CN116245344B - 一种基于大数据的科研资源管理方法、系统及可读介质 - Google Patents

一种基于大数据的科研资源管理方法、系统及可读介质 Download PDF

Info

Publication number
CN116245344B
CN116245344B CN202310523646.7A CN202310523646A CN116245344B CN 116245344 B CN116245344 B CN 116245344B CN 202310523646 A CN202310523646 A CN 202310523646A CN 116245344 B CN116245344 B CN 116245344B
Authority
CN
China
Prior art keywords
configuration
request information
time
frequency
scientific research
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310523646.7A
Other languages
English (en)
Other versions
CN116245344A (zh
Inventor
乔愚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Yuchuang Technology Co ltd
Original Assignee
Chengdu Yuchuang Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Yuchuang Technology Co ltd filed Critical Chengdu Yuchuang Technology Co ltd
Priority to CN202310523646.7A priority Critical patent/CN116245344B/zh
Publication of CN116245344A publication Critical patent/CN116245344A/zh
Application granted granted Critical
Publication of CN116245344B publication Critical patent/CN116245344B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本发明公开了一种基于大数据的科研资源管理方法、系统及可读介质，在现有的科研资源管理平台基础上进行方法上的改进，通过大数据分析出目标资源的配置频次，根据目标资源配置频次的高低，生成不同的配置策略，在不同的时期启用不同的策略，配置高峰期启用冲突检测机制减少科研资源配置的网络压力，配置平淡期根据目标资源的运行数据启用余量时间策略，避免分配不均，减少科研资源浪费；并且对于频次较大的区间时（配置高峰期）的退回请求优先放置在频次较小的区间时（配置平淡期），高效并均衡化的对科研资源进行配置。

