传播模型范文
时间：2023-04-10 06:17:43
导语：如何才能写好一篇传播模型，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
篇1
中图分类号：G20 文献标识码：A 文章编号：1672-8122（2013）02-0119-02
申农和韦弗是传播数学理论中最基本的传播模式，在此基础上的许多研究工作展开。随着信息理论的发展，学者们将粗糙集理论、拓扑学等理论用于研究传播学，建立了信息的粗传递模型[1～2]、信息传播的拓扑特征[3～5]等，丰富了传播理论，促进了传播学的发展。无论是利用粗糙集理论，还是拓扑学的知识，它们都将信息集合做为一个静态集合，研究信息传递过程中的不确定性。实际上，信息从P1传递到P2时，信息可能由于双方的知识的不同，使得原始信息到达P2时，原始信息X在P2那里变成X′了，即，原始信息X传播一次后，到达P2后发生了变化，这种变化说明信息的传播过程中的动态特性。如何从信息的动态特性来看传播过程？如何用数学模型来描述这一动态的传递过程？这一动态传递又有怎样的结构特点？本文将具有动态特性的P-集合理论引入到传播学中来，利用P-集合建立传播过程的数学模型。
一、P-集合的基本概念[6～7]
P-集合是一个动态集合对，普通集合是这一集合对的一个特例，P-集合具有动态特性。
约定X是有论域U上的普通有限非空集合，U是有限元素论域，V是有限属性论域。
定义1给定信息 ，称 是X生成的内P-集合，简称 是内P-集合。
定义2 给定信息 ，称 是X生成的外P-集合，简称 是外P-集合。
定义3由内P-集合 与外P-集合 构成的集合对，称作X生成的P-集合，简称P-集合，有限普通集合X称作逆P-集合 的基础集合。
二、基于P-集合的传播模型
申农的信息传播模型做为传播学的基本模型，描述了信息传播的过程。编码规则和解码规则的重叠度分为三种情况：1.P1编码知识和与P2的解码规则完全一致，则完全不能解码；2.P1的编码知识和与P2的解码规则部分重叠，则部分解码；3.P2的解码知识≥P1的编码知识，则完全解码。
根据的申农的传播模型可以做如下约定：设信息X是由n个信息元素构成的集合，即 ，该信息的属性是 。这三种情况在数学中我们可以理解为信息到达P2后具有动态特性了，或者P2对信息的理解是近似的，这种近似程度我们可以用一个动态集合对表示。而具有这种动态特性的集合对就是P-集合。
信息X由P1编码后通过渠道传递给P2，P2对作息编码之后便获得了原始信息。，由于P1的编码过程、P2的解码过程会对信息的理解有偏差，此时信息X到达P2时可能有如下三种情况：1.信息X发生精确传递，这也是信息传递的最理想情况；2.信息X到达P2时，可能由于P1编码或者P2的解码有偏差，导致P2对信息X和理解是不精确的，即对信息的理解是近似接近的，这种近似度可以用一个动态集合对 来描述，即 接近于原始信息；3.P2信息的理解完全是不准确的。
图1 原始信息X传播过程一次后的动态变化
图1中的虚线指原始信息 ，由图1可以看出， 是 的内P-集合， 具有向内收缩的动态特性； 是 的外P-集合， 具有向外扩张的动态特性。当信息 由P1通过渠道传递到P2时，P2对信息X的理解是不全面的，可以表示为 ，当P2对信息X理解准确时，此时动态信息集合对 回到 。
基于对信息X的重新定义，我们可以进一步理解为当信息X由P1通过渠道传递到P2时，由于P1对信息的编码与P2对信息的解码过程，从数学的角度可以理解为一次函数变换，记为f，设F是变换集合，且 。对 把某一信息元素u变成 。变换f称作元素迁移，此时的新元素u迁移是将新的元素迁入信息集合 中，此时信息 变为 ；反之，当 中元素迁出，即发生变换 ，且 。对 把 变成 ，即把某一信息元素 迁出信息集合 ，使得信息 变为 。当 时，信息 发生精确传递，此时动态集合对 回到基础集合 。
由以上元素迁移过程可知，随着元素的迁入、迁出，使得信息X中的元素个数发生变化，同时集合X信息属性发生改变。信息X发生一次传递，到达P2时具有动态结构 ，此时其属性集合也会发生变化。我们常说的“添油加醋”，可以理解为使原始信息元素增加的，同时原始信息的属性范围缩小；而“粗枝大叶”一词述描传递过程时，可以理解为使原始信息元素减少，同时原始信息属性范围扩大。信息 ，其属性集合是 。当信息由P1传递到P2后，信息 变成 ，其属性集合变为 ， ， 。信息发生一次传递后，由于原始信息元素个数的减少，使得该信息的属性范围扩大，即新的属性 通过一个函数变换 后进入属性集合，变为新的属性集合 。同样地，当信息由P1传递到P2后，信息 变成 ，其属性集合变为 ， ， 。信息发生一次传递后，由于原始信息元素个数的增加，使得该信息的属性范围缩小，即新的属性 通过一个函数变换 后迁出属性集合，变为新的属性集合 。
三、实例分析
例如一条信息X：“北京时间2011年3月11日13时46分日本东北部宫城县以东太平洋海域发生里氏9.0级地震，震源深度为10公里。”依据此信息我们可以将信息写成集合的形式： ={北京时间，2011年3月11日13时46分，日本东北部宫城县以东，太平洋海域，发生，里氏9.0级地震，震源深度，10公里}；信息 的属性集合 ={时间，地点，发生什么事}。
当信息 从甲方通过某一媒介传递到乙方时，乙方得到的信息为 ，即可以分以下情况讨论：
1.由于传递过程中信息元素的遗漏而使信息元素减少，扩大该信息的属性。例如由于甲对时差的忽略，传递信息为“2011年3月11日13时46分日本东北部宫城县以东太平洋海域发生里氏9.0级地震，震源深度为10公里。”那么乙得到信息是少了北京时间，信息传递到乙时，信息变为 ，信息元素 丢失，使得信息 的属性集合中的时间发生变化。由于乙无法确定是北京时间、还是伦敦时间、还是日本当地时间……，从而使信息到达乙后，属性集合中 发生变化，即时间属性扩大了。即乙得到的信息为 ，其属性集合为 ，这里的 较原来的时间属性 范围更大了， 。
2.由于传递过程中信息量的增加使信息元素的增加，缩小了该信息的属性的范畴。例如由于甲对信息X比较关注并知道更多关于此事件的信息，传递信息为“北京时间2011年3月11日13时46分日本东北部宫城县以东太平洋海域发生里氏9.0级地震，震源深度为10公里，13498人遇难，14734人失踪”。那么乙除了知道原始信息外，还了解到信息“13498人遇难，14734人失踪”，此时乙对信息属性中的 了解的更加确切。即传递到乙时，信息变为 ，信息元素 为新的信息元素，乙得到的信息更加具体，使得乙知道发生的事件更多，他会从此信息获知日本发生了地震且此次地震死伤人数很多，与原始信息中的属性 比较， 中隐含死伤可能严重可能不严重，而信息到达乙后的信息 ，其属性集合 范围会缩小，从而使我们对信息的解更加准确。即乙得到的信息为 ，其属性集合为 ，这里的 较原来的时间属性 范围缩小了， 。
3.信息发生准确传递，信息量没有增加也没有减少，此时信息 由甲传递乙时到没有发生变化，即 回到原始信息 。
将动态信息集合对 、其属性集合α和动态变换对 引入传播模型后，我们可以从P-集合理论来描述传播过程中的动态特性，而对P-集合的深入研究也为进一步理解传播理论提供理论支持。
参考文献：
[1] 刘纪芹，史开泉.基于粗糙集的信息粗传递[J].系统工程与电子枝术，2007（3）.
[2] 刘纪芹，韩建新.模糊信息粗传递模型及其应用[J].计算机工程与应用，2009（2）.
[3] 昝廷全.论传播的分类及其数学模型[J].中国传媒大学学报（自然科学版），2006（2）.
[4] 昝廷全，应思思.传播有效性原理的粗传递模型[J].中国传媒大学学报（自然科学版），2010（4）.
[5] 孙庆川，山石，兰田田.一个新的信息传播模型及其模拟[J].图书情报工作，2010（6）.
