En jämförelse av molnbaserade realtidsanalystjänster : Skillnader i användbarhet mellan multi-tenant och single-tenant arkitekturer

Internet of Things är ett samlingsbegrepp för den utveckling som innebär att olika typer av enheter kan förses med sensorer och datachip som är uppkopplade mot internet. En ökad mängd data innebär en ökad förfrågan på lösningar som kan lagra, spåra, analysera och bearbeta data. Ett sätt att möta denna förfrågan är att använda sig av molnbaserade realtidsanalystjänster. Multi-tenant och single-tenant är två typer av arkitekturer för molnbaserade realtidsanalystjänster som kan användas för att lösa problemen med hanteringen av de ökade datamängderna. Dessa arkitekturer skiljer sig åt när det gäller komplexitet i utvecklingen. I detta arbete representerar Azure Stream Analytics en multi-tenant arkitektur och HDInsight/Storm representerar en single-tenant arkitektur. För att kunna göra en jämförelse av molnbaserade realtidsanalystjänster med olika arkitekturer, har vi valt att använda oss av användbarhetskriterierna: effektivitet, ändamålsenlighet och användarnöjdhet. Vi kom fram till att vi ville ha svar på följande frågor relaterade till ovannämnda tre användbarhetskriterier: • Vilka likheter och skillnader kan vi se i utvecklingstider? • Kan vi identifiera skillnader i funktionalitet? • Hur upplever utvecklare de olika analystjänsterna? Vi har använt en design and creation strategi för att utveckla två Proof of Concept prototyper och samlat in data genom att använda flera datainsamlingsmetoder. Proof of Concept prototyperna inkluderade två artefakter, en för Azure Stream Analytics och en för HDInsight/Storm. Vi utvärderade dessa genom att utföra fem olika scenarier som var för sig hade 2-5 delmål. Vi simulerade strömmande data genom att låta en applikation kontinuerligt slumpa fram data som vi analyserade med hjälp av de två realtidsanalystjänsterna. Vi har använt oss av observationer för att dokumentera hur vi arbetade med utvecklingen av analystjänsterna samt för att mäta utvecklingstider och identifiera skillnader i funktionalitet. Vi har även använt oss av frågeformulär för att ta reda på vad användare tyckte om analystjänsterna. Vi kom fram till att Azure Stream Analytics initialt var mer användbart än HDInsight/Storm men att skillnaderna minskade efter hand. Azure Stream Analytics var lättare att arbeta med vid simplare analyser medan HDInsight/Storm hade ett bredare val av funktionalitet.

Financial time series analysis : Chaos and neurodynamics approach

This work aims at combining the Chaos theory postulates and Artificial Neural Networks classification and predictive capability, in the field of financial time series prediction. Chaos theory, provides valuable qualitative and quantitative tools to decide on the predictability of a chaotic system. Quantitative measurements based on Chaos theory, are used, to decide a-priori whether a time series, or a portion of a time series is predictable, while Chaos theory based qualitative tools are used to provide further observations and analysis on the predictability, in cases where measurements provide negative answers. Phase space reconstruction is achieved by time delay embedding resulting in multiple embedded vectors. The cognitive approach suggested, is inspired by the capability of some chartists to predict the direction of an index by looking at the price time series. Thus, in this work, the calculation of the embedding dimension and the separation, in Takens‘ embedding theorem for phase space reconstruction, is not limited to False Nearest Neighbor, Differential Entropy or other specific method, rather, this work is interested in all embedding dimensions and separations that are regarded as different ways of looking at a time series by different chartists, based on their expectations. Prior to the prediction, the embedded vectors of the phase space are classified with Fuzzy-ART, then, for each class a back propagation Neural Network is trained to predict the last element of each vector, whereas all previous elements of a vector are used as features.

Do crude oil price changes affect economic growth of India, Pakistan and Bangladesh? : A multivariate time series analysis

This paper analyzes empirically the effect of crude oil price change on the economic growth of Indian-Subcontinent (India, Pakistan and Bangladesh). We use a multivariate Vector Autoregressive analysis followed by Wald Granger causality test and Impulse Response Function (IRF). Wald Granger causality test results show that only India’s economic growth is significantly affected when crude oil price decreases. Impact of crude oil price increase is insignificantly negative for all three countries during first year. In second year, impact is negative but smaller than first year for India, negative but larger for Bangladesh and positive for Pakistan.

An analysis of linkage between foreign direct investment and GDP per Capita in Pakistan : A time series analysis

This study aims to investigate the relation between foreign direct investment (FDI) and per capita gross domestic product (GDP) in Pakistan. The study is based on a basic Cobb-Douglas production function. Population over age 15 to 64 is used as a proxy for labor in the investigation. The other variables used are gross capital formation, technological gap and a dummy variable measuring among other things political stability. We find positive correlation between GDP per capita in Pakistan and two variables, FDI and population over age 15 to 64. The GDP gap (gap between GDP of USA and GDP of Pakistan) is negatively correlated with GDP per capita as expected. Political instability, economic crisis, wars and polarization in the society have no significant impact on GDP per capita in the long run.

Estimated lifetimes of road pavements in Sweden using time-to-event analysis

Maintenance planning of road pavement requires reliable estimates of roads’ lifetimes. In determining the lifetime of a road, this study combines maintenance activities and road condition measurements. The scope of the paper is to estimate lifetimes of road pavements in Sweden with time to event analysis. The model used includes effects of pavement type, road type, bearing capacity, road width, speed limit, stone size and climate zone, where the model is stratified according to traffic load. Among the nine analyzed pavement types, stone mastic had the longest expected lifetime, 32 percent longer than asphalt concrete. Among road types, ordinary roads with cable barriers had 30 percent shorter lifetime than ordinary roads. Increased speed lowered the lifetime, while increased stone size (up to 20 mm) and increased road width lengthened the lifetime. The results are of importance for life cycle cost analysis and road management.