کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6873441 1440636 2018 34 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Cloud computing based bushfire prediction for cyber-physical emergency applications
ترجمه فارسی عنوان
پیش بینی بوشهر برای رایانه های مبتنی بر ابر برای کاربردهای اضطراری فیزیکی سایبر
کلمات کلیدی
پردازش ابری، بوش فیر، برنامه ریزی، مدیریت منابع،
ترجمه چکیده
در چند سال گذشته، مطالعات متعددی برای کاهش تاثیر بسوزی ها بوسیله نقشه برداری رخدادهای آن و گسترش آن پیشنهاد شده است. اکثر این ابزار و مدل پیش بینی / نقشه برداری برای اجرا بر روی یک ماشین محلی یا خوشه ای با کارایی بالا ساخته شده اند که هیچ کدام نمی توانند با نیازهای کاربران مقیاس شوند. فرایند نصب این ابزارها و مدل ها، پیکربندی آنها می تواند یک روند خسته کننده و وقت گیر باشد. بدین ترتیب ساخت آنها برای سیستم های اضطراری فیزیکی سایبر محدودیت زمانی مناسب نیست. در این تحقیق، برای بهبود کارایی فرایند پیش بینی آتش و ایجاد این سرویس برای چندین کاربر در یک مقیاس پذیر و با هزینه ای مقرون به صرفه، ما یک چارچوب پیش بینی مقیاس پذیر برای ابررساناها فراهم می کند که امکان پیش بینی احتمال وقوع آتش را در مناطق مختلف مورد علاقه. این چارچوب، فرایند انتخاب مدل های خاص بوش فایر را برای مناطق خاص و برنامه ریزی درخواست های کاربران در دوره های مشخص شده خود را به طور خودکار. نتایج ارزیابی نشان می دهد که سیستم پیش بینی آتشفشان مبتنی بر ابر ما می تواند منابع و مقاصد کاربر را برآورده کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
پیش نمایش مقاله
پیش بینی بوشهر برای رایانه های مبتنی بر ابر برای کاربردهای اضطراری فیزیکی سایبر
چکیده انگلیسی
In the past few years, several studies proposed to reduce the impact of bushfires by mapping their occurrences and spread. Most of these prediction/mapping tools and models were designed to run either on a single local machine or a High performance cluster, neither of which can scale with users' needs. The process of installing these tools and models their configuration can itself be a tedious and time consuming process. Thus making them, not suitable for time constraint cyber-physical emergency systems. In this research, to improve the efficiency of the fire prediction process and make this service available to several users in a scalable and cost-effective manner, we propose a scalable Cloud based bushfire prediction framework, which allows forecasting of the probability of fire occurrences in different regions of interest. The framework automates the process of selecting particular bushfire models for specific regions and scheduling users' requests within their specified deadlines. The evaluation results show that our Cloud based bushfire prediction system can scale resources and meet user requirements.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Future Generation Computer Systems - Volume 79, Part 1, February 2018, Pages 354-363
نویسندگان
, , , , , ,