可以用一个特征向量表示, 每一个特征向量里面包含一组特征属性:

A= (监测点编号, 监测时间段, 监测指标, 监测指标统计特征值, 超标, 不超标) 。

2.2.2 IRMPQMI检索预处理

图4说明了用户输入的检索条件一般是某一个问题或短语关键词, 这需要通过查询检索系统内部已经建立的特征表, 对用户的检索式进行分词, 特征量抽取, 语义推理和查询扩展, 最后就形成了计算机能够读懂的反映用户检索要求的特征向量, 再通过一定的算法与从检索数据库中抽取的数据进行匹配, 输出满足用户检索要求的结果, 如按相似度高低排序。

当本体建立好之后, 将用本体生成IRMPQMI的特征表在检索预处理和数据预处理之间建立检索特征向量和数据源特征向量的语义映射关系。如表1所示, 本文建立了五种类型的特征表, 下面以谐波为例说明检索预处理和原始数据预处理的具体过程。

2.2.3 IRMPQMI特征表的建立及作用

当用户在检索窗口中输入“请问2010年10月10日监测点L1_1、L1_2、L1_3的谐波污染哪个更严重一些?”或者关键词“谐波”、“严重”时, 在选择限制条件“以95%概率值作为指标”, 计算机就会自动通过图5所示的流程对谐波检索条件进行预处理, 从而计算机就明白用户的意思是“检索2010年10月10日监测地点L1_1、L1_2、L1_3的谐波水平而且是以95%概率值这一统计特征量对其严重程度排序”。那么, 计算机就可以自动以一个特征向量来对这一检索请求形式化表示, 并将其实例化。

检索请求形式化表示:Q= (电能质量监测内容, 不超标, 超标, 统计特征量, 检索限制条件)

实例化后:Q= (谐波, 严重, 95%概率值, 2010年10月10日, L1_1、L1_2、L1_3)

如图6所示, 通过查询特征表, 计算机可以将用户的检索特征向量A与数据源特征向量Q之间建立一种简单的映射关系, 使两者具有一定的关联性, 此映射的目的在于从历史数据库中提取数据进入检索数据库时, 只需要提取所关心的那很少部分数据来计算, 对电能质量进行评估, 而不需要去查询所有的历史数据库来寻找所需要的数据, 这大大地节约了检索的时间和效率。

2.2.4 提炼IRMPQMI电能质量分级评估原始数据

通过前面形成的两个特征向量建立映射关系之后, 这些词汇与我们对数据的预处理后的词汇是一致的, 也就是说, 每一个数据源特征向量Q通过这种映射的建立之后就已经被实例化了, 计算机已经自动选择了Q中的每一个所必须的元素变量, 由于在数据的预处理过程中, 计算机已经将每一个元素变量与检索数据库中的数据关联起来了。

数据源特征向量Q与检索数据库中数据关联示意图如图7所示。在图中, 数据源特征向量Q中的每一个数据元素与经过数据预处理后的数据块可以建立一一对应关系, 这就实现了对电能质量分级评估数据源的提炼过程。

3 实例分析

假设某一个地区电网中的110k V变电站有三个电能质量监测点L1_1, L1_2, L1_3, 在某一个时间段内, 对三个监测点谐波水平进行排序。用Ui (i=1, 2, 3, 4) 来表示上述四个指标:95%概率值、3 s均方根、10min均方根和2h均方根。根据国标GB/T 14549-1993《公用电网谐波》中的规定, 110 k V电压等级下的THDu限值为2.0%。

(1) 将把数据源特征向量Q (谐波, 严重, 95%概率值, 2010年10月10日, L1_1、L1_2、L1_3) 在特征表的指导下从检索数据库中提炼的110k V监测数据如式 (1) 所示, 用百分比表示。

其中, xli表示第l个监测点的第i个指标值。

(2) 以L1_1监测点为例, 确定指标集中每个指标对评估结果集的隶属度。

将指标等级进行量化, 即定义隶属度如下:

其中, Vj表示评估结果集中第j个元素量化值 (隶属度标准值) ;C-j为量化值的左侧模糊度;C+j为量化值的右侧模糊度。具体定义如下:

V (不严重) = (2.0, 0, 0.3) ;V (轻微严重) = (2.5, 0.3, 0.3) ;V (一般严重) = (3.0, 0.3, 0.3) ;V (较严重) = (3.5, 0.3, 0.3) ;V (严重) = (4.0, 0.3, 0.3) 。

可通过式 (3) 确定每个监测点对应的每个指标实际监测值对评估结果集中每个元素的隶属度为:

其中, xli为第l个监测点的第i个指标值;xlij为xli对第j等级的隶属度;Vk为每一个等级的标准隶属度。

(3) 模糊综合评估结果及检索结果

假设各指标权重为:A= (0.3, 0.3, 0.2, 0.2) 。

因此, 每个监测点通过模糊综合评估后的检索结果如表2所示。

4 结论

本文在分析了目前国内外电能质量监测管理系统普遍采用基于目录查询的方式进行数据检索, 不能满足用户从海量的电能质量监测数据中快速、高效、个性化的检索出所需要的数据进行电能质量水平的综合评估问题, 提出了基于本体的IRMPQMI的体系结构和检索流程, 并阐述了电能质量本体构建的思路, 以谐波为例, 详细说明了基于本体的IRM-PQMI的工作原理及其与传统检索方式相比的优越性。这对实际的电能质量监测信息智能检索系统的开发具有一定的指导意义和工程实用价值。

参考文献 (References) :

参考文献

[1]Dilek Küük, Tolga.Inan, zgül Salor, et al.An exten-sible database architecture for nationwide power qualitymonitoring[J].Electrical Power and Energy Systems, 2010, 32 (6) :559-570.

[2]Dilek Küük, zgül Salor, Tolga.Inan, et al.PQONT:A domain ontology for electrical power quality[J].Ad-vanced Engineering Informatics, 2010, 24 (1) :84-95.

[3]何维国, 谢伟, 张健 (He Weiguo, Xie Wei, ZhangJian) .上海电网电能质量监测系统 (Power quality mo-nitoring system of Shanghai grid) [J].华东电力 (EastChina Electric Power) , 2010, 38 (4) :497-499.

[4]王玲, 康健, 邹宏亮, 等 (Wang Ling, Kang Jian, ZouHongliang, et al.) .实时电能质量监测系统的构建及应用 (Construction and application of real-time powerquality monitoring system) [J].电力系统保护与控制 (Power System Protection and Control) , 2011, 39 (2) :108-111.

[5]邓志鸿, 唐世渭, 张铭, 等 (Deng Zhihong, Tang Shi-wei, Zhang Ming, et al.) .Ontology研究综述 (Over-view of ontology) [J].北京大学学报 (自然科学版) (Acta Scientiarum Naturalium Universitatis Pekinensis) , 2002, 38 (5) :730-738.

[6]Studer R, Benjamins V R, Fensel D.Knowledge engi-neering:principles and methods[J].Data and Knowl-edge Engineering, 1998, 25 (1-2) :161-197.

[7]陆建江, 张亚非, 徐伟光, 等 (Lu Jianjiang, ZhangYafei, Xu Weiguang, et al.) .智能检索技术 (Intelli-gent retrieval technology) [M].北京:科学出版社 (Beijing:Science Press) , 2009.

[8]尹焕亮, 孙四明, 张峰 (Yin Huanliang, Sun Siming, Zhang Feng) .基于本体的Web智能检索研究 (Re-search of web intelligent retrieval based on ontology) [J].计算机工程 (Computer Engineering) , 2009, 35 (23) :44-49.

[9]Harith Alani, Sanghee Kim, David E Millard, et al.Au-tomatic ontology-based knowledge extraction from webdocuments[J].IEEE Intelligent Systems, 2003, 18 (1) :14-21.

[10]陶顺, 肖湘宁 (Tao Shun, Xiao Xiangning) .基于短板效应的电能质量综合等级评价 (Synthetic grading eval-uation of power quality based on incentive mechanism) [J].电工电能新技术 (Advanced Technology of Electri-cal Engineering and Energy) , 2008, 27 (2) :16-20.

[11]刘鑫, 杨洪耕, 赵俊 (Liu Xin, Yang Honggeng, ZhaoJun) .基于S变换模时频矩阵局部相似度的短时电能质量扰动分类 (Classification for short duration powerquality disturbance based on S-transform with moduletime-frequency matrixes partial similarity) [J].电力系统自动化 (Automation of Electric Power Systems) , 2009, 33 (8) :62-67.

[12]惠锦, 杨洪耕, 林顺富, 等 (Hui Jin, Yang Honggeng, Lin Shunfu, et al.) .基于独立随机矢量协方差特性的谐波发射水平评估方法 (Assessment method of harmon-ic emission level based on covariance characteristic of ran-dom vectors) [J].电力系统自动化 (Automation of E-lectric Power Systems) , 2009, 33 (7) :27-31.

状态监测信息模型 篇2

贝叶斯多变量动态线性模型在大坝监测中应用

针对常规静态监控模型不能完全描述大坝监测效应量之间的关联性,探讨采用多元贝叶斯动态模型描述这种复杂关系.通过应用实例表明.建立的动态模型拟合和预测精度高,能实时反映大坝的动态特性.

作 者：朱伟宾 ZHU Weibin  作者单位：中国长江电力股份有限公司,检修厂,湖北,宜昌,443002 刊 名：水电能源科学  ISTIC PKU英文刊名：WATER RESOURCES AND POWER 年，卷(期)： 26(2) 分类号：O212.8 TV698.1 TV64 关键词：多变量动态线性模型   最大似然估计   大坝监测  

空船压载状态优化计算的数学模型 篇3

(上海海事大学商船学院，上海 201306)

0 引言

散装液货船(油船、液化气体船和液体化学品船)和矿砂船几乎有一半航程在空船压载状态下航行，其他类型的船舶在营运中也常会遇到空船压载下航行的情况.因此，研究各类船舶在不同海况下的空船压载优化方案，对减小船舶阻力、提高船舶快速性和耐波性、实现船舶节能增效目标具有重要的意义.［1］

习惯上，多数船舶在空船状态下采用本船《装载手册》中所推荐的压载方案(简称推荐方案).实际上，推荐方案提供的压载状态常常在满足船舶浮态、稳性和纵强度要求下，多数压载舱满载或接近满载，适合船舶在限定航区各种海况下航行，但推荐方案并非是特定海况下的最佳方案.

