基于FR算法的数据模型三维可视化研究

针对传统数据模型描述方式无法满足用户快速理解和使用数据模型的不足,论文提出建立数据模型的三维可视化描述.对于传统FR算法在实体节点过多时将导致图形绘制过慢、连线交叉过多等问题,论文结合数据模型的特点,基于实体结构和实体属性对FR算法进行改进,改进后的FR算法不仅能快速地绘制三维图形,而且可以显示实体节点及实体关联等信息,从而辅助建立三维可视化模型,直观的表达数据模型,梳理数据模型的结构,加快用户对数据模型的理解.     

示功图与模糊神经网络结合的抽油机故障诊断

随着石油工业的发展,采油工艺的提高,抽油机故障诊断在生产环节中尤为重要,对分析传统示功图对抽油机故障诊断不足进行了分析,其不足主要集中在诊断分析方式属于定性分析,并且诊断维度过于单一.首先对抽油机的故障进行了总结,并引入模糊神经网络,并在模糊神经网络中引入黄金分割法的变步长BP算法实现推理过程,通过模糊神经网络与示功图特征综合评判其故障生成诊断方案用来实现从不同维度解决抽油机故障方面的问题,同时本文通过仿真实验验证了该理论的可行性.     

基于支持向量机的多维度数据融合在油气预测中应用磁

油气预测中存在诸多不确定因素,包括属性的选取、预测算法的选取等。为了尽量消除这些不确定因素,论文利用支持向量机与信息融合理论进行地震油气预测,通过使用支持向量机内积函数定义的变换将输入空间映射到高维空间,并运用信息融合与支持向量机相结合的方法,尽可能的减小多种因素所带来的不确定性,提高油气预测精度,并通过实际数据验证,得到很好的效果。     

大数据分析中的关联挖掘磁

在这个信息量爆炸的年代,大数据越来越贴近我们的生活。论文从大数据从何而来、如何研究大数据入手,通过对大数据分析流程框架进行阐述,提出了大数据分析中关联挖掘的重要性。并通过对大数据关联挖掘给出了相应的研究方案,通过系统对其关联模式进行分析,同时也可通过人为的参数选择对研究的参数进行分析、筛选和保留。在大数据分析的过程中,若能很好地利用关联规则的挖掘,将会带来更广阔的实际价值。     

基于GATE的油田信息抽取技术研究

针对目前国内油田信息抽取系统中文信息抽取不准确的现状,提出了更为准确的基于油田的中文信息抽取的解决方案。在GA T E框架下,开发中文信息抽取插件,解决了基于油田的中文分词、中文语料词表和中文命名实体识别,并在企业实际中进行了应用,取得了较好的应用效果,并为后续的油田信息抽取技术研究提供了研究基础。     

大数据分析流程框架的研究

随着信息技术的不断创新,信息量的不断扩大,大数据已经成为了与日常生活息息相关的话题。挖掘大数据的价值已经炙手可热,如何能够更高效、更快速地分析大数据已经成为大数据发展的重要挑战之一。近年来,学术界与工业界就大数据的分析进行了研究,取得了一些研究成果,但针对大数据分析的研究还是非常有限。文中首先从传统数据仓库与大数据时代数据仓库作了对比,引入了大数据的分析流程框架,对分析流程框架的各个部分做了一一阐述,并通过实验验证分析了流程框架的可行性。