篇2
关键词：高校 社会思潮 模型
中图分类号：G641文献标识码：A文章编号：1009-5349（2017）13-0195-01
高校社会思潮的传播过程，涉及国外思想者和政府、传媒、学者、一般知识分子、社会大众、大学生本身等众多因素，同时也受社会环境、学校管理制度等各种环境的影响。结合社会思潮的含义，学习和借鉴已有的申农-韦弗传播模式、马莱茨克模式和赖利夫妇的传播系统模式等传播模式[2]以及社会传播的系统结构理论[1]，根据社会思潮的传播过程中的各个环节，本文构建了高校社会思潮传播模型（如图1）。
图1高校社会思潮信息传播模型
模型中的各要素解释：
噪音：在图中用阴影表示。由于传播要素组合复杂，动态的主客体关系，思想要素传播的特殊性，大学生认知图式与信息接收的特殊性以及社会思潮的政治性特点，使得社会思潮在传播的过程中，噪音无时无处不在，这其中主要是与人有关的噪音源和噪音。传播系统内外的噪音，会对思潮相关信息的发送者和接收者有干扰，削弱信息传播的质和量。
C（A）：代表国外产生和传播思潮信息源的任何人与事物，也包括有意图的国外传播机构，如国外思想家、普通知识分子、社会大众、对中国进行“和平演变”的组织等，他们是信息的提供者，他们内部有其信息形成的机制，这些人、事物和组织通过各种媒介把信息编码后发送至媒介中。
C（D）：国内思潮信息的有意图传播者，C（D）1指国内理论界学者，C（D）2指普通知识分子，C（D）3指社会大众，G代表相关的组织管理部门等，他们是信息的创造者、提供者，并都可从C（A）获得信息，在一定的场合通过某种具有合理性的方式通过媒介向大学生提供思潮信息。
R：指作为社会思潮的受众的在校大学生，包括本科生和专科生。他们根据各自所处的环境、自我形象等选择性接受媒介传递的社会思潮信息，并且向同学等群体进行传播和反馈。
M：代表媒介，M1是传递国外信息给大学生的媒介，M2是给国内信息传播者的传播媒介，M3是国内信息传播者给大学生传播信息的媒介，M（…）是大W生彼此之间进行信息传播的媒介。借鉴麦克卢汉媒介观，这里的媒介可以认为是一切使思潮信息得以传递的人和事物。具体来说包含网络媒体、书籍、报刊、学术会议、交流访问、思想政治理论课等课程、聊天等。他们是信息的传输者，传输各种社会思潮的信息。
fRC：受众对国外信息传播者的反馈。
fC（DA）：是指国内信息编码者和接受者对国外信息传播者的反馈。
fCR：是指受众对国内信息传播者的反馈。
从图1可以看出，社会思潮信息的传播是一个相互影响的单项循环和整体循环的过程，传播者之间、传播者与受众之间，受到立场、理解力、个人愿景等众多噪音的影响，部分信息在传输中会丢失，有的会进入信息黑洞，有的会进入信息池，因此，在此传播模式中，用X来指代传输中丢失或者是进入信息池后不经过相关管理部门直接传输给大学生的信息。
这个社会思潮的传播模式综合了以控制论为基础的传播模式、传播系统模式和大众传播模式的可取之处，也考虑了德弗勒提出的噪音泛化存在的问题，从现实上考虑了政府部门、高校管理部门等对社会思潮传播的控制和失控时社会思潮信息向大学生的传递。这个模式表现了社会思潮信息从产生到传输至大学生受众的过程，体现了人在信息传播中的重要性，直观地说明了社会思潮的传播是一个传播者之间、传播者和受众之间的相互影响的循环反复过程。
参考文献：
篇3
【关键词】网络；计算机病毒；传播模型
虽然当今防毒软件种类繁多，对阻止计算机病毒的传播起到了很大的作用，但是新的病毒层出不穷，计算机病毒的发展速度远超防毒软件的发展，因此新病毒或病毒的新变种出现时防毒软件束手无策。起始计算机病毒基本局限于Windows平台，如今，计算机病毒几乎无孔不入，大量出现在其它平台，如Unix平台的Morris、塞班平台的Cardtrap、安卓平台的AnserverBot和FakePlayer、PalmOS平台的Phage、IOS平台的Ikee及Mac OS X平台的Flashback。计算机病毒危害巨大，防毒软件的发展远远落后于病毒的更新速度，因此，研究如何有效防止计算机病毒在网络中的扩散传播有深远意义，而要预防计算机病毒的传播就需要深入了解计算机病毒的传播机理和传播模型，只有把握住了病毒的传播机理与模型，才能对病毒的传播与危害状况作出准确的预测，同时采取有效地措施来防止或降低危害。本文探讨了网络中几种主要的计算机病毒传播模型，下面我们对这几种模型进行一一介绍。
一、易感染-感染-易感染模型
易感染-感染-易感染模型又称Suscep tible-Infected-Susceptible模型，简称为SIS模型。将网络中的每个终端称为一个节点，在该模型中将节点分为两种状态，易感染状态和感染状态。类比于生物病毒的传播规律，一个易感染的节点和一个已被感染的节点发生接触时，单位时间里易感染的节点有的概率被感染，同时已感染的节点有的概率被治愈，被治愈后的节点成为易感染的节点。由于被治愈后的节点又有可能被感染成为感染节点，因此病毒会在网络中反复传播，长期存在。
设未被感染的节点数目为，已被感染的节点数目为，网络中节点的总数目为，则SIS模型满足如下公式：
其中表示单位时间内易感染的节点向已感染节点转化的概率，表示单位时间内已感染节点向易感染节点转化即治愈的概率。
二、易感染-感染-移除模型
易感染-感染-移除模型又称为Susce ptible-Infected-Removed模型，简称为SIR模型。该模型将网络中的节点分为三个类，一是易感染节点，这类节点没有感染计算机病毒，同时对计算机病毒没有免疫力，在与已感染节点进行信息交互时可能会被感染计算机病毒；二是已感染节点，这类节点已被计算机病毒入侵，并且可能将病毒传播给其他节点；三是移除节点，这类节点感染过计算机病毒，治愈后即清除计算机病毒后就对这种病毒免疫，不会再次感染同一种病毒。
设易感染节点的数目为，已感染的节点数目为，移除的节点数目为，网络中节点总数为，满足则ISR模型如下公式：
式中表示单位时间内易感染节点向感染节点转化的概率，表示已感染节点向移除节点转化的概率，即已感染节点被治愈的概率，治愈后就将节点移除。
三、易感染-潜伏-感染-移除模型
易感染-潜伏-感染-移除模型又称为Susceptible-Exposed-Infected-Removed模型，简称为SEIR模型。该模型中节点有四种存在状态，一是易感染节点，这类节点可能在与已被病毒感染的节点进行信息交互时被感染，感染后成为病毒潜伏节点；二是病毒潜伏节点，这类节点中存在计算机病毒，但是病毒尚未发作，也就是说计算机病毒感染一台主机后并不会立即发作，而是经过一段时间的潜伏期后才会被激活，病毒激活后该节点就成为已感染节点；三是病毒激活节点，这类节点病毒已发作，并可能将病毒传播给网络中的其它节点；四是移除节点，病毒激活节点被治愈后有一定的机率成为移除节点，移除节点对同种病毒具有免疫能力，不会再次被同一种病毒感染，但是病毒激活节点被治愈后也有一定的机率成为易感染节点，这类节点还有可能再次被计算机病毒感染。
假设网络中节点总数为N，易感染节点的数目为，处于计算机病毒潜伏期的节点数目为，计算机病毒激活的节点数目为，移除节点的数目为，则SEIR模型满足如下公式：
式中代表易感染节点向病毒潜伏节点转化的概率，代表病毒激活节点被治愈后转化为移除节点的概率，代表病毒激活节点被治愈后转化为易感染节点的概率，代表病毒潜伏节点向病毒激活节点转化的概率。
四、易感染-感染-探测-移除模型
易感染-感染-探测-移除模型又称为Susceptible-Infectious-Detected-Removed模型，简单为SIDR模型。在该模型中，网络中节点有四种存在状态，一是易感染节点，这类节点可以被计算机病毒感染；二是已感染节点，这类节点已被病毒感染，并可以在网络中传播病毒；三是已探测节点，这类节点带有计算机病毒，但是已经被反病毒软件等探测到，并且病毒无法向外传播；四是移除节点，这类节点中病毒已被反病毒软件清除，并且将不会再次感染同一种病毒，这类节点可以由已探测节点转化而来，也可以由易感染节点转化而来（易感染节点上的反病毒软件收到病毒库的更新从而对此种病毒具有查杀能力）。
假设网络中的节点总数为N，易感染节点的数目为，已感染节点的数目为，已探测节点的数目为，移除节点的数目为，则SIDR模型满足如下公式：
式中代表易感染节点向已感染节点转化的概率，代表已探测节点向移除节转化的概率，表示易感染节点向移除节转化的概率，表示已感染节点向已探测节点转化的概率。
五、双因子模型
双因子模型又称为Two-Factor，与其他模型相比更为复杂，双因子模型更加符合现实情况下病毒传播的情况，考虑到了更加现实在因素，如病毒传播时生成的大量数据分组造成路由器或交换机阻塞，从降低病毒传播速率，或者人们可能通过更新反病毒软件、安装网络防火墙或入侵检测系统等手段阻止病毒的传播。双因子模型的微分方程表达式如下：
式中N代表网络中节点的总数，代表时刻网络中易感染节点的数目，代表被移除节点的数目，这类节点不会再次感染同一种病毒，代表已做免疫处理的易感染节点的数目，代表时刻的已感染节点的数目，这类节点可能向网络中传播计算机病毒，代表时刻总共被感染过的节点数目，这部分节点由移除节点和已感染节点构成，即，式中的、、和是常量，是初始时刻的感染率。
六、结束语