本文在兼顾船舶浮态、稳性和总纵强度要求下，设计算法并建立求解船舶优化压载方案的多目标数学模型，借助LINGO编程给出一个求解空船优化压载方案的计算实例.

1 空船优化压载方案的求解算法和模型

1.1 船舶浮态、稳性和纵强度要求

空船优化压载方案不但应满足船舶浮态、稳性和纵强度的最低要求，而且应同时优化船舶浮态、稳性和纵强度的指标值，并使压载水的总量相对较小.

1.1.1 浮态

船舶在同一排水体积下处于不同的浮态，直接影响水下流线型船体的形状和船体浸水面积，从而影响船舶的水下阻力.

对于最小艏吃水dFmin，上海船舶运输科学研究所在分析国际海事组织(International Maritime Organization，IMO)浮态衡准后提出建议［2］为

式中:Lbp是船舶垂线间长.该项要求是为保持船舶球鼻首适度浸入水中，可以改善船体水下的流线型形状、降低船舶兴波阻力等.

最小艉吃水 dAmin应满足使螺旋桨沉深比h/D≥0.625的要求，保证船尾螺旋桨浸没水中一定深度，以提高螺旋桨的推进效率.

空船压载状态下通常要求吃水差

船舶在空载状态下的平均吃水同时还影响到水线以上船体的受风面积和水线以下船体的浸水面积.不同海况(特别在恶劣海况)下万吨级船舶的最小平均吃水dMmin通常要求超过其夏季满载吃水50%.上海船舶运输科学研究所提出建议为

笔者认为，大型船舶在海况良好时可适度减少船舶平均吃水，以降低船舶阻力、增加航速.

船舶在任一装载状态(包括空载)下，应满足无初始横倾角的要求.

1.1.2 稳性和纵强度

在空船压载下船舶稳性通常都能满足法定要求，但许多船舶在空载时的重心偏低，初稳心高度偏

式中:hGM和hGM0分别为船舶经自由液面修正和未经自由液面修正的初稳心高度，m;hGMC和hGM9s分别为船舶最小许用初稳心高度和横摇周期9 s对应的船舶初稳心高度，m.船舶某浮态下的初稳心高度在满足式(1)的条件下取优化值(可由软件用户修改)

在空船压载下船舶纵强度通常也能满足要求，但在空船压载方案的求解中其纵强度指标存在较大的优化余量.设定具体的船体纵强度校核指标为:船舶每一校核纵强度的横剖面上的切力比和弯矩比中最大值不大于100%，期望值小于50%;其各切力比和弯矩比的平均值不大于100%，期望值小于10%.

1.2 空船优化压载方案的算法

空船优化压载方案的算法［3－5］如下:

(1)获取船舶相关压载舱容积、压载水密度、船体纵强度等数据.若设船舶共有nt个压载舱，其舱容分别为 V1，V2，…，Vk，…，Vnt，压载水密度为 ρ，则各压载舱的最大压载质量为mPmax1，mPmax2，…，mPmaxk(=Vk·ρ)，…，mPmaxnt;设船体强度校核ns个剖面最大允许切力值为 FSmax1，FSmax2，…，FSmaxi，…，FSmaxns，nb个剖面最大允许弯矩值为 MBmax1，MBmax2，…，MBmaxi，…，MBmaxnb.

(2)设置船舶初始压载状态.借助船舶装载软件，在某油水装载状态下，调整船舶各压载舱的初始压载质量(设初始压载质量为 mP01，mP02，…，mP0k，…，mP0nt)，使之满足船舶浮态要求(dF≥dFmin;dA≥dAmin;吃水差t等于设定最佳值topt(即t=topt);横倾角θ等于0(即θ=0)下，使船舶排水量mΔ达到其最小值 mΔmin(即 mΔ=mΔmin).

(3)确定船舶各压载舱压载质量取值范围.设mPmaxk为第k压载舱最大压载质量，它等于第k压载舱舱容与压载水密度之积;设ΔmPk为在初始压载状态下第k压载舱压载质量的改变值，则

(4)初始压载状态下获取船舶切力、弯矩和吃水差，以及加载100 t船舶切力、弯矩和吃水差改变值.即获取ns个强度校核剖面剪切力值FS01，FS02，…，FS0i，…，FS0ns;nb个强度校核剖面弯矩值 MB01，MB02，…，MB0i，…，MB0nb;各压载舱加载100 t每一纵强度校核剖面剪切力改变值、弯矩改变值和吃水差大而摇摆周期偏小，需要在确定空船压载方案时予以考虑.设定船舶稳性指标要求为改变值(如第k压载舱剪切力改变值ΔFSk1，ΔFSk2，…，ΔFSki，…，ΔFSkns，弯矩改变值 ΔMBk1，ΔMBk2，…，ΔMBki，…，ΔMBknb和吃水差改变值 Δtk).

(5)借助数学模型(第1.3节)和LINGO编程并运行程序，求解船舶优化压载方案.船舶的优化压载质量为:mP01+ΔmP1k，mP02+ΔmP2k，…，mP0k+ΔmPkk，…，mPnk+ΔmPnk.

(6)将求解的优化压载方案输入装载软件进行验算.即将第5步的优化压载质量输入装载软件，以获取装载软件的计算结果.

(7)比对数学模型求算结果和船舶装载软件计算结果.①检查装载软件计算结果中船舶横倾角是否接近0，艏艉吃水、吃水差和排水量是否均达到设定的浮态要求值，核查船舶初稳心高度hGM是否满足设定要求.②将数学模型求算结果中各强度校核剖面的剪切力比及弯矩比数据与船舶装载软件的相应计算结果进行比对.

(8)若对第7步比对结果不满意，则调整数学模型中的权重或由优化方案给出的某舱实际压载的改变量，修改加载100 t船体剪切力、弯矩或吃水差改变值，再转至第5步.

(9)若对第7步比对结果满意，则算法结束.

1.3 数学模型

空船状态下通过压载水调整船舶纵倾(吃水差)和横倾的目标易于达到，因此将该两项指标置于模型的约束条件内.鉴于通过压载水调整船舶纵强度和稳性指标的难度较高，常常会出现顾此失彼现象，所以将其组合后置于数学模型的目标函数中.

空船优化压载方案的数学模型［6］中的目标函数为

式中:wstr为纵强度效用值权重;wstb为稳性效用值权重.

定义纵强度效用值为

纵强度剪切力比和弯矩比(即船体某剖面实际剪切力或弯矩占其最大允许值之百分比)最大值PRSBmax的效用值被定义为

定义纵强度剪切力比和弯矩比平均数PRSBaves效用值为

第i剖面剪切力比

第j剖面弯矩比

定义船舶稳性调整的效用值为

式(2)中权重wstr和wstb用于反映对船体纵强度和稳性评价中的相对重要程度，需要依据不同船舶空船时纵强度和稳性的实际状况或偏好确定;Ustr和Ustb是船体纵强度评价效用值和船舶稳性评价效用值，取值范围［0，1］.

式(3)中umaxs和uaves是船体强度各校核横剖面剪切力比和弯矩比(式(8)和(9))中最大值(式(5))和平均值(式(7))的效用值，其取值范围［0，1］，计算公式见式(4)和(6).根据船舶纵强度校核横剖面剪切力比和弯矩比最大值PRSBmax和平均值PRSBaves的实际状况，两者均不可能等于0，而当两者之一超过100时，其效用值umaxs和uaves即为0.从式(3)可知，若umaxs和uaves两者之一取0，则纵强度效用值Ustr为0，也即意味着纵强度不满足要求.

式(4)是设定当校核强度剖面的剪切力比和弯矩比的最大值的效用值PRSBmax≤50%时，其效用值取1;PRSBmax＞100%，则取 0;当 PRSBmax在 50% ～100%之间时，依据前段PRSBmax在50% ～90%之间较平坦，后一段 PRSBmax在90% ～100%之间较陡峭，PRSBmax为90%的效用值取0.7(采用MATLAB拟合曲线方法获得效用值计算公式).

式(6)是设定当校核强度剖面的剪力比和弯矩比平均值的效用值PRSBaves≤10%时，其效用值取1;PRSBaves＞100%，则取0;当 PRSBaves在10% ～100%之间时，依据设定接近直线的上凸曲线(采用MATLAB拟合曲线方法获得效用值计算公式).

式(7)，(8)和(9)中设定的符号与前述算法中一致.其中，式(8)和(9)建立的条件是在船舶浮态不变条件下，将船上少量载荷纵向位置改变引起的每一剖面上剪切力和弯矩改变量近似看作呈线性关系［3］.

式(10)为调整船舶稳性的效用值计算公式，式中:下标 u={C1|1，2，…，k，…，nt}，其中，设定 C1条件为压载舱中舱容中心高于船舶重心高度时压载舱编号集合;下标 d={C2|1，2，…，k，…，nt}，其中，设定C2条件为压载舱中舱容中心低于船舶重心高度时压载舱编号集合.式(10)系数取0.8是考虑当上或下层压载舱只配置50%压载水时设置的效用值为0.6.mRBWu和mRBWd分别表示舱容中心高于和低于船舶重心高度时压载舱的最大压载量之和与船舶总压载量的差值，当前者小于后者时取0.k1和k2是船舶重心高度调整系数，当期望提高船舶重心高度时，取k1=1，k2=0;当期望降低船舶重心高度时，取k1=0，k2=1;当不需要考虑船舶重心高度的调整时，取 k1=0，k2=0.

式(11)中yk表示第k压载舱重心横向距船中纵剖面距离，左舷取负值，右舷取正值.不等式右边表示导致船舶横倾0.05°时所需横倾力矩.由于所设置的船舶初始浮态已满足船舶横倾角为0，满足该式即表示优化压载方案能够保证船舶初始横倾角不大于0.05°.

式(12)左边表示第k压载舱压载量的改变值Δmk乘以其加载100 t吃水差改变值Δtk之后除以100，右边表示期望的吃水差topt与将优化压载方案输入装载软件后获得的吃水差之间差值ta.ta值初始取0，将优化压载方案输入装载软件后，若计算结果中显示的吃水差tc≠topt，取ta=topt－tc，需再次求解优化压载方案.

式(13)表示在船舶初始压载方案基础上，各压载舱可供调整压载量的上下限.

式(14)表示与船舶初始压载方案相比，各压载舱压载量的改变值之和为0，即保证优化压载方案满足 mΔ=mΔmin的要求.

