【摘要】現(xiàn)在全世界范圍內(nèi)信息網(wǎng)絡(luò)技術(shù)的發(fā)展都非常迅速，相對(duì)應(yīng)的網(wǎng)絡(luò)安全更是世界性的需要發(fā)展的問題，網(wǎng)絡(luò)安全環(huán)境的發(fā)展更是構(gòu)建良好網(wǎng)絡(luò)秩序的前提，這是新的信息環(huán)境下全世界范圍內(nèi)需要解決的問題。本文主要研究在新的網(wǎng)絡(luò)環(huán)境下，想要實(shí)現(xiàn)良好的安全發(fā)展和秩序維持，就要構(gòu)建網(wǎng)絡(luò)安全態(tài)勢(shì)-安全檢測(cè)的概念下分析其基本原理，進(jìn)一步總結(jié)出支持向量機(jī)算法的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)模型，同時(shí)分析構(gòu)建并完善這一模型，進(jìn)一步總結(jié)此模型可以有效對(duì)網(wǎng)絡(luò)安全態(tài)勢(shì)進(jìn)行實(shí)時(shí)預(yù)測(cè)。

【關(guān)鍵詞】實(shí)施網(wǎng)絡(luò)；安全態(tài)勢(shì)；預(yù)測(cè)

1網(wǎng)絡(luò)安全態(tài)勢(shì)安全預(yù)測(cè)簡(jiǎn)述

1.1網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)概念

網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)作為一種預(yù)測(cè)網(wǎng)絡(luò)安全問題的方法能夠有效地保證計(jì)算機(jī)和網(wǎng)絡(luò)的安全，通過這項(xiàng)工作能夠幫助用戶確定網(wǎng)絡(luò)中人存在的問題，結(jié)合問題實(shí)質(zhì)進(jìn)一步分析出根本原因，然后在這個(gè)過程中找出能夠反映網(wǎng)絡(luò)安全問題的信息內(nèi)容，在結(jié)合數(shù)學(xué)模型的形式下預(yù)測(cè)相關(guān)的網(wǎng)絡(luò)安全問題和發(fā)展態(tài)勢(shì)，為計(jì)算機(jī)網(wǎng)絡(luò)安全的發(fā)展提供可參考的信息，保證網(wǎng)絡(luò)環(huán)境的安全發(fā)展。支持向量機(jī)預(yù)測(cè)主要是借助非線性映射函數(shù)[?]進(jìn)而將非線性向量xi映射到一個(gè)具有較高維度的映射空間H中，并在H內(nèi)對(duì)相關(guān)數(shù)據(jù)進(jìn)行預(yù)測(cè)和分析，預(yù)測(cè)函數(shù)表示為f（x）=[ωT][?]（x）+b，式中，為支持向量機(jī)超出平面的權(quán)值，偏置量為b，由此將支持向量的預(yù)測(cè)轉(zhuǎn)化為如下優(yōu)化問題的求解，即[min]（[ω]，b，[ξi]，[ξ?i]）=[12][ωT][ω]+c[i=1n（ξi+ξ?i）]，將約束條件設(shè)定為：①yi-[ω]xi-b≤[ε]+[ξi]，②[ω]xi+b-yi≤[ε]+[ξ?i]，③[ξi]≥0，≥0。

1.2網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)的基本原理

摘要]鍋爐故障預(yù)測(cè)是故障診斷的一部分，故障診斷的最終目的就是為了指導(dǎo)鍋爐運(yùn)行和維修。因此，進(jìn)行鍋爐故障預(yù)測(cè)，對(duì)提高鍋爐現(xiàn)代化運(yùn)行水平和機(jī)組可用率具有重要意義。從鍋爐故障的可預(yù)測(cè)性、預(yù)測(cè)相關(guān)知識(shí)出發(fā)，進(jìn)而分析常用的鍋爐故障預(yù)測(cè)方法。

[關(guān)鍵詞]鍋爐故障故障預(yù)測(cè)

一、鍋爐故障的可預(yù)測(cè)性

鍋爐是由汽水、燃燒及煙風(fēng)等子系統(tǒng)組成的復(fù)雜多層次系統(tǒng)，而每個(gè)子系統(tǒng)又可以劃分為若干次級(jí)子系統(tǒng)和部件，各層次子系統(tǒng)是相互關(guān)聯(lián)的，只要某一個(gè)子系統(tǒng)出現(xiàn)異?；蚴?，就可能會(huì)使其它子系統(tǒng)產(chǎn)生功能異常或失效，甚至使整個(gè)機(jī)組處于故障狀態(tài)，并且從原發(fā)性故障到系統(tǒng)級(jí)故障的發(fā)生、發(fā)展是一個(gè)量變到質(zhì)變的過程。故鍋爐故障具有層次性、相關(guān)性、延時(shí)性的特點(diǎn)。

鍋爐故障一般具有一定的時(shí)延性，即從原發(fā)性故障到系統(tǒng)故障的發(fā)生、發(fā)展與形成，是一個(gè)漸變過程。以其高溫過熱器壁溫為例，其某一時(shí)刻的壁溫值，與其在過去時(shí)刻的壁溫值有一定的關(guān)系，使其壁溫序列間有一定的關(guān)聯(lián)性(確定性)，這種關(guān)聯(lián)性是鍋爐故障預(yù)測(cè)的基礎(chǔ)。另外，由于影響高溫過熱器壁溫的因素很多，如負(fù)荷、煙氣溫度、主蒸汽溫度等，它們之間相互關(guān)聯(lián)，且在鍋爐運(yùn)行中還受一些不確定因素的影響，使其故障預(yù)測(cè)具有一定的隨機(jī)性，這種隨機(jī)性使壁溫序列間的關(guān)聯(lián)性減弱，這就決定了高溫過熱器壁溫值小能準(zhǔn)確地預(yù)測(cè)，而只能從統(tǒng)計(jì)意義上做出最佳預(yù)測(cè)，使預(yù)測(cè)誤差滿足一定的精度要求。故障預(yù)測(cè)是故障診斷的一部分，故障診斷的最終目的就是為了指導(dǎo)運(yùn)行和維修，因此，進(jìn)行鍋爐故障預(yù)測(cè)，對(duì)提高鍋爐現(xiàn)代化運(yùn)行水平和機(jī)組可用率具有重要意義。