Description

一种基于大数据的科研资源管理方法、系统及可读介质
技术领域
本发明涉及科研管理技术领域，具体涉及一种基于大数据的科研资源管理方法、系统及可读介质。
背景技术
高校教学科研资源是高校科研工作的基本资产，是高校师生开展科学研究实验及相关活动的重要基础，随着科研技术飞速发展和高校发展规模的不断扩大，许多高校现有的教学科研资源难以满足全校师生的使用需求。
目前大部分高校不具备合理的科研资源管理平台，各管理部门职能模糊不明，从而引起分配不均、使用不当等一系列问题。一方面因为缺乏系统性管理，科研资源分配工作不严谨，导致实际使用情况与登记数据不相符，为后期管理增添了极大困难。另一方面，校内各学院的科研教学课程占比各不相同，如果没有对实际情况详细了解，往往会造成部分学院科研用房不足，部分学院科研资源过剩的问题。
发明内容
本发明所要解决的技术问题是：目前大部分高校不具备合理的科研资源管理平台存在分配不均、资源浪费等一系列问题，本发明目的在于提供一种基于大数据的科研资源管理方法、系统及可读介质，通过大数据分析出目标资源的配置频次，根据目标资源配置频次的高低，生成不同的配置策略，本方案在不同的时期启用不同的策略，配置高峰期启用冲突检测机制减少科研资源配置的网络压力，配置平淡期根据目标资源的运行数据启用余量时间策略，减少科研资源浪费；并且对于频次较大的区间时（配置高峰期）的退回请求优先放置在频次较小的区间时（配置平淡期），高效并均衡化的对科研资源进行配置。
本发明通过下述技术方案实现：
本方案提供一种基于大数据的科研资源管理方法，包括：
S1，基于大数据采集目标资源的配置数据和运行数据；
S2，对目标资源的配置数据和运行状态数据进行预处理：分析配置数据构建目标资源的配置频次曲线图，将配置频次曲线图划分成多个频次区间；
S3，获取目标资源的请求信息，根据请求信息所属的频次区间生成配置策略：
当请求信息属于大频次区间时，在生成配置策略前启用冲突检测机制：退回有冲突的请求信息并记录退回请求，提交优选冲突请求信息和无冲突请求信息；
当请求信息属于小频次区间时，在生成配置策略时优先考虑退回请求，并启用余量时间策略：在保留请求信息的原配置策略下，根据目标资源的运行数据进行空余时间筛选和推送；所述大频次区间为超过频次上限M的频次区间，所述小频次区间为超过频次下限L的频次区间。
本方案工作原理：目前大部分高校不具备合理的科研资源管理平台存在分配不均、资源浪费等一系列问题，本发明目的在于提供一种基于大数据的科研资源管理方法、系统及可读介质，在现有的科研资源管理平台基础上进行方法上的改进，通过大数据分析出目标资源的配置频次，根据目标资源配置频次的高低，生成不同的配置策略，在不同的时期启用不同的策略，配置高峰期启用冲突检测机制减少科研资源配置的网络压力，配置平淡期根据目标资源的运行数据启用余量时间策略，避免分配不均，减少科研资源浪费；并且对于频次较大的区间时（配置高峰期）的退回请求优先放置在频次较小的区间时（配置平淡期），高效并均衡化的对科研资源进行配置。
进一步优化方案为，冲突检测机制包括：
判断目标资源的请求信息是否有时间冲突，若是，则计算各请求信息的需求度，将需求度高的请求信息判定为优选冲突请求信息；否则判定为无冲突请求信息。
在科研资源（如实验室、实验设备、科研用房等资源）预约管理工作中经常会出现预约时间冲突，即同一科研资源在某一时间段有多个请求主体请求分配或已经配置出去无法再次进行配置的情况；因此根据大数据分析出的配置高峰期，启用冲突检测机制提前检测并滤除一些冲突的请求信息，筛选出需求度高的请求信息作为优选冲突请求信息；对于临近考核验收的请求主体和毕业班请求主体的刚需，不能简单随机选择，在资源有限、截止时间受限、可用时间不完全可控前提下，抽签抢票的机会公平并不适用于教学资源的投放。所以，本方案需要充分考虑请求信息的需求度，根据其迫切性选择优选冲突请求信息。同时判定为非优选冲突请求信息并不会被遗漏，而是再配置平淡期优先处理。
进一步优化方案为，配置策略的生成方法包括：
T1，获取请求信息，计算请求主体的信任度和需求度，并根据信任度、需求度和时间确定准配置队列；
