复杂系统布尔网络模型及应用

复杂系统布尔网络模型及应用（精选5篇）

复杂系统布尔网络模型及应用 篇1

复杂系统布尔网络模型及应用

生命是一种自发的秩序,有其自身的调节机制.从布尔网络模型所表示的行为,探讨了生物的.稳定性、进化以及个体发生学中的一些问题,为解决生物界中的复杂性问题提供了新的思路.

作 者：李谋勋 LI Mouxun 作者单位：华南师范大学,广东,广州,510631刊 名：系统科学学报 PKU英文刊名：CHINESE JOURNAL OF SYSTEMS SCIENCE年，卷(期)：14(4)分类号：N941.4关键词：布尔网络 稳定性 进化 复杂性

复杂系统布尔网络模型及应用 篇2

移动网络用户在网络空间中进行业务处理、数据收发和信息交换,产生各种与网络用户相关的业务流交互行为,移动网络用户的行为通过承载用户业务和数据信息流数据特征流来体现,移动网络用户的行为特征信息流是一组时间序列,表现为具有某些特征量的统计特征和用户关联信息特征,通过对移动网络用户行为的特征提取和模式挖掘,可以定量控制和分析移动网络的用户行为,对移动网络用户行为的时间序列进行分段聚类挖掘处理,考虑利用不同业务流的相邻分组和大数据信息特征,最大程度地实现存储空间的均匀遍历,提高移动网络用户的监控能力。Electronic Learning(E⁃Learn⁃ing)是一种全新的网络学习方法,随着移动网络用户行为挖掘模型的有效构建,并应用在E⁃Learning的学习系统设计中,实现对资源库的综合集成,提高应用信息科技和互联网技术进行内容传播的能力。因此,移动网络用户行为的挖掘模型在E⁃Learning系统的构建具有重要的应用价值[1]。

E⁃Learning系统是建立在移动网络用户行为模型挖掘的基础上,通过对承载用户业务的数据流进行信息模型构建和特征分析,实现在某个时间点或时间段内的流量分析和查询,以此为输入嵌入到E⁃Learning系统中实现移动网络用户行为模型分析和构建。传统方法中,对移动网络用户行为模型的挖掘方法主要有基于ARM硬件平台开发的E⁃Learning系统下移动网络用户行为模型的挖掘、基于经验模态分解的移动网络用户行为模型的挖掘方法、基于报文长度和时间间隔分段接收的移动网络用户行为模型挖掘方法等[2⁃4],并取得了一定的研究成果。

1 移动网络用户行为挖掘模型及E⁃Learning系系统总体设计

1.1 移动网络用户行为挖掘模型设计

通过研究移动网络用户行为挖掘模型,应用在E⁃Learning系统的构建中[5⁃7],提高学习效率,首先构建移动网络用户行为挖掘模型,假设不同的用户行为节点之间在通信状态会产生MAC层与业务流关联的时间序列P=(p1,p2,⋯,pn),不同类型的业务流通过时间序列进行聚类调度分析,根据主机Agent与分析中心的协议规定,在主机Agent发送的各种监测数据是构建一段业务流进行移动网络用户行为监测,通过旁路方式捕获计算机中主要负责数据收发的报文长度和时间间隔等用户行为特征,进行移动网络用户行为特征挖掘,在移动网络用户行为挖掘过程中,用户终端节点通过通信模块收到服务请求后,监控模块负责提供服务器端的底层的通信机制,移动网络用户行为挖掘模型的总体流程如图1所示。

由图1可见,移动网络用户行为挖掘通过信息检索模块负责提供服务器端用户行为的规律特征,主服务器节点收到移动网络用户报文序列P=(p1,p2,⋯,pn)后,选取的报文子序列请求调度到存储该文件的服务器服务队列,文件信息资源接收时间戳后将根据报文长度加入服务器服务队列对移动网络用户的行为进行时序关联矩特征提取,每一行的各属性由网络行为决定,业务流段Qi和Qi+1之间存在两个属性值时,每一个行为属性样本Xi至各类属性的状态特征Zj的流量特征。

设移动网络用户的主机节点与特定外部对象持续指标<ts,te>为基本观测窗口,为了准确观察主机通信行为,计算用户时间信息,采用关联规则分析方法挖掘主机运行工作时间W=te-ts,W为移动网络用户的主机节点观测的最大长度,系统通过频繁项集设定观测间隔Δw,将时间窗口W划分为n+1个基本观测窗口,由此挖掘出移动网络用户的行为空间轴上的关联特征信息:{w0,w1,w2,……,wn},。假设S={s1,s2,……,sm}为移动网络用户相对独立的子序列D在<ts,te>期间的截获时间记录,给定信息系统S=(U,C⋃D,V,f),其中<tsi′,tei′>为参数的单项数据项si的开始、结束时间。通过S中贝叶斯粗糙集项信息si特征提取,计算移动网络用户行为的非空有限论域:

引入粗糙集向量数据合并技术,进行移动网络用户行为的P分段分割处理,使得每一个Qj都是一个相对独立关联时间信息,则特定类型的用户行为业务流在时间轴上的展宽为W=te-ts,W为本次主机行为观测的最大长度,系统通过基本观测间隔Δw将W划分为n+1个基本观测窗口:,见图2。

假定xm+1为移动网络用户行为决策属性的预测误差,计算公式为xm+1=x1,在有限个mass函数中扩充论域U′。通过上述算法设计,实现了移动网络用户行为挖掘,通过行为挖掘,把移动网络用户的时序关系的支持度特征分为h个连续的段Q1,Q2,……,Qh:

并嵌入E⁃Learning系统中,提高E⁃Learning系统的可靠性和学习自适应性。

1.2 基于移动网络用户行为挖掘模型的E⁃Learning系统总体设计

在上述进行了移动网络用户行为挖掘的基础上,进行E⁃Learning系统设计,E⁃Learning系统设计主要是进行软件开发设计。采用模块化编程设计方法,将移动网络用户行为挖掘模型加载到Linux内核中,利用虚拟文件系统VFS将驱动程序嵌入内核,实现流程主要有模块的注册,自动配置、初始化设备参数,中断服务程序和模块注销四个步骤。设备驱动程序开发过程中在dev目录下建立目录filesystem,在该目录下将linuxrc文件拷贝到filesystem/etc目录下保存基本的用户命令工具。

E⁃Learning系统的ARM硬件平台采用CCS(Code Composer Studio)设计,CCS是TI公司推出的集成开发平台,采用“自下而上”的设计方法,在用户主目录C5409 Device Simulator仿真环境下将系统管理程序分析向量的地址加载到PC,在E⁃Learning系统中,网络设备通过嵌入式Linux的系统开发进行报文接收和信息调理,通过对移动网络用户行为的模式挖掘,结合密集通信采样,识别用户行为特征,输入输出系统给用户提供一个简单、统一的系统调用接口,实现用户的在线学习,通过上述分析,E⁃Learning系统设计包括了程序驱动模块、自动配置模块、中断模块、时钟模块、I/O端口模块等,得到本文设计的基于移动网络用户行为模型挖掘的E⁃Learning系统的总体设计结构图如图3所示。

根据上述设计结构框图,进行E⁃Learning系统的软件开发设计,在嵌入式开发环境下,在E⁃Learning系统中实现移动网络用户行为挖掘。

2 系统开发设计与实现

2.1 基于移动网络用户行为挖掘的E⁃Learning系统应用程序开发

在上述进行了移动网络用户行为挖掘模型设计的基础上,进行E⁃Learning系统应用程序开发,采用交叉编译以及使用标准GCC编译的方式构建基于移动网络用户行为挖掘的E⁃Learning系统应用程序开发环境,编译链接生成脚本名为install⁃qt⁃x11.sh的open source,在宿主机上进行编译、仿真。开启SQL驱动支持来编译基于ARM平台的QWT库。运行make命令,开始编译,移动网络用户行为挖掘的E⁃Learning系统应用程序将QWS的LIB库放入rootfs的/lib下,文件编辑过程如图4所示。

基于移动网络用户行为挖掘的E⁃Learning系统应用程序开发过程中,在软件系统中使用的FFT函数,作为触摸屏驱动进行人机通信,使用JTAG板(一般借助H⁃JTAG软件)把Linux内核文件z Image直接烧写入NOR FLASH。在虚拟文件系统中负责管理和存储文件信息,从而引导加载程序(Boot loader),内核通过一个加载模块来动态地加载或移除模块(module),得到程序加载的接口代码如下:

在对移动网络用户行为挖掘中,运行的任务通过Task Basic的接口声明run Next Task()的状态。当E⁃Learning系统的一个组件使用post关键词投递一个移动网络用户行为特征时,它调用的是post Task命令。每一个Task Basic(基本任务)必接收通知上层的射频字节的ID作为参数连线到调度程序。并发信号通知高层次的主动消息组件(Active Message),调用unique函数获得下一个任务的ID。自动地对声明的任务进行连线,程序组件Scheduler Basic P用task或者post关键词声明射频字节组件内部的任务,nes C编译器会自动完成连线工作。通过构建Tiny OS的通信机制,实现无线消息包组的传输,得到Tiny OS的通信机制模块如图5所示。

在本文系统中,Tiny OS是用汇编和C语言编写的,整个程序由多个组件(component)连接(wired)构成,可通过对同一接口不同的句柄事件进行分别处理,asyc申明的命令或事件申明语法如下:

通过上述分析,完成了基于移动网络用户行为挖掘的E⁃Learning系统应用程序开发。

2.2 E⁃Learning系统的软件平台设计优化实现

在上述完成对E⁃Learning系统的移动网络用为行为模式加载和嵌入式设计的基础上,进行E⁃Learning系统的软件平台开发优化。软件开发主要包括移动网络用户节点程序设计、节点程序开发、上位机通信等。E⁃Learning系统的节点程序主要支出TCP/IP协议栈,文件Mine Pressure Collection C.nc里面完成在嵌入式Linux系统下的程序引导和软件的移植,充分利用开源Linux操作系统的交叉编译功能,在程序使用如下接口:

在上述接口程序配置的基础上,执行“Make menu⁃config”后,在主菜单里选择<Exit>退出,并选“Yes”保存,编译结束后,会在arch/arm/boot目录下进行添加、修改等操作。

采用的交叉编译以及使用标准GCC编译方式构建开发编译环境,转到脚本存放的目录,输入命令source install⁃qt⁃x11.sh,在E⁃Learning系统中,编译phonon模块+⁃phonon⁃prefix<dir>,命令make install的安装目录,qtlibinfix<infix>追加在库文件名后面的字符,编译基于ARM平台的QWT库建立基于移动用户行为模型挖掘的QWT控件库,进一步检测用户的等级,通过调度模块将该服务请求加入泛知识云系统中,调度模块将该服务请求的内核创建模块进行解压,解压完成后进入busybox目录下,执行用Busybox的安装脚本程序,新建一目录filesystem,系统启动的一些脚本和服务器配置文件,利用mkyaffsimage工具,制作根文件系统,字符设备和块设备通过read(),write()等系统调用数据结构进行数据传输,实现移动网络用户行为挖掘和E⁃Learning系统编译链接,利用insmod命令将其动态加载到内核中,在includelinuxfs.h文件中,自动配置和初始化设备参数,由此实现了对移动网络用户行为模型挖掘和E⁃Learning系统的软件开发设计。最后通过程序加载,完成上层应用程序的配置和上位机通信。

3 系统性能测试仿真实验

为了测试本文模型在实现移动网络用户行为挖掘和E⁃Learning学习中的性能,进行系统性能测试,实验中,采用Matlab数学编程工具进行移动网络用户行为挖掘模型的算法设计[8⁃10],在程序设计的基础上,采用s3c2440_adc_open()函数进行移动网络用户行为挖掘的程序加载,I2C总线采用硬件设置器件地址实现同步通信寻址,编译包括26个基本命令和8个专用命令进行总线宽度和数据传输开始位的设定,设置SDICON寄存器,运行Qt/Embedded实现移动网络用户行为挖掘,移动网络用户行为表现为一组承载用户业务的数据流,得到挖掘到的移动网络用户行为数据流时间序列如图6所示。

以上述挖掘到的移动网络用户行为的研究为对象,加载到本文设计的E⁃Learning系统中,进行E⁃Learning系统的学习服务质量对比分析,得到仿真结果如图7所示。由图7可见,采用本文方法进行E⁃Learning系统设计,通过对移动网络用户行为有效挖掘,提高了E⁃Learning系统对移动网络用户的服务质量,展示了较好的应用性能。

4 结语

E⁃Learning系统是建立在移动网络用户行为模型挖掘的基础上,通过对承载用户业务的数据流进行信息模型构建和特征分析,实现在某个时间点或时间段内的流量分析和查询,以此为输入嵌入到E⁃Learning系统中实现移动网络用户行为模型分析和构建。本文提出一种基于频繁项集关联规则分析的移动网络用户行为挖掘模型,在嵌入式Linux系统下进行系统设计和软件开发。实验分析表明,该移动网络用户行为挖掘模型和E⁃Learning系统具有较好的行为挖掘准确性,提高了E⁃Learning系统对移动网络用户的服务质量,展示了较好的应用价值。

参考文献

[1]崔永君,张永花.基于特征尺度均衡的Linux系统双阈值任务调度算法[J].计算机科学,2015,42(6):181-184.

[2]MAHMOUD E E.Complex complete synchronization of two nonidentical hyperchaotic complex nonlinear systems[J].Mathematical methods in the applied sciences,2014,37(3):321-328.

[3]PALOMARES I,MARTINEZ L,HERRERA F.A consensus model to detect and manage non-cooperative behaviors in large scale group decision making[J].IEEE transactions on fuzzy system,2014,22(3):516-530.

[4]ELDEMERDASH Y A,DOBRE O A,LIAO B J.Blind identification of SM and Alamouti STBC-OFDM signals[J].IEEE transactions on wireless communications,2015,14(2):972-982.

[5]KARAMI E,DOBRE O A.Identification of SM-OFDM and ALOFDM signals based on their second-order cyclostationarity[J].IEEE transactions on vehicular technology,2015,64(3):942-953.

[6]MOHAMMADKARIMI M,DOBRE O A.Blind identification of spatial multiplexing and Alamouti space-time block code via Kolmogorov-Smirnov(K-S)test[J].IEEE communications letters,2014,18(10):1711-1714.

[7]ELDEMERDASH Y A,DOBRE O A,MAREY M,et al.An efficient algorithm for space-time block code classification[C]//Proceedings of IEEE Global Communications Conference.Atlanta,USA:IEEE,2013:3329-3334.

[8]郭帅,马书根,李斌,等.Vor SLAM算法中基于多规则的数据关联方法[J].自动化学报,2011,39(6):883-894.

[9]杨明,卢青,苏标.基于环境承载力的连续型交通网络设计双层规划模型与算法[J].长沙理工大学学报(自然科学版),2015(1):23-28.

复杂系统布尔网络模型及应用 篇3

关键词：人工神经网络；农地石漠化；预警模型；阳山县

中图分类号： X141；S158.1文献标志码： A文章编号：1002-1302（2014）09-0297-03

收稿日期：2013-11-25

基金项目：国家自然科学基金（编号：31170486、31070426）；广东省哲学社会科学“十二五”规划项目（编号：GD12CGL01）；广东省自然科学基金（编号：S2012010009272）

作者简介：黄金国（1967—），男，湖南桃源人，副教授，研究方向为土地退化防治与农业资源利用。E-mail：fsjgh@163.com。

农地石漠化是岩溶地区农用地退化的一种极端形式，其形成与发展不仅造成岩溶地区农用地土壤严重侵蚀、肥力下降、基岩出露、地表水源短缺、旱涝灾害频繁等一系列生态环境问题，而且也是造成岩溶地区农村经济贫困的主要原因[1-2]。因此，将预警科学引入石漠化研究领域，加强对岩溶地区农地石漠化的预警预测具有重要的理论和实践意义。通过预警可以定性、定量、定位地反映农地石漠化发生的可能性及其危害程度，进而对农地石漠化进行有效治理与科学防范，为农地资源的合理利用提供科学依据。影响农地石漠化的因素涉及自然环境、经济、社会等诸多方面，各因素之间关系复杂，并呈现非线性关系，一般的回归分析、时间序列预测等传统方法难以对其进行准确预测。而近年来发展起来的人工神经网络是一种高度复杂的非线性动力学系统，具有自学习、自组织自适应能力等特点，对解决规律不明显，用统计方法难以处理的非线性预测问题有着独特的优势，同时它还具有很强的输入输出非线性映射能力以及易于学习和训练的优点，在模式识别、图像处理、控制和优化、智能信息管理、预测等领域有着广泛的应用[3-4]。本研究根据人工神经网络的原理和方法，以粤北岩溶山区农地石漠化分布典型区域阳山县为例，选取10个与农地石漠化显著相关的指标作为预警因子，建立了基于BP人工神经网络的农地石漠化预警模型，并利用该模型对阳山县农地石漠化进行预警分析，以期为粤北岩溶山区农地石漠化的综合防治和农地资源的合理利用提供参考。

1材料与方法

1.1研究区概况

阳山县地处广东省西北部，属清远市管辖，位于东经112°22′01″～113°01′06″，北纬23°57′～24°56′，全县现辖12个镇和1个瑶族乡，总面积3 329.53 km2，县域内地形复杂，总体为南北高峻，并以单斜山地不规则地由两端向腹地倾斜，形成中间低缓、四周较高的船形地貌，山地约占全县总面积的90%，盆地和冲击平原约占10%[5]。气候属亚热带季风气候，年平均气温20.3 ℃，年降雨量1 850 mm。阳山县土地利用整体结构以农用地为主，根据阳山县第二次土地调查数据，全县农用地面积268 807 hm2，占土地总面积的80.73%，属典型的山区农业县。同时，阳山县是粤北山区石漠化分布的主要区域，石漠化总面积16 169.5 hm2，其中轻度石漠化面积340.6 hm2，占2.11%；中度石漠化面积6 009.8 hm2，占3717%；重度石漠化面积9479.9 hm2，占58.63%；极重度石漠化面积339.2 hm2，占2.10%[6]。由于特殊的自然条件和社会经济发展背景，阳山县的社会经济发展长期以来处于落后水平，是广东省主要的贫困地区，石漠化问题仍是制约当地社会经济可持续发展的关键因素。

1.2研究方法

人工神经网络（artificial neural network，ANN）是对人脑或自然的神经网络若干基本特性的抽象和模拟，是一种非线性的动力学系统，它具有大规模的并行处理和分布式的信息存储能力，良好的自适应性，自组织性及很强的学习、联想、容错及抗干扰能力，特别适合处理需要同时考虑很多因素和条件的、不确定和模糊的信息处理问题[7-8]。在目前30多种神经网络模型中，算法最成熟、应用最广泛的神经网络模型是由Rumelhart等提出的前馈网络（back propagation network）模型，即BP网络模型[9]。常用的BP网络模型由输入层、隐含层（1个或多个）和输出层三部分组成，每一层包含若干神经元，同一层内部各神经元之间没有连接，而上下层之间的神经元采用全互联的连接方式。典型的三层BP人工神经网络结构如图1所示。

BP算法的基本思想是整个网络的学习过程由信号的正向传播和误差的反向传播两个过程组成。正向传播时，输入信息从输入层输入，经网络的权重、阈值和神经元的传递函数作用后从输出层输出。如果输出层的实际输出和期望输出之间的误差大于规定量则转入误差信号的反向传播阶段，即将输出信号的误差沿原来的连接道路返回，通过修改各层神經元的权值，使得误差信号最小。周而复始的信号正向传播和误差反向传播过程是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程将一直循环进行，直到网络的输出误差减小到允许值或到达预先设定的训练次数为止[10] 。完成训练后，该BP神经网络模型就可以用来求解相似的问题。BP神经网络模型的应用设计，可借助于MATLAB软件包中的神经网络工具箱完成[11]。

2农地石漠化预警模型的建立

2.1输入与输出变量的确定

nlc202309041402

农地石漠化是地质、地貌、植被、土壤、气候等自然背景因素和人类不合理的农业生产活动综合作用的结果。根据阳山县的实际情况和预警指标选取的科学性、系统性、简明性、可表征性、可获得性和可度量性等原则，应用相关分析和主成分分析方法并借鉴相关研究成果[12]，本研究选取岩性、地表起伏指数、土壤类型、植被覆盖率、基岩裸露率、土地垦殖指数、坡耕地指数、农业人口密度、人均耕地面积、≥25°坡地面积比共10个和农地石漠化密切相关的指标作为输入变量，即输入层神经元数目为10。输出变量的选择与预警结果相对应，本研究根据阳山县的实际情况设置无警、轻警、中警和重警4个预警结果，即输出层神经元数目为4，其中输出（1 0 0 0）为无警，（0 1 0 0）为轻警，（0 0 1 0） 为中警，（0 0 0 1）为重警。

2.2隐含层和隐含层神经元数的确定

现有理论已证明，具有一个隐含层的三层 BP神经网络可以映射所有的连续非线性函数[10]，因此，本文隐含层数选为 1个。对于隐含层神经元数的确定是神经网络设计中非常重要的一个环节，若隐含层神经元个数过少，会使网络不能建立复杂映射关系，训练效果不理想，网络的容错性也随之较低；若隐含层神经元个数过多，会使样本学习能力降低，网络学习时间过长，总体性能减弱[4]。因此，在具体设计时通常先根据经验公式n1=m+n+a（式中 m 为输入层神经元数，n 为输出层神经元数，n1为隐含层神经元数，a为[1，10] 之间的常数。）初步确定隐含层神经元个数，然后通过对不同神经元数的网络进行训练对比，再最终确定神经元数[10]。

本研究输入层神经元数为10，输出层神经元数为4，通过训练对比发现，隐含层神经元数为8时，网络性能最好，误差最小，因此，选择隐含层的神经元数为8。

2.3模型结构

有10个输入神经元、8个隐含层神经元和4个输出神经元，故采用10-8-4结构的3层BP神经网络模型（图2）。

3实例应用

3.1数据来源及处理

根据阳山县农地石漠化的实际情况，选取15个样本区域（无石漠化区域、轻度石漠化区域、中度石漠化区域、重度石漠化区域、极重度石漠化区域各选3个）进行数据采集，其中农业人口密度、人均耕地面积数据来源于《阳山县统计年鉴》，土地垦殖指数、坡耕地指数数据来源于阳山县第二次土地利用调查数据库，地表起伏指数、≥25°坡地面积比数据应用GIS方法从DEM数据中提取，基岩裸露率、植被覆盖率数据来源于遥感影像解译和野外调查，对岩性、土壤类型等定性指标的处理，由专家根据实际情况打分进行量化。

原始数据由于量纲、数量级和单位等存在较大差别，在网络训练前须对其进行归一化处理。本研究采用的归一化公式为x′i=（xi-xmin）/（xmax-xmin），式中x′i为经过标准化处理的数据，xi为原始数据，xmax和xmin分别为数据序列中的最大数和最小数。经过归一化处理后的15组样本数据见表1。

3.2网络训练与检测

在MATLAB软件中创建10-8-4的BP神经网络，隐含层神经元的传递函数采用S型正切函数tansig，输出层神经元传递函数采用S型对数函数logsig，训练函数采用traingdx。设定最大训练次数为10 000，训练目标误差为0.001，初始学习速率为0.7，其余训练参数取默认值。取表1中前12组（样本1～12）数据作为训练样本，调用训练函数对BP神经网络进行训练，电脑显示经过1 033次训练后，其均方误差MSE=0.000 946，小于预先设定的0.001的最小误差，网络性能达到最好，训练结束。

取表1中后3组（样本13～15）数据作为输入数据对上述训练好的神经网络进行验证，其结果见表2。从表2可以看出，模型输出值与期望输出值非常接近，最大绝对误差为0.008 5，最小为0.000 7，表明训练后的 BP 神经网络模型有较高的模拟精度和可信度，完全能满足农地石漠化预警要求，到此整个建模过程结束。

3.3预警结果及分析

4讨论

由于影响农地石漠化的因素涉及自然环境、经济、社会等诸多方面，各因素之间既相互联系又相互作用，属多变量非线性问题，而BP神经网络具有良好的模式识别能力和较强的非线性处理能力，能根据所提供的数据，通过学习和训练，找出输入与输出之间的内在联系，从而求取问题的解，人为主观性影响较小，计算结果准确性高，所以基于BP神经网络的农地石漠化预警方法是可行的。但预警过程中输入变量的选取、隐含层神经元个数的确定和运行参数的设置等问题尚需进一步研究。

本研究采用BP神经网络方法构建了农地石漠化预警的模型，并以阳山县为例进行了农地石漠化预警分析。预警结果表明：2015年阳山县13个乡镇中有2个镇属重警区，1个镇属中警区，7个镇属轻警区，1个乡和2个镇属无警区。预警结果为阳山县各镇的农地石漠化综合防治与农地资源合理利用提供了参考。

参考文献：

[1]韩清延，胡宝清，闫妍，等. 基于ANN-FES的石漠化综合治理智能决策支持系统设计及应用研究[J]. 测绘与空间地理信息，2009，32（2）：63-68.

[2]李明，李雪铭. 基于遗传算法改进的BP神经网络在我国主要城市人居环境质量评价中的应用[J]. 经济地理，2007，27（1）：99-103.

[3]田彦清，杨振宏，张源勇，等. 基于BP神经网络的作业场所风险预警模型研究[J]. 安全与环境学报，2011，11（6）：255-259.

[4]劉连胜，陈乐书，李小非，等. 基于GIS、RS的阳山县耕地后备资源调查评价[J]. 广东农业科学，2009（8）：110-112，119.

[5]黄金国，魏兴琥，王兮之. 粤北岩溶山区土地石漠化成因及其生态经济治理模式[J]. 水土保持研究，2013，20（4）：105-109.

[6]侯建才，李占斌，李勉，等. 流域次降雨侵蚀产沙的BP神经网络模拟[J]. 水土保持通报，2007，27（3）：79-83.

[7]李文超，胡天然，魏永霞.BP-ANN模型在地下水动态预测中的应用研究[J]. 东北农业大学学报，2009，40（9）：44-47.

[8]吴璞周，卫海燕. 基于GIS和人工神经网络的区域水资源压力评价模型及其验证[J]. 水土保持通报，2007，27（6）：160-164.

[9]袁琦，黄建清，符新，等. 基于神经网络的水产养殖水质预测模型研究[J]. 湖北农业科学，2013，52（1）：143-146.

[10]吴璞周，卫海燕. 基于GIS和人工神经网络的区域水资源压力评价模型及其验证[J]. 水土保持通报，2007，27（6）：160-164.

[11]苏广实，胡宝清，梁铭忠，等. 基于神经网络的喀斯特石漠化预警分析模型研究——以广西都安为例[J]. 地球与环境，2009，37（3）：287-292.

[12]闫妍，胡宝清，韩清延，等. 基于3S-ANN技术的县域农地石漠化预警分析——以广西壮族自治区都安瑶族自治县为例[J]. 中国岩溶，2012，31（1）：52-58.董丽丽，丁忠义，刘一玮，等. 基于TOPSIS模型的煤矿区土地生态质量评价[J]. 江苏农业科学，2014，42（9）：300-303.

复杂系统布尔网络模型及应用 篇4

目前学术界对于股市复杂网络的研究为本文提供了良好借鉴,本文以当前“一带一路”重大战略的实施为背景,选择“一带一路”概念股板块作为研究对象,以股票为节点、以股票之间价格波动关系为连边,建立复杂网络模型,分析该网络的复杂特性及其拓扑结构,探讨该网络的经济含义,为投资者、监管部门等更深入、更直观认识该板块股票提供参考。

一、“一带一路”概念股关联网络模型

截至2015年7月底,沪深股市中“一带一路”概念股共有116只。本文选取的数据区间为2013年11月1日~2015年7月31日,共430个交易日,剔除连续停牌超过10个交易日的股票后有71只股票,以这些股票作为网络节点,以日收盘价作为研究数据。数据来源于网易财经网站,建模和数据处理采用Ucinet 6.199软件和Excel 2007。

复杂网络模型的构建需要两个重要元素,即网络的节点(node)和各节点之间的连边(line)。在股市关联网络中,股票作为网络的节点,不同股票价格波动之间的相关性作为节点之间的连边,连边的权值反映相关性的大小,在此只考虑连边权重、不考虑其方向,故建立无向加权网络。

假设板块中有n只股票,第i只股票在t时刻的收盘价格为pi(t),则股票的对数收益率定义为:

股票i和j的相关系数cij可通过式(2)计算:

式(2)中:E(ri)E(rj)为股票i和j在时间段T内的平均收益率;Var(ri)Var(rj)为股票i和j在时间段T内的方差收益率。cij取值范围为[-1,1],若值为-1,表示在时间段T内2只股票完全负相关;若值为1,表示在时间段T内2只股票完全正相关;若值为0,表示在时间段T内2只股票不相关。

利用式(1)和式(2)可以得到时间段T内基于价格波动的网络连接矩阵CT,为n×n矩阵,元素为cij。由于股票收益率相关系数集合不满足复杂网络分析的数据条件,需将CT转化为对应的距离矩阵DT。DT构建方法如下:对于取定的阈值w(w∈[-1,1]),若|cij|≥w,则两个节点之间有一条连边,元素记为1;否则没有连边,元素记为0,即:

图1给出节点之间股价收益率相关系数的分布图。从图1可知,71只股票的日收益率相关系数呈正态分布,且主要分布在0.3~0.7之间,故可以指定阈值为0.3,将CT中元素进行二值化处理为0或1,构建相应的距离矩阵DT(由于篇幅所限,在此未列出)。

二、“一带一路”概念股关联网络特性分析

(一)基本特性分析

复杂网络最重要的特性是小世界效应和无标度特性。如果一个网络既有小的平均路径长度,又有大的聚集系数,则称其为小世界网络;如果一个网络的节点度服从幂律分布,则称其为无标度网络。

1. 小世界效应。

在复杂网络中,连接两个节点i与j的最短路径上包含的边的数目,称为这两个节点之间的距离d,则任意两个节点之间距离的平均值,称为网络的平均路径长度(用L表示),用于描述网络中节点之间的分散程度,即:

假定节点i有ki条边与其他ki个节点相连接,那么这ki个节点之间最多有ki(ki-1)/2条边。则节点i的聚集系数(用Ci表示)就定义为这ki个节点之间实际存在的边数Ei与其最多可能存在的边数之比,用来描述网络中节点的聚集程度,即:

而整个网络的聚集系数(用C表示)为网络中所有节点i的聚集系数Ci的平均值。

在不同阈值情况下,利用Ucinet软件可求出所构建网络的平均路径长度和聚类系数(见表1)。

从表1可知,该网络的平均路径长度较小,说明网络中任意一只股票容易与其他股票相连,单只节点股票可以借助网络将其价格波动迅速扩散至其他股票。同时,该网络的聚集系数较大,无权和加权的聚集系数均较大,说明与任意一只股票相邻的股票所属的社团内部的网络连接较为密集,股价波动在社团内部传播迅速,造成的影响也较大。上述统计特征符合“小世界”网络特性。

2. 无标度特性。

假设k为节点i的度,网络中节点的度分布可用概率分布函数p(k)来表示,其含义为任意选择的一个节点恰有k条边的概率。若p(k)服从幂律分布,则:

式(6)中,γ为幂律指数。

利用Ucinet软件计算不同阈值下网络节点的度,并借助Excel 2007确定网络节点度分布的概率函数(见图2)。

从图2的度分布可以看出,在阈值w=0.6和w=0.7时,网络节点的度分布均可拟合为幂律分布,且幂律指数分别为1.02和1.47,拟合度分别为0.727和0.874,表明幂律分布的拟合度较高。由于幂律指数在1~2之间,说明网络属于稀疏网络,网络中的Hub点(度值很高的节点)较多,表明网络中具有一定影响力的节点数目较多,单个股票交易价格波动对整个网络影响较大。上述统计特征符合“无标度”网络特性。

(二)中心性分析

1. 度数中心性。

刻画节点中心度一般采用度数中心度指标,一个节点的度数中心度就是与该节点直接相连的其他节点个数,是体现网络中单个节点属性的重要参量,反映了该节点在网络中的地位和重要性。如果某个节点具有最高的度数,则该节点居于网络中心,拥有最高权力。表2给出了不同阈值加权平均后排名前七位的节点度数中心度。

由表2可知,节点股票000157加权平均后的度数中心度最高,说明该节点股票是网络的核心,掌控了网络最为核心的资源,有最大的声望和网络影响力。此外,节点股票600449、600031、000877、600720、600509、600888加权平均后的度数中心度也较高,表明这些节点股票在网络中也具有较大影响力。

究其原因:(1)节点股票000157(中联重科)是中国工程机械装备制造的领军企业,涉足建筑、能源、环境、交通等国家重点工程所需高新技术的研发与制造,其主营产品市场占有率居行业榜首,近年来海外业务增长迅速,完成大规模的海外并购与资产重组,全球化战略目标促使其品牌效应显著增强;(2)节点股票600449(宁夏建材)是宁夏最大的水泥、混凝土生产企业,拥有中国驰名商标,在资源、产能布局、品牌等方面优势明显;(3)节点股票600031(三一重工)通过多项重大海外并购,目前已成为具有国际水准的混凝土机械制造商;(4)节点股票000877(天山股份)拥有新疆地区水泥行业唯一的国家级企业技术中心,也是全国重要的特种水泥生产基地;(5)节点股票600720(祁连山)是甘青藏地区最大的水泥生产企业,也是国家支持的重点水泥企业之一,具有明显的区位优势;(6)节点股票600509(天富能源)是新疆地区能源基础行业的龙头,其天然气业务优势明显;(7)节点股票600888(新疆众和)是全国最大的精铝加工基地,在资源、成本、产业链等方面优势明显。

上述7个节点股票所对应的上市公司大多涉及建筑、资源、能源以及相关技术,在经济要素有序流动、资源重新配置方面起到至关重要的作用,成为“一带一路”的战略支点。在这7家节点公司中,作为高端装备制造与研发公司的中联重科居于首位,凸显了时下“基建稳增长”的经济政策;排名第4~7位的公司均处于新疆地区,恰恰体现了“一带一路”战略规划中将新疆建设成为“丝绸之路经济带核心区”的定位。

2. 中间中心性。

衡量节点中间中心性的主要指标是中间中心度,指的是该节点占据在其他两个节点联络方式上的重要位置。该指标越高,表明节点占据的重要位置越多,具有的中介作用越强,对资源和信息的控制程度越高。表3给出了不同阈值加权平均后排名前七位的节点中间中心度。

由表3可知,节点股票000157加权平均后的中间中心度最高,说明该节点股票是股市信息传播和资源流动的枢纽。此外,节点股票600031、000877、600449、601179、601880、600509在网络中信息和资源传输方面也起着重要作用。

究其原因:(1)节点股票000157(中联重科)由于在国家多项重大工程领域具有技术优势,成为响应国家号召、推进实施多项重大战略的核心企业,在网络中充当“信息桥”的作用较大;(2)节点股票600031(三一重工)在混凝土机械制造业务方面拥有世界范围内的经营网点,面对上下游企业时有较高的议价能力;(3)节点股票000877(天山股份)在新疆重要经济区域实现产能布局,且依据资源、成本和政策优势不断拓展其业务空间;(4)节点股票600449(宁夏建材)通过资本运作和并购重组,目前产能布局和销售网络已拓展到甘肃、内蒙古等地区,业务辐射空间广阔;(5)节点股票601179(中国西电)作为国内输变电行业的龙头,在输配电领域具有国内领先的研发实力和国际领先的检测实力;(6)节点股票601880(大连港)是东北亚主要枢纽港口之一,占据重要的地理位置,具备优越的自然条件,目前已成为全国三大油品转运中心之一、国内最大的专业化汽车码头之一、东北地区最大的综合性码头运营商,多项港口物流业务实力强大;(7)节点股票600509(天富能源)近年来通过收购兼并等方式拓展业务空间,涉及新能源领域的投资和开发利用,新能源相关业务发展强劲。

上述7个主要节点股票所对应的上市公司中,中联重科、三一重工、天山股份、宁夏建材和天富能源在度数中心度排名中也位列前7位,表明这5家公司在网络中既是较大权力的拥有者,也是较多资源和信息的传递者。另外,中国西电由于在输配电产业及其研发方面拥有资源和信息的掌控实力而成为该产业的交流基地,这恰好印证了“一带一路”战略规划中将陕西建设成为“面向中亚、南亚和西亚国家的通道、重要产业交流基地”的定位;大连港作为东北亚经济圈的中心,是面向世界的海上门户,对港口物流运输方面的资源和信息具备掌控实力,从而成为网络中心,体现了“一带一路”战略规划中将辽宁建设成为“向北开放的重要窗口”的定位。

三、“一带一路”概念股关联网络的拓扑结构

(一)基本拓扑结构

图3是“一带一路”概念股价格关联网络的一般拓扑结构图。由于“一带一路”概念股并非某特定行业或区域的股票,而是具有“一带一路”政策内涵的股票,该板块内的股票涉及基建、涉外工程、港口等领域,受“一带一路”政策影响,这些股票中的大多数成为行业或区域内的骨干,在股市关联网络中由于合作的加强而加深了相互间的影响。从图3中可以直观地看出,这个由71个节点组成的复杂网络的Hub节点数量很多,反映出网络中度分布比较均匀,大多数节点都与其他很多节点相连接,中心节点所占比重较大。这些节点所对应的上市公司往往是拥有核心技术、处于行业核心地位的公司,其股票价格一旦出现大幅度的波动,将引起整个股市网络的动荡。

(二)社团结构

借助Ucinet软件可知,该网络密度为0.9344,标准差为0.2476。网络密度较高表明网络中各节点之间的联系和互动程度高,对资源、知识、信息等的分享程度高。但标准差不高,说明网络各节点之间存在小社团现象。本文利用Ucinet的“k-plex”凝聚子群分析方法分析股市关联网络的社团结构。

一个“k-plex”是指满足下列条件的一个凝聚子群:它的每个节点至少与除k个节点之外的其他节点直接相连,即如果一个凝聚子群的规模为m,那么该子群中任何节点度数都不小于(m-k)。分析中需要找出所有的“k-plex”,其中包含节点数目最少的那个就是最终结果。

按照不同阈值,适当取k和n值,可发现股市关联网络中存在如下子群:(1)当w=0.5时,可发现数百个凝聚子群。(2)当w=0.6时,取k=2,n=9时,有108个凝聚子群。(3)当w=0.7时,取k=2,n=6时,有4个凝聚子群,分别为:子群1:000157、000528、000680、600031、600320、600449;子群2:000157、000528、000680、600031、600449、600720;子群3:000157、000528、000680、600031、600449、600801;子群4:000157、000528、000877、600031、600449 600720、600801。

由于阈值为0.7的凝聚子群最少,故可认为该网络中存在4个凝聚子群。有4个节点为这4个凝聚子群所共有,分别为:000157、000528、600031、600449。其中,000157、600031、600449同时也是中心性排名前七位的节点。此外,000528(柳工)是海外布局最早的工程机械类企业,2014年其出口业务处于行业领先地位,目前正通过加强国际研发合作实现互利共赢,提升公司整体竞争力。可以认为上述4个节点所在的凝聚子群各节点紧密相关,形成整个股市关联网络中具有凝聚力的社团,处于这些社团中的节点股票之间价格波动影响较大,且社团中的股票节点大多也是整个网络中心性和影响力较高的节点,反映其在网络中的核心地位。

四、结论与政策建议

本文基于复杂网络思想构建的“一带一路”概念股价格关联网络的实证研究发现:(1)该网络同时具有小世界效应和无标度特性,为典型的复杂网络;(2)从中心性和拓扑结构来看,该网络存在大量Hub节点,这些节点股票价格波动对整个股市波动的影响较大;(3)该网络中存在社团现象,并且社团中的节点大多也是整个网络中心性较高的节点。

基于上述结论,本文提出如下政策建议:(1)对于股市关联网络中度数和中介性较高的股票节点,证券行业监管部门应加大监管力度,以降低股市的非系统性风险,维护股市的安全和稳定;(2)由于资产重组、海外并购等资本运作在股市关联网络中经常发生,上市公司应谨慎策划、稳步推进,证券监管部门应积极引导和配合,避免发生较大损失;(3)当股市(特别是其中度数和中介性大的股票节点)价格波动异常,影响股市正常运行时,证券监管部门应采取多种形式应对,以遏制可能发生的系统性风险,为股市关联网络市场功能的发挥提供保障和支持。

摘要：本文基于复杂网络理论和2013年11月1日2015年7月31日期间股票价格日收益率数据,利用Ucinet建立“一带一路”概念股价格关联网络模型,实证分析该股市关联网络的复杂特性及其拓扑结构。研究发现:该网络具有“小世界”和“无标度”的特性;网络中存在大量度数很大的节点,对整个网络影响较大;网络中存在凝聚子群现象。证券监管部门应适当发挥资本市场稳定器的作用,积极引导节点股票公司的资本运作,以维护股市网络的稳定性。

关键词：“一带一路”概念股,价格关联网络,小世界效应,无标度特性,拓扑结构

参考文献

复杂系统布尔网络模型及应用 篇5

【关键词】波分复用 广电网络 应用及维护

随着经济的发展，人民生活水平的提高，传统的广电系统逐渐被淘汰。新兴的广电网络接入千家万户，并不断深化。广电增值业务的规模不断增加，这给相关服务部门及工作者带来了机遇和挑战，针对如何提高网络的性能，增加系统带宽，已成为数字电视整体转换后时代网络建设的新要求。

波分復用技术由于其光纤的传输容量大、光纤的使用率高等优点，成为了网络深化改造过程中必不可少的技术手段。本文从各类传输基础设备的维护、故障处理、例行维护检查和记录等方面对广电网络波分复用系统的应用及维护进行探讨，总结如下：

一、波分复用概述

波分复用（WDM）是将两种或多种不同波长的光载波信号在发送端经复用器耦合到光线路同一根光纤中传输，在接收端经解复用将各种波长的光载波分离，然后由光接收机做进一步处理以恢复原信号的一种技术。此技术70年代启用，80年代光纤通信商用初起，1310nm、1550nm两波分的WDM启用。1995年起，WDM技术得到迅猛发展，随着8×2.5Gb/s系统的推出，DWDM系统在全球范围内得到广泛应用。

按照通道间隔的不同，WDM可以分为粗波分复用和密集波分复用。前者信道间隔为20nm，后者信道间隔从0.2nm到1.2nm。

二、波分复用技术的优点

（一）对各类业务信号“透明”，可以传输数字、模拟等不同类型的信号，并能对信号合成和分解。

（二）传输容量大，节约光纤资源。波分复用系统，可以将多个信号，整合之后只需要一对光纤传输。

（三）网络扩容时光纤需求少，网络部件要求低，WDM技术是理想的扩容手段，新业务或扩充容量的扩充只需要换端机和增加一个附加光波长。

三、波分复用所需技术及设备

（一）光发送和接收器。这两个设备是波分复用技术的基础设备，是产生和接收光信号的基础。其要求是需要具有精确的输出功率和较高的波长精度控制技术。

（二）波分复用器。波分复用器分为合波器和分波器。光合波器具有多个输入端口和一个输出端口的器件，将输入端口的预选波长的光信号由同一个输出端口输出，用于传输系统发送端。光分波器正好与光合波器相反，将多个不同波长的光信号分离开来，具有一个输入端口和多个输出端口，用于传输系统接收端。

（三）光放大器。是光纤通信中的关键部件之一，分为前置放大器、线路放大器、功率放大器。光纤放大器（EDFA）的性能优越，在波分复用系统中应用广泛，是现阶段的主流。高增益，通带内增益平坦、高输出、宽频带、低噪声等是EDFA的基本要求。

四、波分复用技术在广电的应用

目前，前端-分前端-光节点的二级光缆星型结构是有线电视网络建设中既经济又灵活的组网方式，但由于其光纤使用量大，导致建设成本较高。然而，使用波分复用技术，可提高光纤使用率，降低广电运营成本，有效解决光纤资源紧张与业务发展矛盾，其在广电网络中的使用情况归结如下。

（一）CWDM的应用。前端-分前端之间传输上百套的节目时，光纤资源占用率大，导致一些临时的视频直播，难以找到空余的光纤。然而，利用CWDM波分复用传输，不仅可节省光纤资源，提高光纤利用率，还可快速实现视频直播、视频传输等。

（二）DWDM波分复用系统的使用，可以将一芯光纤中传输模拟电视、数字电视、VOD视频点播、QAM信号等合并传输。从而节省前端-分前端的骨干光缆，提高光纤的利用率，节省成本。

分前端-光节点1550+波分复用

经过系统成本分析，在分前端-光节点1550+波分复用中，使用DWDM波分复用正向传输系统与现有结构相比有显著优势，节省光纤约88%，投资节省约20%。

五、波分设备的维护

波分设备的日常维护由维护网管和值班人员组成，对相应设备进行7×24小时的传输设备运行状态进行监控，下面将个人对波分设备的维护经验总结讨论如下：

（一）半年维护：设备的半年维护中应确保备件可用。要确保各项倒换功能正常，应倒换测试波分业务主备路，1+1单板保护等项目。

（二）每月维护：在每月维护中，应检查波分线路衰耗、测试备用线路等，对网管和网元数据上传备份。

（三）每周维护：每周维护是短期维护的重点，应着重检查WMU波长管理单元单板的性能状态，清洁波分设备机架、子架、滤尘网等，确保所有设备的正常运行，为居民提供稳定优质的广电网络服务。

（四）每日维护：广电服务是一种特殊的服务方式，其连续优质的信息传输是服务质量的体现。在每日维护中，充分利用网管查询所有单板的所有端口光功率，实时监控光功率和基准值，出现偏差要及时找出原因并调整。每天进行单板状态检查、性能事件监视、网元状态检查、告警检查及巡视，检查并维护相关设备运行环境并记录。

（五）对故障定位及警告的处理：在传输设备的故障处理中，常常会产生大量告警。因此，加强这些告警的学习与理解，对故障的判断及排除有很大帮助。但由于品牌或者型号的不同，故障警告各异，详细的处理办法可结合相关维护说明书，并注意区分波分设备主要告警和等级列表。

网元频繁脱管问题排除办法：1.检查告警是否有主控板频繁重启。2.确认没有新设备ID地址冲突。3.确认是否有同网元用户在其他地方登录这部分频繁脱管网元，如有通知他更改网元登录用户名。

六、结语

文章结合近年来对广电网络的维护与改造经验，波分复用技术的使用，有利于节约光纤资源，提高光纤使用率，在接入网改造方面可快速部署，优点显著。但波分复用技术的应用还需要解决诸如设备成本、维护技术等问题。近年来广电业务的发展，波分复用系统由于其承载大的优点，被广泛应用于广电业务。实践表明，当前波分复用是广电网改和业务发展必不可少的技术手段。因此，提高技术人员的综合素质和安全生产意识、加强日常例行维护是保障广电设备及信号传输正常运行的关键。

参考文献：

[1]丁启兰.光波分复用系统结构及应用原理分析[J].中国新通信，2013，（4）：74.

[2]白爱锁.光纤通信网络技术中波分复用技术的应用与发展[J].中国科技纵横，2012，（11）：16.

[3]黄利明.波分系统的保护探讨[J].中国信息化，2012，（20）：70.