Multi-program benchmark definition

© 2015 IEEE.Although definition of single-program benchmarks is relatively straight-forward-a benchmark is a program plus a specific input-definition of multi-program benchmarks is more complex. Each program may have a different runtime and they may have different interactions depending on how they align with each other. While prior work has focused on sampling multiprogram benchmarks, little attention has been paid to defining the benchmarks in their entirety. In this work, we propose a four-tuple that formally defines multi-program benchmarks in a well-defined way. We then examine how four different classes of benchmarks created by varying the elements of this tuple align with real-world use-cases. We evaluate the impact of these variations on real hardware, and see drastic variations in results between different benchmarks constructed from the same programs. Notable differences include significant speedups versus slowdowns (e.g., +57% vs -5% or +26% vs -18%), and large differences in magnitude even when the results are in the same direction (e.g., 67% versus 11%).

Impacto del uso del suelo sobre el Índice de Vegetación Normalizado (NDVI) en el noroeste argentino

En este trabajo se evalúan los impactos del cambio del uso del suelo en la región Chaqueña noroccidental de Argentina abordando cuestiones como la relación entre factores ambientales y edáficos y la dinámica del Índice de Vegetación Normalizado (NDVI) en áreas donde la vegetación ha sido ligeramente modificada y cómo afecta a la dinámica del NDVI la intensificación del uso de la tierra. El NDVI constituye una cuantificación de la fracción de energía absorbida por la vegetación y, bajos ciertas condiciones, de la productividad primaria neta (PPN). Fue obtenido desde el sensor MODIS (Moderate Resolution Imaging Spectroradiometer) ubicado a bordo de las misiones satelitales de la NASA Aqua y Terra. Se incorporó información de uso de suelo, clima, suelo y NDVI en un sistema de información geográfica con una resolución espacial coincidente con la grilla de la serie temporal de NDVI denominada LTDR (Long Term Data Record). El uso del suelo fue caracterizado por la proporción de cultivos en cada celda de la grilla. Tres atributos fueron derivados de la dinámica estacional del NDVI: la integral anual (NDVI-I), el rango relativo (RREL) y la fecha del máximo NDVI (DMAX). La influencia de los factores ambientales para las celdas con menor proporción de cultivos se analizó mediante regresiones individuales con los tres atributos de NDVI como variables dependientes y las variables de clima y suelo como variables independientes. Para los tres atributos de NDVI persiste en la variabilidad observada un porcentaje importante que no es explicado por las variables consideradas. Se aplicaron los modelos obtenidos a las celdas con mayor proporción de cultivos y se analizaron las diferencias entre los valores observados y predichos de los atributos derivados del NDVI. Ninguno de los modelos ajustados explica la mayor parte de la variabilidad observada cuando se aplican a entornos modificados. En líneas generales, para el NDVI-I los valores observados son menores que los estimados; para RREL, los valores observados son mayores que los estimados y para DMAX no hay evidencias claras de diferencias entre ambos valores. Se analizaron los desvíos entre valores observados y estimados y su relación con el uso de suelo. La magnitud de los cambios observados en la radiación absorbida y la estacionalidad están vinculados a la proporción del paisaje agriculturizado. Por un lado, se observa una disminución del NDVI-I. Por el otro el efecto más relevante de la agriculturización del paisaje sobre la dinámica del carbono es el incremento significativo de la estacionalidad evidenciado por un aumento del RREL. Con respecto a la fecha de máximo NDVI no surgen evidencias claras acerca de la influencia de la agriculturización sobre la misma.