2 空船优化压载方案的计算实例

为验证算法与模型，尝试采用LINGO编程［7］，以德国SEACOS GmbH公司开发的SEACOS V3.21装载系统为验证平台，完成一个SEACOS V3.21装载软件演示版中所包含的一艘典型9个货舱22个压载舱尾机型散货船(资料见表1和2)的空船优化压载方案的实例计算.

2.1 设定的船舶初始压载状态

船舶初始压载状态需要满足其浮态与优化压载状态相同这一条件.设置初始压载状态的目的是为保证某压载舱改变压载量时，仅引起载荷重力分布发生变化而船体水下浮力不变.经装载软件测试表明，在此条件下船上载荷的变化量与某强度校核剖面上的剪切力与弯矩近似成正比.此外可以证明，在船舶排水量不变的条件下，船上载荷变化量与船舶吃水差变化量成正比.

表1 M.V.“Seabulk”主要参数1

表2 M.V.“Seabulk”主要参数2

设定初始压载状态下的船舶浮态是:艏吃水为dF=0.012Lbp+2=5.12 m，按螺旋桨沉深比取0.65确定艉吃水为dA=9.27 m，吃水差t=－4.15 m(满足其绝对值与船长之比小于2.5%的要求)，船舶初始横倾角等于0°.由此确定的船舶平均吃水为7.04 m(排水量62845.2 t)，小于《装载手册》推荐方案的8.28 m(排水量75121.7 t).船舶离港状态下油水装载情况为:燃润油2247 t，淡水949 t，船舶常数和备品350 t.装载软件显示，经对各压载舱反复调整压载量后其浮态能够满足设定要求，总量37199 t压载水在各舱分布见表3.在初始压载状态下各压载舱经加载100 t载荷后获取船体纵强度和吃水差数据，见表4.

表3 初始压载方案各舱压载质量

表4 每加载100 t各横剖面剪切力、弯矩和吃水差变化量

2.2 数学模型的求解

基于LINGO 12.0编程求得的优化压载方案见表5.初始压载状态下船舶重心过低，初稳心高度偏大，因此取k1=1，k2=0.由表2可见，压载舱中舱容中心高于船舶重心高度的压载舱编号集合包括5个上边舱1US＆P，2US＆P，3US＆P，4US＆P，5US＆P 和尾尖舱APT.式(10)中定义的mRBWu=0(因上述共11舱最大装载量22101.3 t小于压载总量37199 t).

经LINGO两次解算和装载软件验算获取ta为0.16 m，船舶初始横倾角为0，以及纵强度校核指标LINGO解算值和装载软件验算结果以及两者间误差见表6.为简化起见，仅给出5个肋骨数据)，其最大绝对误差为－2.7，绝对平均误差为－0.91.经对数学模型的多次解算结果的比较，并考虑到压载方案对船舶稳心高度的调整余量较小，在实例计算中wstr取 0.7，wstb取 0.3.

表5 LINGO解算的优化压载方案

表6 纵强度指标的计算误差

2.3 优化压载方案与推荐方案的比较

由模型解算获得的优化压载方案所确定的船舶重心垂向高度由初始压载方案的11.14 m(推荐方案为11.74 m)提高到12.79 m，船舶横摇周期相应提高近1 s，达到8.9 s.显然，在优化压载方案下船舶的稳性有一定程度改善.而采用优化压载方案对船舶纵强度指标的改善效果也非常明显(见表7)，推荐压载方案的剪切力比和弯矩比中最大值是94.8%，优化压载方案是91.9%，推荐压载方案的剪切力比和弯矩比平均值是51.6%，优化压载方案仅为30.9%.

表7 两种压载方案的纵强度评价指标比较

另外，将同一艘船的优化压载方案与船舶《装载手册》推荐的压载方案进行比较，仅存在吃水差和平均吃水两方面的差异，符合运用海军系数法［8］要求的两船主尺度比、船型系数、型线形状以及相应速度比较接近的条件，因此可以运用海军系数法估算同一船两种压载状态下主机功率消耗和船速.优化压载方案与推荐压载方案因前者压载水比后者减少12276.5 t，采用海军系数法的估算结果是:相同船速下优化压载方案的主机功率消耗减小11.2%;在相同主机功率消耗下，船速提高4.0%.

3 结束语

目前，国内外各类规则对空船压载状态下的船舶平均吃水并无强制要求，本文给出一种理论上的空船优化压载方案计算方法.此方法可扩展应用于确定各类船舶在任一装载状态下的优化压载方案中.对于特定船舶，应当存在一个随船舶油水消耗和海况不同而动态变化的，能使船舶总阻力最小、船速最快的最佳压载方案.这种方案需要船舶驾驶人员针对不同船舶装载状况和海况，通过多次调整船舶压载方案改变船舶不同纵倾和平均吃水后获取.显然，采用优化压载方案的船舶在航行中如遇恶劣海况时，还是应降低船速，适当增加船舶平均吃水，或采用《装载手册》中推荐的压载方案.

［1］邱文昌，吴善刚.对船舶最佳压载方案编制问题的研究［J］.上海海运学院学报，2001，22(2):4－8.

［2］邱文昌，吴善刚.海上货物运输［M］.大连:大连海事大学出版社，2010:187－193.

［3］邱文昌，顾瞿飞.散货船优化积载的数学模型及其应用［J］.上海海事大学学报，2011，32(4):22－27.

［4］尹群，管义锋，张延昌.船舶静水剪力和静水弯矩的计算及分析［J］.造船技术，2002(1):11－14.

［5］邱文昌，吴善刚.装载计算机操作中改善船体受力状况的方法［J］.上海海运学院学报，1998，19(2):32－40.

［6］吴善刚，邱文昌.大型集装箱船的总纵强度实用计算方法［J］.上海海运学院学报，1998，19(3):51－56.

［7］谢金星，薛毅.优化建模与LINDO/LINGO软件［M］.北京:清华大学出版社，2005:105－130.

状态监测信息模型 篇4

1 干旱

干旱是由于水分收支不平衡造成的水分缺失的现象, 也是一种十分常见的自然灾害。干旱具有持续时间长、发生频率高、影响范围广的特点, 随着干旱问题的日趋严重, 已成为全球研究的内容。我国是世界上干旱灾害最严重的国家之一, 每年都会发生不同程度的干旱, 轻者粮食减产, 重者颗粒无收。

农业干旱涉及到气象、农业、植物生理等很多学科, 现阶段, 农业干旱监测方法主要有遥感监测和气象监测, 遥感监测就是通过热惯量法对土壤的湿润程度进行监测, 对植物的需水状况等进行遥感监测, 要遵循作物的生理指标和形态指标;气象监测就是对气象站点的气象数据进行相应的统计, 并进行分析, 凭借干旱指标对研究区域内的旱情进行相应的监测。其中, 气象监测备受国人关注, 也是研究的焦点, 已形成一些干旱监测方法, 像降水指数、帕默尔干旱指数等, 为干旱监测提供了一定的技术支持, 但其准确性和代表性有限;遥感监测虽然能够及时获取地表的综合信息, 但监测的信息是时间点上的植物反映的信息, 不能从作物的生长环境和生长机理进行考虑。而接下来研究的综合监测模型就是将作物生理、土壤湿度等内容相结合, 并将遥感和气象监测法进行融合, 探究农业干旱综合监测模型构建的方法, 为干旱监测提供重要保障。

2 数据来源

2.1 遥感数据

中分辨率成像光谱仪是一种传感器, 需要搭接在TERRAA、QUA这2颗卫星上, 在这2颗卫星的作用下, 可以获取全球大部分地区的MODIS数据, MODIS传感器在时间和光谱分辨率上都得到了较大的改善, 堪称新一代的传感器。MOD11A2空间分辨率为1km, 获取的是白天和夜晚的地表温度, 也包含数据质量控制信息;MOD13A3空间分辨率为1km, 主要获取地表植被指数、增强型植被指数等;MOD12Q1空间分辨率约为500m, 本文对这3种数据进行文件格式转换, 在IDL环境下剪出海南省研究区域, 并对原始数据进行质量控制, 合成覆盖海南省的MODIS系列的遥感数据、图像集, 用于综合干旱监测模型构建时数据输入的计算。

2.2 气象信息、采样数据

收集海南省2011年2月份到5月份的月旬降水量, 各旬多年平均降水量, 计算出综合降水指数, 凭借薄板样条函数插值法, 进行海南岛全岛模拟, 获得整个区域的气象空间信息。2011年5月份, 预选3个样区, 采用TRD300土壤水分测定仪对15个检验样点、75个建模样点进行土壤含水量的相关检测, 将这90个样点土壤的含水量数据录入创建的图层中, 于是就得到了90个区域内的土壤含水量空间信息, 将遥感、气象信息和采样数据相结合。

3 综合监测模型构建

3.1 植被供水指数

若作物供水正常, 那么, 遥感植被指数、作物冠层的温度在一定的范围内, 且在一定生长期内不发生改变, 一旦遇到干旱, 作物水分收支失衡, 作物无法获得充分的水分, 叶子上的部分气孔被迫关闭, 造成作物冠层温度升高, 卫星遥感的指数就会下降。植被供水指数的计算公式为:VSWI (表示植被供水指数) =NDVI/TS;NDVI (归一化植被指数) = (PNIR-PRED) / (PNIR+PRED) ;其中, PNRI—红波段反射率, PRED—近红波段反射率, TS—冠层温度。

3.2 综合降水指数

旱情遥感监测以监测作物的供水情况为主, 但实际上, 农业干旱情况比较复杂, 受多种因素的影响, 降水是干旱的关键因子, 利用降水指数可以描述农业干旱的程度, 计算公式:PI (表示降水指数) =R/2RW, 其中, R—旬降水量, 单位是mm, 一般情况下, R达到RW的2倍, 就可以认为湿润。

4 分析农业旱情的应用

可结合气象干旱和已有研究的综合干旱等级划分法, 建立海南岛干旱分级的标准, 可划分为湿润、正常、轻、中、重旱等级别。利用当地的土地数据, 对监测期内最严重的农业用地干旱状况进行相应的统计, 并对所统计的数据进行分析, 采用中科院资源环境分类系统对农业进行分类;通过对农作物的长期监测, 可以获得干旱对农作物生产的影响, 监测过程中, 将遥感反演的植被指数构建作为作物生长过程的曲线, 并和参考年份进行相应的比较, 通过动态反映出干旱对农作物生长过程的影响。凭借MODIS-NDVI时间序列构建监测段内的3a的作物生长过程, 通过3者的对比, 分析干旱对农作物产生的影响。旱情的严重程度决定了农作物产量的多少, 本文研究的是监测期内, 干旱对作物产量产生的影响, 将不同旱情等级对应综合旱情指数分级标准, 并结合生产人员的经验情况, 以确定不同旱情作物产量减产的比例。研究结果可知:重度干旱的情况下, 区域减产严重, 一般都在50%以上, 中度干旱的情况下减产约30%, 轻度干旱减产较少。

