一种高可靠可控双冗余以太网的设计与实现

提出了一种高可靠可控双冗余以太网架构方案,其通过在两个网卡上发送内容相同的数据包,防止出现网络丢包时的信息丢失。在以太网的用户数据头部添加帧冗余标签用于标识冗余和非冗余数据以及区别冗余数据的不同帧,当网络出现故障时,可以达到零故障恢复时间。引入网络诊断功能,通过节点间的软件收发和处理诊断相关的UDP报文来判断网络是否出现故障,并及时记录。通过Winsock SPI和API实现网络的冗余通信和诊断功能,以保持对应用层网络程序透明,同时又保证网络的高可靠性和可用性。实验表明,在局域网内可以容忍多个不同节点到交换机的故障,增加网络发送的数据量,以实现较高的容错率。     

面向实时控制的排水系统深度LSTM神经网络模型

如何得到兼顾运算时间和预测效果的排水系统预测模型是排水系统实时控制领域亟需解决的问题。针对这一难点，以非线性映射能力较强且运算速度较快的长短时记忆（LSTM）神经网络为基础，构建了面向实时控制的城市排水系统深度LSTM神经网络模型，并以苏州市福星片区为案例区域，验证该模型的预测效果和计算效率。结果显示，该模型对18个泵站站前液位预测结果的纳什效率系数均在0.5以上，且在不同降雨情景下均能得到较好的拟合结果；与机理模型相比，该模型能节约99.7%的计算时间，可显著提高排水系统预测模型的实时性。