二、鍋爐故障預(yù)測(cè)相關(guān)知識(shí)

[摘要]鍋爐故障預(yù)測(cè)是故障診斷的一部分，故障診斷的最終目的就是為了指導(dǎo)鍋爐運(yùn)行和維修。因此，進(jìn)行鍋爐故障預(yù)測(cè)，對(duì)提高鍋爐現(xiàn)代化運(yùn)行水平和機(jī)組可用率具有重要意義。從鍋爐故障的可預(yù)測(cè)性、預(yù)測(cè)相關(guān)知識(shí)出發(fā)，進(jìn)而分析常用的鍋爐故障預(yù)測(cè)方法。

[關(guān)鍵詞]鍋爐故障故障預(yù)測(cè)

一、鍋爐故障的可預(yù)測(cè)性

鍋爐是由汽水、燃燒及煙風(fēng)等子系統(tǒng)組成的復(fù)雜多層次系統(tǒng)，而每個(gè)子系統(tǒng)又可以劃分為若干次級(jí)子系統(tǒng)和部件，各層次子系統(tǒng)是相互關(guān)聯(lián)的，只要某一個(gè)子系統(tǒng)出現(xiàn)異?；蚴?，就可能會(huì)使其它子系統(tǒng)產(chǎn)生功能異?；蚴?，甚至使整個(gè)機(jī)組處于故障狀態(tài)，并且從原發(fā)性故障到系統(tǒng)級(jí)故障的發(fā)生、發(fā)展是一個(gè)量變到質(zhì)變的過程。故鍋爐故障具有層次性、相關(guān)性、延時(shí)性的特點(diǎn)。

鍋爐故障一般具有一定的時(shí)延性，即從原發(fā)性故障到系統(tǒng)故障的發(fā)生、發(fā)展與形成，是一個(gè)漸變過程。以其高溫過熱器壁溫為例，其某一時(shí)刻的壁溫值，與其在過去時(shí)刻的壁溫值有一定的關(guān)系，使其壁溫序列間有一定的關(guān)聯(lián)性(確定性)，這種關(guān)聯(lián)性是鍋爐故障預(yù)測(cè)的基礎(chǔ)。另外，由于影響高溫過熱器壁溫的因素很多，如負(fù)荷、煙氣溫度、主蒸汽溫度等，它們之間相互關(guān)聯(lián)，且在鍋爐運(yùn)行中還受一些不確定因素的影響，使其故障預(yù)測(cè)具有一定的隨機(jī)性，這種隨機(jī)性使壁溫序列間的關(guān)聯(lián)性減弱，這就決定了高溫過熱器壁溫值小能準(zhǔn)確地預(yù)測(cè)，而只能從統(tǒng)計(jì)意義上做出最佳預(yù)測(cè)，使預(yù)測(cè)誤差滿足一定的精度要求。故障預(yù)測(cè)是故障診斷的一部分，故障診斷的最終目的就是為了指導(dǎo)運(yùn)行和維修，因此，進(jìn)行鍋爐故障預(yù)測(cè)，對(duì)提高鍋爐現(xiàn)代化運(yùn)行水平和機(jī)組可用率具有重要意義。

二、鍋爐故障預(yù)測(cè)相關(guān)知識(shí)

摘要：準(zhǔn)確的預(yù)測(cè)是冰蓄冷系統(tǒng)優(yōu)化和控制的基礎(chǔ)和前提。本文介紹了冰蓄冷系統(tǒng)預(yù)測(cè)的內(nèi)容和方法，主要包括室外逐時(shí)氣象參數(shù)的預(yù)測(cè)和建筑物逐時(shí)冷負(fù)荷的預(yù)測(cè)。其中，溫度預(yù)測(cè)通常采用形狀系數(shù)法；而人工神經(jīng)網(wǎng)絡(luò)在太陽(yáng)輻射預(yù)測(cè)和建筑物冷負(fù)荷預(yù)測(cè)中優(yōu)勢(shì)顯著。

關(guān)鍵詞：冰蓄冷氣象參數(shù)形狀系數(shù)人工神經(jīng)網(wǎng)絡(luò)

1前言

對(duì)北京市冬夏季典型日電力負(fù)荷構(gòu)成情況的調(diào)查表明：民用建筑用電是構(gòu)成電力峰荷的主要因素［1］。目前，我國(guó)城市建筑夏季的空調(diào)用電量占其總用電量的40％以上。解決電力不足的途徑有很多種，根據(jù)有關(guān)資料，在采用電能儲(chǔ)存解決電力峰谷差的成熟技術(shù)中，冰蓄冷的轉(zhuǎn)換效率最高［2］。在建筑物空調(diào)中應(yīng)用冰蓄冷技術(shù)是改善電力供需矛盾最有效措施之一。

冰蓄冷空調(diào)系統(tǒng)的設(shè)計(jì)前提是設(shè)計(jì)日的負(fù)荷分布，系統(tǒng)主要設(shè)備的容量都是按設(shè)計(jì)日進(jìn)行的。然而，100％的設(shè)計(jì)冷負(fù)荷出現(xiàn)時(shí)間僅占總運(yùn)行時(shí)間的o％［3］。同時(shí)，由于分時(shí)電價(jià)或?qū)崟r(shí)電價(jià)（RTP）的引入，建筑物中各種設(shè)備的運(yùn)行控制更為復(fù)雜，運(yùn)行決策必須以天、甚至小時(shí)為基礎(chǔ)[4].1993年，ASHRAE研究項(xiàng)目RP776對(duì)美國(guó)蓄冷（水蓄冷、優(yōu)態(tài)鹽。冰蓄冷）系統(tǒng)的調(diào)查顯承；冰蓄冷系統(tǒng)約占近對(duì)m個(gè)蓄冰系統(tǒng)總數(shù)的86.7％。從設(shè)計(jì)到運(yùn)行、維護(hù)，控制及控制相關(guān)問題是蓄冷系統(tǒng)的首要問題。在蓄冷系統(tǒng)滿意程度的調(diào)查中，冰蓄冷系統(tǒng)滿意率最低，僅有50％的冰蓄冷用戶認(rèn)為達(dá)到了預(yù)期的設(shè)計(jì)目的人正確地運(yùn)用優(yōu)化和控制技術(shù)至關(guān)重要[5]

