基于GRU-LSTM组合模型的云计算资源负载预测研究

日益增多的应用部署在云端使得云数据中心的功耗波动剧烈,从而导致云数据中心资源利用率不平衡,高效的负载预测是解决该问题的关键技术。针对目前负载预测模型预测精度低、预测时间长的问题,建立一种基于门控循环单元（GRU）与长短期记忆（LSTM）网络的组合预测模型GRU-LSTM。该模型的网络结构包括3层,第一层采用GRU,利用GRU参数少、易收敛的特点减少模型训练时间,第二、第三层采用LSTM,结合LSTM参数多的优势提高模型的预测精度。在此基础上,对数据集作缺失值处理和标准化处理,使用随机森林算法对原始序列进行特征选择后得到一组新的序列值,将该序列值作为GRU-LSTM组合预测模型的输入,以对云计算资源进行高效预测。在集群公开数据集Cluster-trace-v2018上进行实验,结果表明,与传统的单一预测模型ARIMA、LSTM、GRU以及现有的组合预测模型ARIMA-LSTM、Refined LSTM等相比,GRU-LSTM模型预测结果的均方误差减少6~9,预测时间平均缩短约10%。     

云南小发路无烟煤基石墨烯制备与谱学表征

为研究云南小发路无烟煤制备煤基石墨烯及其谱学特征,采用改良的Hummers氧化还原法制备煤基石墨烯,并综合利用透射电镜(TEM),X射线衍射(XRD)、拉曼光谱(Raman)和傅里叶变换红外光谱(FT-IR)等表征手段对原煤以及过程产物的化学结构进行表征,结果表明高温石墨化显著改善了小发路无烟煤的微晶结构,晶粒尺寸增加,平均芳香层数可达54.84,有利于后续氧化插层形成氧化石墨烯;氧化反应产生了大量含氧官能团,增加了煤基氧化石墨烯的缺陷度(I_D1/I_G=2.06),层间距可达0.790 nm;还原氧化石墨烯表面含氧官能团大幅度减少,缺陷度减小至1.58,芳构碳的有序度增加,成功制得煤基石墨烯;透射电镜下发现小发路无烟煤晶格条纹大部分为无定向弯曲,层间堆垛较厚,所制备的煤基石墨烯则呈透明薄层状,表面含有较多翘曲,边缘处可观察到线性晶格条纹,层数达3～5层。小发路无烟煤的含氧官能团以酚、醇、醚、酯为主,羧基含量较低,羟基共检测到环状羟基、与醚作用形成氢键的羟基、羟基间氢键相连的羟基、与芳香体系形成氢键的羟基以及自由羟基等5种,氧化后的煤基氧化石墨...     

京西煤制备氧化石墨烯分子结构模型的构建与优化

随着煤基碳材料的发展,石墨烯及石墨烯氧化物等二维碳纳米材料已成为目前新型材料中重要研究领域并成为研究热点。为查明煤基氧化石墨烯的化学成分组成和分子结构特征,以北京西山矿区侏罗纪门头沟系的8号煤层无烟煤为碳源,对京西原煤样和脱灰样进行了工业分析和元素分析,京西煤属于品质较好的低灰、低挥发分和特低硫无烟煤,脱灰后京西无烟煤的灰分产率从初始的9.26%下降到0.65%,表明矿物得到了有效去除。利用改良的Hummers氧化还原法制备煤基氧化石墨烯,并对制备的氧化石墨烯进行了核磁共振碳谱(¹³C-NMR)、扫描电子显微镜(SEM)、能量色散X-射线光谱(EDS)和X射线光电子能谱(XPS)等分析手段测试。通过Origin软件对所得数据进行分析和图谱拟合,得到了所制备煤基氧化石墨烯产品的元素比和产品结构参数。研究表明:京西煤基氧化石墨烯的芳香结构以苯、萘、蒽和菲为主;脂肪碳以次甲基、环烷烃的形式存在,其中含氧官能团以酚羟基和醚氧基为主,还含有大量的羧基。在此分析数据的基础上,构建了京西煤基氧化石墨烯的分子结构模型,并运用¹³C-NMR预测软件ACD/CN...