T2，判断是否有空闲目标资源，若是，则按准配置队列进行资源配置并进入T4，否则进入T3；
T3，判断是否有释放资源，若是，则按照准配置队列进行资源配置并进入T4，否则循环T3直至有释放资源；
T4，判断是否取消配置，若是则释放资源，并退出；否则释放资源，并判断请求主体是否爽约，若是则修改请求主体的信任度后退出。
本方案工作原理：对于失信爽约、迟到等行为，不仅引起的科研资源浪费现象，造成大量资源的突发性闲置，还会恶化配置环境，因此，本方案考虑了请求主体的信任度，需求度和时间为统计因素进行准配置队列的确定，结合及时的释放资源以减少突发性闲置现象。
进一步优化方案为，准配置队列的确定方法包括：
G1，以信任度、需求度和时间为统计因素构建多因素加权回归模型：
Figure SMS_1
；
其中指标f i 为第i 个有意义的统计因素，α i 为相应统计变量对目标的贡献权重；d表示目标资源，t表示周期；
G2，对多因素加权回归模型进行周期时间平均处理；即在周期时间内对多因素加权回归模型求积分。
G3，对时间平均处理后的多因素加权回归模型进行滑窗处理得到目标评价模型：
Figure SMS_2
；
其中K i (*) 表征第i 个统计因素对目标评价起影响的时滞函数，K i (*)被取为指数函数；
Figure SMS_3
表示时滞时间；
G4，通过加权移动平均法对不同目标资源和不同周期的数据进行时序回归获取系数β i ，并依据系数β i 的大小确定准配置队列的顺序。
进一步优化方案为，在以信任度、需求度和时间为统计因素构建出多因素加权回归模型后，基于最小二乘法来获取贡献权重α i 的值，对每个统计因素i 分析 α i f i (d,t)的贡献大小，根据贡献大小确定准配置队列的顺序。
本方案工作原理：在实际情况中，每个统计因素对评价目标的影响，信任度并不是在当前周期就完全响应的，为了去除这些时滞效应的影响，对多因素加权回归模型进行周期时间平均处理，有助于准确分析各类统计因素对评价目标的贡献大小。采用多因素时间序列回归分析，构建目标评价模型评价影响目标资源利用率的主要因素，按周期对各目标资源的统计因素进行求和，通过绘制折线图，分析各统计因素变化趋势。
进一步优化方案为，所述配置频次曲线图包括：在周期T内，以目标资源的配置时间为横轴，以目标资源的配置频次为纵轴绘制的曲线图。
进一步优化方案为，S3还包括：
当请求信息属于中间频次区间时，在曲线的斜率大于零时，启用冲突检测机制；在曲线的斜率小于零时，启用余量时间策略。
进一步优化方案为，空余时间筛选和推送方法包括：
根据目标资源的运行数据，判断第n周期内设备使用总功率是否超出功率阈值，若是则进行空余时间筛选和推送；否则不进行空余时间筛选和推送，并判断目标资源的运行状态数。
对于科研资源使用过程中，由于请求主体对设备资源的不熟悉，会造成部分资源使用过度，而部分设备长期闲置的现象， 比如实验室设备；为提高设备使用效率，提高请求主体对资源的合理利用，本方案根据目标资源的使用属性进行空余时间筛选和推送，对于超出功率阈值的目标资源，可以提供空余时间筛选和推送。
本方案还提供一种基于大数据的科研资源管理系统，用于实现权利上述的一种基于大数据的科研资源管理方法，其特征在于，包括：
采集模块，用于基于大数据采集目标资源的配置数据和运行数据；
预处理模块，用于对目标资源的配置数据和运行状态数据进行预处理：分析配置数据构建目标资源的配置频次曲线图，将配置频次曲线图划分成多个频次区间；
策略生成模块，用于获取目标资源的请求信息，根据请求信息所属的频次区间生成配置策略：
当请求信息属于大频次区间时，在生成配置策略前启用冲突检测机制：退回有冲突的请求信息并记录退回请求，提交优选冲突请求信息和无冲突请求信息；
当请求信息属于小频次区间时，在生成配置策略时优先考虑退回请求，并启用余量时间策略：在保留请求信息的原配置策略下，根据目标资源的运行数据进行空余时间筛选和推送；所述大频次区间为超过频次上限M的频次区间，所述小频次区间为超过频次下限L的频次区间。
本方案还提供一种计算机可读介质，其上存储有计算机程序，其特征在于是，所述计算机程序被处理器执行可实现上的一种基于大数据的科研资源管理方法。
