基于AHP的油田产能建设项目后评价模型研究

为了提高油田产能建设项目的投资效益以及决策、管理水平,在详细分析油田产能建设项目后评价工作程序、工作内容的基础上,针对油田产能建设项目不确定因素多、风险高、投资大等特点,提出建立以计算机技术支持的基于AHP油田产能建设项目后评价辅助系统的设计方案。运用层次分析法（ AHP）合理地确定了评价指标的权重,得到项目综合评分;根据实际需求研究并开发了以满足工程技术人员及项目管理决策需求的智能系统。该系统应用于油田产能建设项目后评价工作中,更为客观地对产能建设项目进行高效的评价,使产能建设项目投资决策更加科学化。     

油田产能建设项目后评价辅助系统设计与实现

以油田企业产能建设项目的决策、管理水平和投资效益为目标,在详细分析油田产能建设项目后评价工作内容、工作程序的基础上,提出建立以计算机技术支持的油田产能建设项目后评价系统。阐述了系统的结构设计及实现方法,包括数据库设计、软件模型建立和图形统计报表输出等。研究和开发了以满足项目管理及工程技术人员决策需求的智能系统。此系统的运用使油田企业更为客观地对产能建设项目进行排队和分类,使产能建设项目投资决策更加科学化。     

基于支持向量回归机的油田生产预警模型研究

传统的油田开发动态生产预警采用独立性指标阈值判别方法,从而带来预警结果不准确、异常事件发生时报警而不是预警等问题。本课题提出一种油田生产预警模型,该方法将支持向量回归机(Support Vector Regression,SVR)用于油田生产预警中,通过分析历史生产动态数据,找到它们的变化规律,总结出生产异常警报形成模式,在油田异常事件的初期给出预警信号,提前分析处理潜在隐患,以便保证油田采收效率的稳定性。实验结果证明模型对于油田生产中发生的异常情况具有较高的预测准确性。     

基于SVR的机动目标跟踪

本文研究了支持向量回归（SVR）在机动目标跟踪中的应用，并与传统回归方法最小二乘法（LS）进行了比较。实验结果表明，利用支持向量回归可以以很高的精度对机动目标进行跟踪，并且有着很强的适应能力，是一种有潜力的跟踪方法。     

基于SVC 和SVR 约束组合的迁移学习分类算法

根据迁移学习思想,针对分类问题,以支持向量机(SVM)模型为基础提出一种新的迁移学习分类算法CCTSVM.该方法以邻域间的分类超平面为纽带实现源域对目标域的迁移学习.具体地,以支持向量分类的约束条件完成对目标域数据的学习,获取分类超平面参数,再以支持向量回归的约束条件有效利用源域数据矫正目标域超平面参数,并在上述组合约束的共同作用下实现邻域间迁移,提高分类器性能.在人工和真实数据集上的实验表明,所提出算法具有良好的迁移能力和优越的分类性能.     

用于图像恢复的基于SVR的自适应新滤波器的研究*

提出了一种用SVR回归器识别脉冲噪声的思想,并将其应用于图像滤波和恢复,形成了用于对脉冲噪声进行滤波的SVR自适应滤波器。这种滤波器在滤波时,先用SVR对待识别像素作噪声识别,再对含噪声的像素作中值滤波。用SVR作噪声识别时,先对滤波窗口作SVR回归,通过待识别像素回归距的大小判断其是否含有噪声。在进行SVR回归时,使用鲁棒的Huber损失函数。由于更充分地利用了待识别像素点的局部背景信息,这种滤波器提高了脉冲噪声识别的正确率。实验表明,在保留原图像的细节信息方面,其滤波效果要优于基于SVC的中值滤波器。     

基于SVR的组合预测模型及其应用

针对油田开发单一产量预测模型泛化能力低、中长期预测准确性差等问题,提出了一种基于支持向量回归机(svR)的组合预测模型.该模型可基于小样本建模并能综合不同单一预测模型的适用条件和优势,具有较强的泛化能力,对只可获得少量实验数据的油田产量预测问题具有较好的适应性.给出了SVR组合预测模型的结构设计和实现算法,对油田实际产量数据进行处理,取得了较精确的预测结果,验证了模型和方法的有效性.     

基于小样本SVR的迁移学习及其应用

当前机器学习的技术已经运用到很多工程项目中,但大部分机器学习的算法只有在样本数量充足且运用在单一场景中的时候,才能获得良好的结果。其中,经典的支持向量回归机是一种具有良好泛化能力的回归算法。但若当前场景的样本数量较少时,则得到的回归模型泛化能力较差。针对此问题,以加权ε支持向量回归机为基础,提出了一种小样本数据的迁移学习支持向量回归机算法。该算法以加权ε支持向量回归机为Bagging算法的基学习器,使用与目标任务相关联的源域数据,通过自助采样生成多个子回归模型,采用简单平均法合成一个总回归模型。在UCI数据集和现实数据集——玉米棒与花生粒储藏环节损失数据集上的实验结果表明,该算法较标准ε-SVR算法与改进的RMTL算法在小数据样本上有更好的泛化能力。     

基于改进GA参数优化的SVR股价预测模型

针对股票价格的动态性及非线性等特点, 提出了基于改进遗传算法(Genetic Algorithm, GA)优化参数的支持向量回归机(Support Vector Regression, SVR)股价预测模型. 首先将选取的股票价格样本进行小波去噪处理, 然后将经过改进GA优化参数的SVR模型对去噪后的数据进行预测及评价. 结果证明, 改进小波-GA-SVR模型具有良好的预测效果, 对股票价格的预测研究具有一定的意义.     

