带弱通配符的模式匹配及其在时序分析中的应用

针对模式匹配的准确性和灵活性问题,提出了一种基于弱通配符的匹配算法,以快速定位重要的时间点,辅助用户决策。首先通过数据预处理得到编码字符串序列,然后定义具有特殊语义的弱通配符及区间长度,最后设计一种高效的模式匹配算法。在时序分析中,模式反映了数据的变化趋势,预示着事件的发生。传统的精确匹配受噪声的影响比较大,匹配的灵活性低。通过添加弱通配符可以兼顾匹配过程的灵活性和准确性。油田产量与股票交易数据实验表明,所提方法较精确匹配而言,能够更有效地找到符合用户要求的模式。     

桂林高校学生食堂用水特征分析及节水潜力研究

当前,全国各高校集教学、科研和生活为一体,是水资源消耗的大户,而高校节约用水意识并不是很强,铺张浪费的现象也比较严重,造成水资源的大量耗损。学生食堂作为高校的一个重要生活场所,具有人口高度密集,流动性强,且用水区域和时间都相对集中的特点,因此其水资源耗用量占高校用水量的比重较大,节水潜力也较大。本文以桂林某高校学生食堂为例,通过调查记录逐日用水量,并综合考虑学校学生人数、设备状况、季节等多种影响因素,分析其用水特征和节水潜力,以期为桂林地区新建提供基础参考数据。     

应用时序分析ARIMA模型预测抽油井生产系统效率

抽油井生产系统效率是抽油系统的重要工况指标。系统效率预测是指通过对历史数据的分析和研究,找出系统效率内部变化规律及影响因素之间的关联,然后对系统效率做出预测。以前,油田多采用机理模型实现系统效率预测,但因抽油井系统效率的不确定性、复杂性和时间性的特点,预测效果并不理想。因此本文建立时序分析中的差分自回归移动平均模型对华北油田抽油井生产数据进行了拟合及抽油机井生产系统效率预测。此数据模型着重强调了相邻时间点的抽油井系统效率的相关性。实验结果表明持续更新最新数据点的ARIMA模型能够及时纠正预测方向,大幅提高抽油井生产系统效率预测的准确度。