5 结语

干旱是比较常见的自然灾害, 本文对干旱情况做了一定程度的分析和研究, 并构建了综合干旱监测模型。该模型的构建, 能够有效了解干旱的程度, 干旱对农作物的影响, 该模型的反演值和实测值之间的误差较小, 说明该模型具有较高的精度。当然, 对于监测旱情的模型依然需要不断研究, 以满足对干旱综合情况的掌握, 进而做出相应的举措。

摘要：随着全球气候变暖, 我国很多地区干旱频发, 给农民的收入带来了不利影响, 因此, 本文对空间信息的农业干旱综合监测模型进行了研究, 对干旱致灾因子及遥感监测机理进行探究, 构建农业干旱综合指数模型, 并简述了其应用, 以供参考。

状态监测信息模型 篇5

关键词：农村居民；边际消费倾向；收入结构；状态空间模型

中图分类号：F323.8 文献标志码：A

文章编号：1002-1302（2014）08-0452-03

改革开放以来，出口和政府投资一直是拉动我国经济高速增长的两驾马车。受传统消费观念及收入的影响，长期以来国内消费需求特别是农村居民消费明显不足^[1]。由于近年来国际国内环境发生了很大的改变，过去靠出口和政府投资的经济增长模式难以维系，拉动经济的力量便落在“三驾马车”的另一辆即扩大内需上。当前，能否提高我国农村居民的边际消费倾向，成为能否拉动内需的瓶颈问题。因此，研究我国农村居民的边际消费倾向及其与收入结构的动态关系具有重要的现实意义。

1 我国农村消费需求与收入结构的现状分析

目前，在我国以内需来重整经济的风向标下，提高广大农村家庭的消费需求及能力尤其重要。改革开放以来，我国农村居民消费需求（图1）主要表现如下：从消费的绝对值来看，我国农村居民消费需求的规模总体呈增长趋势。由1978年人均消费的116.1元增加到2011 年的5 221.1元。特别是在2005年废除农业税等一系列利农政策实施后，农村居民消费需求增幅明显上升。但从消费占比的相对值来看，我国农村居民人均消费占全国居民平均消费水平的比重明显呈下降趋势。改革开放初期这个比重有小幅度的增长，由1978年63.1%上升到1983年的78.65%；但从1984年始，这个比重一直在降低；到2011年，农村居民消费占比只有42.55%，远远低于全国居民的平均消费水平。

农村居民消费需求的增长受其收入增长的制约。改革开放以来，我国农村居民人均纯收入（图2）主要表现如下：一方面，就收入的规模而言，我国农村居民人均纯收入的规模总体呈上升趋势。由1978年的133.6元增加到2011年的 6 977.3元。特别是自2004 年中央连续发布9个以“三农”为题的一号文件以来，财政支农投入增幅明显上升。另一方面，就收入的结构而言，不同收入的增长幅度呈现差异，其中，经营性收入和工资性收入明显高于转移性收入和财产性收入。

从边际消费倾向的数据大小来看，农村居民的边际消费倾向在不同时期呈现出差异。具体而言，大致经历了以下阶段。

1982年以前，经营性收入的消费弹性明显高于工资性收入，而工资性收入的消费弹性又明显高于转移性收入。这是因为这一时期是我国改革开放初期，国家在农村地区实行了家庭联产承包责任制等一系列改革^[2]，有效地促进了农民经营性收入的增加。

1983—1997年，转移性收入的边际消费倾向大幅度上升，明显高于经营性和工资性收入。这可能是因为这一时期我国经济改革的重心逐渐由农村转向城市，商品经济快速发展。一方面，农民的转移性收入增长下降，特别是20世纪80年代末期的物价改革带来的高通胀使农民收入负增长；另一方面，商品经济的快速发展使农民因前期商品短缺而被压抑的消费需求得到释放，再加上转移性收入属国家二次分配的补偿性收入，受政策影响比较大，农村居民对这类无偿增加的收入有较强的消费意愿，其边际消费倾向大幅度上升。

到1997年后，随着农村居民财产性收入增加，财产性收入的边际消费倾向也远远高于其他3项收入，而转移性收入的边际消费倾向除少数年份受政策影响有所增加外，基本低于其他3项收入的边际消费倾向。这可能是由于国家加大对三农的支持力度，农民生活逐渐改善，收入的增长使农村居民储蓄和投资比以往都有所增加，因此利息、红利或租金等财产性收入提高。相对于需要自己辛苦劳动而得的工资性收入和经营性收入而言，农村居民对这种不劳而获的收入有较强的消费意愿^[4]。

4 结论与政策启示

本研究采用1978—2011年数据的状态空间模型以及卡尔曼滤波算法，对我国农村居民不同收入结构的边际消费倾向波动轨迹进行实证分析。研究结果表明，改革开放后我国农村居民的边际消费倾向呈现出“M”字形波动轨迹；但不同的收入结构，其边际消费倾向呈现出差异。基于该结论，得到如下政策启示。

首先，要多渠道增加农民收入，提高农村居民的边际消费倾向。大量文献已经证实，农民家庭收入增长缓慢是影响其消费意愿及消费能力的主要制约因素^[5]。农民收入的增长是提高其消费能力、带动消费增长的关键^[6]，因此要多途径开渠道给农民增加收入：一是通过加大对三农的支持力度，发展优质高效农业来创收，以此增加农民的经营性收入；二是推进城镇化建设，扶持乡镇企业，鼓励人力资本的合理流动，通过农村剩余劳动力向二、三产业的转移，提高农民工就业机会，以此增加农民的工资性收入；三是加大对农村低收入家庭的财政转移性支付比重，增加农民的转移性收入；四是要完善劳动、土地、资本等要素按贡献参与分配的初次分配机制，多渠道增加农民的财产性收入。比如在金融上推进利率市场化改革，增加农民的利息或红利收入；在土地流转上适当放开，健全集体土地收益共享机制，增加农民的股息或租金收入。

其次，要完善农村社會保障体系，稳定农民的支出预期。不敢消费是因为有太多顾虑，生活缺乏保障。由于我国当前在社会保障建设方面明显滞后，社保覆盖面窄，特别是对广大农村居民而言，保障水平非常低。农村居民家庭面对未来的自然灾害、子女教育、疾病以及养老等不确定性刚性支出，只有精打细算、缩减消费。因此，要想提高农村居民的边际消费倾向，必须扩大农村教育、医疗及养老等保障的覆盖面，规范农村救济制度^[7]，减少农民的不确定性刚性支出，以此来提高农村居民的消费能力。

最后，要加快民生财政建设，缩小城乡贫富差距^[8]。多年来我国的财政政策具有明显的城市倾向，城乡贫富差距拉大，极大地抑制了农村居民的消费意愿。因此，政府要加快民生财政建设，在初次分配与二次分配中应充分利用税收等经济杠杆，加大收入分配政策的调节力度^[9]，在注重效率的基础上，力求兼顾公平，缩小城乡贫富差距。此外，还应改善农村消费结构，加强农村消费市场建设。如完善农村小额消费信贷金融制度及规范民间借贷^[10]，扩大农村居民的融资渠道，为提高中低收入农民的消费水平提供保障。

参考文献：

[1]李晓嘉. 财政支农支出与农村居民消费的动态效应分析[J]. 经济学动态，2010（9）：31-34.

[2]汪 上，李宝礼. 我国农村居民消费影响因素的动态研究——基于状态空间模型的实证[J]. 湖南社会科学，2012（1）：133-137.

[3]朱 琛，程世勇，邓 敏. 20世纪90年代以来我国居民边际消费倾向变化的实证研究[J]. 消费经济，2009（5）：22-25.

[4]方福前，张艳丽. 城乡居民不同收入的边际消费倾向及变动趋势分析[J]. 财贸经济，2011（4）：22-30.

[5]李慎恒. 提高我国农村居民边际消费倾向的途径[J]. 经济体制改革，2009（3）：86-89.

[6]王津港，何 锋. 中国农村居民边际消费倾向变化分析[J]. 消费经济，2009（2）：23-26.

[7]胡东兰，田 侃，夏杰长. 中国财政支农支出对农村居民消费影响——实证分析与政策建议[J]. 财政研究，2013（1）：50-53.

[8]王 进. 农村居民消费的区域比较研究[D]. 杨凌：西北农林科技大学，2009.

[9]杨汝岱，朱诗娥. 公平与效率不可兼得吗？——基于居民边际消费倾向的研究[J]. 经济研究，2007（12）：46-58.

状态监测信息模型 篇6

关键词：电力设备,状态监测,物联网,双向通信

一、引言

近年来, 在国家政府的大力支持下, 物联网产业得到长足的发展。物联网的用途广泛, 可运用于城市公共安全、工业安全生产、环境监控、智能交通、智能家居、公共卫生、健康监测等多个领域, 主要是从应用出发, 利用互联网、无线通信技术进行业务数据的传送, 是互联网、移动通信网应用的延伸, 是自动化控制、遥控遥测及信息应用技术的综合展现。物联网应用于资产监测能够带来信息的实时性、提高便利性、有利于安全管理、提升信息化程度。[1]

要实现覆盖全省十几个地市上百个通信站点上万台机柜, 获取大约十万采集点的实时状态监测数据, 检测出任一设备的位置或者异常状况, 采用过去那种高频率请求服务器的方法来获取设备的状态对服务器的压力很大, 为此, 我们研究并设计双向通信模型, 引入Signal R库, 构造实时的消息处理机制[2], 建立持久连接的应用系统[3,4]。本系统结合物联网技术, 通过信息传感设备按约定的通信协议, 将物与物、人与物连接起来, 通过各种接入网、互联网进行信息交换, 获取实时可靠的在线资产状态数据, 以实现资产设备智能化识别、定位、跟踪、监控和管理。

二、设备状态监测系统实现方式

在通信站点中常见的场景有调拨设备、维修设备、携带设备进出房间等, 设备的管理信息全靠人工去维护费时费力且容易疏漏, 尤其在上百个站点间信息互通也很困难。设计设备状态监测系统结合射频识别和传感器等物联网技术, 即可构建包含数量庞大的设备的物联网络, 在线监测设备资产的位置、温度、湿度等重要指标, 实现在站点之间传递实时状态信息, 完全发挥物联网的优势。