Cambios en el índice de vegetación de diferencia normalizada (IVN) asociados a la proporción de leñosas y herbáceas en pastizales de la provincia de Entre Ríos

En la provincia de Entre Ríos la ganadería es una de las actividades económicas principales y la vegetación natural aporta más de la mitad del forraje consumido por el ganado. Para llevar a cabo un manejo eficiente de los recursos forrajeros es necesario conocer la productividad forrajera. Sin embargo, dada su gran variación espacial y temporal, los productores ganaderos rara vez cuentan con dicha información. Actualmente, es posible estimar la Productividad Primaria Neta Aérea (PPNA) de la vegetación a partir del IVN provisto por sensores satelitales. Sin embargo, en sitios con presencia de vegetación no forrajera, conocer la productividad no es suficiente, sino que es necesario separar la PPNA de los componentes forrajeros y no forrajeros. En algunos casos, diferencias fenológicas entre ambos componentes permiten separar el IVN asociado a cada componente de la vegetación. Sin embargo, esto aún no se ha evaluado en la Provincia de Entre Ríos. El objetivo del presente trabajo consiste en caracterizar cómo los cambios espaciales en la proporción de leñosas (no forrajeras) y herbáceas (forrajeras) pueden afectar el funcionamiento de la vegetación, mediante el uso del IVN del sensor satelital MODIS en dos áreas de vegetación natural de la provincia de Entre Ríos. En cada lugar se escogieron píxeles con distinta cobertura de leñosas y se evaluó si las diferencias en la cobertura se asociaban a cambios en el IVN promedio, su variación temporal y si existía relación con la precipitación anual. Se encontró una correlación positiva entre la cobertura de leñosas y el IVN en ambas zonas. En cambio, las variaciones inter e intra-anual y la respuesta marginal del IVN a la precipitación presentaron una correlación baja. La evaluación de los patrones de variación del IVN permitió determinar que para la zona de estudio los modelos de separación del IVN leñoso y herbáceo deberían basarse en el IVN promedio y no en su estacionalidad o en su respuesta a la precipitación.

Uso del índice estandarizado de precipitación para la evaluación permanente del riesgo de inundaciones

p.229-234

Evaluación y análisis del manejo de la densidad en plantaciones de Pinus taeda Lin., por medio del índice de densidad del rodal

p.17-27

Un índice de la disponibilidad de agua de los cultivos y su distribución probabilística

p.35-43

Variación del índice de área foliar en alfalfa (Medicago sativa var. Ardiente) durante la sequía ocurrida en 1988 - 89

p.53-60

Benchmark Status in Fixed-Income Asset Markets

What is a benchmark bond? We provide a formal theoretical treatment of this concept that relates endogenously determined benchmark status to the location of price discovery and we derive its implications. We describe a rich but little used econometric technique for identifying the benchmark that is congruent with our theoretical framework. We apply this in the context of the US corporate bond market and to the natural experiment that occurred when benchmark status was contested in the European sovereign bond markets after the introduction of the Euro. We show that France provides the benchmark at most maturities in the Euro-denominated sovereign bond market and that IBM provides the benchmark in the 10 year maturity in the US corporate bond market.

PLS modelling and fault detection on the Tennessee Eastman benchmark

This paper describes the application of multivariate regression techniques to the Tennessee Eastman benchmark process for modelling and fault detection. Two methods are applied : linear partial least squares, and a nonlinear variant of this procedure using a radial basis function inner relation. The performance of the RBF networks is enhanced through the use of a recently developed training algorithm which uses quasi-Newton optimization to ensure an efficient and parsimonious network; details of this algorithm can be found in this paper. The PLS and PLS/RBF methods are then used to create on-line inferential models of delayed process measurements. As these measurements relate to the final product composition, these models suggest that on-line statistical quality control analysis should be possible for this plant. The generation of `soft sensors' for these measurements has the further effect of introducing a redundant element into the system, redundancy which can then be used to generate a fault detection and isolation scheme for these sensors. This is achieved by arranging the sensors and models in a manner comparable to the dedicated estimator scheme of Clarke et al. 1975, IEEE Trans. Pero. Elect. Sys., AES-14R, 465-473. The effectiveness of this scheme is demonstrated on a series of simulated sensor and process faults, with full detection and isolation shown to be possible for sensor malfunctions, and detection feasible in the case of process faults. Suggestions for enhancing the diagnostic capacity in the latter case are covered towards the end of the paper.