为保证坝工结构安全运行,防止安全事故发生,采用排列熵算法(Permutation Entropy,PE)实现高坝结构的运行状态监测.以拉西瓦拱坝为研究对象,首先,在坝体结构的关键位置布设传感器,并取得坝体各测点的流激振动数据;其次,联合CEEMDAN(Complete Ensemble E mpirical Mode Decomposition with adaptive noise)与SVD(Singular Value Decomposition)方法提取坝体结构各个测点的特征信息,并以方差贡献率的方式将各测点特征信息进行数据级融合,得到一组能有效反映坝体结构整体振动特性的融合数据;最后,通过排列熵方法计算融合后数据的子序列熵值,分析结构不同振动状态的熵值特点,实现结构振动状态的在线监测.结果表明,排列熵方法能全面地提取结构的有效信息,以相对直观的形式表现结构的振动状态,且计算过程简单、效率较高,为高坝结构的安全运行与在线监测提供参考.
为保证坝工结构安全运行,防止安全事故发生,采用排列熵算法(Permutation Entropy,PE)实现高坝结构的运行状态监测。以拉西瓦拱坝为研究对象,首先,在坝体结构的关键位置布设传感器,并取得坝体各测点的流激振动数据;其次,联合CEEMDAN(Complete Ensemble E mpirical Mode Decomposition with adaptive noise)与SVD(Singular Value Decomposition)方法提取坝体结构各个测点的特征信息,并以方差贡献率的方式将各测点特征信息进行数据级融合,得到一组能有效反映坝体结构整体振动特性的融合数据;最后,通过排列熵方法计算融合后数据的子序列熵值,分析结构不同振动状态的熵值特点,实现结构振动状态的在线监测。结果表明,排列熵方法能全面地提取结构的有效信息,以相对直观的形式表现结构的振动状态,且计算过程简单、效率较高,为高坝结构的安全运行与在线监测提供参考。
低速率拒绝服务(LDoS,low-rate denial of service)攻击具有极强的隐蔽性,对大数据中心和云计算平台构成潜在的安全威胁。在研究LDoS攻击期间网络流量变化的基础上,对数据接收端回传给发送端的ACK数据分组进行统计分析,揭示了其序号步长...
详细信息
低速率拒绝服务(LDoS,low-rate denial of service)攻击具有极强的隐蔽性,对大数据中心和云计算平台构成潜在的安全威胁。在研究LDoS攻击期间网络流量变化的基础上,对数据接收端回传给发送端的ACK数据分组进行统计分析,揭示了其序号步长在LDoS攻击期间具有的波动特征。采用排列熵的方法提取该特征,提出了一种基于ACK序号步长排列熵的LDoS攻击检测方法。该方法通过采集发送端收到的ACK数据分组,对其序号进行采样并计算步长;再利用对时间敏感性较强的排列熵算法检测出步长突变时刻,达到检测LDoS攻击的目的。在实际网络环境中设计和搭建了测试平台并对所提方法进行了验证,实验结果表明,所提方法具有较好的检测性能,取得了较好的检测效果。
暂无评论