设备状态监测系统以全省地市为单位划分区域, 区域内包含站点的通信机房, 对机房的资产采用机柜到机框到设备逐层定位的方法, 标识出一个设备的具体位置。设备在系统中可能具有的状态包括:正常、移出、新增等。设备的状态是根据阅读器扫描的结果对比分析系统中已注册的数据得出的。设备的性能指标如温度、湿度、浮尘由阅读器实时采集获得, 与标准值 (在系统中设定) 比较来判断是否需要发出指标异常告警。

三、实时双向通信模型设计

设备状态监测系统不仅跟数据集中器通信来采集设备状态信息, 同时还高效的分析数据, 加工整合出操作人员需要看到的那一部分。我们给设备状态监测系统设计了主站系统和后端服务两个子系统。主站系统使用B/S结构, 使用浏览器即可访问, 它负责展示资产监测状况。后端服务部署后在后台7x24小时自动运行, 无需人工干预, 它负责监听物联网网关, 采集资产设备的状态数据。那么在主站系统与后端服务乃至物联网网关间需要一条通信线路保持数据的传递及时准确, 并且要能承担大数据量的压力。我们采用了Signal R搭建一个双向通信模型来支撑网络通信。

在系统中后台服务能监听多个物联网网关, 如图1所示。网关周期性 (可设置周期大小) 的往指定端口发送数据包, 数据包中包含此次采集的设备状态信息。服务在端口监听到数据包时, 依照自定义的软硬件通信规约解析报文, 丢弃无效和垃圾数据, 提取出可靠的状态数据, 然后进行计算分析是否有资产移动, 是否有指标异常。在客户端浏览器中访问系统时, 如果采用周期性请求刷新的方式, 每隔一段时间去查询资产状态和位置, 会给服务器带来较大压力, 造成资源浪费, 因为资产不属于运动的物体, 在大部分时间在机柜中处于静止状态, 频繁的查询效果并不好。我们引入Signal R——一组服务器和客户端库, 建立了双向通信模型, 以便在服务器和客户端之间建立实时双向通信。不仅客户端可以启动与服务器的联系, 而且服务器也能联系客户端。这些并不仅仅是简单的HTTP响应。这些是从服务器到客户端的实际方法调用, 类似于推送技术。这种推送依赖于浏览器的能力, 而双向通信模型拥有Forever Frame、Long Polling、Server Sent Event、Web Socket四种传输方式, 每种传输方式都有自身的要求限制, 它可以根据客户端浏览器的支持选择最佳的传输方式。

我们使用Signal R中的集线器 (Hubs) 模式来进行通信, 例如, 在客户端的代码中放置一个broadcast Message方法, 当服务器分析得出有设备移动时则会使用集线器发送一个包含调用方法及参数 (当对象作为方法参数时, 将被序列化来发送) 的数据包主动推送给客户端。然后客户端检查接收到的方法名称, 并在客户端定义方法中进行匹配查找, 如果匹配成功 (这里就是broadcast Message) , 则执行方法并使用反序列化的对象作为方法参数。反过来, 在服务器配置一组响应集线器收到消息的方法, 如果想要立即获得某个机柜中设备最新状态时, 客户端使用集线器发送参数给服务器, 服务器校验参数通过之后向物联网网关发出请求数据包, 获取设备最新扫描状态再反馈给客户端, 呈现在界面上。

系统覆盖全省通信站点, 同时监听数个物联网网关的运行。后台服务与物联网网关间使用异步通讯模式, 完全不用担心通讯阻塞和线程问题。系统支持带标记的数据报文格式的识别以完成大数据报文的传输, 可以适应恶劣的网络环境。服务器维护了一组连接客户端的状态, 能够管理客户端连接、断开, 发送与接收数据的事件。当接收到数据包时可快速定位到客户端的地址, 从而给网关所在的站点发出消息。

四、实时双向通信实现效果

物联网的重要基础是联系事物的组网与互联技术。通过使用双向通信模型, 服务器与客户端之间建立了持久连接, 有效减轻因客户端高频发送请求造成的服务器压力, 服务器也无须等待客户端的请求到来再响应。假如在后台服务的一次数据包分析中发现了异常状态的设备, 比如温度超出标准温度5度需要告警, 那么消息处理机制会给操作人员一些提示, 更新设备的温度并告诉他哪里的设备出现异常。即使全省有1000个客户端连接, 服务器也可以对连接自动管理, 它可以在几毫秒内给所有已连接的客户端发送广播消息, 也可以选择只发给特定的客户端。

该实时双向通信模型应用于设备状态监测系统, 结合传感、标识、定位等物联网技术, 可实现全省上百个通信站点内各节点通信资产设备的定位与主要部件的温度、湿度、浮尘等重要性能指标感应采集, 对大量采集数据加工分析, 实时响应、传递异常状态的告警, 防止对资产管理产生重大影响或潜在风险事件发生。

参考文献

[1]刘化君.物联网技术[M].电子工业出版社2010

[2]Tom Dykstra, Tom Fitz Macken.Server Broadcast with Signal R 2[J].2014

[3]Scott Hanselman.Asynchronous scalable web applications with real-time persistent long-running connections with Signal R[J].2011

状态监测信息模型 篇7

发动机状态变量模型

动态系统的非线性状态和输出方程可以通过式1.1表示:

式中, f和g是状态变量, 输入变量及时间的非线性函数。对于涡轮发动机, f和g在发动机内均为平滑函数。

在某一稳态工作点有如下公式成立:

因为是稳态点, 所以x0=0。在这一点附近进行泰勒公式展开, 可以得到:

在 (x0, u0) 的邻域内, 去掉高阶无穷小。 (1.3) 式可以由一阶偏导数近似, 即:

式中, , 下标0为稳态点。同理, 可得对象输出的表达式:

式中, Δy=y-y0。令,

则 (1.4) 和 (1.5) 转化为:

式 (1.6) 是涡扇发动机状态变量模型表达式。选择发动机低压转子转速nl与高压转子转速nh作为状态变量, 选择发动机燃油消耗率Wf作为控制输入量, 输出量采用所有可能的传感器测量值, 涡扇发动机上可以使用的传感器测量参数有低压转子转速nl与高压转子转速nh, 风扇/低压压气机出口温度t22和压力p22, 压气机出口温度t3和压力p3, 低压涡轮进口温度t42, 低压涡轮出口温度t5和压力p5。将参数代入式 (1.6) 得:

当采用物理量参数建立SVM时有两个主要缺点:

1) 式 (1.7) 中的状态变量模型分量都是物理变化值, 在发动机飞行包线中各个飞行状态下, 状态变量模型的系数矩阵也随之改变, 这就使得线性化的模型需要在不同的飞行高度和马赫数下求取系数矩阵, 需要获取如此众多的状态变量系数矩阵对设计而言是很困难。

2) 利用物理量所获取的系数矩阵之间数量级相差大, 导致系数矩阵的条件数大, 对后面利用卡尔曼滤波估计是很不利的。

为了解决该缺陷, 本文采用归一化的无量纲相似参数建立状态变量模型。在某一点求取系数矩阵, 通过相似换算覆盖全包线, 为了改善矩阵的条件数, 将通过设计点进行归一化。本文采用在海平面静止条件下的设计点相似参数来做归一化处理。

参考文献

[1]闻新, 周露, 李东江, 贝超.MATLAB模糊逻辑工具箱的分析与应用[M].北京:科学出版社, 2001.

数据中心设备状态评价模型研究 篇8

关键词：设备状态评价,模糊理论,CRITIC算法,AHP算法,主客观组合赋权法

1引言

随着信息化的深入发展, 以及大数据和云计算技术的成熟与应用, 国家和企业纷纷加大了数据中心的建设。截至2012年3月我国各类数据中心约有43万个, 所有机房可容纳的服务器可达500万台。由于服务器设备数量巨大, 设备管理与维护越来越重要, 设备运维水平直接关系到数据中心能否安全稳定运营, 而做好设备运维的前提是及时、全面获知设备的运行状态。因此, 本文以数据中心服务器设备为研究对象, 对设备状态评价模型进行了系统研究, 结合了多套算法从不同的层面对数据中心设备进行评价, 旨在全面、系统地获知设备状态, 提升数据中心设备运维管理水平, 为数据中心的高效运营提供支撑。

2模型概述

2.1评价对象

服务器是数据中心最为核心的设备, 就服务器种类来说, 目前X86以其成本低廉、性能强大等优势逐渐成为数据中心的主流服务器, 在服务器组成结构上, 典型的X86架构服务器一般都包含CPU、内存、主板、网卡、磁盘、电源、风扇这几大核心部件。本文以基于X86体系架构的服务器作为基本评价对象。

2.2评价思路

数据中心由数以万计的服务器组成, 服务器又由若干部件组成, 每类部件具有若干指标属性, 基于数据中心的物理及逻辑构成特点, 将数据中心分为硬件层、设备层、部件层、指标层四个层面, 对数据中心设备状态进行系统评价。具体来说, 首先通过部件运行指标值对设备部件状态进行评价, 然后通过部件状态对设备状态进行评价, 最后统计分析众多设备的状态得出整个硬件层的状态, 完成对数据中心整体设备状态的评价, 整个评价思路是一个自下而上的过程。

2.3评价框架

首先需要考虑以下几个关键问题:

2.3.1状态界定

本文中设备状态是指设备当前的运行状态, 为了统一对设备状态的认识, 将设备状态分为以下四个等级:

(1) 正常状态:所有运行指标处于理想运行范围内, 设备处于健康状态;

(2) 注意状态:部分指标运行超出理想运行范围, 设备服务能力下降;

(3) 异常状态:运行指标变化量较大, 设备部分部件发生故障, 但设备仍可对外提供服务;

(4) 严重状态:运行指标严重超出理想运行范围, 设备几乎或已经不能对外提供服务。

2.3.2指标体系

构建一套科学的指标体系是设备状态评估的基础, 所选择的指标需要客观反映评价对象的运行特征, 具有客观性、完备性, 并且要可测量、可采集, 具有实际操作意义。本文选取的指标主要有CPU、内存使用率、温度、电压以及部件负载信息等。

通过模型算法对部件运行指标的“好”与“坏”进行判定, 需要制定一套指标标准值。设备部件运行指标值与设备配置、数据中心运营要求等多种因素有关, 目前业界没有统一标准, 主要依据专家经验并结合厂商给出的设备参数制定出合理的指标标准值。

