油田异常井组合预警模型研究

由于油田生产数据具有高度的非线性和时变性,单一的预警模型无法达到在异常初期进行及时、准确预警的要求,为提高预警准确度,论文提出一种油田异常井组合预警模型——k-SVR预警模型.k-SVR预警模型是用k均值模型先对数据进行聚类,再用支持向量回归机模型对聚类后的数据进行边缘数据界定和处理,从而得到较为精确的预警信息,达到在异常初期进行预警的目的.通过组合预警模型对油田已有历史生产数据进行仿真实验,结果表明：相较于单一的预警模型,组合预警模型取得了较精确的预警结果,验证了模型的有效性.     

基于聚类支持向量机的船用污水处理装置故障诊断

针对船用污水处理装置状态监测与故障诊断问题,提出了一种聚类支持向量机的故障诊断算法模型。该算法模型首先采用神经网络聚类算法将设备监测状态样本空间聚类分析出正常与异常子空间,再对异常子空间构造多分类支持向量机对故障进行诊断识别。该算法模型避免了盲目故障分类,提高了分类性能。通过对某船用污水处理装置实测样本的训练和检验表明,该算法具有较好的泛化性和推广能力。     

CBiA-PSL抽油井异常工况预警模型

油田生产过程中,油井受各种因素的影响容易发生泵漏、管漏等异常工况,会降低油井产出甚至导致躺井,对异常工况预警是油田智能化管理的重要任务.基于CNN-BiGRU联合网络,提出一种改进的网络结构CBiA-PSL模型(CNN BiGRU attention-positive sharing loss),用于油井异常工况预警....     

油田预警分析模型的研究与设计

目前我国大部分的石油产区已经进入生产开采的中后期,此时为了能够提高石油的采收率来满足社会生产生活,必须及时有效地对油田的产量进行预警分析。本文提出一种油田预警分析模型,该模型采用支持向量机方法对油田开发过程中的油田区块进行预警,并且对抽油单井进行实时的监控与诊断,分析可能出现的各种问题,进而可以在异常事件初期及时发现生产中的异常情况,以此来进行预警,提前采取预防措施,从而实现油田产量的稳产高产。实验结果证明该模型具有较高的预测准确性。     

油田预警分析模型的研究与设计

目前我国大部分的石油产区已经进入生产开采的中后期,此时为了能够提高石油的采收率来满足社会生产生活,必须及时有效地对油田的产量进行预警分析。本文提出一种油田预警分析模型,该模型采用支持向量机方法对油田开发过程中的油田区块进行预警,并且对抽油单井进行实时的监控与诊断,分析可能出现的各种问题,进而可以在异常事件初期及时发现生产中的异常情况,以此来进行预警,提前采取预防措施,从而实现油田产量的稳产高产。实验结果证明该模型具有较高的预测准确性。     

间抽井井况诊断与计量在RTU中的实现

各油田对间抽井的管理都比较重视,但很难对其进行有效的管理,间抽井出液无规律,无法采用传统的诊断方法和计量手段对其进行井况诊断和计量。本文介绍一种新方法,结合高性能RTU技术、抽油井井况诊断技术、功图法量油技术、通信技术实现间抽井的连续井况诊断、计量,为提高数字化油田管理提供帮助。     

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。     

油田监测与分析系统核心算法修正

随着油田智能化发展的需要,传统的故障诊断、动液面、产量计量算法已不能满足油井问题在实时性和准确性方面的要求。针对目前国内外油井监测与分析系统中存在的问题,本文对系统核心算法故障诊断、动液面、产量计量进行修正。其中,故障诊断采用基于关联度函数修正的方法,并给出一种专家知识库实时更新完善策略。动液面算法采用物元分析的方法,通过建立物元模型确定油井的最优多相流算法。产量计算算法采用均值滤波的方法,通过消除示功图中复杂的频率部分精确求取示功图有效冲程。并对以上修正算法进行了仿真,提高了油井问题诊断的准确性和诊断效率,为智能油田提供理论基础。     

基于专家系统的开发动态异常井诊断模型

油井异常的影响因子复杂多变又相互制约,为了提高异常定位的准确性设计了基于专家系统的开发动态异常井诊断模型（DDAWD）.模型建立数据层-知识层-规则层（DKR）三层知识结构,该知识表示方式不仅保留产生式的结构而且与自然语言构成映射.基于DKR知识结构推理采用前后件推理方式并通过反射执行调用匹配函数来完成对问题井的异常定位.通过对某采油厂的生产数据分析得出实验结果并证明DDAWD模型提高了诊断结果的准确率.     

