课程文献中心 更多>>

关键词： 实时导向钻井   对话机器人   算法   渤海油田   随钻跟踪   Rasa  

摘要： 实时导向钻井涉及专业面广且复杂,需要频繁的跨专业信息交互,目前仍处于严重依赖人员参与的低效模式。为助力油气勘探开发上游产能建设的提速增效,在已建成的中海油数字化生态平台基础上,以地质导向钻井智能算法为基础,基于Rasa开源框架,采用微服务API调用和模块化开发,研发了面向实时导向钻井的任务型对话机器人系统,实现了正钻井的钻井、录井、测井数据到导向信息的实时分析转化。研究结果表明:(1)对话机器人利用自动分析用户画像、快速读取海量知识库、多轮对话给出个性化答案等优势,在导向过程中针对实时工况频繁更新、目标半明确且需要引导等交互场景具有较好的应用效果;(2)对话机器人可以支持非关键井段自动跟井、关键井段导向决策支持等实时场景使用,已在渤海油田应用超过100井次;(3)对话机器人实现了人类语言和导向系统后台算法成果的自然交互,计算时长小于0.5 min,满足了导向钻井的米级响应要求。结论认为,实时导向钻井任务型对话机器人提高了随钻作业监测和质量控制过程中的决策响应时效,精简了作业流程,挖掘了正钻井的实时数据价值,有效提高了导向过程中各专业间一体化协同效率,对于探索适用于油气勘探开发的新型随钻跟踪管理模式具有重要参考价值。

关键词： 降损方案   节能降损   自适应遗传算法   成员总数   改进遗传算法   步序   运营效益   协同优化  

摘要： 节能降损是配电网改造的重要目标,合理的降损方案依赖于科学的数学模型建立。首先根据线损致因对可行的降损方式及措施进行梳理,为降损方案组合优化提供方案库。其次基于经济效益和社会效益的统筹考量,建立面向双目标协同优化的降损方案辅助决策模型。其中,双目标是指降损方案执行可节省的购电费用支出与可减少的碳排放罚金最大化,为方案实施所需的综合投资最小化。模型约束包括相关线路维持正常运行所需的电气量限制、降损方案库成员总数限制和总投资限制等。再次,依托自适应遗传算法确立模型求解步序和流程。最后实证检验表明:建立的模型一方面可提升供电公司的运营效益;另一方面有助于环保大局的推进,具有较大的参考价值。

关键词： 流程挖掘   模型挖掘算法   事件日志   可靠性评价   质量评估  

摘要： 流程模型挖掘算法能够从事件日志中挖掘流程模型,不同流程模型挖掘算法处理事件日志的能力不同。目前,大量涉及流程模型挖掘算法评价的工作大都是间接评价,而间接评价存在局限性。针对这一问题,将可靠性作为模型挖掘算法的重要直接评价指标,提出一种模型挖掘算法可靠性评价的方法,用于直接评价模型挖掘算法的性能。该方法对原始事件日志进行增量预处理以得到增量子日志集合;使用模型挖掘算法对增量子日志和原始事件日志进行处理,得到流程模型;最后,通过质量评估对业务流程模型挖掘算法的可靠性进行评价。基于公开的9个仿真事件日志和4个真实事件日志,从弱可靠性、噪声干扰可靠性和强可靠性3个方面对多个模型挖掘算法进行实验,实验结果表明:Heuristic Miner、Inductive Miner-infrequent、Inductive Miner和Alpha Miner可靠性值依次为4、3.2、2.4和1.6,可靠性值越高,算法的可靠性越强。可见本文方法能够有效地评价算法的可靠性。

关键词： PSO-BP模型   故障识别   预防性维护   K近邻模型   支持向量机   极端梯度提升   高通量数据  

摘要： 目的提出一种基于粒子群优化(Particle Swarm Optimization,PSO)算法和反向传播(Back Propagation,BP)神经网络模型的呼吸机故障识别与预防性维护策略,旨在提高呼吸机设备管理、维修水平,为呼吸机预防性维护提供参考。方法选取2017—2023年我院使用的呼吸机日常质量控制数据、临床使用数据、环境数据等多模态数据为研究对象,介绍PSO算法,建立粒子群优化-反向传播(PSO-BP)模型,同时引入K近邻(K-Nearest Neighbor Classification,KNN)模型、支持向量机(Support Vector Machine,SVM)模型以及极端梯度提升(eXtreme Gradient Boosting,XGBoost)模型作为对比模型,并选择准确度(Accuracy,ACC)、精准度(Precision,PRE)、召回率、F1得分以及曲线下面积(Area Under Curve,AUC)对模型进行评价。结果训练后的PSO-BP模型ACC、PRE、召回率、F1得分及AUC值分别为90.05%、91.00%、89.30%、0.90以及0.88;相对于KNN、SVM、XGBoost以及BP模型,PSO-BP模型识别ACC分别提高了6.64%、4.50%、3.32%、7.35%;召回率、F1得分及AUC值在一定程度上也得到了提高。模型最优阈值为0.6768,呼吸机安全区、稳定区、危险区以及高危区区间分别为[0,0.3384]、(0.3384,0.6768]、(0.6768,0.8384]、(0.8384,1.0000]。结论通过高通量医疗大数据建立的PSO-BP模型可有效识别呼吸机故障,并可使用定量数据为呼吸机预防性维护提供参考,具有一定的理论和实际应用意义。