2.3.3权重因素

主要包含两个层面的权重, 一是指标权重, 二是部件权重。通常设备部件的状态可通过多个指标来衡量, 如CPU使用率、CPU温度, 而这些指标对于部件状态的影响程度并不相同;类似, 不同部件的运行状态对设备状态的影响也不尽相同, 如风扇对设备的重要性相比CPU就低很多。因此, 在设备状态评价模型中需要引入这两类权重并进行量化。

目前权重的确定方法可分为两类, 一类是主观赋权法, 另一类是客观赋权法。主观赋权法是由决策分析者根据对指标的重视程度而赋权的一类方法, 由于引进了人为干预, 这类方法难以摆脱人为因素的影响;客观赋权法一般是根据所选择指标的实际信息形成决策矩阵, 在此矩阵基础上通过运算形成权重, 该类方法忽略了对指标重要性的先验认识。由于部分指标值在设备实际运行中存在一定的主观可调整性, 如CPU、内存使用率, 仅使用客观赋权法会存在一定的局限性。因此, 本模型拟组合客观赋权法 (CRITIC算法) 和主观赋权法 (AHP算法) 构建指标权重函数计算指标权重。

2.3.4评价理论

设备状态是一个模糊的概念, 具有很强的主观性, 难以对其进行精确区分与衡量, 在设备管理与维护过程中, 也无需对设备状态进行精确度量, 采用模糊理论可很好地满足设备状态评价需求。

基于以上分析, 给出设备状态评价模型框架图, 如图1所示。

3模型实现

3.1模型权重计算

3.1.1基于CRITIC算法的指标权重计算

(1) 样本数据选择。记部件类别数为m, 样本数据为当前时刻全部设备某类部件的指标值, 样本容量为n, 即样本包含n个该类部件的指标值, 每个部件上的指标数量为pi (i=1, 2, .., m) 。将原始指标值与指标标准值进行对比计算偏差率, 得到模型的最终输入值如下:

(2) 数据的标准化处理。不同指标的数量级和量纲可能会有所不同, 需要进行标准化处理以消除数量级和量纲的影响。对于正向指标, 即越大越好的指标, 作如下转换:

对于负向指标, 即越小越好的指标, 作如下转换:

为了便于理解起见, 仍记标准化处理后的指标值为xij。

采用CRITIC方法建模得到某类部件的指标权重向量记为Wc。

3.1.2基于AHP算法的指标权重计算

(1) 判断矩阵构造。AHP算法的关键在于利用1~9间的整数及其倒数作为标度来构造两两比较判断矩阵。在同一层评价因素中, 将部件的指标进行两两对比, 计共有m类部件, 第i类部件的指标数为pi, 根据相对重要性的判断引入合适的标度数值, 从而形成判断矩阵, 记为Ei:

其中CR为判断矩阵的随机一致性比率, CI为判断矩阵的一般一致性指标, RI为判断矩阵的一般一致性指标。当CR<0.1时, 即认为判断矩阵具有满意的一致性, 说明权数分配是合理的, 否则需要调整判断矩阵, 直到取得具有满意的一致性为止。

最后对权重向量进行归一化处理:

3.1.3主客观组合赋权法计算最终权重

亦可根据AHP算法思想得到部件的权重:

3.2部件层状态评价

对于部件评价结果向量的分析, 可采用最大隶属度原则。部件在哪个等级的得分最多, 则认为部件状态属于哪个等级。

3.3设备层状态评价

高层次的评估矩阵可由较低层次的综合输出构成, 即设备的评估矩阵R可由部件的综合输出构成。

设备综合评估结果为

对于设备评价结果向量的分析, 本文选择最大隶属度原则评价设备所属的状态等级。

3.4硬件层状态评价

在设备状态评价结果的基础上进行整个硬件层状态评价。使用探索性数据分析的方法, 可形象直观地评价硬件层运行现状。

探索性数据分析是对调查、观察和计算所得到的数据, 在尽量少的假定下进行处理, 通过作图、制表等形式和方程拟合、计算某些特征量等手段, 探索数据的结构和规律的一种数据分析方法。示例说明如表1所示。

4模型评估

从模型准确率和模型稳定性两个角度对模型进行评估, 模型准确率评估采用准确率的平均值来衡量, 稳定性评估采用准确率的均方误差来衡量。在已发生的时间轴上采集指标值和设备状态作为测试样本, 运用已建立的模型评价测试样本的状态, 并与真实的样本状态进行对比, 结果越符合真实状态则说明模型准确率越高。

假定采取了N个时刻的数据, Ni表示第i个时刻评价的设备数量, 准确率为Ri:

其中xj表示对设备j的状态评价正确与否:

则N个时刻平均准确率为:

准确率均方误差为:

MSE越接近于0, 则说明模型越稳定。

5模型优化

数据中心设备数量巨大, 保留的历史运行数据达到海量级别, 属于大数据的范畴。利用大数据技术与理念, 对这些数据进行挖掘分析, 可很好地对设备状态评价模型进行优化。本文模型中所使用到的指标标准值, 部分是依据专家经验得出的, 考虑到设备的利用效益、成本节约等因素, 诸如CPU、内存使用率的标准值是可结合历史运行状况适当进行调整的, 通过对历史指标值的统计分析并结合设备实际状态, 可以为指标标准值的制定与优化提供有力支撑;另外计算判断矩阵过程中对两两部件之间的重要性判断也存在一定的主观性, 通过对历史运行数据及设备实际状态的分析, 可以挖掘出部件之间的关联性, 进而为调整和优化部件之间的重要性提供依据。

6结语

本文以数据中心服务器设备为研究对象, 系统地进行了设备状态评价模型的研究。在评价思路上, 本文将数据中心所有设备分为硬件层、设备层、部件层、指标层四个层面, 从下到上逐层对设备状态进行评价。在具体算法方面, 采用了模糊理论并结合CRITIC算法和AHP算法分别评价部件层、设备层和硬件层的状态。在权重方面, 本文创新性地构建了主客观组合赋权法对指标权重进行赋权, 有效消除了单独使用主观或客观赋权法所产生的不良影响。同时, 本文对模型评估也进行了详细论述。最后, 本文还通过对海量历史指标数据的分析, 对模型优化进行了探索。该理论模型的应用可有效提升数据中心的设备运维水平, 支撑数据中心高效运营。受限于实际指标数据的采集等因素, 本文在模型检验方面存在一定的不足之处。

参考文献

[1]陈正伟.综合评价技术及应用[M].成都:西南财经大学出版社, 2013.

[2]何晓群.多元统计分析[M].北京:中国人民大学出版社, 2012.

[3]和讯网.http://www.hexun.com.

[4]李爱国, 厍向阳.数据挖掘原理、算法及应用[M].西安:西安电子科技大学出版社, 2012.

[5]孙亚辉, 林韩, 陈金祥.变电设备状态综合评估方法的研究[J].中国化工贸易, 2013 (04) .

[6]维克托·迈尔-舍恩伯格, 肯尼思·库克耶.大数据时代[M].杭州:浙江人民出版社, 2013.

[7]张炳江.层次分析法及其应用案例[M].北京:电子工业出版社, 2014.

容侵系统中状态转移模型的研究 篇9

关键词：入侵容忍,状态转移,SMP模型,安全属性

传统的安全工作可归结为两个方面:阻止攻击的发生和不断解决系统存在的安全漏洞。由于不可能预知所有未知攻击的形式,也不可能完全杜绝新安全漏洞的存在,这将导致一些攻击取得成功。因此,有必要研究开发一种即使遭到攻击仍能运转的系统,即入侵容忍系统。

入侵容忍技术作为第三代网络安全技术的核心,它承认系统中脆弱点的存在,并假定随着时间的发展,其中某些脆弱点可能会被入侵者利用。其设计的目标就是使得系统在发生错误或受到入侵的情况下,仍能保证关键功能继续执行,关键系统持续地提供服务。由于这种方法在考虑对系统可用性保护的同时,还考虑了对系统数据和服务的机密性与完整性等安全属性的保护,因此能够达到防患于未然的目的,被称作是系统安全防护中的最后一道防线。

网络安全研究的一个重要理论基础是安全评价,特别是定量刻画网络系统的安全性,评价容侵机制保证的安全程度,从理论上指导网络安全机制与措施的构建[1,2]。本文以SITAR入侵容忍系统结构为基础,提出了优化的容侵系统状态转移模型,并将其SMP模型进一步抽象得到嵌入离散马尔可夫链,通过分析计算了SMP稳态概率、平均安全故障时间,最后给出数值实例,定量分析了系统的可用性、机密性和完整性。

1 优化的容侵系统状态转移模型

由于容侵系统可以保护的对象是多样性的,所以每个容侵系统所采用的系统框架、容侵策略、安全算法都不尽相同;同时,对容侵系统安全属性的分析,要考虑到攻击者的行为和系统对入侵的响应行为。因此为便于抽象地描述入侵容忍系统的动态行为,本文在SITAR入侵容忍系统结构的基础上,增加攻击学习状态(Learn State),提出了优化的状态转移模型,模型如图1所示。

系统初始工作时处于正常状态G(Good);由于自身固有的弱点,系统很容易进入脆弱状态V(Vulnerable),此时,攻击者还没有对应用和服务造成伤害,如果可以及时修复脆弱点,系统则恢复到状态G;如果攻击行为绕过防护措施,系统进入被攻击状态A(Active attack),在A状态下,应用服务器的某些部分或功能已经被损害,这种损害可能是静态的、一次性的,也可能是动态的、持续性的;如果入侵没有被检测到,但在系统的设计中已经准备了一些容错措施对这种损害加以控制和消除,则系统进入屏蔽损害状态MC(Masked Compromised);若入侵没有被检测到,也没有采取任何措施加以控制和消除,则系统进入未知损害状态UC(Undetected Compromised);在攻击被检测到之后,容侵机制被触发,系统进入触发状态TR(Triage),在这种状态下,系统根据需要可以进入到降级服务状态GD(Gracefu Degradation)或安全停止状态FS(Fail Secure);如果容侵机制失效,系统进入到失控状态F(Failed),此时应立刻报警,由管理员手动恢复。当系统由MC、GD和FS状态回到G状态时,通过L(Learn)状态的学习功能,识别此次攻击的类型并进行存储,进而为再次攻击时快速采取响应手段打下基础。