本发明与现有技术相比，具有如下的优点和有益效果：
本发明提供的一种基于大数据的科研资源管理方法、系统及可读介质，通过大数据分析出目标资源的配置频次，根据目标资源配置频次的高低，生成不同的配置策略，在不同的时期启用不同的策略，配置高峰期启用冲突检测机制减少科研资源配置的网络压力，配置平淡期根据目标资源的运行数据启用余量时间策略，避免分配不均，减少科研资源浪费；并且对于频次较大的区间时（配置高峰期）的退回请求优先放置在频次较小的区间时（配置平淡期），高效并均衡化的对科研资源进行配置。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。在附图中：
图1为基于大数据的科研资源管理方法流程示意图；
图2为配置策略的生成方法流程示意图；
图3为配置频次曲线图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
目前大部分高校不具备合理的科研资源管理平台存在分配不均、资源浪费等一系列问题，本发明目的在于提供一种基于大数据的科研资源管理方法、系统及可读介质，本方案提供以下实施例以解决上述技术问题：
实施例1
本实施例提供一种基于大数据的科研资源管理方法，如图1所示，包括：
S1，基于大数据采集目标资源的配置数据和运行数据；
S2，对目标资源的配置数据和运行状态数据进行预处理：分析配置数据构建目标资源的配置频次曲线图，将配置频次曲线图划分成多个频次区间；
S3，获取目标资源的请求信息，根据请求信息所属的频次区间生成配置策略：
当请求信息属于大频次区间时，在生成配置策略前启用冲突检测机制：退回有冲突的请求信息并记录退回请求，提交优选冲突请求信息和无冲突请求信息；
当请求信息属于小频次区间时，在生成配置策略时优先考虑退回请求，并启用余量时间策略：在保留请求信息的原配置策略下，根据目标资源的运行数据进行空余时间筛选和推送；所述大频次区间为超过频次上限M的频次区间，所述小频次区间为超过频次下限L的频次区间。
冲突检测机制包括：
判断目标资源的请求信息是否有时间冲突，若是，则计算各请求信息的需求度，将需求度高的请求信息判定为优选冲突请求信息；否则判定为无冲突请求信息。
如图2所示，配置策略的生成方法包括：
T1，获取请求信息，计算请求主体的信任度和需求度，并根据信任度、需求度和时间确定准配置队列；
T2，判断是否有空闲目标资源，若是，则按准配置队列进行资源配置并进入T4，否则进入T3；
T3，判断是否有释放资源，若是，则按照准配置队列进行资源配置并进入T4，否则循环T3直至有释放资源；
T4，判断是否取消配置，若是则释放资源，并退出；否则释放资源，并判断请求主体是否爽约，若是则修改请求主体的信任度后退出。
准配置队列的确定方法包括：
G1，以信任度、需求度和时间为统计因素构建多因素加权回归模型：
Figure SMS_4
；
其中指标f i 为第i 个有意义的统计因素，α i 为相应统计变量对目标的贡献权重；d表示目标资源，t表示周期；（基于最小二乘法来获取贡献权重α i 的值，对每个统计因素i 分析α i f i (d,t) 的贡献大小，根据贡献大小确定准配置队列的顺序）
G2，对多因素加权回归模型进行周期时间平均处理；即在周期时间内对多因素加权回归模型求积分。
G3，对时间平均处理后的多因素加权回归模型进行滑窗处理得到目标评价：
Figure SMS_5
；
其中K i (*) 表征第i 个统计因素对目标评价起影响的时滞函数，K i (*)被取为指数函数；
Figure SMS_6
表示时滞时间；
G4，通过加权移动平均法对不同目标资源和不同周期的数据进行时序回归获取系数β i ，并依据系数β i 的大小确定准配置队列的顺序。
所述配置频次曲线图包括：在周期T内，以目标资源的配置时间为横轴，以目标资源的配置频次为纵轴绘制的曲线图。本实施例的配置频次曲线图如图3所示；
S3还包括：
当请求信息属于中间频次区间时（a，b），在曲线的斜率大于零时，启用冲突检测机制；在曲线的斜率小于零时，启用余量时间策略。由于在曲线的斜率大于零时，处于配置频次上升阶段，配置资源逐渐紧张，有可能到达频次较大的区间，因此启用冲突检测机制做准备；在曲线的斜率小于零时，处于配置频次下升阶段，配置资源逐渐宽松，有可能到达频次较小的区间，因此启用余量时间策略。