一些研究報(bào)告指出，某些蓄冷系統(tǒng)在降低電力峰值需求的同時(shí)，顯著地增加了總的年電力消耗。因此，將最終導(dǎo)致發(fā)電量增加，自然資源浪費(fèi)和環(huán)境污空失這些批評(píng)導(dǎo)致了對(duì)蓄冷系統(tǒng)及相關(guān)研究項(xiàng)目資助的減少[6].1994年，Brady根據(jù)實(shí)測(cè)數(shù)據(jù)證明，上述消極影響可以通過充分的利用蓄冰系統(tǒng)的優(yōu)點(diǎn)來消除。蓄冰系統(tǒng)可以降低年能量消耗、峰值電力需求、年運(yùn)行費(fèi)用[7][8]和系統(tǒng)對(duì)環(huán)境的影響[6]［9］。1993年，F(xiàn)iorino對(duì)Dallas某（水）蓄冷進(jìn)行了改造，使蓄冷系統(tǒng)不但減少了運(yùn)行費(fèi)用，而且節(jié)約了用電量［10］［11］。冰蓄冷空調(diào)也是如此［12］［13］。

摘要:本文在分析已有軟件故障預(yù)測(cè)方法后指出:論文單純從軟件開發(fā)過程的某個(gè)階段或基于幾種度量來預(yù)測(cè)軟件故障是不充分的.提出綜合利用軟件開發(fā)過程信息構(gòu)建基于BBNs軟件故障預(yù)測(cè)模型.本文從一個(gè)基本的貝葉斯信念網(wǎng)(BBNs)故障預(yù)測(cè)模型出發(fā),擴(kuò)展基本節(jié)點(diǎn),得到了一個(gè)較完善的故障預(yù)測(cè)模型,結(jié)合已有的關(guān)于軟件度量的研究成果,提出利用軟件度量和專家知識(shí)確定節(jié)點(diǎn)狀態(tài)概率分布.仿真實(shí)驗(yàn)結(jié)果表明該模型與實(shí)際情況相符合,具有一定的故障預(yù)測(cè)能力.

關(guān)鍵詞:軟件故障預(yù)測(cè);貝葉斯信念網(wǎng);軟件度量

1引言

當(dāng)前關(guān)于軟件故障預(yù)測(cè)的研究大都集中于軟件工程領(lǐng)域的某個(gè)方面,畢業(yè)論文如面向?qū)ο笙到y(tǒng)中利用各種度量屬性建立模型預(yù)測(cè)故障數(shù)和故障傾向,利用測(cè)試過程中用例的覆蓋率預(yù)測(cè)模塊故障,利用專家經(jīng)驗(yàn)建立專家知識(shí)庫(kù)預(yù)測(cè)故障等等.軟件故障的原因貫穿于軟件開發(fā)全過程,僅從一個(gè)方面來考察軟件故障是不充分的.近十幾年備受關(guān)注的貝葉斯網(wǎng)絡(luò)(BBNs)對(duì)于解決復(fù)雜系統(tǒng)不確定因素引起的故障具有很大的優(yōu)勢(shì),被認(rèn)為是目前不確定知識(shí)表達(dá)和推理領(lǐng)域最有效的理論模型.本文提出基于BBNs的故障預(yù)測(cè)方法,綜合利用軟件開發(fā)過程信息預(yù)測(cè)軟件故障.

2軟件故障預(yù)測(cè)的研究現(xiàn)狀

預(yù)測(cè)故障的方法可以分為兩大類:(1)基于數(shù)量的技術(shù),關(guān)注預(yù)測(cè)軟件系統(tǒng)中的故障數(shù);碩士論文(2)基于分類的技術(shù),關(guān)注于預(yù)測(cè)哪些子系統(tǒng)具有故障傾向.第一類已經(jīng)有一些研究,但是開發(fā)一個(gè)有效的模型比較困難.第二類方法更成功一些.利用軟件度量來預(yù)測(cè)故障傾向是一個(gè)重要的趨勢(shì)和研究?jī)?nèi)容,當(dāng)前的預(yù)測(cè)模型涉及軟件設(shè)計(jì)度量,代碼度量和測(cè)試度量.軟件維護(hù)的歷史數(shù)據(jù),例如軟件改變歷史[1]和過程質(zhì)量數(shù)據(jù)[2]也被用于軟件故障預(yù)測(cè).很多專家認(rèn)為開發(fā)過程的質(zhì)量是產(chǎn)品質(zhì)量(這里默認(rèn)是殘留故障密度)最好的預(yù)測(cè)器.AhmedE.Hassan等人提出利用啟發(fā)式規(guī)則預(yù)測(cè)軟件子系統(tǒng)故障傾向[3].還有文獻(xiàn)提出利用測(cè)試過程中的各種數(shù)據(jù)(如測(cè)試覆蓋率)來預(yù)測(cè)故障[2].