SVR模型参数选择方法的研究

对时间序列预测问题进行了讨论。首先对支持向量机的回归算法进行了较详细的介绍,接着讨论了模型参数对预测结果的影响,并通过太阳黑子数据加以验证,最后提出了人工选择参数的方法。     

基于BP的油田产能成功度综合后评价模型研究

详细分析油田产能建设项目后评价相关指标,及其对最终综合后评价结果的影响之间的关系,建立油田产能建设项目综合后评价模型.基于成功程度综合后评价模型,在评价标准相对隶属度成功应用的基础上,进行模糊处理,用神经网络来改善的评价模型,增高评价结果的准确性.该模型不但弥补了传统成功度模型主观估计权重的缺陷,并考虑到各个评价指标对综合后评价结果的影响,科学、客观地评价项目,实验结果证明了该方法的有效性.     

基于改进AHP的储层综合评价方法

储层评价是油田有利区筛选及预测的重要基础和依据,针对传统AHP方法主观性强、判断矩阵不一致等问题,对AHP算法进行改进,提出一种基于改进AHP的储层综合评价方法. 该方法采用群组AHP方法构建判断矩阵以降低专家的主观性偏见;然后,利用最小二乘原理构建拟优一致矩阵解决判断矩阵的不一致性问题;其次,在计算底层指标的评价向量时将其分为定性指标和定量指标,其中定性指标采用专家评价得到评价向量,定量指标量则采用效用函数法和灰色层次分析法相结合得到评价向量;最后通过评价向量、各层指标权重对储层进行综合评价. 实例计算表明该方法可以获得更加科学、客观的储层评价标准,能提高研究区的开发效果并为后续开发方案的调整提供有利依据.     

基于改进模糊综合评价法的电力供应商评价模型

为了有效提高电力物资供应商评价的有效性和合理性,设计了一种基于改进模糊综合评价法的供应商评价模型,首先,在现有供应商评价的基础上引入企业社会责任维度,构建了包含组织因素、产品因素、供货因素、售后因素及社会责任的综合评价指标体系;其次,为了避免传统模糊综合评价法主观因素赋权的不足,采用层次分析法+因子分析法（AHP+FA）改进其权重计算方式;最后,通过算例分析验证了评价模型的适用性,可为电力公司招投标管理及运营决策提供参考意义.     

模糊综合的二次评判主观信任模型

提出一种基于模糊综合评判的主观信任模型,并给出该模型具体实现的方法,以对网络中主体的信任度进行评估.借助了层次分析法来动态的确定评判因素的权重,并引入"专家"对评判函数的权重,对第一次评判的结果作第二次综合评判.实例分析表明了方法的正确性,有一定创新和应用价值.     

基于分层分析法的安全评估参数模型研究

研究评估参数对安全评估结果的影响具有重要意义。分层分析方法(AHP)通过两两比较的方式确定各个因素相对重要性,然后综合决策者的判断,确定决策方案相对重要性的总排序。在实际操作中使用AHP方法常常不能得到一致性结果,从而造成结果可信度降低。论文的目的在于量化评估参数对安全评估的影响。方法采用了经过改进的AHP,结果提出了安全评估参数模型,并给出了量化评估参数的方法。结论是通过采用改进的分层分析方法对某新闻网进行安全评估,验证量化评估参数方法和参数影响模型的有效性和可行性,评估结果具有指导意义。     

基于AHP模型工作人员绩效评价体系的研究

自改革开放以来,全球经济走上了市场化道路,这不仅给中国企事业单位的发展带来了机遇,同时也带去了挑战。面临国际化市场经济竞争的环境,中国企事业单位也必须改革,其中绩效评价机制成为企事业单位生存的一项重大任务。绩效实质上是对一个工作人员长期工作质量、工作能力、工作效果的综合评价,是一个过程化的衡量。绩效评价体系最终目的是让工作人员拿到满意的绩效工资、企事业单位拥有广阔的发展前景,促进企事业单位与工作人员团结一致、共同发展、共同提升。本文利用层次分析法研究工作人员绩效评价体系,分析了影响工作人员绩效的因素,采取定量与定性相结合的办法探讨出了16个详细指标体系,力求客观、真实地反映工作人员的素质与能力,科学地计算工作人员的绩效评价分值,合理地发放工作人员绩效。     

基于层次分析法的科研项目评估系统实现

信息化的评估方式是提高科研项目评估效率和质量的重要手段。本文首先构建了基于层次分析法的科研项目绩效评估体系和模型;然后基于.Net框架,对项目绩效评估系统的流程和功能进行了设计;最后给出了该系统主要功能模块的实现过程。     

基于改进AHP-Fuzzy的面向测试的软件质量评价模型

为解决面向测试的软件质量评价难以有效开展的问题,基于对传统AHP-Fuzzy模型的适当改进,提出一种面向测试的软件质量评价模型——SFSE,首先对所有叶子节点执行单因素实测评价,再按照自底向上的顺序逐层评价各级评估原子集。实验结果表明,拓展综合评价集向量提供了可调节的评估参数,通过基于实测问题规模构建评估模糊评价矩阵、将权重投射至评价因素集上的模糊子集等方式,SFSE模型可在无需人工干预的情况下实现对被测软件的定量评价。