Tóm tȃt. Hầ u hết các phu. o. ng pháp tính toán tái hiê. n ma. ng sinh ho. c hiê. n nay mó. i chı ' tâ. p trung tìm các tu. o. ng tác giũ. a hai phân tu. ' , trong khi dó ma. ng chuyê ' n hóa la. i bao gồm các pha 'nú. ng liên quan dến tù. 2 dến 6 chất. Vì vâ. y mà các phu. o. ng pháp khám phá ma. ng sinh ho. c dang tồn ta. i không thích ho. . p dê ' tái hiê. n các pha 'nú. ng sinh hóa có nhiề u ho. n hai chất tham gia. Bài báo này gió. i thiê. u mô. t phu. o. ng pháp tính toán tái hiê. n ma. ng các chất chuyê ' n hóa tù. dũ. liê. u do nồng dô. /khối lu. o. . ng các chất o. ' các diề u kiê. n hoȃ. c thò. i diê ' m khác nhau. Phu. o. ng pháp không chı ' phát hiê. n các tu. o. ng tác giũ. a hai phân tu. ' mà còn phát hiê. n du. o. . c các tu. o. ng tác nhiề u ho. n hai phân tu. ' , dó là các tu. o. ng tác ba chất, tu. o. ng tác bốn chất, v.v. Trong phu. o. ng pháp dề xuất, chúng tôi su. ' du. ng dô. do thông tin phu. thuô. c bâ. c ba dê ' dò tìm các tu. o. ng tác da chất. Chúng tôi cung cấp mô. t cách nhìn mó. i về dô. do thông tin phu. thuô. c bâ. c ba mà thích ho. . p trong viê. c phát hiê. n các tu. o. ng tác nhiề u ho. n hai biến. Hiê. u nȃng cu 'a phu. o. ng pháp dề xuất dã du. o. . c dánh giá trên các dũ. liê. u mô pho 'ng các hê. chuyê ' n hóa sinh ho. c. Tính chính xác cu 'a phu. o. ng pháp tái hiê. n la. i ma. ng chuyê ' n hóa du. o. . c dánh giá o. ' hai mú. c: các tu. o. ng tác hai chất và các tu. o. ng tác ba chất. Kết qua ' tái hiê. n cu 'a Phu. o. ng pháp dề xuất là rất triê ' n vo. ng.
Compression schemes can be divided into two categories, lossy and lossless, but this paper presents lossless data compression models and the original data can be correctly recovered from the data compressed material. Some mathematical results are assumed; the results of probability tests are assumed and used to evaluate the compression techniques we will discuss. To learn more about math concepts for some of the topics in this article, see [2, 3]. First, we look at several ideas in information theory that provide a standard for the development of lossless data compression schemes are briefly reviewed. We next look at several ways to model data that lead to efficient data compression encryption schemes.
Từ khóa-Anchor modeling; can thiệp mã nguồn; dữ liệu trong quá khứ; sinh tự động trigger; T-SQL I. GIỚI THIỆUDữ liệu tiến hoá là dữ liệu thường xuyên có sự thay đổi về nội dung, cấu trúc, các ràng buộc, biểu diễn, nguồn gốc và tính xác thực. Cơ sở dữ liệu (CSDL) thông thường lưu trữ dữ liệu và cho phép tìm kiếm trên đó. CSDL thời gian (temporal database) là CSDL lưu trữ dữ liệu trong quá trình tiến hoá (under evolution) và cho phép tìm kiếm lịch sử trên đó. Cụ thể, CSDL thời gian cho phép truy cập đến dữ liệu ở thời điểm cuối cùng, một thời điểm bất kỳ trong quá khứ hoặc truy cập đến lịch sử thay đổi dữ liệu trong một khoảng thời gian nào đó. Dữ liệu phụ thuộc vào thời gian và thời điểm thay đổi dữ liệu phải được ghi lại.Anchor Modeling (AM) [1; 2] kết hợp chuẩn hoá lược đồ quan hệ và tính cạnh tranh (emulation) để cung cấp kỹ thuật mô hình hoá CSDL linh hoạt (agile) cho dữ liệu tiến hoá. AM cung cấp hệ thống các nguyên tắc [3], theo đó, mô hình thu được có thể được triển khai theo mô hình dữ liệu quan hệ một cách đơn giản. Kết quả trực tiếp là CSDL thời gian đạt chuẩn 6NF.AM cung cấp kỹ thuật mô hình hoá dữ liệu tiến hoá, công cụ mô hình hoá trực quan trong chế độ tương tác, khả năng sinh tự động các kịch bản để chuyển từ sơ đồ thiết kế được sang CSDL vật lý trong mô hình dữ liệu quan hệ. AM hỗ trợ nhiều hệ quản trị (HQT) CSDL khác nhau như Oracle, SQL Server, PostgreSQL… AM cũng sinh tự động các khung nhìn và các hàm giúp truy cập đến dữ liệu ở thời điểm cuối cùng, dữ liệu ở thời điểm bất kỳ trong quá khứ hoặc truy vấn thông tin thay đổi dữ liệu trong một khoảng thời gian hay toàn bộ quá trình thay đổi của CSDL. Các đối tượng dữ liệu đặc biệt này trên thực tế sử dụng phép nối ngoài, truy vấn lồng đồng bộ hoặc truy vấn lồng bao gồm phép gộp nhóm và hàm MAX như là bảng ảo [1; 2; 4]. Rõ ràng, các truy vấn này có thể yêu cầu tài nguyên của hệ thống rất lớn.Khung nhìn thực (materialized view) cho phép tăng đáng kể tốc độ thực thi truy vấn [5][6][7][8], có thể được sử dụng để giải quyết vấn đề này. Tuy nhiên, khung nhìn thực còn gọi là khung nhìn chỉ mục hoá trong SQL Server không cho phép nối ngoài, phép gộp nhóm và hàm gộp MAX [8].Nghiên cứu này thực hiện điều chỉnh mã nguồn của công cụ mô hình hoá AM để: -Sinh các bảng thực khung nhìn cuối (BTKNC) thay vì sinh các khung nhìn cuối (latest view) khi được người dùng lựa chọn. Các BTKNC này sẽ lưu trữ kết quả thực thi của khung nhìn cuối.-Sinh các bảng thực hàm theo thời điểm (BTHTTĐ) thay vì sinh các hàm theo thời điểm (point-in-time function) khi được người dùng lựa chọn. Các hàm theo thời điểm này sẽ lưu trữ kết quả thực thi của hàm theo thời điểm.-Sinh tự động các bẫy sự kiện (trigger) trên tất cả các bảng liên quan để thực hiện cập nhật gia tăng đồng bộ BTKNC và BTHTTĐ ứng với mỗi giao tác thay đổi dữ liệu thông qua thao tác thêm mới bản ghi trong AM (các thao tác thêm, sửa, xoá trong CSDL thông thường) trên các bảng đó.-Cuối cùng, xây dựng các kịch bản đánh giá được xây dựng, thực thi và so sánh giữa giải pháp đề xuất và trường hợp CSDL AM nguyên bản.Trong phần...
Hiện nay công tác đo đạc giám sát đường bờ, địa hình đáy biển còn gặp nhiều khó khăn do vấn đề kinh phí và khó thực hiện được thường xuyên. Công nghệ viễn thám với lợi thế về phạm vi bao phủ, thời gian xử lý, chi phí hợp lý sẽ là một công cụ hiệu quả để hỗ trợ giám sát các hoạt động này. Bài báo này trình bày kết quả giải đoán diễn biến đường bờ và biến đổi địa hình đáy biển tại khu vực cửa Nhật Lệ, tỉnh Quảng Bình sau trận lũ lịch sử tháng 10, năm 2020 bằng ảnh vệ tinh Sentinel 2. Tương quan giữa độ sâu giải đoán từ ảnh Sentinel 2 và độ sâu đo đạc đã được thiết lập theo phương pháp của Stumpf để giải đoán địa hình đáy biển vùng cửa Nhật Lệ trước và sau trận lũ lịch sử. Kết quả giải đoán cho thấy đường bờ và địa hình đáy biển vùng cửa Nhật Lệ có sự biến đổi lớn sau trận lũ lịch sử. Lạch chính chảy qua cửa Nhật Lệ đã bị xói sâu thêm hơn 3 m và xuất hiện 1 vùng bồi tụ khá lớn bên ngoài cửa. Các kết quả giải đoán trên là tài liệu quan trọng giúp phân tích biến đổi hình thái cửa Nhật Lệ, góp phần đề xuất giải pháp chỉnh trị, tăng cường khả năng thoát lũ cho cửa sông này trong tương lai.Từ khóa: Cửa Nhật Lệ; Địa hình đáy biển ven bờ; Biến đổi đường bờ; Ảnh vệ tinh; Lũ lịch sử.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.