摘要:為了更加準(zhǔn)確地預(yù)測(cè)城市地鐵交通中動(dòng)態(tài)變化的客流量,通過分析城市地鐵交通客流量的特點(diǎn),提出了一種基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合的預(yù)測(cè)方法。這種方法根據(jù)預(yù)測(cè)數(shù)據(jù)各屬性的特點(diǎn),將采集的數(shù)據(jù)提取出多個(gè)相關(guān)序列。在此基礎(chǔ)上對(duì)各序列采取不同的處理、預(yù)測(cè)方法,再利用神經(jīng)網(wǎng)絡(luò)進(jìn)行融合。這種方法可用于數(shù)據(jù)動(dòng)態(tài)預(yù)測(cè)的各種領(lǐng)域。實(shí)驗(yàn)表明,采用這種方法可以有效地改善數(shù)據(jù)預(yù)測(cè)的誤差。

關(guān)鍵詞:鐵路交通;信息預(yù)測(cè);數(shù)據(jù)融合;神經(jīng)網(wǎng)絡(luò)

在城市地鐵交通中,各車站交通流量信息(如候乘數(shù)量、下車數(shù)量等)的準(zhǔn)確預(yù)測(cè)有利于地鐵運(yùn)行高效、及時(shí)地調(diào)度,從而既達(dá)到增加效益的經(jīng)濟(jì)目的,又可以更好地滿足人們的乘車需求。傳統(tǒng)的預(yù)測(cè)方法有回歸分析算法以及Kalman濾波等。這些方法假定過程是平穩(wěn)的,系統(tǒng)是線性的,系統(tǒng)的干擾是白噪聲,因此在線性系統(tǒng)平穩(wěn)的隨機(jī)時(shí)間序列預(yù)測(cè)中能夠獲得滿意的結(jié)果。然而,交通問題是有人參與的主動(dòng)系統(tǒng),具有非線性和擾動(dòng)性強(qiáng)的特征,前述方法難以奏效,表現(xiàn)為以下缺點(diǎn):①每次采樣的數(shù)據(jù)變化較小時(shí)適用,數(shù)據(jù)變化大誤差就大;②預(yù)測(cè)值的變化總是滯后于實(shí)測(cè)值的變化;③無法消除奇異信息的影響?；谛〔ǚ治龅膭?dòng)態(tài)數(shù)據(jù)預(yù)測(cè)方法以小波變換后的數(shù)據(jù)進(jìn)行預(yù)測(cè),克服了傳統(tǒng)預(yù)測(cè)方法不能消除奇異信息的缺點(diǎn),有效地預(yù)測(cè)動(dòng)態(tài)的流量信息[1]。但該方法只能對(duì)單個(gè)的數(shù)據(jù)序列進(jìn)行處理,而事實(shí)上能夠用于預(yù)測(cè)的數(shù)據(jù)可以是多方面的。

數(shù)據(jù)融合(Data2Fusion)技術(shù)起源并發(fā)展于軍事領(lǐng)域,主要用于目標(biāo)的航跡跟蹤、定位與身份識(shí)別以及態(tài)勢(shì)評(píng)估等[2]。傳統(tǒng)的數(shù)據(jù)融合技術(shù)大多采用概率理論(如Bayes決策理論)對(duì)多種信息的獲取與處理進(jìn)行研究,從而去掉信息的無用成分,保留有用成分[3]。在信息處理中,分別運(yùn)用各種體現(xiàn)數(shù)據(jù)不同屬性特征的方法處理(如預(yù)測(cè))后進(jìn)行融合是一個(gè)有待深入研究的問題。為了充分利用各方面已有的數(shù)據(jù),獲得可靠的交通流量動(dòng)態(tài)預(yù)測(cè),本文借鑒數(shù)據(jù)融合的基本思想,提出了在數(shù)據(jù)處理方法上的融合預(yù)測(cè)方法。

1流量融合預(yù)測(cè)模型

1.1預(yù)測(cè)模型的結(jié)構(gòu)

內(nèi)容摘要：隨著計(jì)算機(jī)應(yīng)用的日益普及與深入,處理、收集、分析、利用數(shù)據(jù)變得越來越普遍,統(tǒng)計(jì)思想、統(tǒng)計(jì)方法以及眾多的統(tǒng)計(jì)分析技術(shù)成為諸多領(lǐng)域和部門不可缺少的有力工具。本文主要就應(yīng)用統(tǒng)計(jì)中的經(jīng)濟(jì)預(yù)測(cè)方法及其在經(jīng)濟(jì)管理領(lǐng)域的應(yīng)用進(jìn)行分析和介紹。

關(guān)鍵詞：經(jīng)濟(jì)預(yù)測(cè)方法定量研究回歸預(yù)測(cè)模型

經(jīng)濟(jì)預(yù)測(cè)方法分類

經(jīng)濟(jì)預(yù)測(cè)是一門邊緣性科學(xué)，它依據(jù)經(jīng)濟(jì)學(xué)原理，應(yīng)用數(shù)理統(tǒng)計(jì)學(xué)以及數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)的方法對(duì)客觀經(jīng)濟(jì)過程及其要素的變動(dòng)趨勢(shì)作出描述，從而達(dá)到預(yù)測(cè)未來的目的。它所提供的方法，對(duì)于我們制定各種經(jīng)濟(jì)、管理計(jì)劃、政策等，都是十分重要的。

目前應(yīng)用得比較廣泛的經(jīng)濟(jì)預(yù)測(cè)方法主要有如下幾類：專家評(píng)估法、回歸分析預(yù)測(cè)法、時(shí)間序列平滑預(yù)測(cè)法、模型法、馬爾柯夫預(yù)測(cè)法。

經(jīng)濟(jì)預(yù)測(cè)方法的應(yīng)用

摘要:進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)能幫助電氣設(shè)備有效地規(guī)避風(fēng)險(xiǎn)，降低風(fēng)險(xiǎn)帶來的影響。為此，提出一種基于物聯(lián)網(wǎng)技術(shù)的電氣設(shè)備全生命周期風(fēng)險(xiǎn)預(yù)測(cè)方法。該方法以物聯(lián)網(wǎng)技術(shù)作為依托平臺(tái)，首先進(jìn)行電氣設(shè)備全生命周期數(shù)據(jù)收集與預(yù)處理，然后依據(jù)數(shù)據(jù)，結(jié)合事故樹分析法進(jìn)行風(fēng)險(xiǎn)因素識(shí)別，最后計(jì)算識(shí)別出來的風(fēng)險(xiǎn)因素的權(quán)重，并以此得出風(fēng)險(xiǎn)發(fā)生概率，判斷電氣設(shè)備剩余可靠程度。結(jié)果表明：所研究方法預(yù)測(cè)得出斷路器運(yùn)行維護(hù)期發(fā)生風(fēng)險(xiǎn)的概率最高，可靠性最低，而使用期間的拒動(dòng)故障、誤動(dòng)故障以及絕緣故障風(fēng)險(xiǎn)發(fā)生率均超過10%，可靠度低于90%。