该状态迁移模型中通过各种攻击对系统服务所造成的影响,概括地描述了一般化的容侵系统在抵制入侵时可能发生的事件、所处的状态和处理方式。从系统的状态转移模型可知,系统在各状态之间的转移满足马尔可夫性:当过程在时刻的状态已知,那么,在时刻所处状态的条件分布与过程在时刻之前所处的状态无关。该文中假定状态的停留时间为任意随机分布,状态转移点上满足无记忆性,故可使用半马尔可夫过程(SMP)来描述容侵系统状态转移模型。

2 半马尔可夫过程模型分析

2.1 系统状态转移模型DTMC

离散时间马尔可夫链(Discrete-time Markov Chain,DTMC)是时间取值离散,状态空间也是离散集合的马尔可夫过程,所有状态之间的一步转移概率构成一个状态转移矩阵,DTMC可以由这个矩阵完全决定。为了对系统的SMP模型进行分析,将系统状态转移模型进一步抽象,得到嵌入离散时间马尔可夫链(DTMC),其状态空间为Xs={G,V,A,MC,UC,TR,GD,FS,LF},pa,pm,pu,pg,ps表示相应的状态转移概率,如图2所示。

转移概率矩阵P描述系统在各状态之间转移的可能性,其中概率值可由先验知识确定或通过入侵注入的方式测定。系统状态转移模型DTMC转移概率矩阵为:

其中,p1=1-pa,p2=1-pm-pu,p3=1-pg-ps。

2.2 SMP稳态概率

稳态概率指系统在稳定工作状态下各状态的分布概率。用πi表示系统SMP稳态时处于状态i的概率,vi表示DTMC中状态i的稳态概率;hi表示状态i的平均保持时间,P为DTMC状态转移概率矩阵。πi的计算方法如式(1)所示,vi满足方程式(2)[3,4]。

状态平均保持时间由模型在该状态的所有随机时间决定,而这些时间又是由攻击者的能力、技术水平及系统所采用的技术手段等决定,因此采用平均状态保持时间以简化模型分析。令{hG,hV,hA,hMC,hUC,hTR,hGD,hFS,hL,hF}分别为各状态的平均保持时间。引入参数H,根据式(1)和(2)计算各个状态的稳态概率如下:

2.3 平均安全故障时间

在安全分析中,容侵系统从G状态开始直到达到故障状态的平均时间称为平均安全故障时间(Mean time to failure,MTTSF)。从攻击者的角度来说,即从攻击开始到最终系统不能正常工作为止,所需花费的时间代价。MTTSF越大,表明入侵容忍系统对攻击的抵抗能力越强,或者说系统的安全可靠性越高。

修改SMP嵌入链DTMC,将模型中所有状态归为两大类:吸收状态集Xa和瞬时状态集Xt。方法为:将其中的失败状态和安全受损状态归为吸收状态,去掉有吸收状态引出的弧,也就是说吸收状态只有入弧,没有出弧,其余状态归为瞬时状态。

Xa和Xt随攻击的不同而有所变化,如图2所示DTMC中,有Xa={UC,L,F},Xt={G,V,A,MC,TR,GD,FS}。将系统状态重新划分归类后,对系统状态状态转移矩阵进行调整,可写成其中,Q表示瞬时状态之间的转移概率,C表示瞬时状态到吸收状态的转移概率,I表示单位阵。采用Kishor S.Trivedi[5,6]提出的方法,令Vi表示在DTMC中进入吸收状态前经过状态i∈Xt的次数,hi为在状态i的保持时间。则MTTSF的计算方法如式(3),Vi计算方法如式(4)所示:

MTTSF表明系统的安全可靠性,增大MTTSF,也就增加了攻击成功需要付出的代价,可通过增大Vi或hi来实现,对于确定的系统,各状态的Vi基本固定,因此可增大Vi较大状态的保持时间hi以达到增大MTTSF的目的。式(4)中qi表示系统从状态i开始的可能性,令q=[qi]=[1 0 0 0 0 0 0],表明系统从状态G开始运行。由式(4)可计算出Vi如下:

3 数值分析结果

在这一部分,采用估值方法给出一个具体实例。这些参数值反映了系统属性变化的一种趋势。

系统各状态的转移概率分别为:pa=0.4,pm=0.3,pu=0.2,pg=0.6,ps=0.3。因此,攻击被发现并触发入侵容忍机制的概率为1-pm-pu=0.5,系统无法处理攻击从而失效报警的概率为1-pg-ps=0.1。

平均保持时间。由经验可知系统处于正常状态G和脆弱状态V的时间较长,而处于被攻击状态A的时间较短,这样,令状态的平均停留时间分别为:hG=1/2,hV=1/3,hA=1/4,当系统发现入侵后分别转移到MC、UC和TR状态,MC状态通过学习转至G,UC状态下需要人工干预转至G,令hMC-1/4,hUC=1/2,hTR=1/6;另外,系统处于降级服务、安全停止、攻击学习和失效报警状态的平均时间分别为hGD=4、hFS=1、hL=1/3和hF=2。

应用上述参数,由前面的计算结果可得H=1.7167,继而可以计算出πi,即半马尔可夫过程模型各稳态概率分别为:

稳态概率πi即SMP模型中状态i的保持时间。对于以上参数,入侵容忍系统处于正常状态G和脆弱状态V的时间远长于处于其他状态的时间。又由前面计算出的Vi结果,可知DTMC中到达吸收状态前状态被访问的平均次数分别为:

综上,通过公式(3)可计算出平均安全故障时间MTTSF=2.2108。

最后,对系统的可用性、机密性和完整性进行分析。状态转移模型中包括两种状态,分别描述攻击行为和系统遭受攻击后的响应行为。攻击行为可由状态{G,V,A}表示,容侵系统对入侵的响应行为由状态{MC,UC,TR,GD,FS,L,F}表示。计算系统可用性时,系统在UC,FS,F,三个状态下不能提供正常服务,则系统的可用性为A=1-πUC-πFS=0.9184;计算机密性属性时,FS状态为安全保护状态,系统在UC和F状态下数据可能被窃取,则系统的机密性为C=1-πUC-πFS=0.9534;计算完整性属性时,UC和F状态下的数据完整性都有可能遭到破坏,因此系统完整性I=1-πUC-πFS=0.9534。

4 结束语

该文给出了一种评估容侵系统安全属性的方法。首先分析了优化的容侵系统的状态转移模型,由于系统状态转移满足马尔可夫特性,故采用SMP模型对系统进行分析,计算了SMP相关安全属性,包括SMP稳态概率,平均安全故障时间MTTSF,最后给出数值分析结果,定量评估了容侵系统的可用性、机密性与完整性。为进一步的构建容侵系统提供了理论依据。

参考文献

[1]Chang R.K.C..Defending against flooding-based distributed denial of service attacks:A tutorial[J].IEEE Communications Magazine,2002,40(10):42-51.

[2]郭世泽,牛冠杰,郑康峰.入侵容忍系统模型构建及量化分析[J].北京邮电大学学报,2007,30(1):36-39.

[3]林闯,汪洋,李泉林.网络安全的随机模型方法与评价技术[J].计算机学报,2005,28(12):1943-1956.

[4]殷丽华,方滨兴.入侵容忍系统安全属性分析[J].计算机学报,2006,29(8):1505-1512.

[5]Madan B,Gos姚eva-Popstojanova K,Vaidyanathan K.Trivedi K.S..Modeling and quantification of security attributes of software systems[C].In:Proceedings of Internation Conference on Dependable Systems and Networks,Washington,DC,USA,2002,505-514.

八月农产品市场监测信息 篇10

稻米

国内大米价格基本稳定

8月份，早籼米批发价1.77元/斤，环比跌0.6%；晚籼米批发价1.94元/斤，环比跌0.5%；粳米批发价2.21元/斤，环比涨0.5%。

国际米价继续反弹

8月份，国际大米价格（曼谷离岸价，25%破碎率）为508美元/吨，环比涨4.5%，同比涨23.6%。

国际大米到岸税后价高于国内

8月份，泰米离岸价1.63元/斤，比国内晚籼米批发价低16.1%，价差比上月扩大0.03元；到岸税后价为2.02元/斤，比国内高4.1%。

7月我国大米进出口均减少

7月份，我国出口大米1.2万吨，环比降64.8%；进口大米5.3万吨，环比降2.8%。1-7月，我国累计出口大米25.5万吨，同比降35.2%；累计进口大米40.1万吨，同比增106.9%。

全球大米产需基本平衡。联合国粮农组织（FAO）最新预测，2011/12年度，全球大米产量4.76亿吨，同比增2.7%；消费量4.70亿吨，同比增2.2%；贸易量3200万吨，同比增0.3%；期末库存1.43亿吨，同比增4.8%；库存消费比30.5%，比上年度上升1.4个百分点。

小麦

新麦价格持平略涨，陈麦价格稳中有跌

8月份，新麦市场白麦、红麦、混合麦国有企业收购价分别为每百斤100.87元、98.65元、98.75元，环比分别涨0.4%、0.9%、0.2%；个体粮商收购价分别为99.94元、97.09元、98.32元，环比基本持平。陈麦市场普通小麦批发价1.02元/斤，环比跌1.8%；优质麦批发价1.27元/斤，环比跌1.17%。

国际小麦价格明显上涨

8月份，墨西哥湾硬红冬麦（蛋白质含量12%）离岸价338.5美元/吨，环比涨10.1%，同比涨18.9%；堪萨斯期货交易所硬红冬麦平均期货价为299.57美元/吨，环比涨9.5%，同比涨14.5%。

国际小麦到岸价再次高于国内销区价

8月份，美国墨西哥湾硬红冬麦（蛋白质含量12%）离岸价折人民币1.09元/斤，比优质麦产区批发价低0.18元/斤，价差较上月缩小0.11元/斤；到岸税后价约1.48元/斤，比同期国内优质麦销区价每斤高0.09元。

7月我国小麦进口大幅下降

7月份，我国进口小麦产品10.85万吨，环比减61.4%，同比减18.5%；出口1.78万吨，环比减16.7%，同比增22.1%。

预计2011/12年度全球小麦产需缺口缩小

国际谷物理事会8月预计，2011/12年度全球小麦产量6.77亿吨，同比增4.0%；消费量6.78亿吨，同比增3.2%；产不足需100万吨，缺口较上一年度大幅缩小。

玉米

国内价格继续上升

8月份，产区平均批发价格1.13元/斤，环比涨3.6%。其中，东北产区1.11元/斤，涨1.7%；华北黄淮产区1.14元/斤，涨4.4%。销区批发价1.25元/斤，涨1.6%。