关键词： 多元时间序列   聚类算法   特征表示   相似性度量   聚类评估指标  

摘要： 多元时间序列(MTS)作为众多领域智能化技术的关键数据依据,其随时间推移记录了系统中多个变量的状态变化。聚类技术作为一个数据挖掘核心工具可以将数据按照其结构相似性划分为不同的簇,通过识别数据的结构和内在关系挖掘系统发展规律和变量相关关系。面对多元时间序列数据结构的复杂性、变量之间的关联性以及数据高维性等为聚类分析带来的挑战,国内外已经开展了大量相关研究工作。鉴于此,对多元时间序列数据场景下的聚类分析算法进行综述。基于特征提取方式、相似性度量算法、聚类划分框架等分类标准,对现有多元时间序列聚类算法进行对比分析。对于每一类多元时间序列聚类技术,从算法原理、代表性方法、算法优缺点以及解决的问题等方面进行详细总结与剖析。进一步讨论了常用的评价标准,以及多元时间序列聚类相关公开数据集。从多变量时序数据结构特殊性出发对现有多元时间序列聚类存在的挑战及未来发展方向进行了总结与展望。

关键词： 基酒   支持向量机   引导聚集算法   遗传算法   分类预测  

摘要： 基酒组分具有复杂多样性,为提高其等级分类预测模型的精度和泛化能力,在基酒气相色谱-质谱数据基础上设计评价模型,提出一种结合遗传算法(genetic algorithm,GA)和引导聚集算法(Bootstrap aggregating,Bagging)优化支持向量机(support vector machine,SVM)分类器的方法,以解决单一SVM分类器在分类精度和泛化能力的不足。研究使用Spearman相关性筛选了36种关键物质,选择核主成分分析法提取了12个核主成分,并使累计贡献率达到96.06%,将其作为模型输入。选择性能最优的径向基核函数支持向量机,使用对数据多样性适应较强的并行计算Bagging集成算法,构建Bagging-SVM分类器进行基酒等级分类,最后,通过GA优化Bagging-SVM分类器的参数(C、γ、N),构建GA-Bagging-SVM模型。结果显示,GA-Bagging-SVM模型的准确率、精确度、召回率、F1-Score分别为96.77%、96.90%、96.77%、96.78%,优于Bagging-SVM和SVM模型,相比单一SVM模型提升了6.45%、5.61%、6.45%、6.42%,比Bagging-SVM模型提升了3.22%、2.29%、3.22%和3.15%。该方法可作为白酒基酒品质评估模型的优化方法。

关键词： 时序数据库   数据压缩算法   压缩率   数据存储  

摘要： 时序数据库(Time Series Database,TSDB)被广泛应用于各类需要处理和存储大量时间序列数据的领域,如物联网、金融、医疗和工业监控等。由于数据量不断增长,高效率的数据压缩算法对时序数据库的性能和存储效率至关重要。概述了当前主流的时序数据库数据压缩算法,包括简单压缩算法、高效压缩算法、先进压缩算法、混合压缩算法和基于机器学习的压缩算法,分析了各种算法的原理、具体实现步骤、优缺点和适用场景的分析,并对未来研究方向进行了深入探讨。

关键词： 四向穿梭车   路径优化   调度算法  

摘要： 自动化物流系统的迅速发展对仓储管理模式提出了新的要求,其中四向穿梭车作为核心设备,在提高仓储效率和作业灵活性方面发挥了关键作用。但四向穿梭车的运行环境通常复杂且动态,涉及路径规划与调度优化等多方面问题,这需要考虑实时性和精确性,还要兼顾系统资源的合理利用与运行成本的控制。因此,本文就四向穿梭车系统中的路径优化与调度算法展开探讨,以期为优化四向穿梭车的运行效率和提升智能仓储系统的综合性能提供可行的解决方案。

关键词： 计算卸载   边缘计算   联盟博弈   分层博弈   依赖型任务  

摘要： 大规模的数据采集处理任务对计算能力的要求很高,然而分布式部署在各地基层服务器上可用的计算资源有限,不足以单独处理整个任务数据。边缘计算(Edge Computing,EC)通过将计算任务卸载到边缘服务器上改善服务,为此类应用提供了有效的解决方案。但是,传统的顺序决策策略大多依赖于预调度,且忽略了任务群之间的合作,存在一定的优化空间。对此,基于前序任务层优先策略(Predecessor Layer First,PLF)对具有依赖关系的计算卸载过程进行建模,提出了一种基于分层联盟博弈的计算卸载算法(Layering Coalitional Game Computation Offloading Algorithm,LCGCO)来优化卸载决策,从而降低计算卸载时延和能耗。LCGCO通过前序任务层优先策略确定子任务的卸载顺序,然后通过同优先级子任务间的联盟博弈确定卸载策略,以实现任务群整体最优调度。通过仿真显示,与基于MEFT的遗传算法、拉格朗日求解凸规划方法相比,LCGCO具有更低的时延、能耗和更少的时间复杂度,并且任务图越复杂,LCGCO算法的优化性能越好。

关键词： 多用户MIMO   信道估计   双可重构智能超表面   混合张量分解  

摘要： 为解决在双可重构智能超表面(Reconfigurable Intelligent Surface,RIS)系统中获取高维信道状态信息(Channel State Information,CSI)的挑战,提出了一种基于混合张量分解的多链路联合信道估计算法。首先,通过设计导频传输机制,将单反射链路和双反射链路的接收信号分别建模为平行因子模型和平行因子塔克(Tucker)张量模型,将信道估计问题转化为混合张量因子矩阵的拟合问题。然后,考虑到多条链路之间共享的CSI,采用一种基于交替最小二乘迭代算法来分解混合张量,以有效估计出因子矩阵。最后,通过对该混合张量进行唯一性分析,与传统的Khatri-Rao分解方法相比,所提方法具备更为灵活的参数设计特点。仿真实验结果表明,该方法能够在训练块数小于RIS单元数的情况下有效估计反射链路CSI。