關(guān)鍵詞:物聯(lián)網(wǎng)技術(shù)；電氣設(shè)備；全生命周期；風(fēng)險(xiǎn)預(yù)測(cè)

1引言

在現(xiàn)代社會(huì)，各領(lǐng)域的運(yùn)行都離不開電力能源作為支撐。在電力供應(yīng)系統(tǒng)中，電氣設(shè)備的運(yùn)行涉及電力的生產(chǎn)、運(yùn)輸、更換、分配等各個(gè)環(huán)節(jié)。一旦其中一個(gè)設(shè)備出現(xiàn)問題，電力供應(yīng)就會(huì)中斷，從而造成巨大的損失。電氣設(shè)備故障從生產(chǎn)到使用，再到廢棄，經(jīng)歷了一個(gè)全生命周期[1]。因此，如何準(zhǔn)確地預(yù)測(cè)電氣設(shè)備整個(gè)生命周期內(nèi)的各種風(fēng)險(xiǎn)，對(duì)其進(jìn)行全生命周期的風(fēng)險(xiǎn)預(yù)測(cè)，對(duì)防范和規(guī)避風(fēng)險(xiǎn)具有重要的現(xiàn)實(shí)意義。關(guān)于風(fēng)險(xiǎn)預(yù)測(cè)的研究有很多，如文獻(xiàn)[2]提出的基于紅外成像技術(shù)的電氣設(shè)備故障檢測(cè)和文獻(xiàn)[3]提出的基于物聯(lián)網(wǎng)技術(shù)的地鐵機(jī)電設(shè)備全壽命周期管理系統(tǒng)。但上述主要是針對(duì)設(shè)備運(yùn)行過程中存在的風(fēng)險(xiǎn)進(jìn)行分析，且需要處理的數(shù)據(jù)過于龐大，電氣設(shè)備種類的不同，數(shù)據(jù)過于分散，得到的預(yù)測(cè)結(jié)果準(zhǔn)確性并不能保證，且需要花費(fèi)大量的時(shí)間成本。針對(duì)上述問題，本文結(jié)合物聯(lián)網(wǎng)技術(shù)，提出一種電氣設(shè)備全生命周期風(fēng)險(xiǎn)預(yù)測(cè)方法。物聯(lián)網(wǎng)技術(shù)的介入，能夠?qū)⒃O(shè)備各個(gè)環(huán)節(jié)的大數(shù)據(jù)集中到一起，并進(jìn)行分析，實(shí)現(xiàn)了電氣設(shè)備管理的信息化，包括降低設(shè)備風(fēng)險(xiǎn)存在的時(shí)間、提升風(fēng)險(xiǎn)規(guī)避效率、節(jié)省人工成本、提高設(shè)備可用性和完好率。通過本研究以期保證電氣設(shè)備全生命周期運(yùn)行安全，延長(zhǎng)電氣設(shè)備使用壽命，及時(shí)規(guī)避掉各個(gè)環(huán)節(jié)存在的風(fēng)險(xiǎn)。

2基于物聯(lián)網(wǎng)技術(shù)的電氣設(shè)備全生命周期風(fēng)險(xiǎn)預(yù)測(cè)研究

電氣設(shè)備風(fēng)險(xiǎn)的發(fā)生不僅僅出現(xiàn)在運(yùn)行階段，而是出現(xiàn)在全生命周期，周期上每一個(gè)環(huán)節(jié)出現(xiàn)的風(fēng)險(xiǎn)都有可能造成設(shè)備故障。然而，各設(shè)備從生產(chǎn)、到使用再到廢棄，各個(gè)環(huán)節(jié)相對(duì)分散，且數(shù)據(jù)分散在各個(gè)電腦，不能有效共享，匯總繁瑣且易出差錯(cuò)，設(shè)備維修費(fèi)用、備件采購(gòu)數(shù)量、點(diǎn)檢計(jì)劃數(shù)據(jù)、人員KPI等數(shù)據(jù)源不一，統(tǒng)計(jì)匯整分析困難不精準(zhǔn)，因此在電氣設(shè)備全生命周期風(fēng)險(xiǎn)預(yù)測(cè)中最亟待解決的問題是“如何集中獲取全生命周期涉及的相關(guān)信息，包括設(shè)備生產(chǎn)數(shù)據(jù)或設(shè)備本身的運(yùn)行狀態(tài)、故障、運(yùn)行參數(shù)、環(huán)境等狀態(tài)信息”。這也是以往電氣設(shè)備全生命周期風(fēng)險(xiǎn)預(yù)測(cè)研究較少的重大原因之一。基于上述問題，物聯(lián)網(wǎng)技術(shù)的出現(xiàn)為電氣設(shè)備全生命周期風(fēng)險(xiǎn)預(yù)測(cè)提供了所需要的移動(dòng)端和網(wǎng)絡(luò)環(huán)境的支持。物聯(lián)網(wǎng)技術(shù)組成框架如圖1所示。物聯(lián)網(wǎng)技術(shù)利用計(jì)算機(jī)硬件、軟件、網(wǎng)絡(luò)設(shè)備、通信技術(shù)及智能傳感器設(shè)備等實(shí)現(xiàn)了信息的收集、傳輸、加工、儲(chǔ)存、更新和維護(hù)等，為風(fēng)險(xiǎn)預(yù)測(cè)提供了重要的輔助。