计算机病毒的传播模型基本都是借鉴于生物病毒的传播模型，因此如今描述计算机病毒的传播模型实际上很难准确地描述计算机病毒在网络中的传播过程，也很难准确预测病毒的传播会造成的损失，这也为反病毒工作带来了极大的不便。因此，对计算机病毒的传播模型的研究还需要进行一步深入，进一步研究更加符合真实状态下网络中计算机病毒传播情况的模型，以便更加深入地理解计算机病毒在网络中的传播过程、传播原理，更加准确地预测计算机病毒的传播速率及其可能造成的影响，从而为反病毒工作提供理论借鉴与方向导向，以期减少计算机病毒造成的损失甚至在计算机病毒传播前就将其消除，营造一个安全的互联网的环境。
参考文献
篇4
一、计算机病毒的特征
（一）非授权性
正常的计算机程序，除去系统关键程序，其他部分都是由用户进行主动的调用，然后在计算机上提供软硬件的支持，直到用户完成操作，所以这些正常的程序是与用户的主观意愿相符合的，是可见并透明的，而对于计算机病毒而言，病毒首先是一种隐蔽性的程序，用户在使用计算机时，对其是不知情的，当用户使用那些被感染的正常程序时，这些病毒就得到了计算机的优先控制权，病毒进行的有关操作普通用户也是无法知晓的，更不可能预料其执行的结果。
（二）破坏性
计算机病毒作为一种影响用户使用计算机的程序，其破坏性是不言而喻的。这种病毒不仅会对正常程序进行感染，而且在严重的情况下，还会破坏计算机的硬件，这是一种恶性的破坏软件。在计算机病毒作用的过程中，首先是攻击计算机的整个系统，最先被破坏的就是计算机系统。计算机系统一旦被破坏，用户的其他操作都是无法实现的。
二、计算机病毒网络传播模型稳定性
计算机病毒网络的传播模型多种多样，笔者结合自身工作经历，只对计算机病毒的网络传播模型———SIR模型进行介绍，并对其稳定性进行研究。SIR模型的英文全称为Susceptible-Infected-Removed，这是对SIS模型的一种改进，SIR模型将网络中的节点分为三种状态，分别定义为易感染状态(S表示）和感染状态（I）状态，还有免疫状态（R）表示，新增加的节点R具有抗病毒的能力。因此，这种模型相对于传统的SIS模型而言，解决了其中的不足，也对其中存在的病毒感染进行了避免，而且阻碍了病毒的继续扩散。图一即为病毒模型图。
三、计算机病毒网络传播的控制
对于计算机病毒在网络中的传播，我们应依据病毒传播的网络环境以及病毒的种类分别进行考虑。一般而言，对于局域网的病毒传播控制，我们主要是做好计算机终端的保护工作。如安装安全管理软件；对于广域网的病毒传播控制，我们主要是做好对局域网病毒入侵情况进行合理有效的监控，从前端防止病毒对于广域网的入侵；对于电子邮件病毒传播的控制，我们确保不随意点击不明邮件，防止个人终端受到电子邮件病毒的入侵。
总结：
篇5
帮助。
【关键词】 紧急疏散; 计算机模型; 信息传播; 建筑物; 灾害
1 引 言
随着高层建筑的大量出现，专用特殊建筑的飞速发展以及现有建筑的逐步老化，各种公众汇集场所事故隐患也在不断增多，特别是建筑物火灾时有发生。火灾中由于人员不能及时疏散而被烟气窒息情况十分突出，造成的生命财产损失十分巨大，例如:河南洛阳发生的“11·25”特大火灾，由于疏散通道的阻塞而导致人员烟气中毒或窒息死亡。
此外，由于现代建筑特别是高层建筑和专用特殊结构(如央视新大楼)布局复杂，人数众多、人员疏散至地面的时间长，发生阻塞和拥挤的几率也比较大，致使疏散设计的复杂性大大增加。同时复杂建筑中如何在事故发生后合理利用现有的交通设施、设备组织人员进行及时疏散或营救等也具有十分重要的意义。
因此，建筑设计人员和安全专家不得不慎重考虑建筑内人员在紧急条件下(如火灾、地震、煤气泄露、炸弹爆炸以及现代防空等)的避难、逃生疏散问题，迫切需要相关的理论和方法指导建筑物的火灾安全设计与评估。
由于人员疏散涉及人们的行为活动，涉及人类心理学、行为学等范畴，因此，最初的研究都习惯于采用定性化的分析方法进行一些描述及问卷调查;随着现代建筑复杂化及智能化程度的提高，对于火灾安全的分析仅停留在定性分析已远不能满足要求，特别是近年来引入了以计算机技术为基础的各种研究手段，如数字摄像、计算机仿真、虚拟现实技术，对于疏散过程的许多特征量的具体量化及各特征量之间关系的分析越来越引起安全专家、学者和有关部门的重视。人员疏散的研究开始从一般的观察访问等定性描述逐步向人类行为和环境条件的定量化分析研究过渡。
2 研究理论评述
人员在建筑物中的疏散主要涉及建筑物结构布置、灾害环境、个人特性、疏散指导4种因素共同作用。通过对前人研究成果[2—5]的分析归纳可知这些因素的具体内涵:
1)建筑结构指建筑的空间布局、材料结构、装修状况等等;
2)灾害环境指如火灾烟气浓度、可见度、人群拥挤程度等;
3)个人特征主要包括身体素质和心理状态，前者如性别、年龄、体力、反应等，后者如个人经历、所受教育、文化传统、生活经验，以及其他对逃生有一定影响的其他心理因素;
4)疏散指导指利用事先准备的消防设备和疏散预案，根据事发时现场的具体情况，对收集到的信息进行处理，并在此基础上实现疏散。
上述4种因素的相互作用以及对疏散过程的影响，都以信息传递为纽带。
倘若把每个因素都视为一个具有开放边界的系统，它们就是一个个自主体。认为该主体是从环境收集信息，在内部对其进行分析处理，完成一系列的行为，与此同时把自己的信息散播到环境里，以待其他自主体采集从而影响对方的发展进程。如火灾发生时，“灾害环境系统”释放灾害信息(烟气传播，可见火焰等等)，“建筑结构系统”、“个人特性系统”和“疏散指导系统”分别收集与自身相关的信息，并作出处理(如热辐射对结构的作用，烟气对人员的生理和心理影响，灾害激活报警和指挥设备等等)，然后释放自己的信息(相应的，如结构热破坏而变形，人员选择积极或消极应对措施，安全设备失效等等)供其他系统采集处理。
该主体里的信息和信息传播是广义的，包括各种具体行为和作用结果，而不仅仅是直观的狭义信息，即能被人员本身接受和作出反应的视觉、听觉、触觉及其他可感知的信号。需要指明的是，狭义的信息和信息传播在疏散研究中仍是一个非常重要、非常值得研究的课题，它不但对解决一些实际问题有显著意义，而且对广义信息和信息传播的研究有相当的启发性，同时也是后者的研究基础。
建筑内人员疏散的具体问题，包括人群密度、人员的疏散移动速度、位移、时间、灾害发展的速度、人们对于警报的反应时间、心理反应等。对于该类问题国内外许多学者都进行过不同程度的研究。而从信息系统以及信息传播的角度来研究，不管是基于狭义还是广义的内涵，都非常缺乏。国外可供参考的主要研究成果有:
1)Helbing提出的“社会力”模型[1—2]，模拟出人员紧急疏散时候的恐慌行为，涉及心理状态对行为的调整;
2)Wood，Bryan等人分别对英国和美国的火灾当事人作了大量的调查研究，并阐述了高层建筑火灾对人的行为产生的重大社会影响;
3)Canter总结了有关火灾与人的行为研究，并出版《火灾与人的行为》;
4)Sime研究了疏散初期阶段人员疏散与行为，并明确提出了疏散距离和疏散时间的概念[3]。
最近国内外学者开始对人在熟悉与不熟悉环境中，疏散通道的照明度与疏散距离的长短，对人员疏散的影响进行研究，还有一些特殊条件下特定疏散设备的效用研究，例如:养老院中火灾警报分贝数的合理值，卡拉OK场所紧急照明的布置等等。国内的相关工作仍集中在问卷调查方面，侧重人员在火灾或平时的行为和心理统计分析，而模拟研究则较少。
为了真实再现疏散过程进行以深入探讨其中存在的问题，笔者建立了人员疏散过程中狭义的信息系统和信息传播模型，并运用此模型对人员疏散进行量化分析，初步提出广义的信息系统和信息传播模型框架。
3 研究内容与模型介绍
通过收集大量国内外有关火灾、人防演习和模拟演习试验的实测记录以及火灾后问卷调查、虚拟现实测试等方法，有针对性地采集人员疏散的行为参数，进行分类归纳，找出不同建筑(办公、住宅、公共、医院、学校)、不同灾害场景、不同外界信号刺激等条件下不同类型人员疏散的行为倾向，探索人员疏散行为与建筑结构、灾害环境、个人特性、疏散指导之间的相互作用，理清人员对信息收集、处理的渠道、方式。在该过程中，结合了人类心理学和行为学、社会学、博弈论、生物仿真、计算机算法等学科研究的最新进展。
在上述基础上，笔者建立了狭义信息传播模型。这个模型包括4个子系统，即人员模型、信号模型、建筑模型和特殊场景模型，如图1所示。
人员模型是对疏散人员从生理、心理两方面结合的模拟，它的作用是描述人员接收、处理、传播信号的过程，逃生路线的选择、冲突解决、新规则的学习，以及体现毒物对肌体运动能力的破坏。
信号模型则关注于模拟狭义信息(人员能感知的物理、化学信号)的产生和传播。
特殊场景模型则是对灾害环境的重现。
3个模型有的是对现有的模型的改进，有的则是全新的工作。
3.1 人员模型
描述人员反应和运动状态的模型，充分考虑人员的特性和个体差异。它包括以下3个部分:人员运动模型;人员信息模型;人员肌体模型。
3.1.1 人员运动模型(OAM，OccupantActionModel)
这部分内容包括人员路线选择、冲突解决、新规则的学习。
①输入参量:人员位置坐标，地理信息，人员信息处理模型输出，人员肌体模型输出。
②输出参量:人员运动方向、速度。
③处理方式:类似数字电路中的与或非门控制。简单的逻辑推理过程。规则机。
3.1.2 人员信息模型
人员接受、处理、传播信号的模型。
1)人员信息接收模型(OIM-R，OccupantInfor-mationModel—Receive)。对物理、化学信号的接受，也包括对其他人员释放的信号的接受，包括视觉、听觉、嗅觉。目的是接受到环境中的各种信号，然后转化成统一的量化参数，并作为输入参量递交给信号处理模型。
①输出参量:环境中的物理、化学信息，包括来自信号模型的信号时空分布。
②处理方式:标准化，统一化。函数处理方式。
