导读:本文包含了并行可视化论文开题报告文献综述及选题提纲参考文献，主要关键词:海量数据,叁维地震,交互式,并行可视化
并行可视化论文文献综述
孙少波,张红祥[1]（2019）在《海量叁维地震数据体的交互式并行可视化技术实现》一文中研究指出在地学研究更加趋向定量化以来,各种新技术获得的数据量正以几何倍数增长,产生的数据逐渐由GB向TB级发展.如何可视化海量数据全局细节变化,渐渐发展成为一项新的研究领域,即海量数据处理与可视化.而目前基于海量数据最有效的可视化解决方案,主要思路是应用并行计算机集群处理技术和直接基于硬件GPU加速的可视化方法.提出了一种解决海量叁维数据体绘制的并行方法及实现,并以叁维地震勘探中反射地震剖面数据体为实例,讨论了数据预处理方法和分析了体绘制效果,完成了可视化实例测试.(本文来源于《西安文理学院学报(自然科学版)》期刊2019年05期）
石深涵[2]（2018）在《基于云平台的大数据并行可视化方法研究与实现》一文中研究指出随着科技技术的发展,各种科学计算数据在不断增大,对数据进行可视化以获取数据中的重要信息变成一种迫切需求。但随着数据量越来越大,进行可视化所需的计算性能也越来越高。采用传统的单机进行可视化绘制的方案,往往计算性能过低,绘制时间过长,不能满足科学计算中大数据可视化的需求。针对单机绘制数据计算性能差,绘制时间长的问题,本文采用了云平台并行绘制的方案。并行绘制能够很显着的提高绘制速度,缩短绘制时间。而云平台具有多种计算性能可选取、集群随时随地可扩展的特点,将绘制环境从本地搬到云平台进行,能够更加方便的进行并行绘制,大大的提高了可视化的效率,节省了绘制时间。本篇论文主要做了两方面的内容:(1)在本地集群上利用ParaView进行了并行可视化的绘制,分别对四组数据进行单节点,双节点,四节点的绘制,测试结果表明搭建集群并行绘制确实能显着增加计算能力,缩短绘制时间。(2)在云平台部署ParaView进行并行可视化绘制,论文测试了亚马逊动态弹性云的免费节点的计算性能等相关数据,测试结果表明亚马逊免费计算节点和中等性能笔记本相当,能够实现基本的科学计算。随后在云平台搭建集群进行ParaView可视化的绘制测试,绘制结果表明基于云平台的集群不但和本地集群一样都能明显加快绘制速度,而且更加灵活,可随时根据需要增加计算节点,进一步加速。实验结果证明了在云平台进行并行可视化是一个很好的方案,能够很大程度上给科研工作人员的数据可视化带来便利。(本文来源于《长江大学》期刊2018-05-01）
王秉章[3]（2018）在《海量浮动车数据并行处理可视化研究》一文中研究指出城市公共交通中的出租车、公交车每天都会产生大量轨迹数据,面对这些海量数据,由于传统的单节点计算系统的处理能力有限,基于并行计算模式的大数据处理平台应运而生,海量数据处理技术Hadoop支持超大数据文件,对数据采用并行处理的方式,实现对海量数据的处理与分析。随着城市车辆位置信息采集技术的快速发展和应用,浮动车位置数据成为交通状态分析的重要数据源。出租车作为城市交通浮动车的重要组成部分,在城市交通中扮演着非常重要的角色。出租车运营公司保存大量的出租车GPS(Global Positioning System,全球定位系统)数据,从这些海量GPS数据中获得有用信息是一项非常有意义的工作。本文使用Hadoop大数据平台结合Esri公司推出的地理信息系统大数据处理模块GIS-Tools-for-Hadoop对西安市出租车GPS数据进行分析并挖掘出载客热点区域,利用ArcGIS软件进行可视化展示。