油气储层连井剖面展开的算法及其实现

对于各种储层建模结果的图形显示,开发在面向对象的软件环境下的可视化子系统已经成为当务之急。实现油气储层连井剖面图可视化的过程中,把一个三维连井剖面展开成二维的剖面图,是关键的一步。给出的油气储层连井剖面展开的算法由以下三个部分组成：三维剖面图生成、旋转、平移。遵循该算法,通过Open Inventor有关的类和函数,将三维空间中的连井剖面图展开成为二维空间中的剖面图。油田数据的实验结果表明,这个算法具有直观、效率高等优点。     

基于改进量子遗传算法的油田井位及数量优化

布井的数量及位置的选取是油田开发中至关重要的一环。一项最优的布井方案受到地质情况、油藏驱动方式、流体特性、油田设备规格以及多种经济参数指标的影响,是一个具有多决策变量的优化问题,传统的数学优化方法在处理这类问题时,很难找到一个合适的目标函数来满足优化条件。量子算法作为量子计算与智能算法相结合的产物,其优秀的寻优能力以及良好泛化能力,在处理目标函数性态复杂的优化问题时较传统方法有着更好的表现。因此,本文利用MATLAB建立油藏数值模拟模型,将井的数量和井位作为变量,以油田净现值为目标函数结合改进的量子遗传算法(Quantum Genetic Algorithm,QGA)对井位进行优化。通过与传统布井方式的对比,所提出的方法有更好的经济效益,同时摆脱了传统布井方式对于经验的依赖,具有很好的移植性。     

一种元数据驱动的通用GIS应用集成模型

分析基于地理信息系统(GIS)企业应用集成现状,提出一种元数据驱动的通用GIS应用集成的概念模型。定义实现自动集成的算法,构建支持基于GIS应用集成的支撑元模型。结合大庆油田GIS集成需求,以ArcGIS Server为开发平台,利用该模型实现油田生产领域分布式应用系统的有效集成。     

基于灰狼算法优化DBN的医院网络异常流量识别

为了提高医院网络异常流量识别的精度,提出一种基于灰狼算法优化DBN的医院网络异常流量识别方法。针对DBN模型性能受权值和偏置参数的影响,运用灰狼算法对DBN模型的权值和偏置进行优化选择,将医院网络流量特征数据作为DBN模型的输入向量,网络异常流量的类型作为DBN模型的输出向量,建立GWO-DBN的医院网络异常流量识别模型。研究结果表明,GWO-DBN进行医院网络异常流量识别具有更高的准确率、检测率和更低的误报率。     

基于模糊理论的行人异常动作检测

为在智能监控系统中自动识别行人的异常动作,提出简化的人体关节模型图。根据行人躯干和四肢轮廓角度的变化,设计用于模糊化的函数式。提出利用躯干和四肢的模糊隶属度通过计算来得到整个人异常度的一种基于模糊理论异常行为判别的算法。在系统实现中,提出利用质心轨迹和模糊判别的联合方法来甄别行人是否异常的方法。模糊判别可实现在视频监控范围内对行人行为的主动分析,从而能够对行人异常的动作做出识别并进行报警处理。通过实验证明该方法具有较高的识别率。     

基于数据元的数据模型语义映射技术研究

各企业在进行数据共享之前,首要考虑的是数据模型的数据映射关系,然而数据模型在不断的更替与升级,给数据集成带来了很大困难。文中设计了一种对数据源结构进行统一描述的数据字典元模型,利用数据元来规范数据项,将编辑距离算法思想应用其中,实现数据项与数据元字典中数据元的相似度匹配。应用语义树的表示方法来描述数据元结构,利用语义相似度算法进行数据元间的相似性、一致性检查,寻找数据元间的关联关系,间接地定位数据项间的语义关系,为数据映射奠定良好基础。以中石化标准数据元规范油田企业搜索引擎数据项,确保研究的实用价值。     

Research on outlier detection algorithm for express logistics

To detect the problems of time delay, path error and destination error in express logistics process effectively, a novel outlier detection algorithm for express logistics is proposed in this paper. To test the detection results, the express logistics system operating model is built to test the detection results. Experiment results show that the proposed algorithm is well applied to the express logistics data with multi-attribute characteristics, and can work well in detecting the abnormal conditions of express logistics.     

基于数据挖掘的建筑能耗异常检测研究

建筑能耗异常检测对于建筑管理和运行至关重要,论文提出了一种基于D-S证据理论的不平衡数据多划分(Multi-partition,MP)聚类算法,并构建MP算法能耗异常检测模型对建筑能耗中的异常值进行准确检测。首先通过改进的信任c均值算法将能耗数据集多划分；利用基于K-NN的均值漂移算法确定数据集的真实类别个数；然后根据密度合并规则对能耗数据进行合并；最后对未合并的能耗数据再次划分得到最终的能耗异常检测结果。UCI数据集验证结果表明,MP算法对于不平衡数据聚类效果良好,能够有效避免样本“均匀效应”,降低错误率；通过对某大型商场建筑空调和照明用电能耗异常值检测,验证了MP算法能耗异常检测模型的有效性。