国际价格再度走高

8月份，美国芝加哥期货价283.2美元/吨，环比涨10.4%，同比涨69.6%；墨西哥湾2号黄玉米平均离岸价307.9美元/吨，环比涨2.7%，同比涨68.0%。

国内外玉米价差与上月基本持平

8月份，美国墨西哥湾2号黄玉米平均离岸价折合人民币0.99元/斤，比国内产区批发价低0.15元/斤；美国玉米运抵我国南方港口的到岸税后价为1.37元/斤，比国内玉米到港价高0.15元/斤，价差与上月基本持平。

7月玉米进出口均增长

7月份，我国出口玉米1.0万吨，环比增4.9%；进口17.3万吨，环比增14.4倍。1-7月累计，我国出口玉米6.7万吨，同比减27.6%；进口量20.8万吨，同比减26.2%。

主产区玉米长势总体良好

除西南产区降水偏少，部分地区旱情持续发展以外，主产区大部水温条件较为适宜，玉米长势总体良好。

全球玉米供求关系趋紧

据国际谷物理事会（IGC）8月份预计，2011/12年度全球玉米产量8.49亿吨，较上月下调1000万吨；消费量8.58亿吨，同比增1.4%；期末库存1.18亿吨，同比减6.3%；库存消费比降至13.8%。

大豆

国产大豆价格基本稳定

8月份，黑龙江国产大豆平均收购价1.90元/斤，环比涨0.5%；山东地区国产大豆入厂价2.0元/斤,环比涨0.5%。

国际大豆月均价持平

美国芝加哥期货交易所（CBOT）大豆均价500.6美元/吨，环比跌0.1%，同比涨33.5%；豆油1233.9美元/吨，环比跌2.6%，同比涨34.4%。

进口大豆到岸税后价高于国产大豆

8月份，山东地区进口大豆到岸税后价2.08元/斤，比当地国产大豆价格高0.08元/斤；美国墨西哥湾大豆离岸价514.7美元/吨，折人民币1.65元/斤，比山东地区国产大豆入厂价低0.35元/斤。

7月大豆进口增加

7月份，我国进口大豆535万吨，环比增24.5%，同比增8.1%，为今年以来大豆单月进口最高值。

预计2011/12年度全球大豆供求关系趋紧

据美国农业部预测，2011/12年度，全球大豆产量预计为2.58亿吨，消费量2.62亿吨；库存消费比降至23.2%。

棉花

国内棉价继续下跌

8月份，国内328级棉花均价19329元/吨，环比跌12.4%，同比涨6.7%。

国际棉价跌势放缓

8月份，Cotlook A指数月均价114.10美分/磅，环比跌6.3%，同比涨8.9%。

国内外棉花价差缩小

8月份，Cotlook A（相当于国内328级棉花）指数每吨折合人民币16247元，比国内棉价低3081元，价差较上月缩小1595元。进口棉价格指数FCIndex M级（M级相当于我国328级棉花）月均价129.68美分/磅，1%关税下折到岸税后价每吨21276元，比国内高1947元；滑准税下折到岸税后价每吨21711元，比国内高2383元。

7月棉花进口环比大幅增长

7月份，我国进口棉花15.7万吨，环比增30.9%，同比降7.0%。1-7月，我国累计进口棉花148.3万吨，同比减13.5%。

ICAC预测2011/12年度全球棉花供给较宽松

国际棉花咨询委员会（ICAC）8月份预计，2011/12年度全球棉花产量2686万吨，消费量2502万吨，期末库存1086万吨，中国以外地区的库存消费比达到53.0%。

油料

油料价格涨势趋缓，食用油价格小幅上涨

8月份，湖北菜籽进厂价2.41元/斤，环比涨1.5%；山东二级花生仁批发价4.92元/斤，环比涨0.5%；山东四级豆油出厂价9839元/吨，环比涨2.3%；湖北四级菜油出厂价10473元/吨，环比涨3.0％；山东一级花生油出厂价18025元/吨，环比涨3.4%。

国际油脂油料市场涨跌互现

8月份均价，加拿大油菜籽CNF价639美元/吨，环比跌4.3％，同比涨20.6％；南美豆油CNF价1295美元/吨，环比跌0.7%，同比涨35.3％；马来西亚24度棕榈油离岸价1159美元/吨，环比涨3.1％，同比涨26.4％。

进口油菜籽价格高于国内，豆油低于国内

8月份，加拿大油菜籽到岸税后价2.58元/斤，比国内油菜籽进厂价高0.17元/斤，价差连续四个月缩小。美国墨西哥湾豆油离岸价1206美元/吨，折人民币3.87元/斤，比国内销区豆油价格低1.05元/斤；山东进口豆油税后价4.90元/斤，比当地国产豆油出厂价格低0.02元/斤。

7月食用油籽和食用油进口量双增加

7月份，我国进口食用油籽556.3万吨，环比增25.3%，同比增7.6％；进口食用植物油81.0万吨，环比增42.9％，同比增12.1％。1-7月份我国累计进口食用油籽2994.6万吨，同比减6.9％；累计进口食用植物油401.4万吨，同比减10.8％。

2011/12年度全球油脂油料供给仍偏紧

美国农业部8月份预计，2011/12年度全球油籽产量4.514亿吨；消费量4.564亿吨；库存消费比15.2%。全球食用植物油产量1.517亿吨%；消费量1.501亿吨；期末库存1018万吨；库存消费比6.8%，低于近十年平均水平。

糖料

国内糖价再创新高

8月份，国内糖价均价为7667元/吨，环比涨5.7%。

国际糖价持平略跌

8月份，国际食糖均价为28.79美分/磅，环比跌1.2%，同比涨50.6%。

国际食糖到岸税后价低于国内

8月份，泰国食糖进口到岸税后价为7388元/吨，环比跌1.8%，比国内甘蔗糖主产区批发价每吨低279元。

7月我国食糖进口继续增加

7月份，我国进口食糖25.7万吨，环比增131%，同比降16.1%。1-7月累计进口食糖78.0万吨，同比增8.8%。

国际糖业组织上调全球食糖过剩量

国际糖业组织（ISO）8月预测，2011/12榨季全球食糖供应将过剩400万吨左右，高于之前预估的过剩300万吨。

状态监测信息模型 篇11

遥感监测技术起源于美国, 早在1988年美国丹佛大学利用非扩散红外线检测技术开发出可以同时检测CO、CO2和HC污染物排放的检测设备, 至20世纪90年代利用非扩散紫外线检测技术开发出NOx排放的测量方法, 2001年该校和沙漠研究所分别利用紫外线反射光探测技术和透射光不透明度技术进行了颗粒物 (PM) 排放检测方法的开发, 但对于PM的遥感监测精确度还有待进一步验证。

1 机动车道路遥感监测实验与测试方法

机动车道路遥感监测技术采用长光程吸收光谱法, 测量光束通过道路打到角反射器上, 探测器连续测量角反射器返回的光束。遥感检测方法不能用来直接测量每种污染物的浓度, 而是以CO2为基准气体, 进行CO、NO和HC对CO2浓度比率的测量, 并且利用燃烧化学方程计算每个污染物排放的浓度值。需要说明的是, 传统检测方法中用丙烷表示燃烧产物中的HC, 由于本系统无法实现对丙烷的测量, 而采用丁二烯来替代。

2 道路遥感与台架测试评估IVE模型

2.1 研究方法

本文将通过IVE模型的计算得到不同类型车辆在不同控制技术水平下的排放因子, 与道路遥感监测以及台架测试获得的排放因子进行比较而对IVE模型进行评估。由台架测试和遥感监测数据分别获得了的各类型汽油车不同控制技术水平下的排放因子。由于这两种测试获得的是车辆在行驶时污染物的排放量而不包括车辆启动时的排放和HC的燃料蒸发排放, 为了便于比较, IVE模型的计算中将启动排放和蒸发排放不计算在内。车辆技术水平分布是IVE模型计算排放率的主要输入参数。由于乌市机动车监管办数据库中车辆行驶里程不全, 因此我们采用数据与实际调研所得数据相结合的方法按表填写。IVE模型中油品质量等参数按照乌市本地的实际情况填写, 道路遥感监测数据看作是乌市地区的基础普通数据, 为IVE模型提供参数。

2.2 结果与讨论

2.2.1 不同技术类型汽油PC排放因子的比较

不同技术类型汽油车排放IVE模型计算结果与遥感监测、台架测试获得的数据比较接近, 模型计算将乌市地区各类型车辆不同技术水平的车辆排放污染物CO设置较高, 无论是不同排量还是平均排放因子均比实测数据高出几倍;而NO的模型排放相比实测要较低一些。由实测与模型计算比较可看出乌市地区机动车CO的排放相对“标准”而言排放不算高, 主要污染物为NO排放, 无论是不同排量还是车队整体排放均比模型计算高出几倍。

2.2.2 计算柴油车排放因子

乌市地区柴油车台架测试受检测方法限制, 所以由道路遥感测试采集CO、HC和NO三种污染物, 因此采取遥感测试系统得到的数据对IVE模型进行修正计算乌市地区柴油车三种污染物的排放。下表1为遥感监测与IVE模型计算柴油车排放因子的比较。

3 小结

评估表明:IVE模型对各技术水平的机动车CO排放计算较高, 对NO排放计算较低, 说明模型高估了CO排放, 低估了NO的排放。本文提出了采用道路遥感监测修正IVE模型的方法。将道路遥感监测与模型相结合既可以将本地实测情况融入模型计算中, 提高模型计算准确性, 又弥补遥感受限制的不足, 使得遥感监测数据可以更好地运用。

摘要：机动车排放是我国城市大气污染的主要来源之一, 发展与利用先进的机动车排放检测技术和方法已成为机动车污染控制的必然趋势。机动车排放道路遥感监测反映实际道路行驶中的排放状况, 对全面分析排放水平有很强的统计意义。

关键词：机动车排放,遥感,运用,IVE模型

参考文献

[1]邓顺熙, 史宝忠.我国轻型汽车污染物排放因子的测试研究[J].中国环境科学, 1999, (2) :176-179.

[2]周昱, 傅立新, 杨万顺, 等.北京市机动车排放遥感监测分析[J].环境污染治理技术与设备, 2005, (10) :91-94.

[3]姚志良, 贺克斌, 王岐东, 等.IVE机动车排放模型应用研究[J].环境科学, 2006, (10) :9191-3391.

[4]王海鲲, 陈长虹, 黄成, 等.应用IVE模型计算上海市机动车污染物排放[J].环境科学学报, 2006, (1) :1-9.