本实施例中将配置频次曲线图划分成3个频次区间；
当请求信息属于频次较大的区间时（a，正无穷），在生成配置策略前启用冲突检测机制：退回有冲突的请求信息并记录退回请求，提交优选冲突请求信息和无冲突请求信息；
当请求信息属于频次较小的区间时（0，b），在生成配置策略时优先考虑退回请求，并启用余量时间策略：在保留请求信息的原配置策略下，根据目标资源的运行数据进行空余时间筛选和推送。
空余时间筛选和推送方法包括：
根据目标资源的运行数据，判断第n周期内设备使用总功率是否超出功率阈值，若是则进行空余时间筛选和推送；否则不进行空余时间筛选和推送，并判断目标资源的运行状态数。
实施例2
在上一实施例的基础上，本实施例中准配置队列的确定方法还包括：
以信任度、需求度和时间为统计因素构建多因素加权回归模型：
Figure SMS_7
；
其中指标f i 为第i 个有意义的统计因素，α i 为相应统计变量对目标的贡献权重；d表示目标资源，t表示周期；
基于最小二乘法来获取贡献权重α i 的值，对每个统计因素i 分析α i f i (d,t) 的贡献大小，根据贡献大小确定准配置队列的顺序。
实施例3
本实施例提供一种基于大数据的科研资源管理系统，用于实现权利上述的基于大数据的科研资源管理方法，包括：
采集模块，用于基于大数据采集目标资源的配置数据和运行数据；
预处理模块，用于对目标资源的配置数据和运行状态数据进行预处理：分析配置数据构建目标资源的配置频次曲线图，将配置频次曲线图划分成多个频次区间；
策略生成模块，用于获取目标资源的请求信息，根据请求信息所属的频次区间生成配置策略：
当请求信息属于大频次区间时，在生成配置策略前启用冲突检测机制：退回有冲突的请求信息并记录退回请求，提交优选冲突请求信息和无冲突请求信息；
当请求信息属于小频次区间时，在生成配置策略时优先考虑退回请求，并启用余量时间策略：在保留请求信息的原配置策略下，根据目标资源的运行数据进行空余时间筛选和推送；所述大频次区间为超过频次上限M的频次区间，所述小频次区间为超过频次下限L的频次区间。
实施例4
本实施例提供一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行可实现上的基于大数据的科研资源管理方法。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于大数据的科研资源管理方法，其特征在于，包括：
S1，基于大数据采集目标资源的配置数据和运行数据；
S2，对目标资源的配置数据和运行状态数据进行预处理：分析配置数据构建目标资源的配置频次曲线图，将配置频次曲线图划分成多个频次区间；
S3，获取目标资源的请求信息，根据请求信息所属的频次区间生成配置策略：
当请求信息属于大频次区间时，在生成配置策略前启用冲突检测机制：退回有冲突的请求信息并记录退回请求，提交优选冲突请求信息和无冲突请求信息；
当请求信息属于小频次区间时，在生成配置策略时优先考虑退回请求，并启用余量时间策略：在保留请求信息的原配置策略下，根据目标资源的运行数据进行空余时间筛选和推送；所述大频次区间为超过频次上限M的频次区间，所述小频次区间为超过频次下限L的频次区间；
配置策略的生成方法包括：
T1，获取请求信息，计算请求主体的信任度和需求度，并根据信任度、需求度和时间确定准配置队列；
T2，判断是否有空闲目标资源，若是，则按准配置队列进行资源配置并进入T4，否则进入T3；
T3，判断是否有释放资源，若是，则按照准配置队列进行资源配置并进入T4，否则循环T3直至有释放资源；
T4，判断是否取消配置，若是则释放资源，并退出；否则判断请求主体是否爽约，若是则修改请求主体的信任度，并释放资源后退出。
2.根据权利要求1所述的一种基于大数据的科研资源管理方法，其特征在于，冲突检测机制包括：
判断目标资源的请求信息是否有时间冲突，若是，则计算各请求信息的需求度，将需求度高的请求信息判定为优选冲突请求信息；否则判定为无冲突请求信息。
