基于时域分形的相似性匹配日内低频交易(SMT)策略
再制造机床装配过程误差传递模型与精度预测
计算机集成制造系统Computer Integrated Manufacturing System；Vol.27No.5 May2021第27卷第5期2021年5月DOI：10.13196/j.cims2021.05.006再制造机床装配过程误差传递模型与精度预测王子生，姜兴宇+，刘伟军,石敏煊，杨世奇,杨国哲（沈阳工业大学机械工程学院，辽宁沈阳110870）摘要：再制造机床的装配零件具有更多的不确定性和随机性，为保证装配精度的一致性与可靠性，需要建立其装配过程误差传递数学模型，定量描述装配过程的误差传递与累积规律。
提出再制造机床装配过程中的零件质量特征、实际测量结果与装配过程误差源的数学映射关系及其误差流模型，定量描述了再制造机床装配过程中零件质量特征变动、特征测量、调整的偏差传递。
在此基础上提出误差流修正函数，实现了再制造机床装备精度预测、分析和质量误差修正。
以再制造机床主轴箱装配过程为例，验证了该模型及修正函数能够正确有效地消减装配过程误差。
关键词：再制造机床；装配误差；精度预测；误差传递模型；误差流修正函数中图分类号:TH17文献标识码:APrecision prediction and error propagation model of remanufacturing machine tool assembly process WANG Zisheng,JIANG Xingyu+,LIU Weijun,SHI Minxuan,YANG Shiqi,YANG Guozhe (School of Mechanical Engineering,Shenyang University of Technology,Shenyang110870,China) Abstract：The remanufactured machine tool is assembled by reusing parts,remanufactured parts and new parts,and its assembly parts have more uncertainty and randomness.To ensure the consistency and reliability of remanufacturing machineassemblyprecision，a mathematicalmodelofassemblyprocesserrortransfershouldbeestablishedto describe the error transmission and accumulation rules of remanufacturing machine assembly process quantitatively.The mathematical mapping relationship between the quality characteristics of the parts,the actual measurement re-sultsandtheerrorsourcesofassemblyprocessduringtheassemblyprocessofremanufacturedmachinetoolwaspro-posed.An error flow model of the remanufacturing machine's assembly process based on state-space model was also proposed.The variation of part quality characteristics,feature measurement and adjustment deviation of the remanufacturing machine tool assembly process were quantitatively described.On this basis,the error flow correction function was proposed to realize the accuracy prediction,analysis and quality error correction of remanufacturing machine tool.By t aking the assembly process of remanufacturing machine headstock as an example,the result showed that the assembly process error could be reduced by the proposed model and correction function effectively.Keywords：remanufacturing machine tool；assembly error；precision prediction；error propagation model；error flow correctionfunction“R亠寸及其在装配中的位置不同，各零件对整体产品装0弓1=配精度的影响程度不同，如何定量描述这些影响，制作为机床再制造过程中的最后一环，装配直接定相应零件装配精度的要求，从而降低装配成本，保决定了组装产品的性能和质量。
区块链系统中的分布式数据管理技术——挑战与展望
第４４卷 第１期２０２１年１月计 算 机 学 报ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳＶｏｌ．４４Ｎｏ．１Ｊａｎ．２０２１收稿日期：２０１９ ０３ ２２；在线发布日期：２０１９ １０ ３１．本课题得到国家重点研发计划项目（２０１８ＹＦＢ１００３４０４）、国家自然科学基金（Ｕ１８１１２６１，６１６７２１４２）、辽宁省科学技术基金（２０１８０５５０３２１）资助．于 戈，博士，教授，中国计算机学会（ＣＣＦ）会员，主要研究领域为分布式数据库、分布与并行计算、区块链．Ｅ ｍａｉｌ：ｙｕｇｅ＠ｍａｉｌ．ｎｅｕ．ｅｄｕ．ｃｎ．聂铁铮（通信作者），博士，副教授，中国计算机学会（ＣＣＦ）会员，主要研究方向为数据库、数据集成、区块链．Ｅ ｍａｉｌ：ｎｉｅｔｉｅｚｈｅｎｇ＠ｍａｉｌ．ｎｅｕ．ｅｄｕ．ｃｎ．李晓华，博士，讲师，中国计算机学会（ＣＣＦ）会员，主要研究方向为信息安全、区块链．张岩峰，博士，教授，中国计算机学会（ＣＣＦ）高级会员，主要研究领域为分布式数据处理、云计算．申德荣，博士，教授，中国计算机学会（ＣＣＦ）高级会员，主要研究领域为分布式数据库、数据集成．鲍玉斌，博士，教授，中国计算机学会（ＣＣＦ）高级会员，主要研究领域为数据仓库、ＯＬＡＰ．区块链系统中的分布式数据管理技术———挑战与展望于 戈 聂铁铮 李晓华 张岩峰 申德荣 鲍玉斌（东北大学计算机科学与工程学院 沈阳 １１０１６９）摘 要 区块链是在数字加密货币的应用基础之上发展起来的一种分布式数据库技术．区块链系统具有去中心化、不可篡改、分布共识、可溯源和最终一致性等特点，这使其可以用于解决不可信环境下数据管理问题．区块链独特的数据管理功能已经成为各领域应用中发挥区块链价值的关键．本文基于对比特币、以太坊、超级账本等代表性区块链系统的研究分析，阐述区块链系统中分布式数据管理技术．首先，深入讨论区块链系统与传统分布式数据库系统之间的异同点，从分布式部署模式、节点角色、链拓扑结构等多个方面给出区块链的分类．然后，详细分析各类区块链系统所使用的数据存储结构、分布式查询处理与优化技术及其优缺点．最后，总结区块链系统的分布式数据管理技术在各专门领域应用中所面临的挑战和发展趋势．关键词 区块链；分布式数据管理；数据存储；查询处理中图法分类号ＴＰ３１１ 犇犗犐号１０．１１８９７／ＳＰ．Ｊ．１０１６．２０２１．０００２８犜犺犲犆犺犪犾犾犲狀犵犲犪狀犱犘狉狅狊狆犲犮狋狅犳犇犻狊狋狉犻犫狌狋犲犱犇犪狋犪犕犪狀犪犵犲犿犲狀狋犜犲犮犺狀犻狇狌犲狊犻狀犅犾狅犮犽犮犺犪犻狀犛狔狊狋犲犿狊ＹＵＧｅ ＮＩＥＴｉｅ Ｚｈｅｎｇ ＬＩＸｉａｏ Ｈｕａ ＺＨＡＮＧＹａｎ Ｆｅｎｇ ＳＨＥＮＤｅ Ｒｏｎｇ ＢＡＯＹｕ Ｂｉｎ（犛犮犺狅狅犾狅犳犆狅犿狆狌狋犲狉犛犮犻犲狀犮犲犪狀犱犈狀犵犻狀犲犲狉犻狀犵，犖狅狉狋犺犲犪狊狋犲狉狀犝狀犻狏犲狉狊犻狋狔，犛犺犲狀狔犪狀犵 １１０１６９）犃犫狊狋狉犪犮狋 Ｂｌｏｃｋｃｈａｉｎｉｓａｔｅｃｈｎｉｑｕｅｏｆｄｉｓｔｒｉｂｕｔｅｄｄａｔａｂａｓｅｗｈｉｃｈｉｓｄｅｖｅｌｏｐｅｄｗｉｔｈｔｈｅａｐｐｌｉｃａｔｉｏｎｓｏｆｄｉｇｉｔａｌｅｎｃｒｙｐｔｅｄｃｕｒｒｅｎｃｙ．Ａｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍｈａｓｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｄｅｃｅｎｔｒａｌｉｚａｔｉｏｎ，ｎｏｎ ｔａｍｐｅｒｉｎｇ，ｄｉｓｔｒｉｂｕｔｅｄｃｏｎｓｅｎｓｕｓ，ｐｒｏｖｅｎａｎｃｅａｎｄｅｖｅｎｔｕａｌｃｏｎｓｉｓｔｅｎｃｙ，ｗｈｉｃｈｍａｋｅｓｉｔｂｅａｐｐｌｉｅｄｔｏｓｏｌｖｅｄａｔａｍａｎａｇｅｍｅｎｔｐｒｏｂｌｅｍｓｏｆｔｈｅｕｎｔｒｕｓｔｅｄｅｎｖｉｒｏｎｍｅｎｔｓ．Ｔｈｅｄａｔａｍａｎａｇｅｍｅｎｔｆｕｎｃｔｉｏｎｏｆａｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍｈａｓａｌｒｅａｄｙｂｅｃｏｍｅｔｈｅｉｍｐｏｒｔａｎｔｆｅａｔｕｒｅｆｏｒｐｌａｙｉｎｇｉｔｓｖａｌｕｅｉｎｔｈｅａｐｐｌｉｃａｔｉｏｎｓｏｆｄｉｆｆｅｒｅｎｔｄｏｍａｉｎｓ．Ｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍｓｍａｋｅｅｖｅｒｙｎｏｄｅｃｏｎｔａｉｎａｃｏｍｐｌｅｔｅｃｏｐｙｏｆｌｅｄｇｅｒｄａｔａ，ａｎｄｕｓｅｄｉｓｔｒｉｂｕｔｅｄｃｏｎｓｅｎｓｕｓａｌｇｏｒｉｔｈｍｓｔｏｅｎｓｕｒｅｔｈｅｃｏｎｓｉｓｔｅｎｃｙｏｆｄａｔａ．Ｔｈｅｒｅｆｏｒｅ，ａｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍｉｓａｎｅｗｋｉｎｄｏｆｄｉｓｔｒｉｂｕｔｅｄｄａｔａｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍｓｃｏｍｐａｒｅｄｗｉｔｈｔｒａｄｉｔｉｏｎａｌｄｉｓｔｒｉｂｕｔｅｄｄａｔａｂａｓｅｓｙｓｔｅｍｓ．ＷｉｔｈａｎａｌｙｚｉｎｇｔｈｅｒｅｐｒｅｓｅｎｔａｔｉｖｅｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍｓｉｎｃｌｕｄｉｎｇＢｉｔｃｏｉｎ，ＥｔｈｅｒｅｕｍａｎｄＨｙｐｅｒｌｅｄｇｅｒＦａｂｒｉｃ，ｔｈｉｓｐａｐｅｒｆｏｃｕｓｅｓｏｎｔｈｅｄｉｓｔｒｉｂｕｔｅｄｄａｔａｍａｎａｇｅｍｅｎｔｔｅｃｈｎｉｑｕｅｓｉｎｅｘｉｓｔｉｎｇｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍｓ，ｗｈｉｃｈｃｏｖｅｒｓｑｕｅｒｙｐｒｏｃｅｓｓｉｎｇ，ｓｍａｒｔｃｏｎｔｒａｃｔ，ｎｅｔｗｏｒｋｃｏｍｍｕｎｉｃａｔｉｏｎ，ａｎｄｄａｔａｓｔｏｒａｇｅｌａｙｅｒｓｉｎｔｈｅａｒｃｈｉｔｅｃｔｕｒｅｏｆｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍｓ．Ｔｈｉｓｐａｐｅｒｆｉｒｓｔｄｉｓｃｕｓｓｅｓｔｈｅｍａｉｎｄｉｆｆｅｒｅｎｃｅｓａｎｄｓｉｍｉｌａｒｉｔｉｅｓｂｅｔｗｅｅｎａｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍａｎｄａｔｒａｄｉｔｉｏｎａｌｄｉｓｔｒｉｂｕｔｅｄｄａｔａｂａｓｅｓｙｓｔｅｍ．Ｊｕｓｔｌｉｋｅａｄｉｓｔｒｉｂｕｔｅｄｄａｔａｂａｓｅｓｙｓｔｅｍ，ａｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍｈａｓｆｅａｔｕｒｅｓｏｆｄｉｓｔｒｉｂｕｔｉｏｎ，ｔｒａｎｓｐａｒｅｎｃｙ，ａｕｔｏｎｏｍｙａｎｄｓｃａｌａｂｉｌｉｔｙｏｎｍａｎａｇｉｎｇｄａｔａ，ｂｕｔｉｔｉｓａｌｓｏｄｉｆｆｅｒｅｎｔｆｒｏｍｍｏｓｔｏｆｄｉｓｔｒｉｂｕｔｅｄｄａｔａｂａｓｅｓｙｓｔｅｍｓｏｎｔｏｐｏｌｏｇｉｃ，ｄａｔａｄｉｓｔｒｉｂｕｔｉｏｎ，ｑｕｅｒｙｐｒｏｃｅｓｓｉｎｇ，ｃｏｎｓｉｓｔｅｎｃｙａｎｄｓｅｃｕｒｉｔｙｍｅｃｈａｎｉｓｍ．Ｔｈｅｎ，ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｓｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍｓｏｎｄｉｆｆｅｒｅｎｔａｓｐｅｃｔｓｏｆｄｉｓｔｒｉｂｕｔｅｄｄｅｐｌｏｙｍｅｎｔｓｔｙｌｅｓ，ｎｏｄｅｒｏｌｅｓａｎｄｔｏｐｏｌｏｇｉｃａｌｓｔｒｕｃｔｕｒｅｓ．Ｗｉｔｈｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｂｌｏｃｋｃｈａｉｎｔｅｃｈｎｏｌｏｇｙ，ｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍｓａｒｅｄｅｓｉｇｎｅｄｔｏａｄａｐｔｂｌｏｃｋｃｈａｉｎａｐｐｌｉｃａｔｉｏｎｅｎｖｉｒｏｎｍｅｎｔｓ．Ｔｈｅｍｏｄｅｌｓｏｆｐｕｂｌｉｃｂｌｏｃｋｃｈａｉｎ，ｃｏｎｓｏｒｔｉｕｍｂｌｏｃｋｃｈａｉｎａｎｄｐｒｉｖａｔｅｂｌｏｃｋｃｈａｉｎａｒｅｐｒｏｐｏｓｅｄ，ａｎｄｆｕｎｃｔｉｏｎｓｏｆｂｌｏｃｋｃｈａｉｎａｒｅｒｅｇｒｏｕｐｅｄａｎｄｄｅｐｌｏｙｅｄｔｏｍａｋｅｎｏｄｅｓｐｌａｙｄｉｆｆｅｒｅｎｔｒｏｌｅｓｉｎａｓｙｓｔｅｍ．Ｍｏｒｅｏｖｅｒ，ｔｈｅｍｕｌｔｉｐｌｅｔｏｐｏｌｏｇｉｃｓｔｒｕｃｔｕｒｅｓｏｆｂｌｏｃｋｃｈａｉｎａｒｅｐｒｏｐｏｓｅｄ．Ｂｅｓｉｄｅｓｔｈｅｃｈａｉｎｓｔｒｕｃｔｕｒｅｏｆｔｒａｄｉｔｉｏｎａｌｂｌｏｃｋｃｈａｉｎ，ｔｈｅＤＡＧｓｔｒｕｃｔｕｒｅｓ，ｓｕｃｈａｓＴａｎｇｌｅａｎｄＬａｔｔｉｃｅ，ａｒｅａｐｐｌｉｅｄｔｏｉｍｐｒｏｖｅｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍｓ．Ｔｈｉｒｄｌｙ，ｔｈｉｓｐａｐｅｒａｎａｌｙｚｅｓｔｈｅｔｅｃｈｎｉｑｕｅｓｏｆｄｉｓｔｒｉｂｕｔｅｄｄａｔａｓｔｏｒａｇｅｍａｎａｇｅｍｅｎｔ，ｄｉｓｔｒｉｂｕｔｅｄｑｕｅｒｙｐｒｏｃｅｓｓｉｎｇａｎｄｏｐｔｉｍｉｚａｔｉｏｎｕｓｅｄｉｎｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍｓａｎｄｄｉｓｃｕｓｓｅｓｔｈｅｉｒａｄｖａｎｔａｇｅｓａｎｄｄｉｓａｄｖａｎｔａｇｅｓ．Ｓｐｅｃｉｆｉｃａｌｌｙ，ｔｈｅｄａｔａｓｔｏｒａｇｅｔｅｃｈｎｉｑｕｅｓｏｆｅｘｉｓｔｉｎｇｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍｓａｒｅｄｅｅｐｌｙａｎａｌｙｚｅｄ，ｉｎｃｌｕｄｉｎｇｔｈｅｄａｔａｓｔｒｕｃｔｕｒｅｓｏｆｓｔｏｒａｇｅ，ａｓｗｅｌｌａｓｔｈｅｏｒｇａｎｉｚａｔｉｏｎｏｆｄａｔａｆｉｌｅｓａｎｄｏｐｔｉｍｉｚａｔｉｏｎｔｅｃｈｎｉｑｕｅｓ．Ｋｅｙ ＶａｌｕｅｄａｔａｂａｓｅｓｓｕｃｈａｓＬｅｖｅｌＤＢａｒｅｕｓｕａｌｌｙｕｓｅｄｉｎｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍｓｔｏｉｍｐｒｏｖｅｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆａｃｃｅｓｓｉｎｇｌｅｄｇｅｒｄａｔａａｎｄｓｔａｔｅｄａｔａ．Ｃｕｒｒｅｎｔｌｙ，ｍｏｒｅｒｅｓｅａｒｃｈｗｏｒｋｓｆｏｃｕｓｏｎｕｓｉｎｇｄｉｆｆｅｒｅｎｔｍｅｔｈｏｄｓ，ｉｎｃｌｕｄｉｎｇｄａｔａｂａｓｅ，ｉｎｄｅｘａｎｄｄｉｓｔｒｉｂｕｔｅｄｓｔｏｒａｇｅ，ｔｏｏｐｔｉｍｉｚｅｔｈｅｓｔｏｒａｇｅｏｆｂｌｏｃｋｃｈａｉｎ．Ｔｈｉｓｐａｐｅｒａｌｓｏａｎａｌｙｚｅｓｖａｒｉｏｕｓｑｕｅｒｉｅｓｉｎｔｈｅｅｘｉｓｔｉｎｇｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍｓａｎｄｃｌａｓｓｉｆｉｅｓｔｈｅｍｉｎｔｏｔｈｒｅｅｔｙｐｅｓ：ａｃｃｏｕｎｔｑｕｅｒｙ，ｔｒａｎｓａｃｔｉｏｎｑｕｅｒｙａｎｄｃｏｎｔｒａｃｔｑｕｅｒｙ．Ｔｈｅｄｉｓｔｒｉｂｕｔｅｄｑｕｅｒｙｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｉｑｕｅｓｕｓｅｄｉｎｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍｓａｒｅｄｉｓｃｕｓｓｅｄ．Ｆｏｕｒｔｈｌｙ，ｔｈｉｓｐａｐｅｒｐｏｉｎｔｓｏｕｔｔｈｅｃｈａｌｌｅｎｇｅｓａｎｄｄｅｖｅｌｏｐｍｅｎｔｔｒｅｎｄｓｏｆｄｉｓｔｒｉｂｕｔｅｄｄａｔａｍａｎａｇｅｍｅｎｔｔｅｃｈｎｉｑｕｅｓｆｏｒｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍｓ，ｉｎｃｌｕｄｉｎｇｄｉｓｔｒｉｂｕｔｅｄｓｔｏｒａｇｅｆｏｒｂｌｏｃｋｃｈａｉｎｄａｔａ，ｅｆｆｉｃｉｅｎｔａｎｄｓｅｃｕｒｅｃｏｎｓｅｎｓｕｓｍｅｃｈａｎｉｓｍｆｏｒｂｌｏｃｋｃｈａｉｎｔｒａｎｓａｃｔｉｏｎｓ，ｈｉｇｈａｖａｉｌａｂｌｅｑｕｅｒｙｐｒｏｃｅｓｓｉｎｇ，ｄｉｓｔｒｉｂｕｔｅｄｍａｎａｇｅｍｅｎｔｏｆｓｍａｒｔｃｏｎｔｒａｃｔｓ，ｐｒｉｖａｃｙｐｒｏｔｅｃｔｉｏｎｆｏｒｂｌｏｃｋｃｈａｉｎｄａｔａ，ｄａｔａａｕｄｉｔａｎｄｍｏｎｉｔｏｒｉｎｇｉｎｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍ．Ｆｉｎａｌｌｙ，ｔｈｉｓｐａｐｅｒｓｈｏｗｓｔｈｅｄｉｓｔｒｉｂｕｔｅｄｄａｔａｍａｎａｇｅｍｅｎｔｏｆｂｌｏｃｋｃｈａｉｎｓｙｓｔｅｍｓｉｎｖａｒｉｏｕｓｄｏｍａｉｎ ｓｐｅｃｉｆｉｃａｐｐｌｉｃａｔｉｏｎｓ，ｓｕｃｈａｓｆｉｎａｎｃｅ，ｍａｎｕｆａｃｔｕｒｅ，ｎｅｔｗｏｒｋｓｔｏｒａｇｅ，ｃｒｅｄｉｔａｎｄｏｔｈｅｒｆｉｅｌｄｓ．犓犲狔狑狅狉犱狊 ｂｌｏｃｋｃｈａｉｎ；ｄｉｓｔｒｉｂｕｔｅｄｄａｔａｍａｎａｇｅｍｅｎｔ；ｄａｔａｓｔｏｒａｇｅ；ｑｕｅｒｙｐｒｏｃｅｓｓｉｎｇ１ 引 言在“互联网＋”应用日益普及的大环境下，大量应用需要将发生的事件、行为、状态持久地记录在分布式环境中以用于日后的查询，即进行分布式记账．分布式记账已经逐渐成为互联网应用中的一项重要功能．以电子商务交易系统为例，客户需要执行提交订单、通过电子银行向商家支付货款、从物流公司收货等操作，商家需要执行接受订单、通过物流公司发货、通过电子银行收款等操作，电子银行方需要执行从客户收款、向商家付款等操作，物流公司需要执行从商家收货、收取物流款、向客户发货等操作．客户、商家、物流公司、电子银行共四方处于一个分布式环境中，在每一个环节都需要记录相关的操作和信息．由于各方之间并不存在完全信任关系，最终以哪一方记录的账目为确认信息是一个重要的问题．传统的方法采用由电子商务交易服务平台作为公正的第三方进行统一记账，所有的交易信息的查询操作全部在这个平台上进行处理，物流公司和银行的部分数据也以接入的方式添加至交易服务平台．在这种传统集中式记账方式里，主要的交易信息存储在单一的记账方，这是一种“逻辑”上的集中式存储模式，即交易数据存储在唯一的某业务参与方并由其负责管理．集中式记账方式存在的问题包括：（１）记账方为了保证可靠性需要存储数据的多个副本，从而造成了数据存储的性能瓶颈；（２）交易数据可能被记账方篡改且无法验证，因此各参与方需要完全信任记账方；（３）记账方受到攻击后数据难以恢复．因此，传统集中式记账方式存在着存储效率低、可信性差、易受攻击等弊端．为了解决以上难题，采用分布式记账方式的比９２１期于 戈等：区块链系统中的分布式数据管理技术———挑战与展望特币系统（Ｂｉｔｃｏｉｎ）［１］在２００８年被首次提出，并受到广泛关注．随后，区块链技术作为比特币系统所采用的底层技术逐渐引起工业界与学术界的重视，比特币系统所具有的分布共享性、共识性、不可篡改性、可溯源性和最终一致性等特点均来源于区块链技术．在基于区块链技术的分布式记账方式中，所有参与方都可以保存一份相同的完全账本，新加入的参与方可以下载完全账本并验证账本的正确性．这种方式降低了传统集中式记账方式中记账方的多副本数据维护成本，同时参与方也可以通过访问本地数据提高访问效率．此外，在区块链系统中，交易的账目采用数字签名和加密算法处理，从而提高了系统中数据的安全性，而区块之间通过哈希值串联的数据关联方式和基于共识算法确认区块的数据写入机制也使得区块链上的数据极难被篡改．起初，区块链技术所支撑的比特币系统仅是一个专用的交易系统，并不支持虚拟货币交易以外的其他功能，这严重限制了区块链技术在分布式数据管理上的应用．随着区块链技术的发展，产生了大量新型区块链系统．２０１４年由Ｂｕｔｅｒｉｎ基于区块链技术推出了以太坊（Ｅｔｈｅｒｕｍ）平台［２］．以太坊提供了基于智能合约的编程功能，支持区块链应用的二次开发，这标志着区块链２．０时代的诞生．超级账本（ＨｙｐｅｒｌｅｄｇｅｒＦａｂｒｉｃ）［３］则是基于ＩＢＭ早期贡献出的ＯｐｅｎＢｌｏｃｋｃｈａｉｎ为主体搭建而成的Ｌｉｎｕｘ基金会的区块链项目，其主要目的是发展跨行业的商用区块链平台技术．在超级账本框架中，包括了ＨｙｐｅｒｌｅｄｇｅｒＦａｂｒｉｃ①、ＨｙｐｅｒｌｅｄｇｅｒＢｕｒｒｏｗ②、ＨｙｐｅｒｌｅｄｇｅｒＳａｗｔｏｏｔｈ③和ＨｙｐｅｒｌｅｄｇｅｒＩｒｏｈａ等多个项目，构成了完整的生态环境．区块链３．０时代［４］则是将区块链技术的应用范围扩展到各类应用之中，服务领域除金融、经济之外，还包括政府、健康、科学、文化等领域．区块链技术将支持各类资产交易与登记的去中心化可信处理，并与物联网等技术融合．未来，区块链技术将会与其他新兴技术相结合用于各类应用之中，诸如区块链＋科学、区块链＋医疗、区块链＋教育、区块链＋能源等应用将会迅速发展．目前，区块链技术已应用于多个领域之中．在数字货币服务领域，支持支付、兑换、汇款、交易功能；在金融服务领域，支持清算、结算、安全监管、反洗钱等功能；在Ｂ２Ｃ服务领域，支持无人管理的商亭等新业务；在Ｐ２Ｐ租赁管理领域，支持无需中介的货物交换、租赁等共享经济新业务；在供应链管理领域，支持物理资产签名、物流跟踪和交付等功能；在知识产权保护领域，用于建立不可篡改的权利和拥有权；在征信管理领域，支持身份认证、日志审计和监管等；在溯源管理领域，支持数据鉴别与存证、防伪溯源等功能．区块链技术是一种建立在多种技术之上的分布式共享账本技术，而区块链本质上是一种多方参与共同维护的分布式数据库．相对于集中式数据库管理系统，区块链系统采用去中心化或者弱中心化的数据管理模式，没有中心节点，所有参与节点均可以存储数据，而事务的持久性则依靠参与节点共同维护的不断增长的数据链和非集中式的共识机制予以实现，保证了数据在基于验证基础上的可信性．此外，相比于传统的分布式数据库和分布式数据存储系统，区块链系统的参与节点可以获得完整的数据副本，而非部分数据的副本．区块链系统的特殊数据存储机制和一致性共识机制是其不同于传统分布式数据库系统的主要原因．区块链的数据存储结构和数据组织方式不同于其他数据存储系统．区块链将数据记录组织成区块（Ｂｌｏｃｋ），并在每个区块的区块头中通过记录前一区块的哈希值将区块组织成链式结构．这种结构使区块链的数据存储具有不易篡改性、可溯源性和可验证性．然而，区块链的存储结构和基于密码学算法的共识机制也为数据管理带来了交易确认效率低和查询不便等诸多弊端．例如在记录交易的吞吐量方面，使用区块链技术的比特币系统仅支持每秒处理７笔交易数，并且还需要经过１小时以上时间才可以确认写到区块（相关研究表明４３％的比特币交易未能在一小时内得到处理④）．此外，区块链的数据记录按时间顺序存储在区块中，这为交易数据的查询处理带来了挑战，当前很多数字货币系统的查询处理都要依赖于某种键值数据库系统．其次，区块链的共识机制也不同于分布式数据库系统．区块链系统为了在Ｐ２Ｐ网络环境下保证交易操作符合事务特性，需要维护数据一致性，并避免“双重支付”（ＤｏｕｂｌｅＳｐｅｎｄｓ）的发生，这是区块链共０３计 算 机 学 报２０２１年①②③④ＨｙｐｅｒｌｅｄｇｅｒＦａｂｒｉｃ．ｈｔｔｐｓ：／／ｗｗｗ．ｈｙｐｅｒｌｅｄｇｅｒ．ｏｒｇ／ｐｒｏｊｅｃｔｓ／ｆａｂｒｉｃＨｙｐｅｒｌｅｄｇｅｒＢｕｒｒｏｗ．ｈｔｔｐｓ：／／ｗｗｗ．ｈｙｐｅｒｌｅｄｇｅｒ．ｏｒｇ／ｐｒｏｊｅｃｔｓ／ｈｙｐｅｒｌｅｄｇｅｒ ｂｕｒｒｏｗＨｙｐｅｒｌｅｄｇｅｒＳａｗｔｏｏｔｈ．ｈｔｔｐｓ：／／ｗｗｗ．ｈｙｐｅｒｌｅｄｇｅｒ．ｏｒｇ／ｐｒｏｊｅｃｔｓ／ｓａｗｔｏｏｔｈＳｔｕｄｙ：４３％ｏｆＢｉｔｃｏｉｎＴｒａｎｓａｃｔｉｏｎｓＡｒｅｎ’ｔＰｒｏｃｅｓｓｅｄａｆｔｅｒＦｉｒｓｔＨｏｕｒ．２０１７．ｈｔｔｐｓ：／／ｗｗｗ．ｃｃｎ．ｃｏｍ／４３ ｂｉｔｃｏｉｎ ｔｒａｎｓａｃｔｉｏｎｓ ｎｏｔ ｐｒｏｃｅｓｓｅｄ ｏｎｅ ｈｏｕｒ ｓｔｕｄｙ ｓａｙｓ识机制的主要考虑的问题．同时，由于区块链网络本身是一个去中心化的网络，参与节点完全自治，并没有统一的节点负责管理和维护，为此区块链节点之间需要使用Ｐ２Ｐ技术实现数据广播以更新节点的状态信息和账本信息．区块链系统公认的基础架构模型［５］主要分为６层，本文在其基础上增加了查询层，以便对区块链系统的查询处理机制进行分析．这样，区块链系统架构扩展为７层，如图１所示，主要包括：（１）应用层．基于区块链的各类应用，如数字货币、区块链金融、区块链征信等；（２）查询层．实现对交易账本数据的访问和验证，以及对账号状态的查询；（３）合约层．由脚本、算法机制和智能合约所构成的可编程基础框架；（４）激励层．负责为奖励记帐工作而进行货币发行、交易费用分配任务；（５）共识层．封装网络节点的ＰｏＷ、ＰｏＳ、ＤＰｏＳ和ＰＢＦＴ等各类共识算法，实现分布式共识机制；（６）网络层．封装Ｐ２Ｐ组网机制，数据传播机制和数据验证机制；（７）数据层．封装底层数据区块的数据结构和加密机制．当前的区块链系统大多基于该系统架构进行实现，其中数据层、网络层、共识层和查询层是区块链系统的必要元素．现有相关工作针对区块链系统不同层次的技术和区块链在各领域上的应用进行了大量研究与综述．