弱依赖的多层网络级联效应研究

来源 :杭州师范大学 | 被引量 : 0次 | 上传用户:tonyyu9
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
复杂网络是描述和研究复杂系统的有力工具,作为一个新兴交叉学科其在过去二十年间取得了长足发展,并在推动人类对复杂系统的认识和指导人类生产实践方面产生了深远的影响。过去的研究更多关注的是单个网络的结构和功能的生成机制,演化规律以及控制观测等方面。然而,这些研究不能描述和应用于存在耦合或联系的多个复杂系统。直到Buldyrev于2010年提出多层相依网络模型,将复杂网络研究从单一网络拓展到了多层网络,为更多的现实复杂系统研究提供了新的思想和工具。
  在现有的多层相依网络模型中,不同网络层节点之间的依赖关系通常用“强依赖”关系来描述,即一个节点失效以后与之相依赖的所有节点也都必然完全失效。但在现实的大多数复杂系统中,这些基础设施之间的依赖强度是多样化的,对于两个相互依赖的设施,当其中一个系统中的节点发生故障后,另一个系统中与其依赖的节点却未必失效。因此在大多数情况下,不同系统之间往往是一种弱耦合关系。所以,节点间的这种“弱依赖”关系能够更准确地描述节点的层间依赖关系。据此,本文提出了基于弱依赖关系的多层网络模型,并探索了其上的级联动力学过程及其内在机制。本文主要内容如下:
  (1)提出多层网络的层间弱依赖模型。通常来说,未失效节点受破坏的程度与副本节点中失效节点的数量有关,一个节点的失效往往不能导致全部相互依赖的节点的失效。本文基于节点的弱依赖机制研究了相互依赖节点中失效节点数量的“累积效应”对于多层网络鲁棒性的影响。运用渗流理论和生成函数方法,通过解耦系数α来控制相依节点之间的耦合强度并基于一系列的理论和模拟研究,我们发现当节点间的耦合强度较大的时候,多层网络的破碎形式为不连续相变(也称为一阶相变),即网络的破碎过程迅速而突然,网络最终的破碎程度也更严重;而耦合强度较小的时候,网络的破碎形式为连续相变(也称为二阶相变),网络的破碎过程较为缓和,破碎程度也相对较轻,网络表现出较好的鲁棒性。我们的模型能够更全面、准确地描述一般性多层网络的级联失效动力学,通过调节解耦系数,可以使得级联过程在不连续相变和连续相变之间发生转换。
  (2)实证网络验证,将美国和中国航空网络的真实数据分别在三层和四层弱依赖网络模型上进行仿真,发现多层网络发生级联失效后的巨分量大小与其层间的解耦系数α有关,当α的值越大,网络间的依赖越小,网络的鲁棒性越好。
  (3)多层网络构成的系统会由于节点的失效导致网络产生级联失效效应从而使得网络崩溃破碎,那么如何预防网络级联失效过程的发生,或在级联失效发生后如何快速有效的恢复网络,也是极具现实意义的研究重点。针对这两个方面,我们介绍了主要的方法和策略,并探讨了基于弱依赖模型的恢复策略。
  我们的研究揭示了具有任意网络层间相互依存强度的一般多层网络雪崩崩解的过程及其机制。具体而言,我们认为整个系统的雪崩过程本质上可以分解为两个微观级联动力学,即故障的传播方向:深度渗透和范围扩展。多层网络的相互依赖使得它们比单个网络更加的脆弱,在多层网络中少部分的初始失效节点很可能会导致网络发生级联故障,甚至最终导致整个系统的崩溃。
  这些发现能够帮助人们更加深刻地理解级联过程在多层网络上的微观扩散过程,从而为提升网络弹性和鲁棒性提供更好的理论依据,并对级联失效的预防和恢复策略研究提供重要帮助。
其他文献
学位
学位
学位
该文在简要阐明电力系统状态估计概念、系统回顾三十年来电力系统状态估计理论研究的基础之上,提出了一种新颖的状态估计算法及与之事使用的不良数据处理方法:即带残差约束的状态估计法.该论文是这样安排的:第一章对电力系统状态估计及该文研究内容作综述性介绍;第二章理论上提出带残差约束的状态估计算法和不良数据处理的正则化加权残差r法;第三、四章便是这两种方法的仿真试验;第五章就电压平方量测量的权重值的选取问题进
加权非线性L范数是一种用于电力系统状态估计的不可微非二次准则,具有不良数据拒绝特性.该文中对其作一等价变换,同时将系统零注入功率考虑为等式约束条件,形成一个带等式约束的可微非线性规划问题.基于扰动Karush-Kuhn-Tucher(KKT)条件,推导出一个新颖的加权非线性L范数内点算法.该算法在电力系统状态估计问题求解上具有更良好的收敛性,达到收敛所需迭代次数随问题规模的扩大增长极少,接近于常数
学位
随着通信技术和微电子技术的不断发展,图像和视频的应用越来越广泛。然而由于恶劣天气、光照不足以及成像设备较差等原因,经常会导致获取到的图像较暗且细节不清晰,这会严重影响到图像的视觉效果和有效信息提取。利用图像增强的方法,可以突出强调图像中有用信息,提升图像质量,使得处理之后的图像能够适用于后续的应用场景。因此,对图像增强技术的研究具有重要意义。本文针对一些经典的图像增强方法进行了优化和改进,并在此基
随着物联网、大数据、人工智能等新兴信息技术的飞速发展及其在教育教学中应用的不断深入,学习环境开始由数字化向智慧化转变,智慧学习环境应运而生。高校作为响应学习环境改革的先导示范,投入大量的资金人力进行各自的智慧学习环境建设,而建设水平和应用效果难以进行合理评判,因此对多空间融合的高校智慧学习环境进行评价研究具有重要的理论和实践意义。  首先,介绍了智慧学习环境和学习空间的概念和研究现状,基于多空间融
学位
本文研究的主要目的是预测燃煤电厂的NOx排放。针对国内外已发表的基于基本定量关系、经验和机器学习算法以及统计关系的NOx预测方法进行了全面的丈献研究。观察和分析了所选择变量与NOx排放的关系,采用改进的最小二乘支持向量机(LSSVM)和长-短期记忆(LSTM)模型进行了NOx预测,并对基于LSSVM和LSTM的NOx预测进行了对比分析。在这项工作中提出了更好的建议。重点是在全面工业应用中氮氧化物形
学位