長(zhǎng)久以來，人類社會(huì)以化石燃料作為主要能源?；茉撮L(zhǎng)期地開采使用，也帶來了資源枯竭、大氣污染和氣候變暖等一系列問題。風(fēng)能作為傳統(tǒng)化石能源的一種替代能源，具有分布地域廣、儲(chǔ)量豐富和可再生等特點(diǎn)，在滿足人們對(duì)能源需求的同時(shí)，也能實(shí)現(xiàn)人類社會(huì)的可持續(xù)性發(fā)展。但風(fēng)力發(fā)電具有和傳統(tǒng)發(fā)電方式不同的特點(diǎn)，例如風(fēng)能具有季節(jié)性、間接性、隨機(jī)波動(dòng)等，這都決定了風(fēng)力發(fā)電相關(guān)技術(shù)更加復(fù)雜。其中對(duì)風(fēng)電功率的預(yù)測(cè)，直接影響到風(fēng)電并網(wǎng)安全性和電力市場(chǎng)競(jìng)爭(zhēng)力。風(fēng)電功率的準(zhǔn)確預(yù)測(cè)對(duì)風(fēng)力發(fā)電企業(yè)非常重要，是電力調(diào)度中的重點(diǎn)、難點(diǎn)問題，也是研究當(dāng)中的熱點(diǎn)問題。風(fēng)電功率預(yù)測(cè)可以按時(shí)間尺度、空間尺度、預(yù)測(cè)形式等多個(gè)角度進(jìn)行分類，按照不同的預(yù)測(cè)模型主要可分為物理模型、統(tǒng)計(jì)模型和人工智能方法三類。物理模型方法通過將風(fēng)力、風(fēng)向角以及電機(jī)可調(diào)參數(shù)等影響因素，抽象為相應(yīng)的數(shù)學(xué)模型，在風(fēng)場(chǎng)中通過傳感器實(shí)時(shí)監(jiān)控相關(guān)參數(shù)，實(shí)現(xiàn)電機(jī)功率的實(shí)時(shí)預(yù)測(cè)。統(tǒng)計(jì)模型方法利用統(tǒng)計(jì)學(xué)知識(shí)，將歷史采集數(shù)據(jù)進(jìn)行識(shí)別、擬合和趨勢(shì)分析，最終對(duì)風(fēng)電功率做出預(yù)測(cè)。人工智能方法則是以數(shù)據(jù)為驅(qū)動(dòng)，通過深度神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)的學(xué)習(xí)，提取數(shù)據(jù)內(nèi)部的關(guān)聯(lián)性和高維特征，并據(jù)此對(duì)風(fēng)電功率短期情況給出預(yù)測(cè)結(jié)果。風(fēng)電功率預(yù)測(cè)本質(zhì)上是建立風(fēng)廠內(nèi)各因素的相互關(guān)系，其預(yù)測(cè)精準(zhǔn)度必須建立在足夠多的歷史數(shù)據(jù)上。而新建風(fēng)電場(chǎng)往往缺少風(fēng)場(chǎng)內(nèi)相關(guān)信息，難以為風(fēng)電功率的預(yù)測(cè)提供支撐。

基于對(duì)抗神經(jīng)網(wǎng)絡(luò)的風(fēng)電數(shù)據(jù)生成數(shù)據(jù)清洗

由于風(fēng)電本身的不穩(wěn)定性，以及非預(yù)計(jì)停機(jī)、棄風(fēng)限電、天氣異常等原因，風(fēng)場(chǎng)采集的數(shù)據(jù)中往往會(huì)存在大量的異常點(diǎn)，這些異常點(diǎn)將對(duì)正常情況下的風(fēng)電功率預(yù)測(cè)產(chǎn)生影響。本文用變點(diǎn)分組法原理、最小二乘法原理和四分位法來處理原始數(shù)據(jù)，從而實(shí)現(xiàn)異常點(diǎn)的剔除，另外使用臨近值補(bǔ)全的方法對(duì)缺失值進(jìn)行一個(gè)填補(bǔ)。這樣處理得到的數(shù)據(jù)更有利于風(fēng)電功率的預(yù)測(cè)。

風(fēng)電數(shù)據(jù)生成

生成對(duì)抗網(wǎng)絡(luò)屬于非監(jiān)督式學(xué)習(xí)方法，是深度學(xué)習(xí)領(lǐng)域的一個(gè)重要生成模型。其內(nèi)部主要包含生成器和判別器兩個(gè)網(wǎng)絡(luò)，生成器神經(jīng)網(wǎng)絡(luò)負(fù)責(zé)利用已有數(shù)據(jù)樣本生成新的樣本，而判別器神經(jīng)網(wǎng)絡(luò)則負(fù)責(zé)將生成樣本從真實(shí)樣本中盡可能分辨出來。兩個(gè)網(wǎng)絡(luò)相互對(duì)抗、不斷調(diào)整參數(shù)，最終目的是使判別網(wǎng)絡(luò)無法判斷生成網(wǎng)絡(luò)的輸出樣本是否真實(shí)。因?yàn)橛行╋L(fēng)電場(chǎng)歷史數(shù)據(jù)量較小，可以利用生成器網(wǎng)絡(luò)產(chǎn)生的樣本，進(jìn)行數(shù)據(jù)樣本的擴(kuò)充。并且對(duì)抗神經(jīng)網(wǎng)絡(luò)是基于非監(jiān)督式學(xué)習(xí)，所以不需要準(zhǔn)備非常多的數(shù)據(jù)。利用風(fēng)電場(chǎng)已有的風(fēng)電數(shù)據(jù)來訓(xùn)練對(duì)抗生成網(wǎng)絡(luò)，其中的生成模型網(wǎng)絡(luò)可以模擬真實(shí)數(shù)據(jù)的概率分布，并輸出合成樣本。而判別網(wǎng)絡(luò)需要學(xué)習(xí)區(qū)分這個(gè)生成的風(fēng)電數(shù)據(jù)是否來自真實(shí)的數(shù)據(jù)分布，經(jīng)過多輪不斷地對(duì)抗，從而使合成數(shù)據(jù)也能夠達(dá)到真實(shí)數(shù)據(jù)的效果。用于合成風(fēng)電數(shù)據(jù)的對(duì)抗生成網(wǎng)絡(luò)框架設(shè)計(jì)如圖1所示。在GAN神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)使用到的對(duì)抗損失函數(shù)可以下式來表示。行業(yè)曲線開放度創(chuàng)新度生態(tài)度互交度持續(xù)度可替代度影響力可實(shí)現(xiàn)度行業(yè)關(guān)聯(lián)度真實(shí)度楊乘勝，男，碩士，安徽蕪湖，高級(jí)工程師，南京華盾電力信息安全測(cè)評(píng)有限公司，研究方向：電力系統(tǒng)及其自動(dòng)化。在式（1）中，z代表隨機(jī)變量，pz（z）代表z的數(shù)據(jù)分布，Pdata（x）代表真實(shí)樣本的分布，D和G分別代表判別器和生成器，minGmaxDV（D，G）在于最大化判別器D的價(jià)值函數(shù)而最小化生成器G的價(jià)值函數(shù)。在GAN神經(jīng)網(wǎng)絡(luò)整個(gè)訓(xùn)練過程中，一個(gè)隨機(jī)變量會(huì)輸入生成器G并輸出合成數(shù)據(jù)，之后由判斷器D確定它是否為真數(shù)據(jù)。整個(gè)訓(xùn)練過程需要最大化判別器的概率logD（x），即讓所有的數(shù)據(jù)都被認(rèn)為來自真實(shí)的數(shù)據(jù)集，相對(duì)的要最小化生成器的概率log（1-D（G（z））），使得合成數(shù)據(jù)愈加接近真實(shí)數(shù)據(jù)的分布。網(wǎng)絡(luò)采取的是向后傳播的方式來調(diào)整內(nèi)部參數(shù)，使得網(wǎng)絡(luò)能夠結(jié)合預(yù)測(cè)值和真實(shí)值之間的誤差，學(xué)習(xí)到風(fēng)電數(shù)據(jù)的高維特征。