3.根据权利要求1所述的一种基于大数据的科研资源管理方法，其特征在于，准配置队列的确定方法包括：
G1，以信任度、需求度和时间为统计因素构建多因素加权回归模型：
Figure QLYQS_1
；
其中指标 f i 为第 i 个有意义的统计因素， α i 为相应统计变量对目标的贡献权重；d表示目标资源，t表示周期；O为目标评价；
G2，对多因素加权回归模型进行周期时间平均处理；
G3，对时间平均处理后的多因素加权回归模型进行滑窗处理得到目标评价：
Figure QLYQS_2
；
其中K i (*) 表征第 i 个统计因素对目标评价起影响的时滞函数，K i (*)被取为指数函数；
Figure QLYQS_3
表示时滞时间；
G4，通过加权移动平均法对不同目标资源和不同周期的数据进行时序回归获取系数β i ，并依据系数β i 的大小确定准配置队列的顺序。
4.根据权利要求1所述的一种基于大数据的科研资源管理方法，其特征在于，所述配置频次曲线图包括：在周期T内，以目标资源的配置时间为横轴，以目标资源的配置频次为纵轴绘制的曲线图。
5.根据权利要求4所述的一种基于大数据的科研资源管理方法，其特征在于，S3还包括：
当请求信息属于中间频次区间时，在曲线的斜率大于零时，启用冲突检测机制；在曲线的斜率小于零时，启用余量时间策略。
6.根据权利要求4所述的一种基于大数据的科研资源管理方法，其特征在于，空余时间筛选和推送方法包括：
根据目标资源的运行数据，判断第n周期内设备使用总功率是否超出功率阈值，若是则进行空余时间筛选和推送；否则不进行空余时间筛选和推送，并判断目标资源的运行状态数。
7.根据权利要求1所述的一种基于大数据的科研资源管理方法，准配置队列的确定方法还包括：
G1，以信任度、需求度和时间为统计因素构建多因素加权回归模型：
Figure QLYQS_4
；
其中指标 f i 为第 i 个有意义的统计因素，α i 为相应统计变量对目标的贡献权重；d表示目标资源，t表示周期；O为目标评价；
基于最小二乘法来获取贡献权重 α i 的值，对每个统计因素 i 分析α i f i (d,t) 的贡献大小，根据贡献大小确定准配置队列的顺序。
8.一种基于大数据的科研资源管理系统，其特征在于，用于实现权利要求1-7任意一项所述的一种基于大数据的科研资源管理方法，其特征在于，包括：
采集模块，用于基于大数据采集目标资源的配置数据和运行数据；
预处理模块，用于对目标资源的配置数据和运行状态数据进行预处理：分析配置数据构建目标资源的配置频次曲线图，将配置频次曲线图划分成多个频次区间；
策略生成模块，用于获取目标资源的请求信息，根据请求信息所属的频次区间生成配置策略：
当请求信息属于大频次区间时，在生成配置策略前启用冲突检测机制：退回有冲突的请求信息并记录退回请求，提交优选冲突请求信息和无冲突请求信息；
当请求信息属于小频次区间时，在生成配置策略时优先考虑退回请求，并启用余量时间策略：在保留请求信息的原配置策略下，根据目标资源的运行数据进行空余时间筛选和推送；
所述大频次区间为超过频次上限M的频次区间，所述小频次区间为超过频次下限L的频次区间。
9.一种计算机可读介质，其上存储有计算机程序，其特征在于是，所述计算机程序被处理器执行可实现如权利要求1-7中任意一项所述的一种基于大数据的科研资源管理方法。
CN202310523646.7A 2023-05-11 2023-05-11 一种基于大数据的科研资源管理方法、系统及可读介质 Active CN116245344B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310523646.7A CN116245344B (zh) 2023-05-11 2023-05-11 一种基于大数据的科研资源管理方法、系统及可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310523646.7A CN116245344B (zh) 2023-05-11 2023-05-11 一种基于大数据的科研资源管理方法、系统及可读介质

