傳播模型范文
時間：2023-04-10 06:17:43
導語：如何才能寫好一篇傳播模型，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。
篇1
中圖分類號：G20 文獻標識碼：A 文章編號：1672-8122（2013）02-0119-02
申農和韋弗是傳播數學理論中最基本的傳播模式，在此基礎上的許多研究工作展開。隨著信息理論的發展，學者們將粗糙集理論、拓撲學等理論用于研究傳播學，建立了信息的粗傳遞模型[1～2]、信息傳播的拓撲特征[3～5]等，豐富了傳播理論，促進了傳播學的發展。無論是利用粗糙集理論，還是拓撲學的知識，它們都將信息集合做為一個靜態集合，研究信息傳遞過程中的不確定性。實際上，信息從P1傳遞到P2時，信息可能由于雙方的知識的不同，使得原始信息到達P2時，原始信息X在P2那里變成X′了，即，原始信息X傳播一次后，到達P2后發生了變化，這種變化說明信息的傳播過程中的動態特性。如何從信息的動態特性來看傳播過程？如何用數學模型來描述這一動態的傳遞過程？這一動態傳遞又有怎樣的結構特點？本文將具有動態特性的P-集合理論引入到傳播學中來，利用P-集合建立傳播過程的數學模型。
一、P-集合的基本概念[6～7]
P-集合是一個動態集合對，普通集合是這一集合對的一個特例，P-集合具有動態特性。
約定X是有論域U上的普通有限非空集合，U是有限元素論域，V是有限屬性論域。
定義1給定信息 ，稱 是X生成的內P-集合，簡稱 是內P-集合。
定義2 給定信息 ，稱 是X生成的外P-集合，簡稱 是外P-集合。
定義3由內P-集合 與外P-集合 構成的集合對，稱作X生成的P-集合，簡稱P-集合，有限普通集合X稱作逆P-集合 的基礎集合。
二、基于P-集合的傳播模型
申農的信息傳播模型做為傳播學的基本模型，描述了信息傳播的過程。編碼規則和解碼規則的重疊度分為三種情況：1.P1編碼知識和與P2的解碼規則完全一致，則完全不能解碼；2.P1的編碼知識和與P2的解碼規則部分重疊，則部分解碼；3.P2的解碼知識≥P1的編碼知識，則完全解碼。
根據的申農的傳播模型可以做如下約定：設信息X是由n個信息元素構成的集合，即 ，該信息的屬性是 。這三種情況在數學中我們可以理解為信息到達P2后具有動態特性了，或者P2對信息的理解是近似的，這種近似程度我們可以用一個動態集合對表示。而具有這種動態特性的集合對就是P-集合。
信息X由P1編碼后通過渠道傳遞給P2，P2對作息編碼之后便獲得了原始信息。，由于P1的編碼過程、P2的解碼過程會對信息的理解有偏差，此時信息X到達P2時可能有如下三種情況：1.信息X發生精確傳遞，這也是信息傳遞的最理想情況；2.信息X到達P2時，可能由于P1編碼或者P2的解碼有偏差，導致P2對信息X和理解是不精確的，即對信息的理解是近似接近的，這種近似度可以用一個動態集合對 來描述，即 接近于原始信息；3.P2信息的理解完全是不準確的。
圖1 原始信息X傳播過程一次后的動態變化
圖1中的虛線指原始信息 ，由圖1可以看出， 是 的內P-集合， 具有向內收縮的動態特性； 是 的外P-集合， 具有向外擴張的動態特性。當信息 由P1通過渠道傳遞到P2時，P2對信息X的理解是不全面的，可以表示為 ，當P2對信息X理解準確時，此時動態信息集合對 回到 。
基于對信息X的重新定義，我們可以進一步理解為當信息X由P1通過渠道傳遞到P2時，由于P1對信息的編碼與P2對信息的解碼過程，從數學的角度可以理解為一次函數變換，記為f，設F是變換集合，且 。對 把某一信息元素u變成 。變換f稱作元素遷移，此時的新元素u遷移是將新的元素遷入信息集合 中，此時信息 變為 ；反之，當 中元素遷出，即發生變換 ，且 。對 把 變成 ，即把某一信息元素 遷出信息集合 ，使得信息 變為 。當 時，信息 發生精確傳遞，此時動態集合對 回到基礎集合 。
由以上元素遷移過程可知，隨著元素的遷入、遷出，使得信息X中的元素個數發生變化，同時集合X信息屬性發生改變。信息X發生一次傳遞，到達P2時具有動態結構 ，此時其屬性集合也會發生變化。我們常說的“添油加醋”，可以理解為使原始信息元素增加的，同時原始信息的屬性范圍縮小；而“粗枝大葉”一詞述描傳遞過程時，可以理解為使原始信息元素減少，同時原始信息屬性范圍擴大。信息 ，其屬性集合是 。當信息由P1傳遞到P2后，信息 變成 ，其屬性集合變為 ， ， 。信息發生一次傳遞后，由于原始信息元素個數的減少，使得該信息的屬性范圍擴大，即新的屬性 通過一個函數變換 后進入屬性集合，變為新的屬性集合 。同樣地，當信息由P1傳遞到P2后，信息 變成 ，其屬性集合變為 ， ， 。信息發生一次傳遞后，由于原始信息元素個數的增加，使得該信息的屬性范圍縮小，即新的屬性 通過一個函數變換 后遷出屬性集合，變為新的屬性集合 。
三、實例分析
例如一條信息X：“北京時間2011年3月11日13時46分日本東北部宮城縣以東太平洋海域發生里氏9.0級地震，震源深度為10公里。”依據此信息我們可以將信息寫成集合的形式： ={北京時間，2011年3月11日13時46分，日本東北部宮城縣以東，太平洋海域，發生，里氏9.0級地震，震源深度，10公里}；信息 的屬性集合 ={時間，地點，發生什么事}。
當信息 從甲方通過某一媒介傳遞到乙方時，乙方得到的信息為 ，即可以分以下情況討論：
1.由于傳遞過程中信息元素的遺漏而使信息元素減少，擴大該信息的屬性。例如由于甲對時差的忽略，傳遞信息為“2011年3月11日13時46分日本東北部宮城縣以東太平洋海域發生里氏9.0級地震，震源深度為10公里。”那么乙得到信息是少了北京時間，信息傳遞到乙時，信息變為 ，信息元素 丟失，使得信息 的屬性集合中的時間發生變化。由于乙無法確定是北京時間、還是倫敦時間、還是日本當地時間……，從而使信息到達乙后，屬性集合中 發生變化，即時間屬性擴大了。即乙得到的信息為 ，其屬性集合為 ，這里的 較原來的時間屬性 范圍更大了， 。
2.由于傳遞過程中信息量的增加使信息元素的增加，縮小了該信息的屬性的范疇。例如由于甲對信息X比較關注并知道更多關于此事件的信息，傳遞信息為“北京時間2011年3月11日13時46分日本東北部宮城縣以東太平洋海域發生里氏9.0級地震，震源深度為10公里，13498人遇難，14734人失蹤”。那么乙除了知道原始信息外，還了解到信息“13498人遇難，14734人失蹤”，此時乙對信息屬性中的 了解的更加確切。即傳遞到乙時，信息變為 ，信息元素 為新的信息元素，乙得到的信息更加具體，使得乙知道發生的事件更多，他會從此信息獲知日本發生了地震且此次地震死傷人數很多，與原始信息中的屬性 比較， 中隱含死傷可能嚴重可能不嚴重，而信息到達乙后的信息 ，其屬性集合 范圍會縮小，從而使我們對信息的解更加準確。即乙得到的信息為 ，其屬性集合為 ，這里的 較原來的時間屬性 范圍縮小了， 。
3.信息發生準確傳遞，信息量沒有增加也沒有減少，此時信息 由甲傳遞乙時到沒有發生變化，即 回到原始信息 。
將動態信息集合對 、其屬性集合α和動態變換對 引入傳播模型后，我們可以從P-集合理論來描述傳播過程中的動態特性，而對P-集合的深入研究也為進一步理解傳播理論提供理論支持。
參考文獻：
[1] 劉紀芹，史開泉.基于粗糙集的信息粗傳遞[J].系統工程與電子枝術，2007（3）.
[2] 劉紀芹，韓建新.模糊信息粗傳遞模型及其應用[J].計算機工程與應用，2009（2）.
[3] 昝廷全.論傳播的分類及其數學模型[J].中國傳媒大學學報（自然科學版），2006（2）.
[4] 昝廷全，應思思.傳播有效性原理的粗傳遞模型[J].中國傳媒大學學報（自然科學版），2010（4）.
[5] 孫慶川，山石，蘭田田.一個新的信息傳播模型及其模擬[J].圖書情報工作，2010（6）.
篇2
關鍵詞：高校 社會思潮 模型
中圖分類號：G641文獻標識碼：A文章編號：1009-5349（2017）13-0195-01
高校社會思潮的傳播過程，涉及國外思想者和政府、傳媒、學者、一般知識分子、社會大眾、大學生本身等眾多因素，同時也受社會環境、學校管理制度等各種環境的影響。結合社會思潮的含義，學習和借鑒已有的申農-韋弗傳播模式、馬萊茨克模式和賴利夫婦的傳播系統模式等傳播模式[2]以及社會傳播的系統結構理論[1]，根據社會思潮的傳播過程中的各個環節，本文構建了高校社會思潮傳播模型（如圖1）。
圖1高校社會思潮信息傳播模型
模型中的各要素解釋：
噪音：在圖中用陰影表示。由于傳播要素組合復雜，動態的主客體關系，思想要素傳播的特殊性，大學生認知圖式與信息接收的特殊性以及社會思潮的政治性特點，使得社會思潮在傳播的過程中，噪音無時無處不在，這其中主要是與人有關的噪音源和噪音。傳播系統內外的噪音，會對思潮相關信息的發送者和接收者有干擾，削弱信息傳播的質和量。
C（A）：代表國外產生和傳播思潮信息源的任何人與事物，也包括有意圖的國外傳播機構，如國外思想家、普通知識分子、社會大眾、對中國進行“和平演變”的組織等，他們是信息的提供者，他們內部有其信息形成的機制，這些人、事物和組織通過各種媒介把信息編碼后發送至媒介中。
C（D）：國內思潮信息的有意圖傳播者，C（D）1指國內理論界學者，C（D）2指普通知識分子，C（D）3指社會大眾，G代表相關的組織管理部門等，他們是信息的創造者、提供者，并都可從C（A）獲得信息，在一定的場合通過某種具有合理性的方式通過媒介向大學生提供思潮信息。
R：指作為社會思潮的受眾的在校大學生，包括本科生和專科生。他們根據各自所處的環境、自我形象等選擇性接受媒介傳遞的社會思潮信息，并且向同學等群體進行傳播和反饋。
M：代表媒介，M1是傳遞國外信息給大學生的媒介，M2是給國內信息傳播者的傳播媒介，M3是國內信息傳播者給大學生傳播信息的媒介，M（…）是大W生彼此之間進行信息傳播的媒介。借鑒麥克盧漢媒介觀，這里的媒介可以認為是一切使思潮信息得以傳遞的人和事物。具體來說包含網絡媒體、書籍、報刊、學術會議、交流訪問、思想政治理論課等課程、聊天等。他們是信息的傳輸者，傳輸各種社會思潮的信息。
fRC：受眾對國外信息傳播者的反饋。
fC（DA）：是指國內信息編碼者和接受者對國外信息傳播者的反饋。
fCR：是指受眾對國內信息傳播者的反饋。
從圖1可以看出，社會思潮信息的傳播是一個相互影響的單項循環和整體循環的過程，傳播者之間、傳播者與受眾之間，受到立場、理解力、個人愿景等眾多噪音的影響，部分信息在傳輸中會丟失，有的會進入信息黑洞，有的會進入信息池，因此，在此傳播模式中，用X來指代傳輸中丟失或者是進入信息池后不經過相關管理部門直接傳輸給大學生的信息。
這個社會思潮的傳播模式綜合了以控制論為基礎的傳播模式、傳播系統模式和大眾傳播模式的可取之處，也考慮了德弗勒提出的噪音泛化存在的問題，從現實上考慮了政府部門、高校管理部門等對社會思潮傳播的控制和失控時社會思潮信息向大學生的傳遞。這個模式表現了社會思潮信息從產生到傳輸至大學生受眾的過程，體現了人在信息傳播中的重要性，直觀地說明了社會思潮的傳播是一個傳播者之間、傳播者和受眾之間的相互影響的循環反復過程。
參考文獻：
篇3
【關鍵詞】網絡；計算機病毒；傳播模型
雖然當今防毒軟件種類繁多，對阻止計算機病毒的傳播起到了很大的作用，但是新的病毒層出不窮，計算機病毒的發展速度遠超防毒軟件的發展，因此新病毒或病毒的新變種出現時防毒軟件束手無策。起始計算機病毒基本局限于Windows平臺，如今，計算機病毒幾乎無孔不入，大量出現在其它平臺，如Unix平臺的Morris、塞班平臺的Cardtrap、安卓平臺的AnserverBot和FakePlayer、PalmOS平臺的Phage、IOS平臺的Ikee及Mac OS X平臺的Flashback。計算機病毒危害巨大，防毒軟件的發展遠遠落后于病毒的更新速度，因此，研究如何有效防止計算機病毒在網絡中的擴散傳播有深遠意義，而要預防計算機病毒的傳播就需要深入了解計算機病毒的傳播機理和傳播模型，只有把握住了病毒的傳播機理與模型，才能對病毒的傳播與危害狀況作出準確的預測，同時采取有效地措施來防止或降低危害。本文探討了網絡中幾種主要的計算機病毒傳播模型，下面我們對這幾種模型進行一一介紹。
一、易感染-感染-易感染模型
易感染-感染-易感染模型又稱Suscep tible-Infected-Susceptible模型，簡稱為SIS模型。將網絡中的每個終端稱為一個節點，在該模型中將節點分為兩種狀態，易感染狀態和感染狀態。類比于生物病毒的傳播規律，一個易感染的節點和一個已被感染的節點發生接觸時，單位時間里易感染的節點有的概率被感染，同時已感染的節點有的概率被治愈，被治愈后的節點成為易感染的節點。由于被治愈后的節點又有可能被感染成為感染節點，因此病毒會在網絡中反復傳播，長期存在。
設未被感染的節點數目為，已被感染的節點數目為，網絡中節點的總數目為，則SIS模型滿足如下公式：
其中表示單位時間內易感染的節點向已感染節點轉化的概率，表示單位時間內已感染節點向易感染節點轉化即治愈的概率。
二、易感染-感染-移除模型
易感染-感染-移除模型又稱為Susce ptible-Infected-Removed模型，簡稱為SIR模型。該模型將網絡中的節點分為三個類，一是易感染節點，這類節點沒有感染計算機病毒，同時對計算機病毒沒有免疫力，在與已感染節點進行信息交互時可能會被感染計算機病毒；二是已感染節點，這類節點已被計算機病毒入侵，并且可能將病毒傳播給其他節點；三是移除節點，這類節點感染過計算機病毒，治愈后即清除計算機病毒后就對這種病毒免疫，不會再次感染同一種病毒。
設易感染節點的數目為，已感染的節點數目為，移除的節點數目為，網絡中節點總數為，滿足則ISR模型如下公式：
式中表示單位時間內易感染節點向感染節點轉化的概率，表示已感染節點向移除節點轉化的概率，即已感染節點被治愈的概率，治愈后就將節點移除。
三、易感染-潛伏-感染-移除模型
易感染-潛伏-感染-移除模型又稱為Susceptible-Exposed-Infected-Removed模型，簡稱為SEIR模型。該模型中節點有四種存在狀態，一是易感染節點，這類節點可能在與已被病毒感染的節點進行信息交互時被感染，感染后成為病毒潛伏節點；二是病毒潛伏節點，這類節點中存在計算機病毒，但是病毒尚未發作，也就是說計算機病毒感染一臺主機后并不會立即發作，而是經過一段時間的潛伏期后才會被激活，病毒激活后該節點就成為已感染節點；三是病毒激活節點，這類節點病毒已發作，并可能將病毒傳播給網絡中的其它節點；四是移除節點，病毒激活節點被治愈后有一定的機率成為移除節點，移除節點對同種病毒具有免疫能力，不會再次被同一種病毒感染，但是病毒激活節點被治愈后也有一定的機率成為易感染節點，這類節點還有可能再次被計算機病毒感染。
假設網絡中節點總數為N，易感染節點的數目為，處于計算機病毒潛伏期的節點數目為，計算機病毒激活的節點數目為，移除節點的數目為，則SEIR模型滿足如下公式：
式中代表易感染節點向病毒潛伏節點轉化的概率，代表病毒激活節點被治愈后轉化為移除節點的概率，代表病毒激活節點被治愈后轉化為易感染節點的概率，代表病毒潛伏節點向病毒激活節點轉化的概率。
四、易感染-感染-探測-移除模型
易感染-感染-探測-移除模型又稱為Susceptible-Infectious-Detected-Removed模型，簡單為SIDR模型。在該模型中，網絡中節點有四種存在狀態，一是易感染節點，這類節點可以被計算機病毒感染；二是已感染節點，這類節點已被病毒感染，并可以在網絡中傳播病毒；三是已探測節點，這類節點帶有計算機病毒，但是已經被反病毒軟件等探測到，并且病毒無法向外傳播；四是移除節點，這類節點中病毒已被反病毒軟件清除，并且將不會再次感染同一種病毒，這類節點可以由已探測節點轉化而來，也可以由易感染節點轉化而來（易感染節點上的反病毒軟件收到病毒庫的更新從而對此種病毒具有查殺能力）。
假設網絡中的節點總數為N，易感染節點的數目為，已感染節點的數目為，已探測節點的數目為，移除節點的數目為，則SIDR模型滿足如下公式：
式中代表易感染節點向已感染節點轉化的概率，代表已探測節點向移除節轉化的概率，表示易感染節點向移除節轉化的概率，表示已感染節點向已探測節點轉化的概率。
五、雙因子模型
雙因子模型又稱為Two-Factor，與其他模型相比更為復雜，雙因子模型更加符合現實情況下病毒傳播的情況，考慮到了更加現實在因素，如病毒傳播時生成的大量數據分組造成路由器或交換機阻塞，從降低病毒傳播速率，或者人們可能通過更新反病毒軟件、安裝網絡防火墻或入侵檢測系統等手段阻止病毒的傳播。雙因子模型的微分方程表達式如下：
式中N代表網絡中節點的總數，代表時刻網絡中易感染節點的數目，代表被移除節點的數目，這類節點不會再次感染同一種病毒，代表已做免疫處理的易感染節點的數目，代表時刻的已感染節點的數目，這類節點可能向網絡中傳播計算機病毒，代表時刻總共被感染過的節點數目，這部分節點由移除節點和已感染節點構成，即，式中的、、和是常量，是初始時刻的感染率。
六、結束語
計算機病毒的傳播模型基本都是借鑒于生物病毒的傳播模型，因此如今描述計算機病毒的傳播模型實際上很難準確地描述計算機病毒在網絡中的傳播過程，也很難準確預測病毒的傳播會造成的損失，這也為反病毒工作帶來了極大的不便。因此，對計算機病毒的傳播模型的研究還需要進行一步深入，進一步研究更加符合真實狀態下網絡中計算機病毒傳播情況的模型，以便更加深入地理解計算機病毒在網絡中的傳播過程、傳播原理，更加準確地預測計算機病毒的傳播速率及其可能造成的影響，從而為反病毒工作提供理論借鑒與方向導向，以期減少計算機病毒造成的損失甚至在計算機病毒傳播前就將其消除，營造一個安全的互聯網的環境。
參考文獻
篇4
一、計算機病毒的特征
（一）非授權性
正常的計算機程序，除去系統關鍵程序，其他部分都是由用戶進行主動的調用，然后在計算機上提供軟硬件的支持，直到用戶完成操作，所以這些正常的程序是與用戶的主觀意愿相符合的，是可見并透明的，而對于計算機病毒而言，病毒首先是一種隱蔽性的程序，用戶在使用計算機時，對其是不知情的，當用戶使用那些被感染的正常程序時，這些病毒就得到了計算機的優先控制權，病毒進行的有關操作普通用戶也是無法知曉的，更不可能預料其執行的結果。
（二）破壞性
計算機病毒作為一種影響用戶使用計算機的程序，其破壞性是不言而喻的。這種病毒不僅會對正常程序進行感染，而且在嚴重的情況下，還會破壞計算機的硬件，這是一種惡性的破壞軟件。在計算機病毒作用的過程中，首先是攻擊計算機的整個系統，最先被破壞的就是計算機系統。計算機系統一旦被破壞，用戶的其他操作都是無法實現的。
二、計算機病毒網絡傳播模型穩定性
計算機病毒網絡的傳播模型多種多樣，筆者結合自身工作經歷，只對計算機病毒的網絡傳播模型———SIR模型進行介紹，并對其穩定性進行研究。SIR模型的英文全稱為Susceptible-Infected-Removed，這是對SIS模型的一種改進，SIR模型將網絡中的節點分為三種狀態，分別定義為易感染狀態(S表示）和感染狀態（I）狀態，還有免疫狀態（R）表示，新增加的節點R具有抗病毒的能力。因此，這種模型相對于傳統的SIS模型而言，解決了其中的不足，也對其中存在的病毒感染進行了避免，而且阻礙了病毒的繼續擴散。圖一即為病毒模型圖。
三、計算機病毒網絡傳播的控制
對于計算機病毒在網絡中的傳播，我們應依據病毒傳播的網絡環境以及病毒的種類分別進行考慮。一般而言，對于局域網的病毒傳播控制，我們主要是做好計算機終端的保護工作。如安裝安全管理軟件；對于廣域網的病毒傳播控制，我們主要是做好對局域網病毒入侵情況進行合理有效的監控，從前端防止病毒對于廣域網的入侵；對于電子郵件病毒傳播的控制，我們確保不隨意點擊不明郵件，防止個人終端受到電子郵件病毒的入侵。
總結：
篇5
幫助。
【關鍵詞】 緊急疏散; 計算機模型; 信息傳播; 建筑物; 災害
1 引 言
隨著高層建筑的大量出現，專用特殊建筑的飛速發展以及現有建筑的逐步老化，各種公眾匯集場所事故隱患也在不斷增多，特別是建筑物火災時有發生。火災中由于人員不能及時疏散而被煙氣窒息情況十分突出，造成的生命財產損失十分巨大，例如:河南洛陽發生的“11·25”特大火災，由于疏散通道的阻塞而導致人員煙氣中毒或窒息死亡。
此外，由于現代建筑特別是高層建筑和專用特殊結構(如央視新大樓)布局復雜，人數眾多、人員疏散至地面的時間長，發生阻塞和擁擠的幾率也比較大，致使疏散設計的復雜性大大增加。同時復雜建筑中如何在事故發生后合理利用現有的交通設施、設備組織人員進行及時疏散或營救等也具有十分重要的意義。
因此，建筑設計人員和安全專家不得不慎重考慮建筑內人員在緊急條件下(如火災、地震、煤氣泄露、炸彈爆炸以及現代防空等)的避難、逃生疏散問題，迫切需要相關的理論和方法指導建筑物的火災安全設計與評估。
由于人員疏散涉及人們的行為活動，涉及人類心理學、行為學等范疇，因此，最初的研究都習慣于采用定性化的分析方法進行一些描述及問卷調查;隨著現代建筑復雜化及智能化程度的提高，對于火災安全的分析僅停留在定性分析已遠不能滿足要求，特別是近年來引入了以計算機技術為基礎的各種研究手段，如數字攝像、計算機仿真、虛擬現實技術，對于疏散過程的許多特征量的具體量化及各特征量之間關系的分析越來越引起安全專家、學者和有關部門的重視。人員疏散的研究開始從一般的觀察訪問等定性描述逐步向人類行為和環境條件的定量化分析研究過渡。
2 研究理論評述
人員在建筑物中的疏散主要涉及建筑物結構布置、災害環境、個人特性、疏散指導4種因素共同作用。通過對前人研究成果[2—5]的分析歸納可知這些因素的具體內涵:
1)建筑結構指建筑的空間布局、材料結構、裝修狀況等等;
2)災害環境指如火災煙氣濃度、可見度、人群擁擠程度等;
3)個人特征主要包括身體素質和心理狀態，前者如性別、年齡、體力、反應等，后者如個人經歷、所受教育、文化傳統、生活經驗，以及其他對逃生有一定影響的其他心理因素;
4)疏散指導指利用事先準備的消防設備和疏散預案，根據事發時現場的具體情況，對收集到的信息進行處理，并在此基礎上實現疏散。
上述4種因素的相互作用以及對疏散過程的影響，都以信息傳遞為紐帶。
倘若把每個因素都視為一個具有開放邊界的系統，它們就是一個個自主體。認為該主體是從環境收集信息，在內部對其進行分析處理，完成一系列的行為，與此同時把自己的信息散播到環境里，以待其他自主體采集從而影響對方的發展進程。如火災發生時，“災害環境系統”釋放災害信息(煙氣傳播，可見火焰等等)，“建筑結構系統”、“個人特性系統”和“疏散指導系統”分別收集與自身相關的信息，并作出處理(如熱輻射對結構的作用，煙氣對人員的生理和心理影響，災害激活報警和指揮設備等等)，然后釋放自己的信息(相應的，如結構熱破壞而變形，人員選擇積極或消極應對措施，安全設備失效等等)供其他系統采集處理。
該主體里的信息和信息傳播是廣義的，包括各種具體行為和作用結果，而不僅僅是直觀的狹義信息，即能被人員本身接受和作出反應的視覺、聽覺、觸覺及其他可感知的信號。需要指明的是，狹義的信息和信息傳播在疏散研究中仍是一個非常重要、非常值得研究的課題，它不但對解決一些實際問題有顯著意義，而且對廣義信息和信息傳播的研究有相當的啟發性，同時也是后者的研究基礎。
建筑內人員疏散的具體問題，包括人群密度、人員的疏散移動速度、位移、時間、災害發展的速度、人們對于警報的反應時間、心理反應等。對于該類問題國內外許多學者都進行過不同程度的研究。而從信息系統以及信息傳播的角度來研究，不管是基于狹義還是廣義的內涵，都非常缺乏。國外可供參考的主要研究成果有:
1)Helbing提出的“社會力”模型[1—2]，模擬出人員緊急疏散時候的恐慌行為，涉及心理狀態對行為的調整;
2)Wood，Bryan等人分別對英國和美國的火災當事人作了大量的調查研究，并闡述了高層建筑火災對人的行為產生的重大社會影響;
3)Canter總結了有關火災與人的行為研究，并出版《火災與人的行為》;
4)Sime研究了疏散初期階段人員疏散與行為，并明確提出了疏散距離和疏散時間的概念[3]。
最近國內外學者開始對人在熟悉與不熟悉環境中，疏散通道的照明度與疏散距離的長短，對人員疏散的影響進行研究，還有一些特殊條件下特定疏散設備的效用研究，例如:養老院中火災警報分貝數的合理值，卡拉OK場所緊急照明的布置等等。國內的相關工作仍集中在問卷調查方面，側重人員在火災或平時的行為和心理統計分析，而模擬研究則較少。
為了真實再現疏散過程進行以深入探討其中存在的問題，筆者建立了人員疏散過程中狹義的信息系統和信息傳播模型，并運用此模型對人員疏散進行量化分析，初步提出廣義的信息系統和信息傳播模型框架。
3 研究內容與模型介紹
通過收集大量國內外有關火災、人防演習和模擬演習試驗的實測記錄以及火災后問卷調查、虛擬現實測試等方法，有針對性地采集人員疏散的行為參數，進行分類歸納，找出不同建筑(辦公、住宅、公共、醫院、學校)、不同災害場景、不同外界信號刺激等條件下不同類型人員疏散的行為傾向，探索人員疏散行為與建筑結構、災害環境、個人特性、疏散指導之間的相互作用，理清人員對信息收集、處理的渠道、方式。在該過程中，結合了人類心理學和行為學、社會學、博弈論、生物仿真、計算機算法等學科研究的最新進展。
在上述基礎上，筆者建立了狹義信息傳播模型。這個模型包括4個子系統，即人員模型、信號模型、建筑模型和特殊場景模型，如圖1所示。
人員模型是對疏散人員從生理、心理兩方面結合的模擬，它的作用是描述人員接收、處理、傳播信號的過程，逃生路線的選擇、沖突解決、新規則的學習，以及體現毒物對肌體運動能力的破壞。
信號模型則關注于模擬狹義信息(人員能感知的物理、化學信號)的產生和傳播。
特殊場景模型則是對災害環境的重現。
3個模型有的是對現有的模型的改進，有的則是全新的工作。
3.1 人員模型
描述人員反應和運動狀態的模型，充分考慮人員的特性和個體差異。它包括以下3個部分:人員運動模型;人員信息模型;人員肌體模型。
3.1.1 人員運動模型(OAM，OccupantActionModel)
這部分內容包括人員路線選擇、沖突解決、新規則的學習。
①輸入參量:人員位置坐標，地理信息，人員信息處理模型輸出，人員肌體模型輸出。
②輸出參量:人員運動方向、速度。
③處理方式:類似數字電路中的與或非門控制。簡單的邏輯推理過程。規則機。
3.1.2 人員信息模型
人員接受、處理、傳播信號的模型。
1)人員信息接收模型(OIM-R，OccupantInfor-mationModel—Receive)。對物理、化學信號的接受，也包括對其他人員釋放的信號的接受，包括視覺、聽覺、嗅覺。目的是接受到環境中的各種信號，然后轉化成統一的量化參數，并作為輸入參量遞交給信號處理模型。
①輸出參量:環境中的物理、化學信息，包括來自信號模型的信號時空分布。
②處理方式:標準化，統一化。函數處理方式。
2)人員信息處理模型(OIM-P，OccupantInfor-mationModel—Process)。這部分包括一個處理機制和一個心理狀態小模型。目的是將人員接受到的信號，處理為人員的選擇偏好和運動策略，提交給人員運動模型，并釋放到環境供其他人員接收。
①輸入參量:標準化、統一化的信息(人員信息接收模型的輸出)。
②輸出參量:選擇偏好概率。
③處理方式:簡單邏輯推理與函數處理相結合。
3.1.3 人員肌體模型
主要針對毒性對人體損害，疲勞導致運動缺陷等。
①輸入參量:化學傷害(毒物毒性、濃度等)，物理傷害(碰撞、擠壓等)。
②輸出參量:對人員生理、心理有影響的肌體損傷狀況。
③處理方式:規則機以及查表對照法。
3.2 信號模型
描述信息產生和傳播的模型，是整個系統的關鍵部分。包括:
1)信號源模型。把各種信號源統一成不需要考慮內部機理信號發射裝置。
①輸入參量:真實信號源種類。
②輸出參量:預先分配好的信號種類代碼。
③處理方式:查表對照法。
2)信息傳播模型。按照不同的信號，建立不同的信息傳播模型，包括物理信號和化學信號。試圖建立一個通用的傳播模型。
①輸入參量:信號種類代碼，信號源坐標。
②輸出參量:信息的時空分布。
③處理方式:函數處理法。利用對應的物理公式，如聲波的傳播方程等等。
3.3 建筑模型
描述建筑結構網格化和網絡化模型。
①輸入參量:建筑圖紙。
②輸出參量:供模擬使用，軟件可識別的網絡圖。
③處理方式:初步為人工轉換，遠期目標計算機讀圖處理。
3.4 特殊場景模型
描述緊急條件下的各種特殊場景，包括火(熱傷害)、煙(影響視覺)、氣(毒性)等等。作為一類特殊的信號源，有著與普通信號源差異很大的。另外，這些條件還有可能改變建筑結構。
1)輸入參量:特殊場景本身的物理、化學狀態。
2)輸出參量:對人員、環境、建筑有影響的物理、化學量。
3)處理方式:借用成熟軟件。只需對結果進行標準化。
4 狹義與廣義的信息傳播理論
筆者提出了疏散中狹義和廣義信息傳播原理。以往所有的工作都沒有從信息傳播的角度來對建筑災害疏散進行系統研究，關注點多是具體的某種疏散現象。而狹義的信息傳播原理，能更全面地模擬和再現疏散過程中人員行為;在此基礎上拓展的廣義信息傳播原理，則是一種全面的系統的火災觀念，它可以幫助人們更加深入了解火災過程的全貌，為建筑物設計與安全評估提供意見。
建立起充分考慮建筑結構、災害環境、人員特性和疏散指導的計算機模型。首先，以多維多層次的元胞自動機(CA)模型，針對建筑物不同的區域運用對應的高效計算模型;其次，人員的行為比以往模型突出了理論化和細化，實現從經驗公式到理論計算的過渡，在明確科學意義的同時保證軟件的可操作性。信息的量化和標準化。
不管是以何種方式收集到的資料，其中涉及的數據要么是準確性的自然科學結果，要么是描述性的社會科學結果，而筆者所建立的模型涉及這二者的相互轉換和相互作用，因此，信息的量化和標準化結果必須同時具備正確的物理意義和可操作性。面對種類繁多的信號，采用分布進行的路線:
1)首先標準化同一類信號，分別針對各個種類進行深入研究;
2)整合其中具有較高相似性的類別并再次標準化，形成若干大類，分別進行拓展研究;
3)在前面研究結果的基礎上，提出一個普適的量化手段，統一所有種類。
其中第一步，國外的可供參考的文獻為數不多，而第二、三步則幾乎沒有相關研究結果發表。
個人特性如何考慮，人員素質及疏散心理的量化。任何人員在建筑物內疏散除了受他周圍的各種環境因素影響(如人口密度、煙氣濃度、照明、出口特征等)外，還取決于其本人的性格、心理等有關因素。個體人員素質包括:年齡、性別、性格、安全意識、文化修養等;疏散心理與其所處的災害環境有關，心理活動包括冷靜、緊張、恐慌等。
目前國外通常的做法一般是將其進行分類，按照不同類型給出其相應的特征量，如年齡分為小童、成人、老人，性格可分為謹慎、穩健、冒險，對環境的反應可以分為敏捷的、一般的、遲鈍的，個人防災知識訓練程度可分為未受訓練、一般訓練、職業訓練，個人對環境毒物的忍耐力分為不能忍耐、能忍耐、極具忍耐等。
也有學者將這一類特征量表示成概率的形式，即給出每個人在這些特征量上的概率屬性，然后決定其將要采取的疏散行為如前進方向，速度、是否擁擠等。由于人們在緊急環境下的許多行為特性很難量化，同時也很難進行觀測，因而實測的數據也十分有限。而個人素質特征量又是影響建筑物疏散的重要因素，所以對于該類型特征量的研究也是建筑疏散研究的重點和難點。
在技術實現層面來看，CA模型也可按模擬需求改進。以往的CA都是建立在一維或者二維的網格上，若應用于狹義信息傳播模型則需擴展到多維和多層次。另外，考慮到模擬場景的復雜性，在條件成熟時還有必要引入其他數學物理模型，例如“社會力”模型、流量模型、網絡流模型等等。這涉及多種模型間的交叉結合，以及離散和連續過程的協調。
5 結 論
1)筆者提出人員疏散過程中的狹義和廣義信息傳播原理，并以元胞自動機為技術支撐，在此理論基礎上，建立了一種充分考慮人員特性的計算機模型。該模型能全面地模擬和再現疏散過程中人員行為，可以幫助人們更加深入了解火災過程的全貌，為建筑物設計與安全評估提供寶貴的意見。
2)以往的模型多關注疏散中具體的特殊想象，罕有從信息角度來分析;而實際上信息傳播對疏散過程有著直觀而顯著的影響，一旦忽視則將導致模擬結果的失真甚至得出錯誤結論。筆者提出的模型則是從全新的觀點來構建的，以信息傳播為系統內部各部分協調工作的紐帶，充分考慮了其作用;而應用了空間網格精細化的CA，使此模型既有高度的智能性，又具備描述時空細節的能力。
3)筆者的人員疏散的模型側重于理論研究方面，如果輔以工程標準，利用計算機虛擬現實技術模擬，針對一些典型工程的數據進行檢驗，對模型作出適當修改和調整使之具有良好的普適性，則最終可以形成實用的疏散軟件。
4)在完善的狹義信息傳播模型基礎上，對廣義信息傳播過程進行探索，嘗試提出在廣義信息傳播中適用的若干基本規則，則可對模型進一步拓展。與此同時，進行性能化防火設計的理論探索，研究性能化防火設計中疏散設計的具體內容，評估計算的分析方法。結合實際工程如地鐵火車站、大型體育場館、學校教學樓、醫院、多層建筑等疏散論證來評估這些建筑在火災發生時人員疏散的安全性，利用筆者建立的模型給出相應的疏散設計和預警救助方案。
參考文獻
[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]楊立中，李健，趙道亮等.基于個體行為的人員疏散微觀離散模型[J].中國科學E輯，2004，34
(11):1264~1270
[7]肖國清，廖光煊.建筑物火災中人的疏散方式研究[J].中國安全科學學報，2006，16(2):26~29
[8]張培紅，陳寶智，劉麗珍.虛擬現實技術與火災時人員應急疏散行為研究[J].中國安全科學學報，2002，12(1):48~58
篇6
關鍵詞：三維建模；網絡輿情傳播模擬；元胞自動機；網絡輿情傳播速度模型；計算機仿真
中圖分類號：TP393.02
網絡媒體是繼報紙、廣播、電視之后的“第四媒體”，網絡已成為反映社會輿情的主要載體之一，有關網絡輿情的研究日益受到重視。目前在社會網絡或因特網概率統計模型[1]、元胞自動機模型[2]和隱馬爾科夫模型[3]三個方面研究較深入。由于元胞自動機模型能十分方便地復制出復雜的現象或動態演變過程的吸引子、自組織和混沌現象，從而引起了科學家的興趣，在很多領域得到了很大的應用。本文在針對網絡輿情傳播過程的因素方面，提出一種面向三維元胞自動機的輿情傳播基本模型，將三維元胞自動機與網絡傳播輿情模型相結合，經仿真證明，此算法運行高效，能夠在多種因素的約束下快速地模擬網絡輿情傳播趨勢。
1 網絡輿情傳播的三維元胞自動機模型
1.1 三維元胞自動機模型
3 結論
針對網絡輿情的傳播模型，本文基于元胞自動機理論對網絡輿情分析和仿真實驗。在提出的元胞自動機算法和模型下，對影響網絡輿情傳播趨勢因素進行了研究和分析。結果表明本文提出的模型很好的分析了網絡輿情傳播的影響因素，且該模型更接近于實際網絡輿情傳播情況。由此，利用三維元胞自動機研究網絡輿情傳播具有較好的合理性。
參考文獻：
[1]陸題佳.因特網中危機信息傳播規律及應對模式研究[D].合肥：中國科學技術大學，2010.
[2]曾顯葵.基于多數規則和協同規則的元胞自動機輿論傳播模型研究[D].桂林：廣西師范大學，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
關鍵詞：諧波源模型；諧波分析；反向傳播神經網絡；諧波潮流
中圖分類號：TP183 文獻標識碼：B
文章編號：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
隨著近年來電力電子技術的快速發展，半導體器件等其他非線性負荷在電力系統中的使用也越來越多。當電力系統向非線性設備及負荷供電時，這些非線性設備及負荷在傳遞、變換、吸收系統發電機所供給的基波能量的同時，又把部分基波能量轉換為諧波能量，返送回電力系統，成為電網的主要諧波源。諧波污染造成了諸多影響電力系統電能質量水平的波形干擾，如電壓凹陷與凸起(voltage sag and swell)、電壓間斷(interruption)、短時沖擊(glitch)、閃變(flicker) 及陷波(notch) 等。從而影響電能的質量，對電力系統的安全、經濟運行造成極大的影響。所以，對電網中的諧波進行準確的計算，確切掌握電網中諧波的實際狀況，對于防止諧波危害，維護電網的安全運行十分必要。
國內外許多學者對諧波污染開展了大量的研究工作，電能質量分析已成為電力系統研究中的熱點[1]。但在諧波領域的研究方面還存在許多問題，如在地區供電網中，存在著許多不同的諧波源，對每個不同的諧波源準確建模[2]，是一件很困難的事。
電力系統中的諧波源大體分為2種類型，一類為含有半導體元件的各種電力電子設備，他們按一定規律開閉不同電路，將諧波電流注入系統。這類諧波源所產生的諧波電流，可根據供電電壓波形、設備的電路結構及參數和控制方式等精確求得。另一類為含有電弧和鐵磁非線性設備的諧波源，如熒光燈和電弧爐等在穩定工作狀態下，他們所產生的諧波電流則可以由供電電壓波形和負荷的伏安特性計算而得。對于這2類非線性負荷，諧波源的特性可統一表述為：
式(1)中Ih為負荷吸收的h次諧波電流相量；Fh為供電電壓中的基波和各次諧波電壓相量；C為負荷的特征參數集合。
對于第一類負荷而言，即為設備的電路結構和參數，對第二類負荷而言，即為表征其伏安特性的各參數。式(1)的表達形式雖然難以得到，但若給定供電電壓波形和設備控制參數C，則可以通過數值計算精確地計算出諧波源吸收的各次諧波電流。以上模型雖然精確，但是由于負荷種類繁多，各自的參數集合C難以精確獲得，另外由于計算復雜，限制了該模型的使用。
神經網絡因為其強大的非線性映射能力和并行處理、自學習等優點而成為非線性建模的主要方法之一。他通過對簡單的非線性函數的復合來完成這一映射，從而可以表達復雜的物理邊界條件?；谏窠浘W絡的這一特性，文獻[3]中提出了用徑向基網絡(RBF networks)建立諧波源模型的方法，并引入系統進行諧波潮流的計算，顯著提高諧波潮流的收斂速度。文獻[4]基于神經網絡提出一種新的諧波檢測方法。
結合諧波源建模問題，利用一種新穎的反向傳播(Back Propagation，B-P)算法建立穩態頻域的諧波源模型，表征諧波源的電壓-電流特性。在該模型中，各次諧波電流的幅值、相角各次諧波電壓的幅值、相角以及負荷特征參數的關系通過一種新穎的反向傳播(B-P)算法網絡進行非線性映射。該算法引入神經元“權”的概念。在訓練中，發現某個神經元的“權”比學習精度小，這個神經元將被去掉，且只需要檢查與最新輸入數據距離最近的神經元的“權”。如果新的輸入數據并不需要增加新的神經元，那么只有距離最近的那個神經元的參數被調整。這樣，計算量將減少，學習的速度也提高了。B-P算法的訓練并行進行，對神經網絡中的每一個神經元，其運算是同樣的，這樣的結構便于進行計算機并行處理，并且具有記憶性。算法的這種特性可用于模型的在線建立與動態更新。算例計算表明，本模型具有訓練時間少、精度高、可動態建模等優點。
1 反向傳播(B-P)算法建模方法
網絡學習的目的是要使網絡盡可能逼近理想(目標)的反應，這種反應通過訓練數據或成為學習資料的輸入/輸出數據來衡量。在網絡受訓練時，不斷將網絡的輸出數據與理想的輸出相比較，并按照學習規則改變權重，直至網絡的輸出數據對所有訓練數據與理想的輸出數據之差達到要求的誤差范圍之內。
設有P個訓練樣本，即有P個輸入輸出對(Ip，Tp)，p=1，2，…，P。其中Ip=(ip1，ip2，…，ipm)T為輸入向量；Tp=(tp1，tp2，…，tpn)T為目標輸出向量。這里m是輸入向量的維數，n為輸出向量的維數。簡單網絡如圖1所示，圖1中OP=(op1，…，opn)T是對應于輸入Ip的網絡實際輸出向量，他與目標輸出向量Tp會有一定的差異。網絡學習是指不斷地把OP(實際網絡輸出)與Tp(目標期望輸出)做對照，并利用他們間的差距即OP與TpУ木嗬肫椒劍
2 基于B-P網絡的諧波源建模
諧波源模型基于以下設定：諧波源的供電電壓及其吸收的電流均為三相對稱且以T為周期的周期性函數。此時諧波源的全部特性可由其在供電側基波電壓相角為零、基波電壓幅值和各次諧波電壓幅值、相角變化時的特性惟一決定。這樣，諧波源各次諧波電流的相角可以由供電側基波電壓相角作為基準?；妷合嘟菫榱銜r，式(1)可以轉化為：
這樣，各次諧波電流的幅值和相角與各次諧波電壓的幅值和相角以及負荷特征參數C的非線性映射關系就可以通過對神經網絡的訓練建立起來。對系統中的實際負荷而言，可以通過一定時間的連續采樣獲得一定的訓練數據，然后采用B-P算法進行訓練。當負荷特征參數C變化時，可以動態地更新諧波源模型。如果采用計算機仿真獲取訓練數據，則可以人為地設定供電電壓諧波分量，經數值計算獲得其電流諧波向量。由于在系統實際運行中，各次諧波電壓幅值一般不超過系統電壓額定值的10%，因而在仿真中，可以在此范圍內選擇訓練和測試用例。
定義2個指標衡量網絡的學習精度：算術平均誤差(Mean Arithmetic Error，MAE)εMAE和均方根誤差(Root Mean Square Error，RMAE)εRMSE：
式中f(xi)為神經網絡的輸出。訓練前應首選進行尺度變化，將樣本數據的取值范圍轉化為[0，1]。
3 算例分析
為了驗證所提出的諧波源建模算法的合理性，采用了三相TCR電路做研究，如圖3所示。其由3部分構成：諧波電壓源、線路感抗、三角形聯結TCR。
圖3 三相TCR電路結構圖
為獲取訓練樣本，本文對該系統進行計算機仿真研究。計算中各參數均采用標幺值，基準值為10 kV，1 MVA。在仿真計算中，基波電壓V(k)1在0.95～1.1之間，諧波電壓的實部V(k)hr和虛部V(k)hi在-0.05～0.05之間按均勻分布隨機設定，并令θ(k)u1=0。由于只考慮系統三相平衡的情況，因而只考慮特征諧波，即h=6k±l，k=1，2，…，4。гMatlab環境下進行訓練和測試，訓練結果如表1所示。仿真電路如圖4所示。
表1 訓練結果與誤差[STBZ][HT6K]
圖4 Matlab仿真電路
表2 計算與仿真結果對比[STBZ][HT6K]
由表1和表2可見，其測試誤差很小；由圖5可見，仿真與計算波形吻合很好，表明已成功地對系統建模，訓練時間也能滿足應用的需要。
圖5 計算與仿真波形對比
4 結 語
研究利用反向傳播算法神經網絡對穩態頻域諧波源進行建模的問題。在該模型中，各次諧波電流的幅值和相角、各次諧波電壓的幅值和相角以及負荷特征參數的關系通過一種新穎的B-P網絡進行非線性映射。該算法是并行學習算法，可利用實測的新數據進行模型更新。通過對三相TCR電路的諧波源建模研究，采用反向傳播算法神經網絡建立的諧波源模型精度高，是諧波源建模的有效方法。該算法還為諧波源濾波的補償算法[5]提供了思路。
參考文獻
[1]Hu Ming，Chen Heng.Survey of Power Quality and Its Analysis Methods[J].Power System Technology，2000，24 (2)：36-38.
[2]趙勇，張濤，李建華，等.一種新的諧波源簡化模型[J].中國電機工程學報，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]張林利，王廣柱.一種基于人工神經網絡的諧波測量新方法[J].電力系統及其自動化學報，2004，16(2)：40-43.
[5]呂征宇，錢照明，Green T C.并聯有源電力濾波器的神經網絡預測控制[J].中國電機工程學報，l999，l9(12)：22-26.
作者簡介 劉 暢 男，1981年出生，山東大學控制學院05級碩士研究生。主要研究方向為電力電子技術及應用。
篇8
【關鍵詞】 atoll 精確仿真 射線跟蹤
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
在密集城區LTE網絡規劃中，由于區域內無線傳播環境的復雜性，通用的傳播模型和傳統的仿真手段難以對網絡覆蓋和干擾情況做出精準預測，很有可能造成站點開通后實測的覆蓋效果達不到規劃目標值，需要后期進行大規模的優化和改造，極大影響了LTE建設進度和網絡覆蓋效果。針對密集城區LTE網絡規劃的難題，在規劃仿真過程中采用ATOLL的CROSSWAVE射線跟蹤傳播模型代替通用SPM傳播模型，能較好的模擬單個站點周邊傳播環境，有效提升站址規劃的準確性。
二、CROSSWAVE射線跟蹤傳播模型仿真的實現原理
ATOLL的CROSSWAVE射線跟蹤傳播模型是一種射線跟蹤模型。射線跟蹤是一種被廣泛用于移動通信和個人通信環境中的預測無線電波傳播特性的技術，可以用來辨認出多徑信道中收發之間所有可能的射線路徑。一旦所有可能的射線被辨認出后，就可根據電波傳播理論來計算每條射線的幅度、相位、延遲和極化，然后結合天線方向圖和系統帶寬就可得到接收點的所有射線的相干合成結果。
射線跟蹤法的基本思想是：首先確定一個發射源的位置，根據3D地圖上的建筑物特征和分布找出發射源到每個接收位置（測試點）光線的所有傳播路徑，然后根據菲涅耳等式和幾何繞射理論/一致性繞射理論（GTD/UTD）等，確定反射和繞射損耗等，這樣相應得到每條路徑到每個測試點的場強，將同一測試點處到達的所有路徑的場強做相干疊加，得到每一個測試點處總的接收場強。
基于射線跟蹤傳播模型的仿真，充分考慮建筑物的特征和分布對信號傳播的影響，可以精確地進行網絡規劃，仿真后覆蓋預測結果與實際路測情況一致性較好。
三、仿真結果與實測數據對比分析
為了更好驗證射線跟蹤傳播模型的優異性，對LTE試驗網試點區域展開了專題研究分析。我們采用了ANPOP仿真軟件+通用SPM傳播模型組合和ATOLL仿真軟件+CROSSWAVE射線跟蹤傳播模型組合方式分別對試點區域進行仿真，通過與實測數據對比分析可以看出，采用ANPOP仿真軟件+通用SPM傳播模型的傳統方式進行仿真，預測的覆蓋電平及干擾情況與實際路測結果在整體分段統計中較為接近，但在具體區域對比中存在一定差距，部分路段仿真較實際路測結果或樂觀或悲觀，仿真結果不夠精確，不能完全理想地支撐站址規劃；采用ATOLL仿真軟件+CROSSWAVE射線跟蹤傳播模型進行仿真，能較好的模擬站點周邊傳播環境，仿真預測結果與實際路測情況較為一致，具體分析情況如下：
3.1 ANPOP仿真軟件+通用SPM傳播模型分析結果
試點區域為密集城區，共有23個LTE站點。傳統仿真方式采用ANPOP仿真軟件+SPM傳播模型，通過CW測試進行模型校正。（圖1）
通過對比我們可以發現，ANPOP整體覆蓋預測情況預測偏樂觀。其中友誼路上方路段預測較實際情況要樂觀很多，武漢展覽館路段較實際情況悲觀；ANPOP整體干擾情況預測偏樂觀。其中友誼路上方路段預測較實際情況要樂觀很多，大京都賓館路段較實際情況悲觀。整體呈現一定的不均衡性。
3.2 ATOLL仿真軟件+CROSSWAVE射線跟蹤傳播模型分析結果
基于射線跟蹤傳播模型的仿真方式采用ATOLL仿真軟件+CROSSWAVE射線跟蹤傳播模型，CrossWave是由Orange Labs實驗室開發，由Forsk公司和支持的高級的通用傳播模型，主要模擬三種傳播現象，垂直衍射，水平面的導向傳播及山脈區域的反射傳播。
CrossWave通過將導入的地圖clutter classes的地物與CrossWave所能識別的地物進行匹配，從而生成一個個100米精度的柵格文件，這些單個柵格文件用來描敘地物環境，每個柵格配套一套特定的傳播系數，從而精確模擬不同地物環境的傳播特性。通過建筑物外形（3D建筑物矢量地圖）生成用于尋找發射機和接收機之間所有的傳播路徑的Graphs文件。從而可以更好的在街道環境中模擬水平導向傳播，比SPM模型更準確。
表1：ANPOP+SPM與ATOLL+CROSSWAVE的對比
項目 ANPOP+SPM ATOLL+CROSSWAVE
覆蓋電平RSRP仿真 覆蓋仿真結果與路測結果整體分布基本一致，但在具體區域出現上下波動情況，無法修正，仿真結果不夠精細 覆蓋仿真結果與路測結果基本一致，能很好的預測網絡的覆蓋情況
干擾情況SINR仿真 干擾仿真結果與路測結果整體分布基本一致，但在具體區域出現上下波動情況，無法修正，仿真結果不夠精細 覆蓋仿真結果與路測結果比較偏悲觀，不過可以通過加權值予以修正，從而獲得較準確的干擾情況
基礎數據要求 基礎數據要求較高，經緯度信息要求精確到站點級別，同一站點小區位置在樓面小范圍挪動對仿真結果影響較小 基礎數據要求很高，經緯度信息需要精確到每一個小區，小區在樓面位置的挪動對仿真結果影響較大
電子地圖要求 電子地圖精度為5米、20米均可，無需建筑物及建筑物高度信息 電子地圖必須采用5米精度，需包含建筑物及建筑物高度信息
運算速度 采用SPM模型時，ANPOP軟件運算速度較ATOLL慢。 支持多線程運算，SPM模型較ANPOP快；CROSSWAVE模型計算量很大，計算時長大約為SPM模型的10至20倍，對電腦性能要求較高
通過對比我們可以發現，采用ATOLL CROSSWAVE射線跟蹤傳播模型的覆蓋電平RSRP仿真與DT路測的結果基本一致，能夠很好的預測實際的覆蓋電平值；干擾情況SINR仿真較DT路測的結果均顯得悲觀，不存在正負波動的情況，可以在仿真結果的基礎上疊加權值來預測干擾情況，以獲得較準確的干擾情況。
3.3 ANPOP+SPM與ATOLL+CROSSWAVE對比分析總結（如表一）
四、結束語
射線跟蹤模型充分考慮建筑物的特征和分布對信號傳播的影響，可以很好地模擬無線電波傳播，幫助我們進行精確的網絡規劃，很好地滿足越來越精細的網絡規劃需要。密集市區環境下中高層建筑較多，建筑物平均高度或平均密度明顯高于城市內周圍建筑物，建筑物對接收信號強度有著十分重要的影響，射線跟蹤模型的優勢非常顯著。
參 考 文 獻
[1] Atoll技術文檔 “Atoll_Getting_Started_LTE_320_Chi”
篇9
0引言
電力通信網是為電力系統專門構建的通信網絡，其對于安全性和可靠性有較高要求。本文研究電力通信網絡的故障定位問題，該問題的挑戰在于如何在故障發生時及時、準確、高效地查明故障源。網絡中經常單個故障引發多個告警事件，其中包含大量冗余和不完整告警信息，為了定位真正的故障源，需要對這些信息進行分析處理，從而識別并幫助預測網絡故障。故障定位是網管系統的關鍵技術之一，目前的定位算法主要有以下幾種：
1）基于故障依賴關系圖的故障定位方法。該類算法的主要特點是基于對網絡拓撲故障依賴關系的分析。王保義等[1] 將全局網絡按地理位置和重要性進行分層，在得到了告警設備節點的集合后從層次低的子網開始搜索，由依賴關系逐漸向上層確定告警父親集合，最終得到頂層的故障源；杜曉麗等[2]基于鏈路故障和節點故障之間的依賴關系改進了故障依賴圖，并提出一種啟發算法。
2）基于貝葉斯網絡的故障定位方法。該類算法以故障傳播模型構造故障源故障告警關系圖。張成等[3]以概率加權的二分圖作為故障傳播模型，提出一種基于增量貝葉斯疑似度的啟發式故障定位算法，擺脫了對于時間窗口的依賴，將算法的復雜度降低為多項式級別；王開選等[4]指出故障傳播模型下的故障定位問題是NP（Nondeterministic Polynomial）難的，并提出一種啟發式的最小損失故障定位算法；王汝言等[5]以概率加權的二分圖作為故障傳播模型，提出一種基于貝葉斯征兆解釋度（Bayesian Symptom Explained Degree， BSED）的鏈路故障定位算法，該算法的計算復雜度較低；Kandula等[6]考慮了共享風險鏈路組的故障關系，即網絡層共享鏈路故障引發的故障關聯關系，將這種關系映射到故障傳播模型圖中并在原關系圖加入小概率權值的猜想邊用以描述模型中可能丟失的拓撲信息。
3）基于模糊邏輯推理的故障定位方法?；谀：评淼姆治龇椒ㄟm用于網絡情況復雜、知識庫不完整等原因造成無法對故障告警給出完整解釋的情形。王翔等[7]使用3種標準的隸屬度函數對光網絡的故障定位問題給出了模糊聚類下的解；宋繼恩等[8]使用模糊算法定位故障載體，為所有可能的故障載體設置隸屬度并通過二元對比決策來確定最大的隸屬度從而實現故障定位。
4）基于神經網絡的故障定位方法。該類算法將故障源作為輸入、故障告警作為輸出期望對各層神經元權值進行調整，直到實際輸出滿足特定要求為止。文獻[9-10]均采用了基于模糊神經網絡的故障診斷方法，對故障告警信息進行模糊化后再對模糊化的數據進行神經網絡訓練。
5）其他故障定位方法。閆生超等[11]提出基于組合規則的通信網故障分析方法，用告警事件樹和代碼簿分析故障，本質是對貝葉斯方法的一種改進；李彤巖[12]提出基于數據挖掘的告警關聯分析，實際上是利用基于規則推理的方法定位故障。
網絡中常常存在一些關鍵節點和關鍵鏈路，它們的故障會造成大規模的網絡癱瘓，使網絡中產生大量的告警，這給故障定位帶來了挑戰。這種關鍵設備或鏈路的位置與網絡拓撲密切相關，現有的故障定位模型[1]61，[2]67，[6]175主要考慮拓撲對故障傳播的影響，而忽視了故障位置對告警信息的影響。本文算法旨在解決大范圍連通片故障告警下故障定位問題。
篇10
一、微博客鼻祖推特(Twitter)在2006年3月由blogger.com的創始人伊萬？？威廉姆斯(Evan Williams)推出，在中國則以飯否2007年的流行為代表，第一批的中國微博客用戶多為Twitter和飯否等網站的用戶。
二、2009年初，微博客在國內突然又爆發了第二次浪潮，“翻開各大主流的中文報紙、雜志，無不在探討Twitter這種新型的社交平臺。而國外的媒體更是不遺余力地對Twitter唱起贊歌，甚至學術界也在猛捧Twitter。資本市場也在虎視眈眈，包括傳媒巨頭默多克都在密切關注著Twitter的一舉一動?！保?？
三、2009年上半年之前，在國內活躍的微博客網站，是以飯否、嘀咕、做啥等代表的專業型網站。但由于網站內容管理等諸多問題，國內微博客代表網站飯否在2009年中開始無法訪問，Twitter訪問也受到限制，微博客在國內的發展似乎蒙上了一絲陰影。
四、2009年下半年，新浪開始推出微博產品，還在內測階段時，就已經吸引了大批業內人士和名人明星的關注。新浪微博以名人為切入口，短期內迅速擴張，并獲得了業內好評，現在已儼然成為中國網站微博產品的代名詞。
五、2010年初，搜狐、網易已在積極內測自己的微博產品，人民網也于2010年1月開始內測人民微博；而2010年1月，國內知名網站程序提供商康盛創想推出微博系統的測試訪問，名為“康盛微博CTT Beta版”的建站程序宣告上線。接下來，在門戶網站的帶動下，微博客極有可能成為各類網站的標配產品，獨立的微博客網站所面對的生存環境將更為惡劣。
微博客的傳播特性
“這年頭，沒個圍脖，還真不好意思跟人打招呼”——這句新浪微博略帶調侃意味的宣傳語，道出了微博客在網絡傳播和人際交往方面的價值。與電子郵件、手機短信、即時通訊工具等產品相比，微博客有著自己獨特的優勢或特點：
表1：微博客與其他產品相比的特點和優勢
沒有一種媒介形態是萬能的，上表簡單列舉了微博客與之前6類產品各自的特點比較，在一些方面各產品都有自己獨特的優勢。但綜合來看，微博客有著較強的產品優勢，尤其在用戶參與方面，隨著手機互聯網的發展，微博客將擁有廣闊的發展空間。
綜合起來，筆者認為，微博客具有如下幾個傳播特性：
1.單一性
微博客的基礎功能特別單一：一句話描述用戶當下的心情、狀態、所見所聞所想，符合“小即是美”的哲學，這也是其受到追捧的原因之一。在信息泛濫的數字化時代，浮躁的社會和忙碌的生活讓人們越來越難以停下腳步。WEB2.0時代第一個典型代表博客寫作都顯得過于正式和繁瑣，而微博客所推崇的隨時隨地、自由自在的風格，正是給這一時代的人們提供了一個絕佳的平臺。
2.碎片化
“碎片化”是描述當前中國社會傳播語境的一個形象說法?！八^‘碎片化’，英文為Fragmentation，原意為完整的東西破成諸多零塊……就傳播的影響力而言，以往依靠某一個(類)媒介的強勢覆蓋而‘號令天下’的時代已經一去不復返了。一方面是傳統媒介傳播市場的份額在不斷收縮，其話語權威和傳播效能在不斷降低；另一方面則是新興媒介(如博客、BBS等)的勃興與活躍，傳播通路的激增、海量信息的堆積以及表達意見的莫衷一是，這便是現階段傳播力量構建所面對的社會語境?！?？？
在這里我們借用這個概念，因為基于“單一性”特征和140個字符的限制，微博客所生產、傳播的信息，也具有碎片化特征：微博客的內容多數是個人瑣碎的生活細節，或新聞、事態的滾動進展，每一條單獨的內容，都只能表達有限的信息，呈現出“碎片化”的特征，甚至出現“口水化”的趨勢。
但另一方面，“奇妙的是，盡管信息已經高度碎片化，但是它們能自發組織、完成對某個事件的完整報道和傳播，也能夠記錄一個普通人生活中所有的點滴，以至于整體看下來，似乎是一部由俳句組成的個人史?！保?？
3.開放性
開放API(OpenAPI)是SaaS(Software as a Service，軟件即服務)模式下常見的一種應用，網站的服務商將自己的網站服務封裝成一系列API(Application Programming Interface，應用編程接口)開放出去，供第三方開發者使用，即開放API。以Twitter為代表的微博客對用戶開放API，超過3000種的Twitter應用都是用戶根據公開的API開發而來的，這些第三方應用反過來又增強了Twitter原有平臺對用戶的吸引力。
國內其他微博客網站一般都陸續開放了API，而新浪微博剛推出時，是完全封閉的微博客網站，不支持API和新聞聚合器(RSS)，之后推出了基于個別合作方的博客掛件移動客戶端。
4.整合性
基于開放性特征，微博客能夠整合各類工具，表現出強大的兼容性，用戶可以通過各種方式來更新自己的微博客：手機短信、桌面客戶端、在線更新、即時通訊(IM)，甚至可以通過輸入法更新微博客。但目前國內微博客網站之間的開放、互聯仍然遇到一些競爭障礙，比如騰訊滔滔曾經屏蔽過飯否的QQ機器人，飯否又曾屏蔽過嘰歪和嘀咕的用戶，相互之間的互聯互通無法真正實現。
尤其值得注意的是，微博客通過手機短信這一渠道，真正實現了信息的隨時隨地。Twitter的聰明就在于把PC平臺和手機平臺連接得很自然，手機成為首選平臺也很自然，不用去教育用戶，因為服務的性質決定如此，不這樣就享受不好這個服務。從這個意義上說，Twitter可能是網絡史上第一個真正的基于手機的基礎性互聯網服務。？？
5.實時性
所謂“實時網絡”，指的是發生在網上的實時社交活動，Twitter就被稱為實時網絡的代表?！癟witter上的信息有一個明確的時間軸，當你在上面搜索時結果呈現的絕對是最新的信息，而這一點以搜索大網站為己任的Google可能永遠不能精準做到?！?？？
微博客的這一特征，已經引起了搜索引擎的高度關注，Google在2009年底已經推出英文版的實時搜索功能，而百度最近推出的i貼吧產品，與微博則有著一定的差異，可以看作是百度在實時搜索方面的嘗試。
6.跟隨性
這一特征被形象地比喻為“背對臉”。就好比你在電腦前打游戲，路過的人從你背后看著你怎么玩，而你并不需要主動和背后的人交流。
這一特征，反倒是WEB1.0時代的廣播模式，即follow(跟隨)模式。這一特點，與QQ、MSN等即時通訊工具相比似乎互動性弱了一些，但其實各自有著自己的優勢：即時通訊工具信息交流的雙方，必須是好友關系或在同一個群組之中，信息交流和期望回復的迫切性較強；而微博客不強調好友關系，跟隨者可以單向關注某一微博客，而被關注者可以不去理會跟隨者，對跟隨者的評論可以自主選擇回復與否。
如果把一個微博客看作一份報紙，則其跟隨者的多少，可以看作這份報紙的訂閱用戶。微博客報紙所的信息，被自動發送到跟隨者的報箱中，而網絡技術的發展，還可以實現這份報紙一對一或一對多的與訂閱用戶的交流。這一特征，為粉絲圈、品牌圈的建立創造了高效的傳播平臺，也將是微博客核心商業價值之一。
微博客盈利模式分析
也許對包括Twitter在內的微博客來說，盈利模式是近期內不用太過操心的問題，如何做大規模、優化用戶體驗才是眼下最關鍵的事情。但盈利模式遲早會成為微博客最為關注的問題之一，筆者認為，微博客主要的盈利模式，可能會包括如下幾類：
1.短信分成
這是微博客目前看來可能最簡單、最容易實現的收入來源之一，大量的用戶通過手機短信和彩信微博客，當用戶數量足夠龐大導致短信費用足夠可觀時，微博客運營網站完全可以憑借用戶優勢，與運營商洽談收入分成。
2.廣告
這是最傳統的一種模式，一個平臺只要積累了足夠的用戶和流量，就具有了廣告價值。以Twitter為例，其目前全球網站綜合排名第12位(2009年11月~2010年1月平均)，2009年11月全球獨立用戶訪問量為6030萬，這個數據，已經具有足夠的廣告價值。
3.品牌服務
使用微博客的不僅僅有網民個人，也有各類企業。無論是個人還是機構，都可以借助微博客網站的平臺來宣傳自己的品牌，而這一需求則為微博客商業價值的延伸奠定了基礎。而微博客所具有的互動、整合等產品特征，加上網站強大的運營推廣平臺，又為品牌網絡營銷提供了強大的支撐，微博客網站完全可以通過為品牌提供一攬子服務獲得收入。
舉個例子，新浪微博目前針對名人和媒體機構等推出的V認證服務，完全可以復制到企業領域：一旦針對企業微博客營銷的產品服務體系研發成功且時機成熟，則可以在企業繳費的基礎上，對企業進行實名認證(例如在企業微博客名稱上加上V字母或A字母)。這些被認證的企業，則類似于擁有了淘寶的星級認證。目前，Twitter已開始嘗試針對部分商用戶提供VIP服務，相信這一模式將來也會成為微博客的收入來源之一。
4.電子商務
電子商務可以看作是“品牌服務”的一個分項，由于電子商務整體上已經擁有了龐大的市場規模，而且本身具備較為完整的產品體系，因此在這里筆者把它單獨列出。微博客網站能為品牌提供的一攬子打包服務，從技術角度可以有多種可能，但適合微博客產品特性、并受到網友歡迎的，將只是部分功能。其中，電子商務似乎是比較典型的一種。通過微博客的平臺，企業得以與網民建立互動關系，這首先就為消費者在諸多商家中尋找適合的一家奠定了基礎。
5.虛擬產品
微博客用戶不僅可以通過購買虛擬產品來裝扮自己的微博空間形象，還可以通過參與一系列的在線游戲進行虛擬交易，或者享受高級別的產品模塊服務。而網站則會通過提供虛擬產品和服務獲得收入。
如上五大盈利模式，只是筆者對目前微博客發展的初步認識。也許，隨著微博客用戶的爆發式增長和微博客產品研發的不斷深化，新的產品和服務將不斷涌現。而最適合微博客的商業模式也將被開發，相信微博客還會有更為寬廣的市場道路。
微博客可能給傳播環境帶來的變化
互聯網的出現改變了媒體傳播的格局，一方面，門戶網站和各地新聞網站通過整合傳統媒體的內容資源，為網民提供了快速、全面的信息服務；另一方面，互聯網也日益成為傳統媒體尋找新聞線索和內容來源的巨大寶庫：WEB1.0時期的典型代表是論壇，WEB2.0時期的典型代表則是博客。直至今天，這兩大平臺仍在為傳統媒體提供著豐富的內容：傳統媒體從論壇中發現新聞線索，再進行深入挖掘；而新聞當事人、網民評論家則直接通過博客事件進展、新鮮熱評，并被傳統媒體廣為引用。
從傳播的四種類型角度進行分析，微博客在四種傳播類型上都有其用武之地。第一，微博客用戶記錄自己狀態、想法的過程，是一種典型的自我傳播，類似日記的功能；第二，“你在做什么(What are you doing)？”的定位，又決定了微博客內容希望與別人進行分享，跟隨與被跟隨的過程，可以看作一種虛擬的人際傳播；第三，微博客的跟隨性特別便于組織之間傳遞信息，伊朗大選期間民眾通過Twitter發動游行的案例，充分證明了微博客在組織傳播方面所起到的作用；第四，一旦某位微博客作者擁有了大量的跟隨者，這時他所的信息，就具有了大眾傳播的特性，可以一對多地快速傳遍所有的跟隨者，微博客的威力開始顯現。
目前，微博客的商業價值還沒有被充分開發，顯現更多的仍然是信息傳播工具屬性并兼具一定的媒體屬性。但微博客作為一個新的交流互動平臺，正在受到越來越多人的青睞。相比博客而言，微博客使用更加簡單，用戶所付出的單位成本、精力投入都更少，寫作門檻更低，用戶擴展更為迅速，為可能實現的媒體信息傳播積累了龐大的通訊員隊伍。同時，整合各類工具尤其是手機短信的優勢，微博客具備了實時傳播的特性，在面對突發新聞事件時，微博客的報道速度往往能領先于傳統媒體。例如在邁克爾？？杰克遜逝世還未經證實之前，已經有大批歌迷趕到他就醫的洛杉磯加州大學醫院，原因就是Twitter上的消息傳播。從這個角度來講，即時性是微博客作為媒體傳播最顯著的特征。
微博客碎片化的內容特征，使得它的優勢主要體現在對突發事件的第一時間報道方面(或許再加上后續簡短的跟蹤報道)，而不太適合于進行深入報道。即微博客的報道符合新聞傳播關于快速的要求，但未必符合全面、深入的要求。同時，微博客作者既不像傳統媒體的記者編輯那樣經過專業的新聞業務培訓，其所的信息，也不像傳統媒體那樣經過專業的流程審核。因此微博客所傳播的信息不確定性很高，甚至會存在作者故意散布虛假消息的可能。
從如上角度來看，微博客內在的信息生產、篩選和傳播機制都尚未健全，作為一個媒體平臺來講，在現階段還遠未成熟。但不可否認，微博客已經具備了信息快速、廣泛傳播的基礎條件，隨著用戶規模的迅速擴張，以及其內部運行機制的不斷完善，它在社會信息傳播中所能發揮的空間將越來越大，將來完全有可能成長為媒體新聞信息來源的一個重要渠道，并將納入國家監管的視野。例如，2009年11月1日，在中國互聯網協會第三屆二次理事會上，中國互聯網協會副理事長高新民透露，將加強對微博客服務的管理，協會將制定《微博客服務自律規范》。