基于遺傳算法的風(fēng)電預(yù)測(cè)

1注重網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法使用的價(jià)值所在

（1）有利于優(yōu)化網(wǎng)絡(luò)設(shè)備性能，保持良好的網(wǎng)絡(luò)運(yùn)行狀況。實(shí)踐過程中結(jié)合開放性強(qiáng)、運(yùn)行環(huán)境復(fù)雜的網(wǎng)絡(luò)，其運(yùn)行過程中可能會(huì)受到病毒及其它因素的影響，使得自身的安全性能下降，難以保證用戶信息安全性。而注重網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法的使用，將會(huì)給予網(wǎng)絡(luò)安全必要的保障，將會(huì)使與之相關(guān)的設(shè)備性能逐漸優(yōu)化，保持良好的網(wǎng)絡(luò)運(yùn)行狀況，最大限度地滿足用戶的實(shí)際需求。（2）有利于提升網(wǎng)絡(luò)安全防控水平，健全其防御體系。在網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法的作用下，技術(shù)人員結(jié)合當(dāng)前計(jì)算機(jī)網(wǎng)絡(luò)安全的實(shí)際概況及用戶需求，對(duì)網(wǎng)絡(luò)運(yùn)行的安全狀況進(jìn)行科學(xué)的預(yù)測(cè)分析，促使其中可能存在的影響因素得以高效處理，進(jìn)而為網(wǎng)絡(luò)安全防控工作落實(shí)提供所需的參考信息，使得其防控水平逐漸提升。同時(shí)，該方法的使用，也能使網(wǎng)絡(luò)安全防御體系構(gòu)建中得到所需的信息，且在長(zhǎng)期的實(shí)踐過程中得以健全，滿足網(wǎng)絡(luò)安全工作開展的實(shí)際需要。（3）有利于豐富網(wǎng)絡(luò)安全問題處理所需的技術(shù)手段，優(yōu)化其安全性能。新時(shí)期處理網(wǎng)絡(luò)安全問題時(shí)相關(guān)的技術(shù)手段應(yīng)用效果是否良好，關(guān)系著其安全性能能否得到有效改善。因此，在對(duì)網(wǎng)絡(luò)安全進(jìn)行研究時(shí)，研究人員應(yīng)結(jié)合當(dāng)前計(jì)算機(jī)網(wǎng)絡(luò)運(yùn)行中所面臨的挑戰(zhàn)，通過對(duì)網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法的合理使用，使得其安全問題處理中所需的技術(shù)手段更加豐富，最終達(dá)到網(wǎng)絡(luò)安全性能優(yōu)化的目的。

2基于時(shí)間維度分析的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法

為了使網(wǎng)絡(luò)未來發(fā)展中有著良好的安全態(tài)勢(shì)，確保其安全性能可靠性，則需要對(duì)其安全態(tài)勢(shì)要素有著必要的了解。而這類要素實(shí)踐過程中若從時(shí)間維度上進(jìn)行分析，由于其具有動(dòng)態(tài)變化的特點(diǎn)，會(huì)對(duì)網(wǎng)絡(luò)安全態(tài)勢(shì)造成較大的影響，因此，為了提升網(wǎng)絡(luò)安全預(yù)測(cè)結(jié)果應(yīng)用價(jià)值，則需要注重基于時(shí)間維度分析的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法使用。具有表現(xiàn)在以下方面：2.1基于權(quán)限分類的脆弱性預(yù)測(cè)方法。網(wǎng)絡(luò)安全研究中若考慮使用基于時(shí)間維度分析的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法，則需要重視與之相關(guān)的基于權(quán)限分類的脆弱性預(yù)測(cè)方法使用?，F(xiàn)階段，因脆弱性的、利用等，使得網(wǎng)絡(luò)安全運(yùn)行風(fēng)險(xiǎn)加大，可能會(huì)導(dǎo)致獨(dú)立和大規(guī)模的攻擊，如蠕蟲、僵尸網(wǎng)絡(luò)等問題的產(chǎn)生。隨著脆弱性利用時(shí)間越來越短，其零日利用的數(shù)量在急劇增加，脆弱性日利用方案數(shù)量也在增加，給網(wǎng)絡(luò)安全運(yùn)行產(chǎn)生的威脅更大。因而，及早地預(yù)測(cè)網(wǎng)絡(luò)未來的脆弱性，可以及早采取措施，加強(qiáng)重點(diǎn)資產(chǎn)、業(yè)務(wù)和脆弱性密集的資產(chǎn)、業(yè)務(wù)的防護(hù)，以趕在脆弱性被發(fā)現(xiàn)、利用之前采取措施規(guī)避相應(yīng)的攻擊或者增加脆弱性利用的難度，提高主動(dòng)防護(hù)的能力。從另一個(gè)角度來講，攻擊者在防護(hù)方感知脆弱性的存在或者防護(hù)方采取防護(hù)措施之前，感知并利用脆弱性將會(huì)極大地增加攻擊成功的可能性，獲取更大的攻擊效果。網(wǎng)絡(luò)安全研究中在應(yīng)對(duì)脆弱性所造成的影響時(shí)，雖然有關(guān)其數(shù)量與時(shí)間方面的方法較為成熟，但由于這類方法在預(yù)測(cè)未來脆弱性的標(biāo)識(shí)信息方面難以保證準(zhǔn)確性，因此，技術(shù)人員在應(yīng)對(duì)這類問題中，要加強(qiáng)基于權(quán)限分類的脆弱性預(yù)測(cè)分析方法使用，使得其預(yù)測(cè)結(jié)果準(zhǔn)確性得以不斷增強(qiáng)，從而為網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法實(shí)際作用的充分發(fā)揮提供保障。在網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)分析中，若提高基于權(quán)限分類的脆弱性預(yù)測(cè)方法利用效率，將會(huì)得到參考價(jià)值大的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)結(jié)果，從而為其安全性能改善措施的合理運(yùn)用提供參考依據(jù)。同時(shí)，基于脆弱性預(yù)測(cè)方法的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)研究工作的落實(shí)，也需要對(duì)未來預(yù)測(cè)脆弱性的數(shù)量、時(shí)間等給予更多的關(guān)注，使得網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)結(jié)果更具說服力。2.2基于未來態(tài)勢(shì)要素的攻擊序列預(yù)測(cè)方法。在網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)研究中，若采用既有的攻擊序列預(yù)測(cè)方式進(jìn)行研究，難以得到網(wǎng)絡(luò)安全態(tài)勢(shì)未來攻擊序列所造成影響的準(zhǔn)確預(yù)測(cè)結(jié)果，使得網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)中相關(guān)的要素?zé)o法得出。針對(duì)這種情況，需要在時(shí)間維度分析的前提條件下，在網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)研究中引入基于未來態(tài)勢(shì)要素的攻擊序列預(yù)測(cè)方法，使得其網(wǎng)絡(luò)安全態(tài)要素能夠在其預(yù)測(cè)研究中總結(jié)出來，進(jìn)而得出可靠的預(yù)測(cè)結(jié)果，給予網(wǎng)絡(luò)運(yùn)行中安全性能的不斷優(yōu)化可靠保障。實(shí)踐過程中為了發(fā)揮出基于未來態(tài)勢(shì)要素的攻擊序列預(yù)測(cè)方法在網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)中的實(shí)際作用，需要從以下方面入手：（1）結(jié)合網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)的實(shí)際需求，全面了解攻擊序列對(duì)其可能造成的影響，合理使用基于未來態(tài)勢(shì)要素的攻擊序列預(yù)測(cè)方法，使得網(wǎng)絡(luò)安全狀況改善中能夠獲取到更多的信息資源，進(jìn)而實(shí)現(xiàn)對(duì)攻擊序列所產(chǎn)生影響的有效應(yīng)對(duì)，并使未來網(wǎng)絡(luò)發(fā)展中的安全性能逐漸改善。同時(shí)，需要提升對(duì)基于未來態(tài)勢(shì)要素攻擊序列預(yù)測(cè)方法的整體認(rèn)知水平，加強(qiáng)其在網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)應(yīng)用中的作用效果評(píng)估，以便增強(qiáng)其適用性。（2）借助計(jì)算機(jī)網(wǎng)絡(luò)、信息技術(shù)的優(yōu)勢(shì)，對(duì)基于未來態(tài)勢(shì)要素攻擊序列預(yù)測(cè)方法的攻擊序列集進(jìn)行深入分析，從而使網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)中能夠在選定的時(shí)間段中得出所需的攻擊序列，從而得到其預(yù)測(cè)研究中所需的結(jié)果，促使我國(guó)信息化產(chǎn)業(yè)發(fā)展中的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)研究水平得以不斷提升。以上所述的內(nèi)容，客觀地說明了基于時(shí)間維度分析的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法在網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)算研究應(yīng)用中的重要性。因此，在實(shí)施網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)研究工作計(jì)劃時(shí)，研究人員應(yīng)注重這類方法的合理使用，必要時(shí)也可引入基于空間維度分析的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法，使得網(wǎng)絡(luò)安全態(tài)勢(shì)研究中能夠得到更多的研究成果。

3結(jié)束語(yǔ)

綜上所述，若在處理網(wǎng)絡(luò)安全問題中引入基于時(shí)空維度分析的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法并加以使用，能夠給予計(jì)算機(jī)網(wǎng)絡(luò)安全運(yùn)行必要的支持，使得其能夠更好地適應(yīng)時(shí)代的發(fā)展要求。因此，未來應(yīng)對(duì)網(wǎng)絡(luò)安全問題、落實(shí)其研究工作時(shí)，為了確保其所需的分析方法有著良好的適用性，并實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)安全態(tài)勢(shì)的科學(xué)預(yù)測(cè)，則需要相關(guān)人員能夠?qū)跁r(shí)空維度分析的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法有著更多的了解，并將其應(yīng)用于網(wǎng)絡(luò)安全研究中，滿足網(wǎng)絡(luò)安全使用要求。