论文首先简要介绍Hadoop平台,对HDFS(Hadoop Distributed File System,Hadoop分布式文件系统)、MapReduce(Hadoop分布式计算框架)、Hive(Hadoop数据仓库工具)的架构、运行机制等进行介绍,详细介绍GIS-Tools-for-Hadoop模块组成及作用,然后介绍Hadoop海量数据处理平台搭建方法,最后进行出租车GPS数据分析和载客热点区域可视化工作。在数据分析和可视化过程中,需要地图JSON文件和出租车GPS数据文件,配置使用Hadoop地理数据处理工具Geoprocessing-Tools-for-Hadoop获取西安市地图JSON文件,从Oracle数据库中获取出租车GPS数据文件。将上述两个数据文件上传到HDFS中,使用Esri Geometry API对地图区域进行等网格划分,将西安市划分为多个区域块,根据出租车GPS数据的经纬度匹配所属区域块,通过两个MapReduce作业获得出租车载客热点区域和出租车行程数量,最后使用Hadoop空间信息分析框架Spatial-Framework-for-Hadoop在Hive中进行空间查询,将热点区域展示于ArcGIS软件。(本文来源于《长安大学》期刊2018-04-10）
阙宇翔,叶桦,仰燕兰[4]（2018）在《面向半导体测试的并行多机可视化动态调度框架》一文中研究指出针对半导体测试车间生产调度的人工排程效率低下、突发事件响应慢和准时性要求满足难等问题,提出了并行多机可视化动态调度框架。首先,根据半导体测试车间的生产特点,提出并行多机调度模型并给出了加权拖期指数的性能目标;其次,结合实际生产环境的动态特点,提出了预反应式重调度策略,并结合滚动窗口方法,总结出四种突发事件的响应策略;再次,运用约束规划算法对调度问题进行求解,给出实际的求解步骤;最后,使用甘特图等工具提供人机协作接口,使得排程人员可以参与调度方案人工调整,并给出了可视化运行效果。运行效果表明,所提框架在提高人工排程效率,快速响应突发事件和容易满足准时性要求等方面有着良好的效果。(本文来源于《信息技术与信息化》期刊2018年01期）
吕天耀[5]（2017）在《基于流线相似性的流场并行可视化方法研究》一文中研究指出流场可视化是科学计算可视化的研究重点之一。在各种流场可视化方法中,流线可视化方法因为其可以直观的展现流场本质和变化规律而被广泛应用。但是,流线可视化方法容易造成可视化效果的杂乱,在叁维流场中该问题尤为严重;且随着计算精度的提高,流线生成过程计算耗时也相应增加,影响了可视化效率。针对流线可视化方法存在的上述问题,本文研究了基于流线相似性的流场并行可视化方法,主要工作如下:首先研究了流线生成方法,实现了一种自适应积分步长的流线生成方法,其中包括点定位、速度矢量插值、积分方法等过程。在生成流线后,利用流线的曲率、挠率两种空间属性提取流线特征点,通过特征点判断流线形状相似性,并结合判断流线间距离相似性的方法,设计出判断叁维流线相似性的方法,减少了可视化结果中流线杂乱的现象。其次针对流线生成算法计算效率低的问题,本文采用并行计算技术提高计算效率。分析了流线生成过程所适用的并行策略,在种子点并行策略的基础上,提出了任务均等划分和冗余任务再划分相结合的并行任务划分方法,该方法可以将任务相对均等的分配给各个节点,避免单节点负载过大的情况。针对相似性并行判断时存在的阻塞等待情况,提出了基于双缓存队列的循环检测方法,避免阻塞等待问题。最后在Windows环境下进行实验分析验证。对基于流线相似性的可视化结果和在串行、并行环境下算法的计算效率进行了对比分析。实验结果表明通过判断流线间的相似性可以约简生成的流线,减少可视化结果的杂乱现象;同时本文并行算法可以明显减少流场可视化时间,可有效提高流场可视化效率。(本文来源于《哈尔滨工程大学》期刊2017-12-01）
武冬[6]（2017）在《基于并行计算的交互式数据挖掘和可视化系统》一文中研究指出随着信息技术的进步,数据量呈现爆炸式增长,传统的基于CPU的数据挖掘技术已经不能高效地处理如此巨大的数据量了。此外,人的大脑对于枯燥的数字更容易识别颜色和几何图形,利用数据可视化技术可以将数据挖掘结果更加自然和直观地呈现在操作界面,可以更好地满足用户的需求。但目前,数据挖掘最常用的传统数据可视化工具只能绘制二维或叁维图形,且缺乏互动性。基于上述问题本文提出了一个基于并行计算的交互式数据挖掘和可视化系统。本文提出了利用GPU(Graphics Processing Unit)编程的方式对经典的数据流挖掘算法进行优化,传统的基于CPU的数据挖掘技术采用串行的数据处理方式,无法满足多个计算机资源同时运行的需求,当数据量较大时,处理时迭代次数会很多,内存需求较大,处理速度会很慢,效率较低。而GPU编程方式采用的是并行的方式处理数据,多个线程相互独立同时运行,运算效率很高,更加适应于处理大量数据。本文针对大数据中数据独立性情况和数据依赖性情况,分别利用GPU编程技术对数据挖掘中聚类算法K-Means和连通区域标记算法(Connected Component Labeling,CCL)进行优化,更好地完成了对大数据的挖掘分析。本文提出了交互式的数据可视化方法,为了实现对数据的可视化,我们利用DirectX的软件开发工具包,将原始数据集或数据挖掘结果转换为顶点、线、面、颜色和其他图形等信息,利用软件开发工具包中提供的各种清晰明了的图形函数建立多维模型,并对最后的可视化结果进行渲染。此外,我们还创建了一个图形用户界面(GUI),用户可以根据自己不同的需求,改变聚类的参数,得到符合自己需求的可视化结果。基于上述算法,本文对空调运行产生的能耗数据进行了实验,通过使用GPU编程方式对传统算法进行优化,不仅实现了对数据的聚类分析,而且通过实验数据证明了使用本系统处理巨大的数据量时运行速度得到很大提升,运算效率更高。此外,我们使用DirectX的软件开发工具包将抽象的数据挖掘结果表示为具体的四维立体的图形图像,并且用户还可以通过键盘操作改变可视化结果的观察视角以及聚类的K值,得到自己想要的结果,满足了用户的真正需求。(本文来源于《北方工业大学》期刊2017-06-07）
曹轶[7]（2017）在《多物理场耦合并行可视化方法研究》一文中研究指出多物理场耦合数值模拟可以展现多个物理过程相互耦合的复杂物理现象,揭示其中的新物理现象。当前,随着国产高性能计算机的快速发展,多物理场耦合数值模拟已经相当普遍,其可视化需求已经出现于聚变与裂变能源、复杂电磁环境、全球气候模拟与气象预报等典型应用领域。为了直观展现多物理过程的相互耦合结果,帮助科学家深入理解多物理场之间的交互关系和因果机理,需要研究多物理场耦合可视化方法。当前,多物理场耦合可视化主要面临两个问题。首先,多场耦合的物理现象表现难。多物理场重迭会引起多物理区域非正交、二义性遮挡和聚集,基于视线排序的多场耦合绘制精度低,多物理场映射到同一颜色或图符空间会引起信息过载,现有方法难以清晰、准确地表现物理内涵;其次,多物理场耦合的交互绘制速度慢。多物理场耦合数值模拟可以产生GB(十亿字节)至TB(万亿字节)量级数据,多物理场绘制流水线的处理时间长。采用多处理器核并行可视化的方法,多核上的凹形、不连通、非流形等区域特征不仅会引起视线排序方法失效、产生不正确的并行绘制结果,还会影响并行可视化的交互性能。为此,本文立足多处理器并行计算环境,面向典型大规模数值模拟应用,围绕多物理场耦合的物理现象表现难、多物理场大规模数据的交互绘制速度慢两个关键问题,开展了若干研究。论文的主要贡献概括如下:1.提出一种基于多视觉通道的多物理场可视融合方法。该方法利用人眼视觉系统的多通道特性,基于可视融合的编码方法,将标量场、向量场、特征场等物理场通过多个视觉通道的组合方式(几何、光学)编码在一起,使得领域专家在视觉上能够正确解码出多物理场蕴含的物理现象,解决物理现象的清晰表现问题。其次,多个视觉通道可以分离不透明和透明的绘制对象,从而减少需要视线排序的绘制对象数量,提升多场耦合的绘制精度和效率。最后,多视觉通道采用了基于叁维屏幕空间的融合绘制方法,能够准确地表现多物理场耦合的物理现象。它将原有物理空间上的网格单元转换为叁维屏幕空间上的采样点。由于采样点的尺度小,其视线排序与形状无关,因而可以实现非正交、二义性遮挡等区域的准确排序和绘制。2.提出一种多路混合的多物理场耦合并行绘制方法。该方法利用多视觉通道的不同融合绘制特征,将多物理场耦合绘制分为几何与光学通道的多路绘制,采用不同的并行绘制模式执行。对比单路并行绘制的方式,双路混合并行绘制不仅可以发掘几何通道中融合绘制的局部性特征,提升大规模数据的交互绘制性能;还可以利用屏幕空间上的采样点排序特性,有效解决光学通道中多核之间复杂区域的并行绘制问题。同时,由于多路混合并行绘制发生在叁维均匀采样空间,因此本文的多物理场耦合并行绘制方法具有普适性,它既可用于多处理器核的并行绘制,也可用于多图形硬件加速的并行绘制,可以满足不同典型领域应用的需求。相对传统方法,本文方法无需针对多物理区域进行网格分割及凸化细分,不会引起计算与内存开销的额外显着增长,尤其适用于大规模、超大规模的数值并行应用场景。本文的多物理场耦合并行可视化方法已被应用到聚变与裂变能源、复杂电磁环境、全球气候模拟与气象预报等典型应用领域。通过本文方法,国内的反应堆物理学家首次能够对高分辨率数值反应堆的堆芯物理过程进行直观理解和分析,计算电磁领域专家则可以借助直观的电磁模拟可视分析能力来进行真实型号的设计。多场耦合并行可视化的性能结果显示,针对10亿规模结构网格数据,本文方法可使用数十处理器核耦合图形硬件将并行绘制时间降低到1秒/帧以内;针对20亿规模非结构网格数据,本文方法可以将并行绘制所需的处理器核数从数百核降低到24核,绘制时间优化到100秒/帧量级;针对80亿超大规模结构网格数据,本文方法可以在超算上的数值模拟期间完成多物理场耦合并行绘制,可以解决超大规模数值模拟的高效可视分析问题。综合结果表明,本文方法可以满足上述典型领域应用的多物理场耦合可视分析需求。(本文来源于《中国工程物理研究院》期刊2017-05-01）
柴剑飞[8]（2017）在《地表灰尘演变并行计算与可视化技术研究》一文中研究指出随着经济的发展,城市环境问题愈发严重。近几年,我国很多城市大气污染严重,目前已成为中国居民的第一致癌因素。地表灰尘作为大气污染物的一部分,当其浓度过高会对人们的身体健康造成很大危害。除了危害人体健康,地表灰尘对生态环境也有很大的破坏力。研究地表灰尘粒子的演变,对于有效的保护环境、降低环境污染,具有指导意义。鉴于地表灰尘研究具有重要的理论研究意义和实际应用价值,本文以上海大学延长校区为研究对象,对校园中的地表灰尘粒子演变进行了深入的研究。主要取得了如下成果:(1)对虚拟校园模型进行风场仿真。研究建立非均匀下垫面条件下的大气动力模型,模拟校园内室外风场的气体流动情况,在CFD前处理软件GAMBIT中建立包含树木的虚拟校园模型,定义边界并划分网格,在FLUENT软件中设置风速大小,并模拟出校园风场云图。将该模型的数据导出到CFD后处理软件Tecplot得到风速文本文件,作为地表灰尘演变仿真运动的输入参数。(2)建立了地表灰尘KMC演变并行计算模型。结合动力学蒙特卡洛(KM C)与灰尘粒子演变的扩散、沉降、扬起、碰撞等四类事件,并在上海大学自强3000上采用并行计算方法,建立地表灰尘演变的并行仿真模型。为了提高并行计算的效率,给出了数据分布方式和通信优化策略进行负载平衡并降低通信开销。通过将校园中设立的11个采集点获取的灰尘累积实验数据与仿真模型获得的仿真数据对比,验证了该模型的有效性。此外,并行计算弥补了单机运算能力的限制,为大规模的虚拟环境仿真提供了可能。(3)提出反距离混合插值算法进行灰尘浓度插值计算。由于仿真计算获得的灰尘浓度具有网格化、非连续性等特征,为了对灰尘的浓度结果进行可视化,提出了一种结合了反距离加权插值法和克里格插值法优势的反距离混合插值算法,通过与传统插值算法进行对比,结果表明反距离混合插值算法不仅精度高,而且具有较高的运算效率。(4)对地表灰尘浓度进行可视化显示时使用伪彩色图技术,提出了一种基于色彩渐进的颜色插值方法。该方法先根据灰尘浓度数据集的测量点位和值信息进行叁维空间模型构造;然后对地表灰尘浓度数据集与彩色空间模型进行颜色映射及叁维空间层次划分,对每个层片依据伪图像编码算法及颜色聚类参数特征进行地表灰尘的叁维可视化编码;最后根据色彩渐进插值算法对伪图像中相邻层片进行平滑过渡处理。地表灰尘在近地面的累积可视化结果表明,该算法处理的地表灰尘浓度数据集的伪图像色彩渲染层次感强,色彩过渡平滑,有利于地表灰尘浓度可视化的信息表达。(5)提出了基于OpenGL的地表灰尘可视化仿真方法。以Visual C++为软件平台,采用粒子系统的思想,将地表灰尘近似看成是成千上万个运动的、不规律的、随机分布的粒子组成的粒子集,实现了校园内灰尘粒子演变叁维可视化。在灰尘可视化仿真过程中,可对仿真模型进行旋转、缩放、漫游等操作,实现了对仿真模型的交互可视化控制。本文的主要创新点包括:(1)将灰尘粒子演变分为扩散、沉降、扬起、碰撞等四类事件,建立了地表灰尘KMC演变并行计算模型,并通过与实验数据对比,验证了地表灰尘演变并行仿真模型的有效性。(2)提出反距离混合插值算法,将网格化、非连续性特征的地表灰尘浓度值通过插值计算,在保证算法精度的同时,有效提高运算效率。(3)用伪彩色图技术,提出了一种基于色彩渐进的颜色插值方法对地表灰尘浓度进行可视化显示,增强渲染效果。(本文来源于《上海大学》期刊2017-05-01）
刘昕[9]（2017）在《叁线并行,突破难点——以《徐悲鸿励志学画》(第二课时)为例谈语言发展的可视化教学》一文中研究指出儿童的语言发展是一个长期渐进的过程,这是相对于儿童的终身语言发展来说的。那么,在一节语文课上,尽管只有短短40分钟,儿童的语言发展同样在发生着,只不过,相对于长期发展过程来说,它进步的可见度不明显而已,但是这并不意味着这种进步不可见。当学生经历了一节语文课的学习后,对比儿童课前课后的状态,如果我们不能观察到任何语言发展的迹象,那么很显然,这节课是低效甚至是无效的。40分钟的长度虽然极其(本文来源于《教育视界》期刊2017年06期）
刘天佳[10]（2017）在《基于Fast-LIC的矢量场并行可视化方法研究》一文中研究指出数值水池下的矢量场可视化是科学计算可视化领域中一个热门方向。它将海洋科研实验计算产生的矢量场数据转化为可以观察的图形、图像,使人们通过图像解释海洋流场中存在的科学现象、客观规律,具有广泛而深远的意义。现如今的矢量场可视化技术,可以形象的描绘出海洋流场方向连续性的特征,能够很好展示更多的流场特征细节,同时可以生成多分辨率且连续细致的图像,在可视化领域拥有广阔的发展空间。但随着矢量场规模逐渐增大,数据集呈上升趋势,会导致可视化程序运行时间过长,从而影响可视化效率。针对大规模流场数据造成可视化计算时间过长的问题,本文旨在缩短可视化计算时间,提出了基于快速线积分卷积技术的并行可视化方法。本文主要做了如下工作:(1)首先对矢量场并行可视化理论进行了研究。其中包括现有的矢量场可视化方法技术、并行计算相关知识,包括并行算法设计过程与性能评价指标,以及对本文采取的并行编程框架MPI进行了阐述。(2)其次设计出了矢量场可视化图像生成算法。对图像生成过程进行了系统设计,其中包括白噪声图像生成、矢量场局部流线计算、卷积核函数计算过程等。结合流线像素相关性设计出基于快速线积分卷积的矢量场图像生成算法。(3)最后通过PCAM设计学对快速线积分卷积图像生成算法进行了并行性分析,提出了一种节点自适应动态任务分配策略。为进一步减小矢量场网格像素计算时间,结合矢量场流线像素相关性的特点,提出了网格映射任务执行策略。本文在基于Windows集群环境下进行并行可视化实验,通过模拟数值水池高分辨率矢量场数据,分别对串行和并行可视化算法的程序执行时间进行了比较,发现并行算法明显地缩短了可视化计算时间,并且串行图像与并行图像效果一致,最后分析了并行算法的加速比、并行效率,得出了并行算法有效性。综上所述,本文对数值水池下的矢量场可视化研究具有深远的意义。(本文来源于《哈尔滨工程大学》期刊2017-01-01）
并行可视化论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着科技技术的发展,各种科学计算数据在不断增大,对数据进行可视化以获取数据中的重要信息变成一种迫切需求。但随着数据量越来越大,进行可视化所需的计算性能也越来越高。采用传统的单机进行可视化绘制的方案,往往计算性能过低,绘制时间过长,不能满足科学计算中大数据可视化的需求。针对单机绘制数据计算性能差,绘制时间长的问题,本文采用了云平台并行绘制的方案。并行绘制能够很显着的提高绘制速度,缩短绘制时间。而云平台具有多种计算性能可选取、集群随时随地可扩展的特点,将绘制环境从本地搬到云平台进行,能够更加方便的进行并行绘制,大大的提高了可视化的效率,节省了绘制时间。本篇论文主要做了两方面的内容:(1)在本地集群上利用ParaView进行了并行可视化的绘制,分别对四组数据进行单节点,双节点,四节点的绘制,测试结果表明搭建集群并行绘制确实能显着增加计算能力,缩短绘制时间。(2)在云平台部署ParaView进行并行可视化绘制,论文测试了亚马逊动态弹性云的免费节点的计算性能等相关数据,测试结果表明亚马逊免费计算节点和中等性能笔记本相当,能够实现基本的科学计算。随后在云平台搭建集群进行ParaView可视化的绘制测试,绘制结果表明基于云平台的集群不但和本地集群一样都能明显加快绘制速度,而且更加灵活,可随时根据需要增加计算节点,进一步加速。实验结果证明了在云平台进行并行可视化是一个很好的方案,能够很大程度上给科研工作人员的数据可视化带来便利。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
并行可视化论文参考文献
[1].孙少波,张红祥.海量叁维地震数据体的交互式并行可视化技术实现[J].西安文理学院学报(自然科学版).2019
[2].石深涵.基于云平台的大数据并行可视化方法研究与实现[D].长江大学.2018
[3].王秉章.海量浮动车数据并行处理可视化研究[D].长安大学.2018
[4].阙宇翔,叶桦,仰燕兰.面向半导体测试的并行多机可视化动态调度框架[J].信息技术与信息化.2018
[5].吕天耀.基于流线相似性的流场并行可视化方法研究[D].哈尔滨工程大学.2017
[6].武冬.基于并行计算的交互式数据挖掘和可视化系统[D].北方工业大学.2017
[7].曹轶.多物理场耦合并行可视化方法研究[D].中国工程物理研究院.2017
[8].柴剑飞.地表灰尘演变并行计算与可视化技术研究[D].上海大学.2017
[9].刘昕.叁线并行,突破难点——以《徐悲鸿励志学画》(第二课时)为例谈语言发展的可视化教学[J].教育视界.2017
[10].刘天佳.基于Fast-LIC的矢量场并行可视化方法研究[D].哈尔滨工程大学.2017