Publications (2)

Publication Number Publication Date
CN116245344A CN116245344A (zh) 2023-06-09
CN116245344B true CN116245344B (zh) 2023-07-14

Family

ID=86629884

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310523646.7A Active CN116245344B (zh) 2023-05-11 2023-05-11 一种基于大数据的科研资源管理方法、系统及可读介质

Country Status (1)

Country Link
CN (1) CN116245344B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017118229A1 (zh) * 2016-01-07 2017-07-13 中兴通讯股份有限公司 一种资源调度方法、装置及系统
CN107248038A (zh) * 2017-06-09 2017-10-13 安徽中科超安科技有限公司 一种基于云服务模式的核能信息化科研协同平台
CN113535378A (zh) * 2020-04-20 2021-10-22 深圳Tcl数字技术有限公司 一种资源调配方法、存储介质及终端设备

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3030030B1 (en) * 2013-08-30 2017-09-27 Huawei Technologies Co., Ltd. Resource allocation method, device and system
CN105792374A (zh) * 2014-12-25 2016-07-20 中兴通讯股份有限公司 小小区频率资源的分配方法及装置
CN106332118A (zh) * 2015-06-24 2017-01-11 深圳市中兴微电子技术有限公司 一种资源冲突处理方法及装置
CN113260054B (zh) * 2020-02-12 2022-08-23 中国移动通信有限公司研究院 无线资源处理方法、装置、设备及存储介质
GB2597270B (en) * 2020-07-17 2023-03-29 Canon Kk Direct link resource releasing mechanism in a multi-user TxOP
WO2022099856A1 (zh) * 2020-11-16 2022-05-19 深圳创维－Rgb电子有限公司 一种资源配置方法、装置和影音播放终端
CN113939033B (zh) * 2021-09-16 2024-04-26 中国联合网络通信集团有限公司 资源分配方法、装置及计算机可读存储介质
CN115225504B (zh) * 2022-06-10 2024-03-19 中国科学院信息工程研究所 资源配置方法、装置、电子设备及存储介质
CN115220912A (zh) * 2022-06-22 2022-10-21 Oppo广东移动通信有限公司 系统资源的配置方法、装置、电子设备以及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017118229A1 (zh) * 2016-01-07 2017-07-13 中兴通讯股份有限公司 一种资源调度方法、装置及系统
CN107248038A (zh) * 2017-06-09 2017-10-13 安徽中科超安科技有限公司 一种基于云服务模式的核能信息化科研协同平台
CN113535378A (zh) * 2020-04-20 2021-10-22 深圳Tcl数字技术有限公司 一种资源调配方法、存储介质及终端设备

Also Published As

Publication number Publication date
CN116245344A (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
Chalfin et al. Productivity and selection of human capital with machine learning
CN109992404B (zh) 集群计算资源调度方法、装置、设备及介质
CN110417591B (zh) 投票节点配置方法及系统
CN109787915B (zh) 网络访问的流量控制方法、装置、电子设备及存储介质
Wang et al. Using ordinal data to estimate cardinal values
CN110098964A (zh) 一种基于蚁群算法的部署优化方法
CN116245344B (zh) 一种基于大数据的科研资源管理方法、系统及可读介质
CN105491079B (zh) 云计算环境中调整应用所需资源的方法及装置
CN114371925A (zh) 一种保障边云负载比的边云协同多任务调度方法和系统
CN112668871A (zh) 多轮群体决策中专家权重动态分配方法
Zgurovsky et al. Modeling and investigating the behavior of complex socio-economic systems
CN112016971B (zh) 基于以太坊gas原理的移动群智感知数据可靠性保障方法
RU80604U1 (ru) Автоматизированная система распределения ресурсов для оптимального решения целевых задач
CN102394916A (zh) 一种有关网络协作时空均衡的资源访问权控制方法
CN115203545A (zh) 基于深度学习和知识图谱的康养服务智能匹配方法和系统
CN113344392A (zh) 一种企业项目综合管理方法及系统
García-Magariño et al. ABS-SmartPriority: An agent-based simulator of strategies for managing self-reported priorities in smart cities
CN112148452A (zh) 单平台雷达综合探测系统任务资源最小熵准则分配方法
CN106301880A (zh) 一种确定网络关系稳定度、互联网业务推荐方法和设备
CN110851508A (zh) 一种城市大数据处理的方法及装置
CN112988380B (zh) 一种基于Kubernetes的集群负载调节方法及存储介质
Abdel-Basset et al. Scheduling multi-mode resource-constrained projects using heuristic rules under uncertainty environment
CN117687760A (zh) 一种面向lvc仿真的容器云资源智能调度方法
Zhao et al. Two-level scheduling technology for heterogeneous clusters using analytical hierarchy processes
Furr-Holden et al. Building Health Equity in Flint, Michigan

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant