Model web services provide an approach for implementing and facilitating the sharing of geographic models. The description and acquisition of inputs and outputs (IO) of geographic models is a key issue in constructing and using model web services. These approaches for describing and acquiring the data formats of the IO of geographic models can be classified into two categories, i.e., intermediate-data-format-based and native-data-format-based. Nonetheless, these two categories mainly consider the description of the IO of geographical models but relatively pay little attention to the acquisition. To address this issue, this paper proposes an approach for automatically parsing data formats of the IO utilizing the relationship between the IO and source codes. This proposed approach can utilize such a strict and coupling relationship and the expression form of the data formats in the source codes to retrospectively derive the IO data format and automatically generate data format documentation. The feasibility of the proposed approach has been verified via a geographical model coded in the FORTRAN language, which shows that it significantly improves the efficiency of writing data format specifications and promotes sharing geographic models as model web services.


翻译:示范网络服务是实施和推动分享地理模型的一种方法,地理模型的投入和产出的说明和获取是建立和使用示范网络服务的一个关键问题,这些描述和获取地理模型国际办公室数据格式的方法可以分为两类,即中间数据-格式和本地数据-格式,但这两个类别主要考虑了地理模型的国际办公室描述,但相对较少注意获取情况。为解决这一问题,本文件建议采用一种方法,利用国际办公室与源代码之间的关系,自动对国际办公室的数据格式进行解析,这种拟议方法可以使用这种严格和混合的关系以及源代码中数据格式的表达形式,追溯性地得出国际办公室数据格式,自动生成数据格式文件。拟议方法的可行性已经通过FORTRAN语言的地理模型加以验证,该模型表明它大大提高了编写数据格式规格的效率,并促进将地理模型作为示范网络服务加以共享。

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
已删除
架构文摘
3+阅读 · 2019年4月17日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2022年2月11日
Arxiv
15+阅读 · 2021年7月14日
A Probe into Understanding GAN and VAE models
Arxiv
9+阅读 · 2018年12月13日
VIP会员
相关VIP内容
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
相关资讯
已删除
架构文摘
3+阅读 · 2019年4月17日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员