2)人员信息处理模型(OIM-P，OccupantInfor-mationModel—Process)。这部分包括一个处理机制和一个心理状态小模型。目的是将人员接受到的信号，处理为人员的选择偏好和运动策略，提交给人员运动模型，并释放到环境供其他人员接收。
①输入参量:标准化、统一化的信息(人员信息接收模型的输出)。
②输出参量:选择偏好概率。
③处理方式:简单逻辑推理与函数处理相结合。
3.1.3 人员肌体模型
主要针对毒性对人体损害，疲劳导致运动缺陷等。
①输入参量:化学伤害(毒物毒性、浓度等)，物理伤害(碰撞、挤压等)。
②输出参量:对人员生理、心理有影响的肌体损伤状况。
③处理方式:规则机以及查表对照法。
3.2 信号模型
描述信息产生和传播的模型，是整个系统的关键部分。包括:
1)信号源模型。把各种信号源统一成不需要考虑内部机理信号发射装置。
①输入参量:真实信号源种类。
②输出参量:预先分配好的信号种类代码。
③处理方式:查表对照法。
2)信息传播模型。按照不同的信号，建立不同的信息传播模型，包括物理信号和化学信号。试图建立一个通用的传播模型。
①输入参量:信号种类代码，信号源坐标。
②输出参量:信息的时空分布。
③处理方式:函数处理法。利用对应的物理公式，如声波的传播方程等等。
3.3 建筑模型
描述建筑结构网格化和网络化模型。
①输入参量:建筑图纸。
②输出参量:供模拟使用，软件可识别的网络图。
③处理方式:初步为人工转换，远期目标计算机读图处理。
3.4 特殊场景模型
描述紧急条件下的各种特殊场景，包括火(热伤害)、烟(影响视觉)、气(毒性)等等。作为一类特殊的信号源，有着与普通信号源差异很大的。另外，这些条件还有可能改变建筑结构。
1)输入参量:特殊场景本身的物理、化学状态。
2)输出参量:对人员、环境、建筑有影响的物理、化学量。
3)处理方式:借用成熟软件。只需对结果进行标准化。
4 狭义与广义的信息传播理论
笔者提出了疏散中狭义和广义信息传播原理。以往所有的工作都没有从信息传播的角度来对建筑灾害疏散进行系统研究，关注点多是具体的某种疏散现象。而狭义的信息传播原理，能更全面地模拟和再现疏散过程中人员行为;在此基础上拓展的广义信息传播原理，则是一种全面的系统的火灾观念，它可以帮助人们更加深入了解火灾过程的全貌，为建筑物设计与安全评估提供意见。
建立起充分考虑建筑结构、灾害环境、人员特性和疏散指导的计算机模型。首先，以多维多层次的元胞自动机(CA)模型，针对建筑物不同的区域运用对应的高效计算模型;其次，人员的行为比以往模型突出了理论化和细化，实现从经验公式到理论计算的过渡，在明确科学意义的同时保证软件的可操作性。信息的量化和标准化。
不管是以何种方式收集到的资料，其中涉及的数据要么是准确性的自然科学结果，要么是描述性的社会科学结果，而笔者所建立的模型涉及这二者的相互转换和相互作用，因此，信息的量化和标准化结果必须同时具备正确的物理意义和可操作性。面对种类繁多的信号，采用分布进行的路线:
1)首先标准化同一类信号，分别针对各个种类进行深入研究;
2)整合其中具有较高相似性的类别并再次标准化，形成若干大类，分别进行拓展研究;
3)在前面研究结果的基础上，提出一个普适的量化手段，统一所有种类。
其中第一步，国外的可供参考的文献为数不多，而第二、三步则几乎没有相关研究结果发表。
个人特性如何考虑，人员素质及疏散心理的量化。任何人员在建筑物内疏散除了受他周围的各种环境因素影响(如人口密度、烟气浓度、照明、出口特征等)外，还取决于其本人的性格、心理等有关因素。个体人员素质包括:年龄、性别、性格、安全意识、文化修养等;疏散心理与其所处的灾害环境有关，心理活动包括冷静、紧张、恐慌等。
目前国外通常的做法一般是将其进行分类，按照不同类型给出其相应的特征量，如年龄分为小童、成人、老人，性格可分为谨慎、稳健、冒险，对环境的反应可以分为敏捷的、一般的、迟钝的，个人防灾知识训练程度可分为未受训练、一般训练、职业训练，个人对环境毒物的忍耐力分为不能忍耐、能忍耐、极具忍耐等。
也有学者将这一类特征量表示成概率的形式，即给出每个人在这些特征量上的概率属性，然后决定其将要采取的疏散行为如前进方向，速度、是否拥挤等。由于人们在紧急环境下的许多行为特性很难量化，同时也很难进行观测，因而实测的数据也十分有限。而个人素质特征量又是影响建筑物疏散的重要因素，所以对于该类型特征量的研究也是建筑疏散研究的重点和难点。
在技术实现层面来看，CA模型也可按模拟需求改进。以往的CA都是建立在一维或者二维的网格上，若应用于狭义信息传播模型则需扩展到多维和多层次。另外，考虑到模拟场景的复杂性，在条件成熟时还有必要引入其他数学物理模型，例如“社会力”模型、流量模型、网络流模型等等。这涉及多种模型间的交叉结合，以及离散和连续过程的协调。
5 结 论
1)笔者提出人员疏散过程中的狭义和广义信息传播原理，并以元胞自动机为技术支撑，在此理论基础上，建立了一种充分考虑人员特性的计算机模型。该模型能全面地模拟和再现疏散过程中人员行为，可以帮助人们更加深入了解火灾过程的全貌，为建筑物设计与安全评估提供宝贵的意见。
2)以往的模型多关注疏散中具体的特殊想象，罕有从信息角度来分析;而实际上信息传播对疏散过程有着直观而显著的影响，一旦忽视则将导致模拟结果的失真甚至得出错误结论。笔者提出的模型则是从全新的观点来构建的，以信息传播为系统内部各部分协调工作的纽带，充分考虑了其作用;而应用了空间网格精细化的CA，使此模型既有高度的智能性，又具备描述时空细节的能力。
3)笔者的人员疏散的模型侧重于理论研究方面，如果辅以工程标准，利用计算机虚拟现实技术模拟，针对一些典型工程的数据进行检验，对模型作出适当修改和调整使之具有良好的普适性，则最终可以形成实用的疏散软件。
4)在完善的狭义信息传播模型基础上，对广义信息传播过程进行探索，尝试提出在广义信息传播中适用的若干基本规则，则可对模型进一步拓展。与此同时，进行性能化防火设计的理论探索，研究性能化防火设计中疏散设计的具体内容，评估计算的分析方法。结合实际工程如地铁火车站、大型体育场馆、学校教学楼、医院、多层建筑等疏散论证来评估这些建筑在火灾发生时人员疏散的安全性，利用笔者建立的模型给出相应的疏散设计和预警救助方案。
参考文献
[1]Helbing，D.TrafficandRelatedSelf-drivenMany-particleSystems[J].Rev.Mod.Phys.，2001，73:1067~1141
[2]Helbing，DFarkasI，VicsekT.SimulatingDynamicalFeaturesofEscapePanic[J].Nature，2000，407(28):487
[3]SchneiderV.ApplicationoftheInpidual-basedEvacuationModelinDesigningSafetyConcepts[R].Boston，MassachusettsInstituteofTechnology，2001
[4]YangLizhong，ZhaoDaoliang，LiJian，eta.lSimulationofEvacuationBehaviorsinFireusingSpatial
Grid[J].ProgressinNaturalScience，2004，14(7):614~618
[5]L.Z.Yang，D.L.Zhao，J.L，ieta.lSimulationoftheKinBehaviorinBuildingOccupantEvacuation
BasedonCellularAutomaton[J].BuildingandEnvironmen，t2005(40):411~415
[6]杨立中，李健，赵道亮等.基于个体行为的人员疏散微观离散模型[J].中国科学E辑，2004，34
(11):1264~1270
[7]肖国清，廖光煊.建筑物火灾中人的疏散方式研究[J].中国安全科学学报，2006，16(2):26~29
[8]张培红，陈宝智，刘丽珍.虚拟现实技术与火灾时人员应急疏散行为研究[J].中国安全科学学报，2002，12(1):48~58
篇6
关键词：三维建模；网络舆情传播模拟；元胞自动机；网络舆情传播速度模型；计算机仿真
中图分类号：TP393.02
网络媒体是继报纸、广播、电视之后的“第四媒体”，网络已成为反映社会舆情的主要载体之一，有关网络舆情的研究日益受到重视。目前在社会网络或因特网概率统计模型[1]、元胞自动机模型[2]和隐马尔科夫模型[3]三个方面研究较深入。由于元胞自动机模型能十分方便地复制出复杂的现象或动态演变过程的吸引子、自组织和混沌现象，从而引起了科学家的兴趣，在很多领域得到了很大的应用。本文在针对网络舆情传播过程的因素方面，提出一种面向三维元胞自动机的舆情传播基本模型，将三维元胞自动机与网络传播舆情模型相结合，经仿真证明，此算法运行高效，能够在多种因素的约束下快速地模拟网络舆情传播趋势。
1 网络舆情传播的三维元胞自动机模型
1.1 三维元胞自动机模型
3 结论
针对网络舆情的传播模型，本文基于元胞自动机理论对网络舆情分析和仿真实验。在提出的元胞自动机算法和模型下，对影响网络舆情传播趋势因素进行了研究和分析。结果表明本文提出的模型很好的分析了网络舆情传播的影响因素，且该模型更接近于实际网络舆情传播情况。由此，利用三维元胞自动机研究网络舆情传播具有较好的合理性。
参考文献：
[1]陆题佳.因特网中危机信息传播规律及应对模式研究[D].合肥：中国科学技术大学，2010.
[2]曾显葵.基于多数规则和协同规则的元胞自动机舆论传播模型研究[D].桂林：广西师范大学，2007.
[3]ZENG JIANPING，ZHANG SHIYONG，WU CHENGRONG，et al.Modelling topic propagation over the Internet[J].Mathematical and Computer Modelling of Dynamic Systems，2009，15（1）：83-93.
篇7
关键词：谐波源模型；谐波分析；反向传播神经网络；谐波潮流
中图分类号：TP183 文献标识码：B
文章编号：1004-373X(2008)06-108-03
Back Propagation Algorithm Neural Network-based Harmonic Source Modeling
LIU Chang ZHANG Qingfan ZHENG Weijie2
(1.School of Control Science and Engineering，Shandong University，Jinan，250061，China；
2.School of Electrization and Engineering，Shandong University，Jinan，250061，China)
Abstract：A novel Back Propagation Algorithm Neural Network (BPA-NN) is proposed for modeling nonlinear electric loads in steady―state frequency domain.In the model， the nonlinearity mapping between harmonic voltages and harmonics currents is established by BPA-NN.BPA-NN is a parallel learning algorithm.Calculation results show that the proposed method，having the characteristics of short training time and high precision，is an effective technique for building up harmonic source mode1.
Keywords：harmonic source model；harmonic analysis；BPA neural network；harmonic power flow
随着近年来电力电子技术的快速发展，半导体器件等其他非线性负荷在电力系统中的使用也越来越多。当电力系统向非线性设备及负荷供电时，这些非线性设备及负荷在传递、变换、吸收系统发电机所供给的基波能量的同时，又把部分基波能量转换为谐波能量，返送回电力系统，成为电网的主要谐波源。谐波污染造成了诸多影响电力系统电能质量水平的波形干扰，如电压凹陷与凸起(voltage sag and swell)、电压间断(interruption)、短时冲击(glitch)、闪变(flicker) 及陷波(notch) 等。从而影响电能的质量，对电力系统的安全、经济运行造成极大的影响。所以，对电网中的谐波进行准确的计算，确切掌握电网中谐波的实际状况，对于防止谐波危害，维护电网的安全运行十分必要。
国内外许多学者对谐波污染开展了大量的研究工作，电能质量分析已成为电力系统研究中的热点[1]。但在谐波领域的研究方面还存在许多问题，如在地区供电网中，存在着许多不同的谐波源，对每个不同的谐波源准确建模[2]，是一件很困难的事。
电力系统中的谐波源大体分为2种类型，一类为含有半导体元件的各种电力电子设备，他们按一定规律开闭不同电路，将谐波电流注入系统。这类谐波源所产生的谐波电流，可根据供电电压波形、设备的电路结构及参数和控制方式等精确求得。另一类为含有电弧和铁磁非线性设备的谐波源，如荧光灯和电弧炉等在稳定工作状态下，他们所产生的谐波电流则可以由供电电压波形和负荷的伏安特性计算而得。对于这2类非线性负荷，谐波源的特性可统一表述为：
式(1)中Ih为负荷吸收的h次谐波电流相量；Fh为供电电压中的基波和各次谐波电压相量；C为负荷的特征参数集合。
对于第一类负荷而言，即为设备的电路结构和参数，对第二类负荷而言，即为表征其伏安特性的各参数。式(1)的表达形式虽然难以得到，但若给定供电电压波形和设备控制参数C，则可以通过数值计算精确地计算出谐波源吸收的各次谐波电流。以上模型虽然精确，但是由于负荷种类繁多，各自的参数集合C难以精确获得，另外由于计算复杂，限制了该模型的使用。
神经网络因为其强大的非线性映射能力和并行处理、自学习等优点而成为非线性建模的主要方法之一。他通过对简单的非线性函数的复合来完成这一映射，从而可以表达复杂的物理边界条件。基于神经网络的这一特性，文献[3]中提出了用径向基网络(RBF networks)建立谐波源模型的方法，并引入系统进行谐波潮流的计算，显著提高谐波潮流的收敛速度。文献[4]基于神经网络提出一种新的谐波检测方法。
结合谐波源建模问题，利用一种新颖的反向传播(Back Propagation，B-P)算法建立稳态频域的谐波源模型，表征谐波源的电压-电流特性。在该模型中，各次谐波电流的幅值、相角各次谐波电压的幅值、相角以及负荷特征参数的关系通过一种新颖的反向传播(B-P)算法网络进行非线性映射。该算法引入神经元“权”的概念。在训练中，发现某个神经元的“权”比学习精度小，这个神经元将被去掉，且只需要检查与最新输入数据距离最近的神经元的“权”。如果新的输入数据并不需要增加新的神经元，那么只有距离最近的那个神经元的参数被调整。这样，计算量将减少，学习的速度也提高了。B-P算法的训练并行进行，对神经网络中的每一个神经元，其运算是同样的，这样的结构便于进行计算机并行处理，并且具有记忆性。算法的这种特性可用于模型的在线建立与动态更新。算例计算表明，本模型具有训练时间少、精度高、可动态建模等优点。
1 反向传播(B-P)算法建模方法
网络学习的目的是要使网络尽可能逼近理想(目标)的反应，这种反应通过训练数据或成为学习资料的输入/输出数据来衡量。在网络受训练时，不断将网络的输出数据与理想的输出相比较，并按照学习规则改变权重，直至网络的输出数据对所有训练数据与理想的输出数据之差达到要求的误差范围之内。
设有P个训练样本，即有P个输入输出对(Ip，Tp)，p=1，2，…，P。其中Ip=(ip1，ip2，…，ipm)T为输入向量；Tp=(tp1，tp2，…，tpn)T为目标输出向量。这里m是输入向量的维数，n为输出向量的维数。简单网络如图1所示，图1中OP=(op1，…，opn)T是对应于输入Ip的网络实际输出向量，他与目标输出向量Tp会有一定的差异。网络学习是指不断地把OP(实际网络输出)与Tp(目标期望输出)做对照，并利用他们间的差距即OP与TpУ木嗬肫椒剑
2 基于B-P网络的谐波源建模
谐波源模型基于以下设定：谐波源的供电电压及其吸收的电流均为三相对称且以T为周期的周期性函数。此时谐波源的全部特性可由其在供电侧基波电压相角为零、基波电压幅值和各次谐波电压幅值、相角变化时的特性惟一决定。这样，谐波源各次谐波电流的相角可以由供电侧基波电压相角作为基准。基波电压相角为零时，式(1)可以转化为：
这样，各次谐波电流的幅值和相角与各次谐波电压的幅值和相角以及负荷特征参数C的非线性映射关系就可以通过对神经网络的训练建立起来。对系统中的实际负荷而言，可以通过一定时间的连续采样获得一定的训练数据，然后采用B-P算法进行训练。当负荷特征参数C变化时，可以动态地更新谐波源模型。如果采用计算机仿真获取训练数据，则可以人为地设定供电电压谐波分量，经数值计算获得其电流谐波向量。由于在系统实际运行中，各次谐波电压幅值一般不超过系统电压额定值的10%，因而在仿真中，可以在此范围内选择训练和测试用例。
定义2个指标衡量网络的学习精度：算术平均误差(Mean Arithmetic Error，MAE)εMAE和均方根误差(Root Mean Square Error，RMAE)εRMSE：
式中f(xi)为神经网络的输出。训练前应首选进行尺度变化，将样本数据的取值范围转化为[0，1]。
3 算例分析
为了验证所提出的谐波源建模算法的合理性，采用了三相TCR电路做研究，如图3所示。其由3部分构成：谐波电压源、线路感抗、三角形联结TCR。
图3 三相TCR电路结构图
为获取训练样本，本文对该系统进行计算机仿真研究。计算中各参数均采用标幺值，基准值为10 kV，1 MVA。在仿真计算中，基波电压V(k)1在0.95～1.1之间，谐波电压的实部V(k)hr和虚部V(k)hi在-0.05～0.05之间按均匀分布随机设定，并令θ(k)u1=0。由于只考虑系统三相平衡的情况，因而只考虑特征谐波，即h=6k±l，k=1，2，…，4。гMatlab环境下进行训练和测试，训练结果如表1所示。仿真电路如图4所示。
表1 训练结果与误差[STBZ][HT6K]
图4 Matlab仿真电路
表2 计算与仿真结果对比[STBZ][HT6K]
由表1和表2可见，其测试误差很小；由图5可见，仿真与计算波形吻合很好，表明已成功地对系统建模，训练时间也能满足应用的需要。
图5 计算与仿真波形对比
4 结 语
研究利用反向传播算法神经网络对稳态频域谐波源进行建模的问题。在该模型中，各次谐波电流的幅值和相角、各次谐波电压的幅值和相角以及负荷特征参数的关系通过一种新颖的B-P网络进行非线性映射。该算法是并行学习算法，可利用实测的新数据进行模型更新。通过对三相TCR电路的谐波源建模研究，采用反向传播算法神经网络建立的谐波源模型精度高，是谐波源建模的有效方法。该算法还为谐波源滤波的补偿算法[5]提供了思路。
参考文献
[1]Hu Ming，Chen Heng.Survey of Power Quality and Its Analysis Methods[J].Power System Technology，2000，24 (2)：36-38.
[2]赵勇，张涛，李建华，等.一种新的谐波源简化模型[J].中国电机工程学报，2002，22(4)：46-50.
[3]Moreno M A，Usalla J.A New Balanced Harmonic Load Flow Including Nonlinear Loads Modeled with RBF Networks[J].IEEE Trans.Power Delivery，2004，l9(2)： 686-693.
[4]张林利，王广柱.一种基于人工神经网络的谐波测量新方法[J].电力系统及其自动化学报，2004，16(2)：40-43.
[5]吕征宇，钱照明，Green T C.并联有源电力滤波器的神经网络预测控制[J].中国电机工程学报，l999，l9(12)：22-26.
作者简介 刘 畅 男，1981年出生，山东大学控制学院05级硕士研究生。主要研究方向为电力电子技术及应用。
篇8
【关键词】 atoll 精确仿真 射线跟踪
Abstract： In dense urban LTE network planning， universal propagation model and traditional simulation methods is difficult to make accurate forecasts of network coverage and interference， causing effects observed after the site opened up covering less than planned target， affecting the construction of LTE schedule and network coverage. ATOLL by CROSSWAVE propagation model using simulation in the planning process instead of generic SPM propagation model， capable of simulating the propagation environment surrounding a single site， effectively improve the accuracy of station site planning.
一、引言
在密集城区LTE网络规划中，由于区域内无线传播环境的复杂性，通用的传播模型和传统的仿真手段难以对网络覆盖和干扰情况做出精准预测，很有可能造成站点开通后实测的覆盖效果达不到规划目标值，需要后期进行大规模的优化和改造，极大影响了LTE建设进度和网络覆盖效果。针对密集城区LTE网络规划的难题，在规划仿真过程中采用ATOLL的CROSSWAVE射线跟踪传播模型代替通用SPM传播模型，能较好的模拟单个站点周边传播环境，有效提升站址规划的准确性。
二、CROSSWAVE射线跟踪传播模型仿真的实现原理
ATOLL的CROSSWAVE射线跟踪传播模型是一种射线跟踪模型。射线跟踪是一种被广泛用于移动通信和个人通信环境中的预测无线电波传播特性的技术，可以用来辨认出多径信道中收发之间所有可能的射线路径。一旦所有可能的射线被辨认出后，就可根据电波传播理论来计算每条射线的幅度、相位、延迟和极化，然后结合天线方向图和系统带宽就可得到接收点的所有射线的相干合成结果。
射线跟踪法的基本思想是：首先确定一个发射源的位置，根据3D地图上的建筑物特征和分布找出发射源到每个接收位置（测试点）光线的所有传播路径，然后根据菲涅耳等式和几何绕射理论/一致性绕射理论（GTD/UTD）等，确定反射和绕射损耗等，这样相应得到每条路径到每个测试点的场强，将同一测试点处到达的所有路径的场强做相干叠加，得到每一个测试点处总的接收场强。
基于射线跟踪传播模型的仿真，充分考虑建筑物的特征和分布对信号传播的影响，可以精确地进行网络规划，仿真后覆盖预测结果与实际路测情况一致性较好。
三、仿真结果与实测数据对比分析
为了更好验证射线跟踪传播模型的优异性，对LTE试验网试点区域展开了专题研究分析。我们采用了ANPOP仿真软件+通用SPM传播模型组合和ATOLL仿真软件+CROSSWAVE射线跟踪传播模型组合方式分别对试点区域进行仿真，通过与实测数据对比分析可以看出，采用ANPOP仿真软件+通用SPM传播模型的传统方式进行仿真，预测的覆盖电平及干扰情况与实际路测结果在整体分段统计中较为接近，但在具体区域对比中存在一定差距，部分路段仿真较实际路测结果或乐观或悲观，仿真结果不够精确，不能完全理想地支撑站址规划；采用ATOLL仿真软件+CROSSWAVE射线跟踪传播模型进行仿真，能较好的模拟站点周边传播环境，仿真预测结果与实际路测情况较为一致，具体分析情况如下：
3.1 ANPOP仿真软件+通用SPM传播模型分析结果
试点区域为密集城区，共有23个LTE站点。传统仿真方式采用ANPOP仿真软件+SPM传播模型，通过CW测试进行模型校正。（图1）
通过对比我们可以发现，ANPOP整体覆盖预测情况预测偏乐观。其中友谊路上方路段预测较实际情况要乐观很多，武汉展览馆路段较实际情况悲观；ANPOP整体干扰情况预测偏乐观。其中友谊路上方路段预测较实际情况要乐观很多，大京都宾馆路段较实际情况悲观。整体呈现一定的不均衡性。
3.2 ATOLL仿真软件+CROSSWAVE射线跟踪传播模型分析结果
基于射线跟踪传播模型的仿真方式采用ATOLL仿真软件+CROSSWAVE射线跟踪传播模型，CrossWave是由Orange Labs实验室开发，由Forsk公司和支持的高级的通用传播模型，主要模拟三种传播现象，垂直衍射，水平面的导向传播及山脉区域的反射传播。
CrossWave通过将导入的地图clutter classes的地物与CrossWave所能识别的地物进行匹配，从而生成一个个100米精度的栅格文件，这些单个栅格文件用来描叙地物环境，每个栅格配套一套特定的传播系数，从而精确模拟不同地物环境的传播特性。通过建筑物外形（3D建筑物矢量地图）生成用于寻找发射机和接收机之间所有的传播路径的Graphs文件。从而可以更好的在街道环境中模拟水平导向传播，比SPM模型更准确。
表1：ANPOP+SPM与ATOLL+CROSSWAVE的对比
项目 ANPOP+SPM ATOLL+CROSSWAVE
覆盖电平RSRP仿真 覆盖仿真结果与路测结果整体分布基本一致，但在具体区域出现上下波动情况，无法修正，仿真结果不够精细 覆盖仿真结果与路测结果基本一致，能很好的预测网络的覆盖情况
干扰情况SINR仿真 干扰仿真结果与路测结果整体分布基本一致，但在具体区域出现上下波动情况，无法修正，仿真结果不够精细 覆盖仿真结果与路测结果比较偏悲观，不过可以通过加权值予以修正，从而获得较准确的干扰情况
基础数据要求 基础数据要求较高，经纬度信息要求精确到站点级别，同一站点小区位置在楼面小范围挪动对仿真结果影响较小 基础数据要求很高，经纬度信息需要精确到每一个小区，小区在楼面位置的挪动对仿真结果影响较大
电子地图要求 电子地图精度为5米、20米均可，无需建筑物及建筑物高度信息 电子地图必须采用5米精度，需包含建筑物及建筑物高度信息
运算速度 采用SPM模型时，ANPOP软件运算速度较ATOLL慢。 支持多线程运算，SPM模型较ANPOP快；CROSSWAVE模型计算量很大，计算时长大约为SPM模型的10至20倍，对电脑性能要求较高
通过对比我们可以发现，采用ATOLL CROSSWAVE射线跟踪传播模型的覆盖电平RSRP仿真与DT路测的结果基本一致，能够很好的预测实际的覆盖电平值；干扰情况SINR仿真较DT路测的结果均显得悲观，不存在正负波动的情况，可以在仿真结果的基础上叠加权值来预测干扰情况，以获得较准确的干扰情况。
3.3 ANPOP+SPM与ATOLL+CROSSWAVE对比分析总结（如表一）
四、结束语
射线跟踪模型充分考虑建筑物的特征和分布对信号传播的影响，可以很好地模拟无线电波传播，帮助我们进行精确的网络规划，很好地满足越来越精细的网络规划需要。密集市区环境下中高层建筑较多，建筑物平均高度或平均密度明显高于城市内周围建筑物，建筑物对接收信号强度有着十分重要的影响，射线跟踪模型的优势非常显著。
参 考 文 献
[1] Atoll技术文档 “Atoll_Getting_Started_LTE_320_Chi”
篇9
0引言
电力通信网是为电力系统专门构建的通信网络，其对于安全性和可靠性有较高要求。本文研究电力通信网络的故障定位问题，该问题的挑战在于如何在故障发生时及时、准确、高效地查明故障源。网络中经常单个故障引发多个告警事件，其中包含大量冗余和不完整告警信息，为了定位真正的故障源，需要对这些信息进行分析处理，从而识别并帮助预测网络故障。故障定位是网管系统的关键技术之一，目前的定位算法主要有以下几种：
1）基于故障依赖关系图的故障定位方法。该类算法的主要特点是基于对网络拓扑故障依赖关系的分析。王保义等[1] 将全局网络按地理位置和重要性进行分层，在得到了告警设备节点的集合后从层次低的子网开始搜索，由依赖关系逐渐向上层确定告警父亲集合，最终得到顶层的故障源；杜晓丽等[2]基于链路故障和节点故障之间的依赖关系改进了故障依赖图，并提出一种启发算法。
2）基于贝叶斯网络的故障定位方法。该类算法以故障传播模型构造故障源故障告警关系图。张成等[3]以概率加权的二分图作为故障传播模型，提出一种基于增量贝叶斯疑似度的启发式故障定位算法，摆脱了对于时间窗口的依赖，将算法的复杂度降低为多项式级别；王开选等[4]指出故障传播模型下的故障定位问题是NP（Nondeterministic Polynomial）难的，并提出一种启发式的最小损失故障定位算法；王汝言等[5]以概率加权的二分图作为故障传播模型，提出一种基于贝叶斯征兆解释度（Bayesian Symptom Explained Degree， BSED）的链路故障定位算法，该算法的计算复杂度较低；Kandula等[6]考虑了共享风险链路组的故障关系，即网络层共享链路故障引发的故障关联关系，将这种关系映射到故障传播模型图中并在原关系图加入小概率权值的猜想边用以描述模型中可能丢失的拓扑信息。
3）基于模糊逻辑推理的故障定位方法。基于模糊推理的分析方法适用于网络情况复杂、知识库不完整等原因造成无法对故障告警给出完整解释的情形。王翔等[7]使用3种标准的隶属度函数对光网络的故障定位问题给出了模糊聚类下的解；宋继恩等[8]使用模糊算法定位故障载体，为所有可能的故障载体设置隶属度并通过二元对比决策来确定最大的隶属度从而实现故障定位。
4）基于神经网络的故障定位方法。该类算法将故障源作为输入、故障告警作为输出期望对各层神经元权值进行调整，直到实际输出满足特定要求为止。文献[9-10]均采用了基于模糊神经网络的故障诊断方法，对故障告警信息进行模糊化后再对模糊化的数据进行神经网络训练。
5）其他故障定位方法。闫生超等[11]提出基于组合规则的通信网故障分析方法，用告警事件树和代码簿分析故障，本质是对贝叶斯方法的一种改进；李彤岩[12]提出基于数据挖掘的告警关联分析，实际上是利用基于规则推理的方法定位故障。
网络中常常存在一些关键节点和关键链路，它们的故障会造成大规模的网络瘫痪，使网络中产生大量的告警，这给故障定位带来了挑战。这种关键设备或链路的位置与网络拓扑密切相关，现有的故障定位模型[1]61，[2]67，[6]175主要考虑拓扑对故障传播的影响，而忽视了故障位置对告警信息的影响。本文算法旨在解决大范围连通片故障告警下故障定位问题。
篇10
一、微博客鼻祖推特(Twitter)在2006年3月由blogger.com的创始人伊万？？威廉姆斯(Evan Williams)推出，在中国则以饭否2007年的流行为代表，第一批的中国微博客用户多为Twitter和饭否等网站的用户。
二、2009年初，微博客在国内突然又爆发了第二次浪潮，“翻开各大主流的中文报纸、杂志，无不在探讨Twitter这种新型的社交平台。而国外的媒体更是不遗余力地对Twitter唱起赞歌，甚至学术界也在猛捧Twitter。资本市场也在虎视眈眈，包括传媒巨头默多克都在密切关注着Twitter的一举一动。”？？
三、2009年上半年之前，在国内活跃的微博客网站，是以饭否、嘀咕、做啥等代表的专业型网站。但由于网站内容管理等诸多问题，国内微博客代表网站饭否在2009年中开始无法访问，Twitter访问也受到限制，微博客在国内的发展似乎蒙上了一丝阴影。
四、2009年下半年，新浪开始推出微博产品，还在内测阶段时，就已经吸引了大批业内人士和名人明星的关注。新浪微博以名人为切入口，短期内迅速扩张，并获得了业内好评，现在已俨然成为中国网站微博产品的代名词。
五、2010年初，搜狐、网易已在积极内测自己的微博产品，人民网也于2010年1月开始内测人民微博；而2010年1月，国内知名网站程序提供商康盛创想推出微博系统的测试访问，名为“康盛微博CTT Beta版”的建站程序宣告上线。接下来，在门户网站的带动下，微博客极有可能成为各类网站的标配产品，独立的微博客网站所面对的生存环境将更为恶劣。
微博客的传播特性
“这年头，没个围脖，还真不好意思跟人打招呼”——这句新浪微博略带调侃意味的宣传语，道出了微博客在网络传播和人际交往方面的价值。与电子邮件、手机短信、即时通讯工具等产品相比，微博客有着自己独特的优势或特点：
表1：微博客与其他产品相比的特点和优势
没有一种媒介形态是万能的，上表简单列举了微博客与之前6类产品各自的特点比较，在一些方面各产品都有自己独特的优势。但综合来看，微博客有着较强的产品优势，尤其在用户参与方面，随着手机互联网的发展，微博客将拥有广阔的发展空间。
综合起来，笔者认为，微博客具有如下几个传播特性：
1.单一性
微博客的基础功能特别单一：一句话描述用户当下的心情、状态、所见所闻所想，符合“小即是美”的哲学，这也是其受到追捧的原因之一。在信息泛滥的数字化时代，浮躁的社会和忙碌的生活让人们越来越难以停下脚步。WEB2.0时代第一个典型代表博客写作都显得过于正式和繁琐，而微博客所推崇的随时随地、自由自在的风格，正是给这一时代的人们提供了一个绝佳的平台。
2.碎片化
“碎片化”是描述当前中国社会传播语境的一个形象说法。“所谓‘碎片化’，英文为Fragmentation，原意为完整的东西破成诸多零块……就传播的影响力而言，以往依靠某一个(类)媒介的强势覆盖而‘号令天下’的时代已经一去不复返了。一方面是传统媒介传播市场的份额在不断收缩，其话语权威和传播效能在不断降低；另一方面则是新兴媒介(如博客、BBS等)的勃兴与活跃，传播通路的激增、海量信息的堆积以及表达意见的莫衷一是，这便是现阶段传播力量构建所面对的社会语境。”？？
在这里我们借用这个概念，因为基于“单一性”特征和140个字符的限制，微博客所生产、传播的信息，也具有碎片化特征：微博客的内容多数是个人琐碎的生活细节，或新闻、事态的滚动进展，每一条单独的内容，都只能表达有限的信息，呈现出“碎片化”的特征，甚至出现“口水化”的趋势。
但另一方面，“奇妙的是，尽管信息已经高度碎片化，但是它们能自发组织、完成对某个事件的完整报道和传播，也能够记录一个普通人生活中所有的点滴，以至于整体看下来，似乎是一部由俳句组成的个人史。”？？
3.开放性
开放API(OpenAPI)是SaaS(Software as a Service，软件即服务)模式下常见的一种应用，网站的服务商将自己的网站服务封装成一系列API(Application Programming Interface，应用编程接口)开放出去，供第三方开发者使用，即开放API。以Twitter为代表的微博客对用户开放API，超过3000种的Twitter应用都是用户根据公开的API开发而来的，这些第三方应用反过来又增强了Twitter原有平台对用户的吸引力。
国内其他微博客网站一般都陆续开放了API，而新浪微博刚推出时，是完全封闭的微博客网站，不支持API和新闻聚合器(RSS)，之后推出了基于个别合作方的博客挂件移动客户端。
4.整合性
基于开放性特征，微博客能够整合各类工具，表现出强大的兼容性，用户可以通过各种方式来更新自己的微博客：手机短信、桌面客户端、在线更新、即时通讯(IM)，甚至可以通过输入法更新微博客。但目前国内微博客网站之间的开放、互联仍然遇到一些竞争障碍，比如腾讯滔滔曾经屏蔽过饭否的QQ机器人，饭否又曾屏蔽过叽歪和嘀咕的用户，相互之间的互联互通无法真正实现。
尤其值得注意的是，微博客通过手机短信这一渠道，真正实现了信息的随时随地。Twitter的聪明就在于把PC平台和手机平台连接得很自然，手机成为首选平台也很自然，不用去教育用户，因为服务的性质决定如此，不这样就享受不好这个服务。从这个意义上说，Twitter可能是网络史上第一个真正的基于手机的基础性互联网服务。？？
5.实时性
所谓“实时网络”，指的是发生在网上的实时社交活动，Twitter就被称为实时网络的代表。“Twitter上的信息有一个明确的时间轴，当你在上面搜索时结果呈现的绝对是最新的信息，而这一点以搜索大网站为己任的Google可能永远不能精准做到。”？？
微博客的这一特征，已经引起了搜索引擎的高度关注，Google在2009年底已经推出英文版的实时搜索功能，而百度最近推出的i贴吧产品，与微博则有着一定的差异，可以看作是百度在实时搜索方面的尝试。
6.跟随性
这一特征被形象地比喻为“背对脸”。就好比你在电脑前打游戏，路过的人从你背后看着你怎么玩，而你并不需要主动和背后的人交流。
这一特征，反倒是WEB1.0时代的广播模式，即follow(跟随)模式。这一特点，与QQ、MSN等即时通讯工具相比似乎互动性弱了一些，但其实各自有着自己的优势：即时通讯工具信息交流的双方，必须是好友关系或在同一个群组之中，信息交流和期望回复的迫切性较强；而微博客不强调好友关系，跟随者可以单向关注某一微博客，而被关注者可以不去理会跟随者，对跟随者的评论可以自主选择回复与否。
如果把一个微博客看作一份报纸，则其跟随者的多少，可以看作这份报纸的订阅用户。微博客报纸所的信息，被自动发送到跟随者的报箱中，而网络技术的发展，还可以实现这份报纸一对一或一对多的与订阅用户的交流。这一特征，为粉丝圈、品牌圈的建立创造了高效的传播平台，也将是微博客核心商业价值之一。
微博客盈利模式分析
也许对包括Twitter在内的微博客来说，盈利模式是近期内不用太过操心的问题，如何做大规模、优化用户体验才是眼下最关键的事情。但盈利模式迟早会成为微博客最为关注的问题之一，笔者认为，微博客主要的盈利模式，可能会包括如下几类：
1.短信分成
这是微博客目前看来可能最简单、最容易实现的收入来源之一，大量的用户通过手机短信和彩信微博客，当用户数量足够庞大导致短信费用足够可观时，微博客运营网站完全可以凭借用户优势，与运营商洽谈收入分成。
2.广告
这是最传统的一种模式，一个平台只要积累了足够的用户和流量，就具有了广告价值。以Twitter为例，其目前全球网站综合排名第12位(2009年11月~2010年1月平均)，2009年11月全球独立用户访问量为6030万，这个数据，已经具有足够的广告价值。
3.品牌服务
使用微博客的不仅仅有网民个人，也有各类企业。无论是个人还是机构，都可以借助微博客网站的平台来宣传自己的品牌，而这一需求则为微博客商业价值的延伸奠定了基础。而微博客所具有的互动、整合等产品特征，加上网站强大的运营推广平台，又为品牌网络营销提供了强大的支撑，微博客网站完全可以通过为品牌提供一揽子服务获得收入。
举个例子，新浪微博目前针对名人和媒体机构等推出的V认证服务，完全可以复制到企业领域：一旦针对企业微博客营销的产品服务体系研发成功且时机成熟，则可以在企业缴费的基础上，对企业进行实名认证(例如在企业微博客名称上加上V字母或A字母)。这些被认证的企业，则类似于拥有了淘宝的星级认证。目前，Twitter已开始尝试针对部分商用户提供VIP服务，相信这一模式将来也会成为微博客的收入来源之一。
4.电子商务
电子商务可以看作是“品牌服务”的一个分项，由于电子商务整体上已经拥有了庞大的市场规模，而且本身具备较为完整的产品体系，因此在这里笔者把它单独列出。微博客网站能为品牌提供的一揽子打包服务，从技术角度可以有多种可能，但适合微博客产品特性、并受到网友欢迎的，将只是部分功能。其中，电子商务似乎是比较典型的一种。通过微博客的平台，企业得以与网民建立互动关系，这首先就为消费者在诸多商家中寻找适合的一家奠定了基础。
5.虚拟产品
微博客用户不仅可以通过购买虚拟产品来装扮自己的微博空间形象，还可以通过参与一系列的在线游戏进行虚拟交易，或者享受高级别的产品模块服务。而网站则会通过提供虚拟产品和服务获得收入。
如上五大盈利模式，只是笔者对目前微博客发展的初步认识。也许，随着微博客用户的爆发式增长和微博客产品研发的不断深化，新的产品和服务将不断涌现。而最适合微博客的商业模式也将被开发，相信微博客还会有更为宽广的市场道路。
微博客可能给传播环境带来的变化
互联网的出现改变了媒体传播的格局，一方面，门户网站和各地新闻网站通过整合传统媒体的内容资源，为网民提供了快速、全面的信息服务；另一方面，互联网也日益成为传统媒体寻找新闻线索和内容来源的巨大宝库：WEB1.0时期的典型代表是论坛，WEB2.0时期的典型代表则是博客。直至今天，这两大平台仍在为传统媒体提供着丰富的内容：传统媒体从论坛中发现新闻线索，再进行深入挖掘；而新闻当事人、网民评论家则直接通过博客事件进展、新鲜热评，并被传统媒体广为引用。
从传播的四种类型角度进行分析，微博客在四种传播类型上都有其用武之地。第一，微博客用户记录自己状态、想法的过程，是一种典型的自我传播，类似日记的功能；第二，“你在做什么(What are you doing)？”的定位，又决定了微博客内容希望与别人进行分享，跟随与被跟随的过程，可以看作一种虚拟的人际传播；第三，微博客的跟随性特别便于组织之间传递信息，伊朗大选期间民众通过Twitter发动游行的案例，充分证明了微博客在组织传播方面所起到的作用；第四，一旦某位微博客作者拥有了大量的跟随者，这时他所的信息，就具有了大众传播的特性，可以一对多地快速传遍所有的跟随者，微博客的威力开始显现。
目前，微博客的商业价值还没有被充分开发，显现更多的仍然是信息传播工具属性并兼具一定的媒体属性。但微博客作为一个新的交流互动平台，正在受到越来越多人的青睐。相比博客而言，微博客使用更加简单，用户所付出的单位成本、精力投入都更少，写作门槛更低，用户扩展更为迅速，为可能实现的媒体信息传播积累了庞大的通讯员队伍。同时，整合各类工具尤其是手机短信的优势，微博客具备了实时传播的特性，在面对突发新闻事件时，微博客的报道速度往往能领先于传统媒体。例如在迈克尔？？杰克逊逝世还未经证实之前，已经有大批歌迷赶到他就医的洛杉矶加州大学医院，原因就是Twitter上的消息传播。从这个角度来讲，即时性是微博客作为媒体传播最显着的特征。
微博客碎片化的内容特征，使得它的优势主要体现在对突发事件的第一时间报道方面(或许再加上后续简短的跟踪报道)，而不太适合于进行深入报道。即微博客的报道符合新闻传播关于快速的要求，但未必符合全面、深入的要求。同时，微博客作者既不像传统媒体的记者编辑那样经过专业的新闻业务培训，其所的信息，也不像传统媒体那样经过专业的流程审核。因此微博客所传播的信息不确定性很高，甚至会存在作者故意散布虚假消息的可能。
从如上角度来看，微博客内在的信息生产、筛选和传播机制都尚未健全，作为一个媒体平台来讲，在现阶段还远未成熟。但不可否认，微博客已经具备了信息快速、广泛传播的基础条件，随着用户规模的迅速扩张，以及其内部运行机制的不断完善，它在社会信息传播中所能发挥的空间将越来越大，将来完全有可能成长为媒体新闻信息来源的一个重要渠道，并将纳入国家监管的视野。例如，2009年11月1日，在中国互联网协会第三届二次理事会上，中国互联网协会副理事长高新民透露，将加强对微博客服务的管理，协会将制定《微博客服务自律规范》。