对于区块链系统所包含的关键技术和研究现状，以及未来的发展趋势，袁勇等人［５］在区块链的基础架构模型方面对比特币的原理和技术进行了系统的阐述，何蒲等人［６］结合比特币系统介绍了区块链的概念和技术，并对前景进行了展望，邵奇峰等人［７］对比特币、以太坊和超级账本等多个区块链平台进行分析，总结了区块链的优势、劣势和发展趋势．在应用层方面，文献［８］对区块链在数字货币上的应用进行了全面的综述，刘敖迪等人［９］介绍了区块链技术在信息安全领域的研究现状和进展．由于区块链具有健壮的数据存储能力，因此相关研究工作在数据存储系统上进行区块链技术的应用［１０ １１］．对于合约层，贺海武等人［１２］结合多个领域应用场景对智能合约技术的概念、关键技术和面临的问题进行了阐述．此外，对于共识层、网络层和数据层，已有研究分别对区块链系统的共识机制［１３ １４］、安全机制［１５ １６］、网络协议［１７］、可信数据管理［１８］和查询处理［１９］进行了整理和综述．区块链在设计之初就是以进行防篡改的数据存储和管理为目的，分布式数据管理是区块链系统的主要功能之一．区块链技术中涉及分布式数据管理的部分主要集中在区块链架构的查询层、合约层、网络层和数据层，其中查询层和合约层在区块链系统中负责实现对数据的处理操作，如图１所示．本文主要以分布式数据管理为视角，基于对当前主流的区块链系统分析，对比不同区块链系统在数据管理上的差异，对其中分布式数据管理所涉及的数据存储技术、查询处理机制和算法进行阐述和分析，并对区块链研究中涉及分布式数据管理的挑战进行探讨，对各领域的应用进行展望．本文第２节对区块链系统的分布式数据管理机制进行分析，对比区块链系统和传统分布式数据管１３１期于 戈等：区块链系统中的分布式数据管理技术———挑战与展望理系统的异同；第３节介绍区块链系统的分类；第４节介绍区块链系统中的数据存储技术，包括物理存储结构，对比不同区块链系统在物理存储机制上的差异，以及区块链系统所采用的数据存储优化技术；第５节介绍区块链系统的数据查询处理技术；第６节探讨区块链系统在分布式数据管理方面所面临的研究挑战和发展方向；第７节展望区块链所支持领域应用的场景和待解决的问题；第８节总结全文．２ 区块链系统的分布式数据管理区块链系统作为一种分布式数据库管理系统，主要以解决数字货币的货币转移、兑换和支付功能而被提出．区块链的特征主要体现在数据的公开透明、不可篡改和网络结构的去中心化等几个方面．由于区块链主要面向的是不可信数据存储环境下的记账应用，因此在数据存储上采用了去中心化、全副本的分布式方式，即所有参与方均通过Ｐ２Ｐ网络结构连接，并可以存储完整的共享账本．由此可见，区块链系统在管理交易记账上虽然使用了分布式数据管理方式，但与传统的集中式数据管理和分布式数据库系统管理数据的方式均有所差别．本节主要将区块链系统与传统数据管理方式进行对比和分析，并阐述彼此间的共同点和差异性．图２ 记账业务流程对比２ １ 区块链与传统分布式数据库的共同点区块链技术主要是针对现有金融机构的集中式记账系统的信任问题而被提出的，其本身是由分布式存储、Ｐ２Ｐ网络、加密算法、共识机制等多种技术所构成的．中本聪基于区块链技术设计并发行了数字货币“比特币”，用以解决美国次贷危机中所展现的金融机构信任问题．相比于金融机构的集中式记账系统，基于区块链技术的交易记账系统具有公开透明、去中心化、可溯源查询和不可篡改等诸多的优势，从而避免了集中式记账方式中账本的真实性高度依赖于对记账方信任的弊端．这里以电子商务的交易记账应用为例，对传统基于清算中心的集中式记账方式和基于区块链的分布式记账方式的记账业务流程进行对比．传统集中式记账方式如图２（ａ）所示，交易相关的账目数据集中存储在清算中心的数据库中，交易的参与各方如果需要调用完整的交易信息需要访问清算中心，其弊端主要体现在完全依赖于对清算中心记账方的信任，一旦记账方失信或遭受攻击，其保存的数据也随之失去可信性．区块链的分布式记账方式如图２（ｂ）所示，其中账本数据是整体共享的，以区块为单位通过密码学算法链接在一起，且网络中任何一个参与方均可以存储完整的共享账本副本，而数据的安全性则也是基于密码学算法予以保证．由于所有参与方均保存有共识后的共享账本，因此任何一个参与方进行双重支付或篡改账本数据的难度变得极大，从而保证账本数据在不可信环境中的可信性．区块链系统的分布式记账方式使其在数据存储管理的方式上与分布式数据库相同，即存储结构化的数据集合，这些数据逻辑上属于同一系统，物理上分布在计算机网络的各个不同场地上［１７］．区块链系统同样具有分布式数据库所具有的诸多特性：（１）分布性区块链系统与分布式数据库系统在数据的存储方面都是物理上分散、逻辑上统一的系统．区块链系统中具有全局统一的数据模式，数据以副本形式存储在参与节点中，每个参与节点存储的是数据模式相同且数据一致的共享账本．（２）透明性区块链系统在数据访问上具有透明性，用户看到的共享账本是全局数据模型的描述，就如同使用集中式数据库一样，在记录交易数据时也不需要考虑共享账本的存储场地和操作的执行场地．在数据复制方面，区块链系统的共享账本存储在各个参与节点上，并通过共识机制自动维护数据的一致性．２３计 算 机 学 报２０２１年（３）自治性区块链系统的参与节点具有高度的自治性．在通信方面，参与节点可以独立地决定如何与其他参与者进行通信；在查询方面，参与节点本地就保存了完整的共享账本，可以在本地执行对账本数据的访问．（４）可伸缩性区块链系统支持参与节点规模的任意扩展．区块链系统允许参与节点在任意时刻加入和退出系统．而且，由于区块链的参与节点保存的是完整共享账本，因此对于参与节点重新加入区块链系统后，仅需要从其他节点更新缺失的区块数据即可完成数据的重新分布，不会影响整体的系统性能．２ ２ 区块链与传统分布式数据库的差异区块链系统原始的设计目的之一是解决非信任环境下数据的可信性问题．所谓的非信任环境是指负责数据存储的节点可能随意篡改数据而其他参与节点又无法识别，这将造成参与节点之间的互不信任问题．对于传统分布式数据库管理系统而言，系统建立在信任环境，其中参与节点采用统一管理的方式，节点之间具备完全相互信任的关系．因此区块链与传统的分布式数据库在数据管理方式上又具有显著的差异，如图３所示，具体体现在以下几个方面：（１）去中心化拓扑结构在参与节点的网络拓扑结构方面，区块链系统的去中心化结构采用了基于Ｐ２Ｐ的分布式模式，这种结构与基于Ｐ２Ｐ网络结构［２０］的数据库系统（Ｐ２ＰＤＢＳ）［２１ ２２］相似．如图３（ｂ）所示，区块链节点通过通信控制器（ＣＭ）仅基于邻居地址进行通信，其加入和退出都是随意和动态的．传统分布式数据库虽然数据分布在不同的场地，但是通常采用中心化的主从结构，由全局的网络管理层存储各个局部数据库节点的地址和局部数据的模式信息，以用于查询处理时进行全局优化和调度，如图３（ａ）所示．（２）数据分布方式分布式数据管理的数据存储方式，通常分为两类［２３］：①分割式．数据被划分成若干个不相交的分片，分别保存在不同的节点上，数据的划分方法分为水平分片和垂直分片；②复制式．同一个数据分片保存在一个以上的节点上，复制方式分为部分复制和全复制．分割式能够节省数据的存储空间，查询时需要在节点间传输数据，虽然使用半连接等算法可进行优化，但效率依然较低．复制式通过多节点的数据冗余存储可提高查询效率，但耗费存储空间且需要维护数据一致性．区块链系统的数据分布采用的是全复制式，即每个参与节点都在本地复制了具有全局模式的全部数据．因此，数据在区块链系统中是全局共享的，如图３（ｂ）所示．相比于区块链系统，传统分布式数据库的分布方式主要基于在全局模式创建局部模式，再对数据进行垂直分片和水平分片，如图３（ａ）所示，每个节点存储的是全局数据分片的副本，再通过数据分片的元信息管理实现全局数据的访问和查询处理．当前很多基于分布式数据库技术的大数据存储系统，如ＨＢａｓｅ①等，均采用集中式的元信息管理节点管理数据副本的分布信息．图３ 区块链系统与传统分布式数据库系统对比（３）数据查询处理区块链系统中对账本信息的查询处理通常在存３３１期于 戈等：区块链系统中的分布式数据管理技术———挑战与展望①ＡｐａｃｈｅＨＢａｓｅＲｅｆｅｒｅｎｃｅＧｕｉｄｅ．ｈｔｔｐ：／／ｈｂａｓｅ．ａｐａｃｈｅ．ｏｒｇ／ｂｏｏｋ．ｈｔｍｌ储了完整共享数据的参与节点本地执行．由于区块数据采用基于文件的存储方式且本身缺少索引结构，因此在区块链上直接执行对账本查询只能使用顺序扫描的方式访问所有区块数据．目前区块链系统常用的查询优化方式是将账本记录存储在Ｋｅｙ Ｖａｌｕｅ数据库中，以提高数据的访问效率．当前，比特币和以太坊等系统都使用了ＬｅｖｅｌＤＢ①存储和检索数据．需要说明的是，在以太坊这类支持智能合约的第二代区块链系统中，智能合约代码的执行处理是嵌入在区块链记账功能中的．因此，对智能合约代码的调用是在所有参与进行共识验证的节点上执行．传统分布式数据库的查询处理主要基于数据副本的大小和分布场地进行优化［２４］，而在面向大数据的分布式数据库上则采用基于并行计算思想的查询优化方法［２５］．（４）数据一致性维护数据一致性是保证数据正确性和可信性的关键，区块链系统采用共识机制来保证各节点上数据的一致性．在数字货币的应用中通常采用工作量证明机制（ＰｏＷ）通过算力竞争保证分布式的一致性［２６］，如解决基于ＳＨＡ２５６、Ｅｔｈａｓｈ②等算法的数学难题，而从节约能耗的角度，则会采用权益证明机制（Ｐｒｏｏｆ ｏｆ Ｓｔａｋｅ，ＰｏＳ）和授权权益证明机制（ＤｅｌｅｇａｔｅｄＰｒｏｏｆ ｏｆ Ｓｔａｋｅ，ＤＰｏＳ）等③方法．其中，使用工作量证明机制进行一致性维护的最大问题在于共识的效率过低，一个区块的一致性需要在其后生成一定长度的后续区块之后才能够被确认．分布式数据库系统通常采用包括实用拜占庭容错ＰＢＦＴ［２７］、Ｐａｘｏｓ［２８］、Ｇｏｓｓｉｐ［２９］、ＲＡＦＴ［３０］等高效的算法维护数据的一致性，而这些算法也被一些面向联盟链应用的区块链系统所采用．（５）数据安全性机制区块链系统在安全性方面主要为用户提供了数据篡改验证、数据溯源和加密安全机制．数据的篡改可以通过校验前后区块的哈希值进行验证，因此要篡改数据并被所有参与者认可就需要在算力上付出高昂代价以重新生成区块，其难度相比传统的集中式和分布式数据库都要大很多．但是在数据的可访问性上，由于区块链的共享性，所有用户均可访问完整数据，而传统数据库管理系统则基于用户身份验证方式控制数据的访问．为了解决共享数据上的隐私安全性问题，区块链采用了基于非对称加密的交易方式实现匿名交易，其优点是很好地保护了用户隐私，缺点是一旦密钥丢失，用户的账号信息将无法恢复．综上所述，区块链系统相比传统分布式数据库系统，在记账方式上提供了更好的分布性、透明性和可信性，在功能上提供了防篡改验证机制和智能合约机制，因此更加适合在非可信环境下的匿名使用．另一方面，相比传统的分布式数据库系统，区块链系统在网络结构、数据存储和访问方式上也具有显著的差异．３ 区块链系统的分类３ １ 区块链系统部署方式的分类区块链系统根据其分布式部署方式和开放对象被划分为三种：“公有链”（ＰｕｂｌｉｃＢｌｏｃｋｃｈａｉｎ）、“联盟链”（ＣｏｎｓｏｒｔｉｕｍＢｌｏｃｋｃｈａｉｎ）和“私有链”（ＰｒｉｖａｔｅＢｌｏｃｋｃｈａｉｎ）．三类区块链系统的对比如表１所示．表１ 各区块链系统类型对比公有链联盟链私有链网络结构完全去中心化部分去中心化（多）可信中心节点规模无控制可控有限加入机制随时可以参加特定群体或有限第三方机构内部节点记账方任意参与节点预选节点机构内部节点数据读取任意读取受限读取受限读取共识机制容错性高、交易效率低（ＰｏＷ或ＰｏＳ等）容错性和交易效率适中（ＰＢＦＴ，ＲＡＦＴ）容错性低、交易效率高（Ｐａｘｏｓ，ＲＡＦＴ）激励机制有代币激励无代币激励无代币激励代码开放完全开源部分开源或定向开源不开源（１）公有链公有链是对所有人开放的，任何互联网用户都能够随时加入并任意读取数据，能够发送交易和参与区块的共识过程．比特币和以太坊等虚拟货币系统就是典型的公有链系统．公有链是完全去中心化的结构，其共识机制主要采用ＰｏＷ、ＰｏＳ或ＤＰｏＳ等方式，将经济奖励和加密算法验证相结合，以保证经济奖励和共识过程贡献成正比．此外，公有链中程序开发者对系统的代码是完全开源的，而且开发者无权干涉用户．在分布式数据管理方面，公有链系统的优势和缺陷主要包括以下几个方面：４３计 算 机 学 报２０２１年①②③ＬｅｖｅｌＤＢ．ｈｔｔｐ：／／ｌｅｖｅｌｄｂ．ｏｒｇ／ＲａｙＪ．Ｅｔｈａｓｈ．ｈｔｔｐｓ：／／ｇｉｔｈｕｂ．ｃｏｍ／ｅｔｈｅｒｅｕｍ／ｗｉｋｉ／ｗｉｋｉ／ＥｔｈａｓｈＢｉｔｓｈａｒｅｓ．ＤｅｌｅｇａｔｅｄＰｒｏｏｆｏｆＳｔａｋｅ．ｈｔｔｐ：／／ｄｏｃｓ．ｂｉｔｓ ｈａｒｅｓ．ｏｒｇ／ｂｉｔｓｈａｒｅｓ／ｄｐｏｓ．ｈｔｍｌ。
限价订单信息含量分布：理论模型及中国市场实证研究
１ｏ ０
，
２ 为例进行分析。 可以证明风险中性投资者的策 略
区 间为 ：
ＬＢ
，
ｌ］ ０ Ｌ
次优买单
∈１ｐ，］ （Ｌ
最优买单
收 稿 日期 ：０ ８ ６ ７ ２ ０ —０ —１
制度的完善是导致撤单减少的原因。但到 目 前为止，
基金项 目： 教育部人文社会科学研究项 目 资助《 指令驱动市场非对称信息风险的统计研究｝０Ｊ ９００） （８Ｃ １０ １
作者简介 ： （９９ ， ， 马丹 １７ 一）女 四川宜宾人 ， 统计学 博士 ， 讲师 ， 研究方向 ： 金融数量分析 、 金融工程 。
段 。因此 ， 限价 订单薄 的信息含量如何？五档报价 会影响交易时间、 订单选择或者撤销 以及资产价格 。 Ｃｏ ａ 等人［研究了 Ａ Ｘ交易系统 的限价订单信息 。 ９ Ｊ Ｓ
他们用 Ｈ Ｓｒｕｋ１ 的信息份额方法研究发现 ， ａ Ｄｃ【Ｊ ｂ ０ 最
优报价能够对资产有效价格有更多 的解释能力 ， 在 资产价格发现中提供了 ７ ％的信息份额 ， ０ 而其它报 价则提供了 ３ ％的信息份额。 ０ 国内相 关研究起 步较 晚 ，０６年 ， 交所对 深 圳 ２０ 深 成分指数 ４ 只成分股研究发现， ３ 五档报价制度实行 之后 ， 投资者撤销订单 的行为减少， 并认 为信息披露
量。
（ ） 果 ｔ＋２时 刻次优 订单成 交 二 如 如 果最优订单 在 ｔ 时刻 没有完全 成交 ， ＋１ 那么 次优 订单至少需 要等到 ｔ 时刻 才能成 交 ， ｒ＝ ＋ｒ 以
基于多重分形分析法与模糊神经网络的金融时序预测技术研究
基于多重分形分析法与模糊神经网络的金融时序预测技术研究作者：余昊刘伟豪黄炎邹刘磊褚朝奕周天乐来源：《江苏理工学院学报》2020年第02期摘要：针对金融时间序列的预测问题，提出了一种结合机器学习方法与统计学方法的综合预测评判模型。
该模型通过使用多重分形消除波动趋势分析法（MF-DFA），分析目标金融时序的多重分型性与记忆性，计算目标时序的Hurst指数，并在Hurst指数的指导下，采用自适应模糊推理神经网络对目标金融时序的趋势进行短期预测。
使用上证指数、恒生指数、铜期货与黄金期货这四个具有代表性的金融时序验证了该模型。
结果证实，该模型相较于单纯的专家系统或机器学习模型，能更好地对金融时序进行建模与短期趋势预测，并对预测结果给出合理解释。
关键词：金融时间序列预测;机器学习;多重分形消除波动趋势分析法;Hurst指数;自适应神经模糊推理系统中图分类号：TP183 文献标识码：A 文章编号：2095-7394（2020）02-0039-06有研究表明，金融市场像是一个混沌的、复杂的动力学系统，展现出多重分形性与混沌性等特征[1]。
在针对金融市場的研究中，现阶段国内外学者普遍倾向于研究金融时序本身的变化规律[2-4]，主要是改进并使用机器学习方法对其短期趋势进行预测，或是使用一系列专家系统对特定领域的金融时序进行建模与预测。
这些研究的确可以在现有数据的基础上，对金融时序进行有效的拟合，但由于缺乏对金融时序混沌性与多重分形性质的研究，因此，难以对具体金融时序进行可预测性解释。
针对上述问题，笔者尝试提出一种能对金融时序的可预测性进行量化分析，并在此基础上预测其短期趋势的综合预测评判模型。
该模型通过使用多重分形消除波动趋势分析法（MF-DFA）对目标金融时序进行建模分析，计算目标金融时序的Hurst指数序列，以分析其内在的混沌性质。
在Husrt指数的指导下，该模型可以判断特定的金融时序是否可以在一定范围内被预测，如果预测是可行的，再进一步对其建模和预测。
Simplified High Frequency Tuner and Tuning Method
专利内容由知识产权出版社提供
专利名称：Simplified High FБайду номын сангаасequency Tuner and Tuning Me t hod
发明人：Edwin A. Suominen 申请号：US12614 615 申请日：20091109 公开号：US20100056087A1 公开日：20100304 专利附图：
multiple of the channel spacing or one-half of a channel spacing displaced from an integer multiple of the channel spacing. The local oscillator signal is selected to frequency translate the signal of interest to within a near-baseband passband whose lower edge is spaced from DC by at least about the maximum bandwidth of the signal of interest. Problems associated with 1/f noise, DC offsets, and self-mixing products are avoided or substantially diminished. Other methods and systems are also disclosed.
摘要：A disclosed method tunes a signal from a channelized spectrum having a predetermined channel spacing. A signal of interest having a predetermined maximum bandwidth is mixed with a local oscillator signal, which has a frequency that is an integer
基于改进DDPG算法的车辆低速跟驰行为决策研究
目前,交通拥堵已成为国内各主要城市治理中最
棘手的问题之一。据相关统计,每年因交通拥堵给我
国造成的经济损失为1700亿左右［1］ 0高德交通大数
据所监测的45个不同规模的城市与地区中，有44座
城市的拥堵状况均处于持续恶化阶段［1］，这不仅给居
民们的出行带来了不同程度的 ，也对城市的 '
与
造成了极大的
0同时，道路拥堵
doi： 10.19708/j. ckjs. 2019.09.004
Research on Low-Speed Car-Following Policy Decision Based on Improved DDPG Algorithm
LUO Ying, QIN Wen-hu, ZHAI Jin-feng
(School of Instrument Science and Engineering, Southeast University, Nanjing 210096, China)
Abstract： The policy decision research of car-following behavior is very important to the development of car following technology. The low-speed car-following scene is studied through deep reinforcement learning meth od, and an improved DDPG policy decision algorithm based on DDPG algorithm is proposed. The CBF control ler is combined to guide the safety compensation control and policy exploration. At the same time, the reward function that meets the low-speed car-following target was designed. The Gaussian process model is used to simulate the car-following system. The DDPG algorithm and the improved DDPG-CBF algorithm are used to control the car-following behavior of one in the system. The experiment shows that compared with the DDPG al gorithm, the improved DDPG-CBF algorithm can effectively ensure the safety of the car-following policy deci sion, and has high learning efficiency, which can be applied to the low-speed car-following scene. Key words： low-speed car-following; deep reinforcement learning; DDPG; CBF; Gaussian process model
TFSK-MFSK技术在近海数据传输中的应用研究
TFSK-MFSK技术在近海数据传输中的应用研究张招前;殷建军;项祖丰;汤健彬【摘要】介绍了TFSK(Time Frequency Shift Keying)-MFSK(Multiple Frequency Shift Keying)的数据传输方法.该系统采用纠错能力很强的串行级联码对信号进行编码,串行级联码的外码选用(255,223)RS码,内码选用(2,1,7)卷积码,信号译码采用软判决维特比(Viterbi)译码方式.TFSK-MFSK调制改善了MFSK因M 增加导致频带利用率低的情况,能够更加充裕地组合各个频率进行信号传输,组合信号方式可借鉴跳频扩频思想,不容易受限于频率范围非常窄的水声信道,有效地对抗信号的干扰和衰减.%This paper presents a data transmission technology based on Time Frequency Shift Keying (TFSK) and Multiple Frequency Shift Keying (MFSK). It takes serial concatenated codes with strong correction ability to signal encoding and the outer codes of serially concatenated code uses (255,223) RS codes, inner codes uses (2,1,7) convolution code. Signal decoding takes soft-decision of Viterbi codes. TFSK-MFSK modulation improves the situation that MFSK increases M resulting in low degree of utilization ratio of bandwidth so that it has more frequency combination ways which use the idea of frequency hopping and spread spectrum for reference to signal transmission. And it is not limited at acoustic channel with narrower frequency range and has more effective anti-jamming and low attenuation ability.【期刊名称】《工业仪表与自动化装置》【年(卷),期】2011(000)003【总页数】4页(P36-39)【关键词】TFSK-MFSK调制;串行级联码;维特比译码【作者】张招前;殷建军;项祖丰;汤健彬【作者单位】浙江工业大学车辆工程研究所,杭州310014;浙江工业大学车辆工程研究所,杭州310014;浙江工业大学车辆工程研究所,杭州310014;浙江工业大学车辆工程研究所,杭州310014【正文语种】中文【中图分类】TN919.30 引言海洋环境由于受温度、盐度、深度、梯度、水流、水域、季节、气候、风浪、温层、流层、界面的放射与折射等因素的影响，使得水声信道相当复杂。
经济时间资产定价模型
０ 引 言
经 济研 究 中 常 常要 涉 及 时 间． 常 采 用 的 时 通 间称 为 日历 时 间 ， 按 照 固定 的时 间间 隔 分 析 数 它 据 ． 如 ， 对 商 场 日销 售额 的时 问序 列 分析 中 ， 例 在
在周 一 和周五 的变化 规 律 与其 它 交 易 日不 同 Ｊ ．
变换 ．
人 为定 义数 据 ， 好 地 解 决 了交 易 所 休 市 造 成 的 很
数 据缺 失 问题 ． 次来看 成 交量 时 问． 交量 时 间 其 成
的提 出来 源于 两个 考虑 ． 方 面 ， 实 中存 在着 各 一 现 种 日历 效应 ， 周 日历 效应 —— 收 益率 、 交量 等 如 成
（ 上海交 通 大学 安 泰经 济 与管理 学 院 ， 上海 ２０３ ） ０００
摘 要 ： 常规 时 间变换研 究 中所 采 用 的从 属 概 念 是 建 立在 独 立 条 件 上 的 ， 是 价 格 和 成 交 量 在 但 之 间却是 相 关 的． 了能 够将 成 交量作 为价 格 的 随机 时 间 ， 广 了从 属概 念 ， 出 了相 关从 属 为 推 提
的定 义． 关从属 扩 大 了 时间 变换 研 究 的范 围． 而讨 论 了相 关从 属 下过程 的扩 散 性质 ， 究 相 继 研
了经 济 时 间上 的资产 定价 问题 ， 结果 类似 于 资本 资 产 定价 模 型 和 套 利 定价 模 型 ． 最后 ， 用零 利
贝塔 Ｃ Ｐ 检 验对 上 海 Ａ股 市场进 行 了实证 研 究 ， 现 经 济 时 间资产 定 价模 型 在 某 些情 况 下 ＡＭ 发
程 ， 注 的是 经济 时 间 ， 不是 日历 时 间 ， 究 的 关 而 研 方法 是扩展 常 规从 属 概 念 为 相关 从 属 ， 出相关 给
基于边缘计算的高效低时延通信传输技术研究
I G I T C W技术 研究Technology Study14DIGITCW2023.10随着物联网、5G 、AI 等技术的飞速发展，数据产生的速度和数量都在爆炸式增长[1]，这大大增加了对高效、低时延的通信传输技术的需求。
边缘计算作为一种新型的计算范式，因其能够在靠近数据源的地方完成数据处理，从而大大减少了延迟，提高了数据处理的效率，得到了广泛的关注和研究[2]。
边缘计算不仅能够处理离散的、由边缘设备产生的大量数据，还能够快速响应服务请求，满足实时性的需求[3]。
尤其在一些对时延敏感的应用中，如自动驾驶、远程医疗、智能制造等，边缘计算展现出了无可比拟的优势。
然而，尽管边缘计算具有显著的优势，如何将其与通信技术相结合，实现高效、低时延的数据传输，仍然是一个重要而且具有挑战性的问题。
因此，本文将重点研究基于边缘计算的高效低时延通信传输技术，详细介绍边缘计算和通信技术的总框架，探讨结合方式，以及如何通过优化技术策略实现高效、低时延的数据传输。
希望本文的研究能为边缘计算和通信技术的进一步发展提供一些有价值的思考和参考。
1 基于边缘计算的传输架构基于边缘计算的传输架构由网络服务、核心网EPC 、移动中继节点、汇聚节点以及MEC 服务器（多接入边缘计算）组成。
如图1所示。
网络服务负责管理和控制边缘网络，包括边缘服务器、边缘操作系统、边缘应用程序、边缘云平台和传输协议栈[4]。
EPC 是边缘网络中的一个关键组成部分，它负责管理和配置边缘网络，并提供网络配置、性能监测、安全管理等功能。
移动中继节点负责在移动设备和汇聚节点之间传递数据，并支持多跳、协作传基于边缘计算的高效低时延通信传输技术研究郑 毅（北京华麒通信科技有限公司，北京 100080）摘要：近年来，边缘计算凭借其在灵活性、高效性和可靠性方面的优势，已经成为5G通信研究的热点之一。
边缘计算与5G通信相结合可以进一步提高通信传输的效率和质量。
文章提出了基于边缘计算的高效低时延通信传输技术，对基于边缘计算的高效低时延通信传输技术进行了深入研究，探讨边缘计算与5G通信相结合时的特点和优势，构架了总体传输框架，发现了该技术在实际应用中的问题和挑战，希望能够实现高效低时延的网络通信传输技术。
基于尺度研究的SIFT特征匹配改进算法
基于尺度研究的
李鑫’刘利钊’ ， 。 陈培芝’李茂青’李昕 ， ， １ ．厦 门大学 信息科 学 与技 术 学院，． 福建 厦 门 ３ Ｏ ５ ６ ０ １
特征匹配改进算法
特 征 点 ； 通 过 限 制 匹 配 点 的 尺 度 关 系 减 小 了错 配 概 率 ，并 通 过 改 进 原 始 匹 配 策 略 提 高 了 匹 配 算 法 的 准 确 率。
Ｍｉ ｏａｃ ｙ ｋ ｌｊｚ ｋ和 Ｓ ｈ ｄ 对 这类 方法 ｃ ｍｉｍｌ 韵 性 能 进 行 了 测试 Ｉ ，分 别 在 不 同光 照 ， 尺 度 ，旋 转 ，剪 切 ，图 像 模 糊 和
的 结 构和 应 用 尺 度空 间 的特 征 提取 算 法 的性 能 Ｉ １。 通过 研 究 尺 度 选择 ６ １
拼按 、图像 匹配 、模式识 别等方面得
到 了广泛 的应 用 。
错 配概 率 ， 过 改进 原 始 匹配 策 略提 高 了 通 匹 配算 法 的 准确 率 。实验 表 明 ，改 进后 的 Ｓ Ｔ 够 比 传统 的 Ｓ Ｔ 到 更 多的特 征 点 ， Ｉ能 Ｆ Ｉ找 Ｆ 提 高 了匹 配 的 准确 率 ， 法 的 鲁棒 性 得 到 算
３ 特征描述子 匹配 ．
３． Ｓ ＦＴ描 述 子 １ Ｉ
原 始 ＳＩ ＦＴ 匹配 方 法 是 首先 将 坐 标 轴 旋 转 为 特 征 点 的 方 向 ， 以 确 保
我 们 根据 Ｌ ＯＷ Ｅ算法 的 经验 值 选 取一 个 初始 检 测 区 间 ，以 ２ 倍速 度 增长 该 区 间 ，当在连 续 增长 ３ 次时 无 新 的特 征 点 出现 ，我 们便 认 为该 区间 的上 限为 整体检 测 区 间的 上 限 ，同理确 定检 测 区
参数 曲线 的形式 出现 ： 给 定 任 意 参 数 曲 线 ， 假 设 变 换 不同 的 ｏ， 到ｘ， 得 Ｙ参数 和 曲率 Ｋ 随参 数 Ｔ 的 变 化 规 律 如 下 图所 示 Ｉ： Ｉ
非平均化自适应Catmull-Clark细分算法
Ｋｅ ｗｏ ｄ ｙ ｒｓ
ｓ ｏｔ ｅ ｉｎ．Ｍ ｏ ｅ ｖ ｒ，ｔ ｓ ｌ ｏ ｔ ｍｏ ｈ ｒｇｏ ｒｏｅ ｈｉ ａｇ ｒ ｈｍ ｉ ａ ｌ ｔ ｂｅ ｎ ｖ ｒ ａｌ ａ ｐｌ ｄ ｎ ｕｉｅ ｏ ｐ ｉａｅ ｓ ｂ ｖｓｏ ｐａｔｒ ａ ｄ ｉ ｓ ｂｅ ｏ ｕ ｉｅ ｓ ｌ ｙ ｐ ｉ ｉ ｑ ｔ ｃ ｍ ｌｃ ｔ ｄ ｕ ｄｉｉｉｎ ｅ ｔ ｎ ｎ ｈａ ａ ｅ ａｎ ｅ ｓ ｃ ｒ ｉ ｔ ｇ ｎ ｒ ｌ ａｉｎ ｖ ｌ ｅ ｅ ｅ ａｉ ｔｏ ａ ｕ ． ｓ
郑津津 朱 巍 周洪军 沈连嬉
（ 国科 学 技 术 大 学精 密机 械 与 精 密 仪 器 系 安 徽 合肥 ２０ ２ ） 中 ３ ０ ７
（ 国家同步辐射实验室
安徽 合肥 ２０ ２ ） ３０ ９
摘
要
提 出一种基于 网格边 的光滑度 算来进行 Ｃ ｔｕｌ ｌ ｋ自适应细分 的新算法。该 方法能够在 满足显 示需求的前提 下较 ａ ｌＣａ ｍ — ｒ
好地减小细分 曲面过程 中的网格 生成数 ， 同时解决 了由于采用 网格 顶点 曲率计算 ， 来实现 自适 应细分 方法中平均化生成顶点曲率带 来的不足。通过对比试验 ， 算法能更好地 区别 当前细分 网格 中光滑与非光滑 区域 ， 增加对非光滑 区域 网格加 密密度 ， 并且该算法 能 够普遍适用于较复杂的细分模 式中， 有一定 的推广价值。 具
（ ｅａｔ ｅｔｆＰｅｉｏ ｃｉｅ ｎ ｒ ｉｏ ｓ ｕ ｅｔｔ ｎ Ｕ ｉｒｔ ＆ ｎ ｅ ｎ ｌ ｙｏ Ｃ ｉａ Ｈｆｉ ３ ０ ７Ａ ｈｉＣ ｉａ Ｄｐ ｒ ｎ ｏ ｒ ｓ ｎＭａｈｎｒ ａｄＰｅｓ ｎＩ ｔ ｍ ｎａｉ ， ｎ ｅｓｙｏ ｍ ｃｉ ｙ ｃｉ ｎｒ ｏ ｖ ｉｆ Ｍｅａ ｄＴｃ ｏｏ ｈｎ ， ｅ ０ ２ ，ｎ ｕ，ｈｎ ） ｈ ｇｆ ｅ２ （ ａｉ ａ ｙｗ ｒ ｒ ａ ｉｉｎＬ ｂｒｔｒ， ｅ ｉ ３ ０９，ｎ ｕ，ｈｎ ） Ｎ ｔｎ ｌ ｖ ｈｏ ｏ Ｒ ｄａ ｏ ａｏａｏｙ Ｈｆ ０ ２ Ａ ｈｉＣ ｉａ ｏ Ｓ ｔｎ ｔ ｅ２
低频谐波的研发
目录目录 0一、立项理由 (1)1.1国外相关产品与技术发展概况 (1)1.2国内相关产品与技术现状 (1)1.3该项目曾列入过哪级哪种科技计划，取得的阶段成果 (2)1.4市场需求前景、推广应用领域 (2)二、实施方案 (2)2.1技术特点、关键技术和关键工艺 (2)2.2实施的具体内容和技术路线 (8)2.3实施方式 (8)2.4项目进度与完成期限 (8)2.5与后续技术改造计划的衔接 (9)三、技术经济指标 (9)3.1与现有产品、技术、装备的对比 (9)3.2达到的技术性能指标和参数 (9)3.3采用的技术标准 (10)3.4 经济效益分析 (10)一、立项理由1.1国外相关产品与技术发展概况自20世纪80年代初推出商用逆变焊接电源以来，逆变焊接电源因体积小、质量轻、节能省材、控制性能好、动态响应快、易于实现焊接过程实时控制等特点，备受用户青睐。
随着功率器件水平和电源制造工艺的提高，焊接逆变电源的可靠性也得到很大提高，其市场占有率逐年提高，已经成为焊接电源发展的主流方向。
常用逆变焊接电源大都采用前级采用单相或三相不控整流，后接电容滤波，为后级 DC／AC 逆变电路提供恒定的直流电压源的电路结构形式这种不控整流电路结构，因滤波电容的作用，只有当输入端电压高于直流母线上的电压时整流二极管上才会有电流流过，也就是说，在一个电周期内，二极管的导通角较小，这将造成输入电流产生较大的畸变。
输入电流的畸变不仅给电网注入谐波，造成电网污染，同时又降低了逆变焊接电源本身的功率因数，增加了对供电容量的要求。
1.2国内相关产品与技术现状在大量使用非同步电气设备（电焊机、点焊机）的行业，负荷具有快速或极快的无功变化需求，无功功率损耗大，三相负荷不平衡，燃弧、直流装臵会有谐波产生等。
如汽车制造厂、船舶、钢结构、摩托车制造厂等点焊机、缝焊机、焊接机的负的功率变化非常快，无功功率波动以致电压产生波动，致使焊接质量变差，生产效率降低，直接导致电焊质量变差并影响焊接的生产效率。
基于分形特性改进的EMD目标检测算法
基于分形特性改进的EMD目标检测算法张林;李秀友;刘宁波;关键【摘要】为克服原有检测算法在目标和海杂波混叠时检测性能下降的问题,该文提出一种基于分形特性改进的经验模态分解(EMD)目标检测算法.该算法对原始信号经经验模态分解后得到的固有模态函数进行数据重构,再采用快速傅里叶变换获得去噪后的海杂波单元和目标单元的频谱,计算两者的单一Hurst指数,并将其输入非参量检测器中进行目标检测.研究表明,虽然目标和海杂波在频谱中难以区分,但两者在无标度区间内的单一Hurst指数存在差异,因此所提检测算法相比于原有频域检测算法性能更优.【期刊名称】《电子与信息学报》【年(卷),期】2016(038)005【总页数】6页(P1041-1046)【关键词】目标检测;经验模态分解;分形理论;广义符号;海杂波【作者】张林;李秀友;刘宁波;关键【作者单位】海军航空工程学院电子信息工程学院烟台 264001;海军航空工程学院电子信息工程学院烟台 264001;海军航空工程学院电子信息工程学院烟台264001;海军航空工程学院电子信息工程学院烟台 264001【正文语种】中文【中图分类】TN9571 引言经验模态分解(Empirical ModeDecomposition, EMD)[1]是由黄锷博士提出的一种新的时频分析方法，该方法无需假定基函数，可根据信号自身的局部特征，进行自适应地分解，克服了原有时频分析方法的局限性，适用于非线性非平稳信号的分析。
目前对EMD的研究集中于算法本身的改进及应用领域的研究，对算法本身的改进主要有端点效应、包络拟合、虚假分量剔除和模式混叠等方面。
对应用领域的研究主要体现在信号去噪[2,3]、微动分析[4,5]、SAR图像[6]、特征提取[7,8]、滚动轴承[9]、海杂波中的目标检测等。
高海况条件下的微弱目标检测技术一直是信号处理的热点问题，针对上述问题国内学者结合IPIX雷达数据开展了大量研究，文献[10]分析发现经EMD处理后，目标的趋势分量及部分固有模态函数(Intrinsic Mode Function, IMF)分量与海杂波具有明显区别；文献[11]分析发现，经EMD处理后噪声主要在预先分解出的IMF分量中，可通过该特性进行海杂波去噪；文献[12]分析发现，经EMD处理后，无目标时，海杂波能量主要集中于前3个高频IMF中，而当目标出现后，海杂波的能量将向后面的低频IMF扩展，均得到了有意义的结论。
一种基于时间分割法和数字积分法混合实现的空间直线插补方法_刘宜
S = ( xs - xe ) 2 + ( ys - ye ) 2 + ( zs - ze ) 2
(1)
空间各轴进给脉冲总数分别为 :
sum dx = xe - xs
sum dy = ye - ys
(2)
sum dz = zs - ze
找出 { | sum dx | , | sum dy | , | sum dz | } 中 的 最 大 值
对于在直线插补中各轴进给量相差大并且需要多次插补 完成的情况下 ,该方法不需要改变每次插补时各轴的累加数 , 只需要按照期望进给速度计算当前插补对应的累加次数与累 加脉冲频率 ,从而消除了常规时间分割法中每次细分直线段时 会改变各轴的累加数带来插补误差扩大的问题 。
与现有的时间分割法相比 ,文中提出的基于时间分割法和 数字积分法混合实现的空间直线插补方法的优点和积极效果 是:
数字积分法 [2 ]是采用近似积分的原理实现各轴沿给定直 线段的协调运动 。对于每个轴 ,它包含一个加数寄存器与和寄 存器 。假定寄存器的数据宽度均为 m。首先清空所有寄存器 , 计算该直线段对应的各轴的进给脉冲总数 (一个脉冲等于一个 基本长度单元 (BLU ) ) 。然后将各轴进给脉冲总数的绝对值分 别放入加数寄存器中 ,按照一定的时钟频率 ,重复下述累加操 作 :把加数寄存器与和寄存器中的数值进行相加并将结果存储 在和寄存器中 。若和寄存器产生溢出 ,则对应生成一个进给脉 冲 。经过次累加 ,由各轴和寄存器产生的溢出总数分别等于各 轴进给脉冲总数的绝对值 ,同时 ,根据各轴进给脉冲总数的符 号设定各轴进给方向 ,从而实现了沿给定直线段的进给运动 。
度波动 。它主要缺点是存在零头距离 ,导致进给速度波动 。
2 基于时间分割法与数字积分法 混合实现的空间直线插补方法
广发证券：经验模态分解下的日内趋势交易策略
识别风险，发现价值
3 / 21
请务必阅读末页的免责声明
识别风险，发现价值
一、交易策略概述
金融工程|专题报告
（一）基本思想
从 2013 年股指期货日内波动的市场特征来看，在震荡市中进行趋势投资是不明 智的。对于金融时间序列，我们可以将其分为噪声部分（震荡部分）和信号部分（趋 势部分）。噪声部分代表了股价的随机游走，显示了市场平衡的特性；信号部分代 表人为的决定性行为，显示了市场的趋势性，或者说非平衡特性。换句话说，当信 噪比（信号与噪声的比值）较小时，价格的随机性较强，市场多呈现出震荡形态； 而信噪比较大时，市场趋势较为显著。因而在信噪比较大的情况下，如果能够有效 把握趋势，则有机会从中获得投机性收益。
1、短期趋势，持续数天至数个星期； 2、中期趋
金融工程|专题报告 3、长期趋势，持续数个月至数年。 任何市场中，这三种趋势必然同时存在，彼此的方向可能相反。艾略特波浪理 论认为，无论是在怎样的市场环境，或者是在怎样的时间尺度下，市场总是在若干 个波段的循环中反复。他将不同规模的趋势分成九大类，周期大到跨越几百年，小 到只覆盖数小时。但无论趋势的时间周期规模如何，每一较大的周期都是由数个较 小周期的波浪构成。事实上，由于市场的分形特性，不同时间尺度上的市场行情走 势具有相似性，如果把视野放到更加微观的日内交易甚至高频层面，市场波动都具 有类似的性质（详细数学描述请见广发金工交易策略研究报告《基于时域分形的相 似性匹配日内低频交易策略（SMT）》）。 某个时间点的股票价格是处于震荡状态还是趋势状态？这取决于不同的时间尺 度。从不同的时间周期上来分析的话，波动与趋势是同时存在的。例如在图1中，我 们画出了波浪理论的一个波动周期。从3点标记的位置来看，既属于2-3-4这个“小 波浪”的波峰，即将开始下降；同时，它也属于上升趋势主升浪1-3-5，从较长周期 来看，将要继续保持上升势头。
基于改进Webster函数和遗传算法的交叉口信号灯配时优化方法[发明专利]
![基于改进Webster函数和遗传算法的交叉口信号灯配时优化方法[发明专利]](https://img.taocdn.com/s3/m/195a0b5626d3240c844769eae009581b6bd9bd32.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910795812.2(22)申请日 2019.08.27(71)申请人 华侨大学地址 362000 福建省泉州市丰泽区城东城华北路269号(72)发明人 张惠臻 袁泓涛 王成 王靖 高悦尔 (74)专利代理机构 厦门市首创君合专利事务所有限公司 35204代理人 张松亭 李艾华(51)Int.Cl.G08G 1/08(2006.01)G08G 1/01(2006.01)(54)发明名称基于改进Webster函数和遗传算法的交叉口信号灯配时优化方法(57)摘要本发明涉及一种基于改进Webster函数和遗传算法的交叉口信号灯配时优化方法，包括：根据传统交叉口车辆延误函数Webster函数获取车辆延误数据，根据点样本产生实际的车辆延误数据；对Webster函数获得的车辆延误数据和点样本产生的车辆延误数据进行数据拟合，构造改进的交叉口车辆延误函数；以改进的交叉口车辆延误函数作为第一目标优化函数，使用包括惩罚因子的改进遗传算法获得最优信号灯配时方案；将改进遗传算法获得最优信号灯配时方案作为训练集；采用XGBOOST回归模型获得实际车流对应的信号灯配时方案。
本发明方法实用性强、计算精度高、响应速度快，可以大大提高车辆在交叉口的便捷性，具有广阔的应用前景。
权利要求书2页 说明书19页 附图5页CN 110517510 A 2019.11.29C N 110517510A1.一种基于改进Webster函数和遗传算法的交叉口信号灯配时优化方法，其特征在于，包括：S1，根据传统交叉口车辆延误函数Webster函数获取车辆延误数据，根据点样本产生实际的车辆延误数据；对Webster函数获得的车辆延误数据和点样本产生的车辆延误数据进行数据拟合，构造改进的交叉口车辆延误函数；S2，以改进的交叉口车辆延误函数作为第一目标优化函数，使用包括惩罚因子的改进遗传算法获得最优信号灯配时方案；S3，将改进遗传算法获得最优信号灯配时方案作为训练集；采用XGBOOST回归模型获得实际车流对应的信号灯配时方案。
基于时间异质性的微博信息传播模型
基于时间异质性的微博信息传播模型吴联仁;李瑾颉;闫强【期刊名称】《电子科技大学学报》【年(卷),期】2015(44)5【摘要】A susceptible-infected (SI) spreading model with temporal heterogeneity is proposed. By generating heterogeneous time-interval sequence, the spreading dynamics processes are simulated on scale-free networks. The results show that the number of new infectionsn(t)decays with a power law,n(t)~t−β, leading to extremely slow prevalence decay. And the power-law exponent in the spreading dynamicsβis relatedtoα,1β≈α−. These observations are well supported by both the theoretical predictions and simulation analysis.%提出了具有时间异质性的SI(susceptible-infected)传播模型。
通过构建异质的时间间隔序列，将微博信息传播动力学过程在无标度网络上仿真。
研究结果发现信息新接受个体数n(t)以幂律形式减少，n(t)~t−β。
与传统假设的时间间隔服从泊松分布的信息传播模型相比，时间间隔服从幂律分布的传播速度要缓慢很多。
同时，传播动力学的幂指数β受行为时间间隔分布幂指数α影响，且具有关系1β≈α−。
本文的仿真分析结果与理论预测结果一致。
【总页数】6页(P657-662)【作者】吴联仁;李瑾颉;闫强【作者单位】北京第二外国语学院酒店管理学院北京朝阳区 100024;北京邮电大学经济管理学院北京海淀区 100876; 圣母大学网络科学与应用跨学科研究中心南本德印第安纳州美国 46556;北京邮电大学经济管理学院北京海淀区 100876【正文语种】中文【中图分类】TP391【相关文献】1.基于传染病模型的微博信息传播预测研究 [J], 游新年;刘群2.基于多特征信息传播模型的微博意见领袖挖掘 [J], 张米;张晖;杨春明;李波;赵旭剑3.基于传染病模型的微博信息传播规律研究 [J], 白黎;杨亚强4.基于多Agent的微博社交网络信息传播模型 [J], 贺鹏; 李军; 董田田; 王继荣5.评《基于时间异质性的微博信息传播模型》 [J], 荣智海因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
河北稳升软件科技有限公司量化云网站
基于时域分形的相似性匹配日内低频交易(SMT)策略
作者:杨清婉
交易策略基本思想在历史可以重复的假设之下，对于日内某段交易时间△t，我们通过寻找历史上相同交易时段中股指走势与其最为相似的一些片段，观察这些片段之后的短线走势——如果在统计上具有明显的上涨或下跌特征，则判断△t之后的一段时间，股指会上涨或下跌，并且在股指期货上进行相应方向的开、平仓，从而实现相似性匹配日内交易SMT（SimilarityMatchingTrading）策略。
高频短线价格序列中，历史仍然可以重复本篇报告的基本假设是“历史可以重复”。
这一假说在二十世纪初被提出，目前已成为股市技术分析的重要理论之一，主要运用在日线、周线等周期较长的技术形态分析中。
对于股指期货日内短线交易，“历史可以重复”是否仍然适用？本篇报告通过分形与混沌理论，计算了沪深300指数高频收益率序列的Lyapunov指数，并证明了在股指日内短线交易中，收益率序列具有分形性质，历史仍然可以重复。
由于这一部分的数学推导与计算过程略显复杂，且仅仅是为了证明交易策略逻辑上的正确性，并不影响交易策略本身的构建，因此读者如果觉得该证明部分过于繁琐，可以直接跳过这部分。
SMT策略的构建与实证我们首先对沪深300指数进行了回测。
通过20分钟频率的交易，我们发现SMT策略可以获得稳定收益。
但是将策略同步运用于股指期货后（由于数据库样本有限，仍采用沪深300指数进行同步涨跌预测）效果大打折扣，通过数据分析，我们发现主要原因来自于基差朝不利方向变动。
为了尽量减小基差波动带来的影响，我们尝试降低交易频率——根据每天上午沪深300指数收益率的变化曲线，通过与历史数据库进行相似性匹配，确定午后股指期货开仓方向，并在尾盘平仓。
该策略获得了较好的收益情况，但最大回撤仍偏大，因此我们进一步改进策略——通过加入一定的动态止损策略，发现累积收益率有所增加，最大回撤有所减小。
在557个交易日中，加入止损策略的低频SMT策略在沪深300股指期货上获得86.68%的累积收益率（考虑万分之二的双边交易成本，未加入杠杆），最大回撤仅-4.47%。
策略深度剖析对于SMT交易策略，除了风险收益情况之外，其优势在于交易频率较低，可以满足很多尚未建立程序化交易系统的机构投资者进行手动下单和跟踪。
另外，该策略不同于传统的趋势交易或反转交易，由于其属于一种模式识别类型的交易策略，策略的隐蔽性相对较好，可扩展性相对较强。
由于历史数据库样本数量较少，SMT交易策略暂时较难运用于股指期货高频交易。
但是随着时间的积累，当历史数据库样本扩容到一定程度后，通过股指期货历史数据库进行预测、并进行高频交易的效果也有望改观。
另外，由于目前SMT策略的交易频率较低，在融资融券业务的推动下，也可以对ETF等证券品种通过T+0方式实现SMT低频交易。