动态数据挖掘技术在用户缴费信誉评估与预测的研究

设计了应用于缴费业务领域的动态数据挖掘模型,并引入产生式地知识库系统.解决了动态数据挖掘的算法路径推理问题,并且从软件开发角度设计了动态数据挖掘系统的结构.基于该模型,为油田管理局供水公司开发了用户非信誉行为模式挖掘应用系统.     

基于Ontology的油田地质信息系统的研究与实现

为解决油田生产实践中多专业之间由于术语不统一,而造成的信息不能共享和重用的问题,基于本体知识的表示,构建了油田地质领域本体,对油田地质领域的概念、属性、关系等知识进行了规范化描述。建立了油田地质领域知识规则库,用于本体知识推理。设计了一个基于Jena API的本体查询和推理的知识管理系统,实现了油田地质知识的查询和集成,解决了油田地质领域的知识共享问题,为油田地质的相关服务提供知识管理的支撑平台。     

基于实例的工艺知识获取模型

介绍了耦合神经网络的工艺设计实例推理系统的实现方法论,提出了一种基于神经网络的工艺设计实例推理索引模型．与现存大多数实例推理系统不同,该方法用神经网络实现实例的动态分类和索引．实例层次分类的三层结构和基于特征的聚类模板概念,为实现基于符号处理的实例推理求解模式向基于神经计算的模式识别求解模式映射提供了条件．提出了基于实例的工艺知识获取模型,采用新实例的入库操作实现工艺知识的隐式获取,从而使知识获取得以简化．神经网络的自适应、自学习能力将减少系统的日常维护工作．基于实例的系统可望解决知识获取的难题．     

基于知识的模具并行工程系统方法

提出了基于知识的模具计算机辅助并行设计系统方法,并对并行工程系统开发过程、传统过程分析、过程重组、系统功能分析、系统建模和系统框架设计等关键技术进行研究,提出采用模糊设计结构矩阵进行产品开发过程建模和通过对模糊设计结构矩阵按信息度进行模糊排序来指导过程分解与重组,提出了基于特征的产品／模具信息模型,通过基于规则与基于事例相结合的推理机制实现知识、数据、事例等各种信息的动态集成与应用,以支持并行设计机制的实现。     

基于关系数据库语义解析的信息推理研究

研究支持关系数据库语义模型,引入领域主词关系网描述工程基本概念和关系,设计规范化描述与关联规则,完成工程逻辑概念与数据关系模式的映射。根据现有数据模型针对需要生产数据信息,在关系数据内部搭建关联模式,设计并建立语义解析推理机制。采用元词汇、工程事实及决策规则三层知识结构,将SQL操纵与主词关系网、关系数据库关联关系相结合,实现所描述的生产信息的获取与分析,给出相应油田动态开发数据解析结果。     

基于本体信息的知识管理系统的研究与开发

将本体论的思想引入知识管理系统中,设计了基于本体模型和关联规则的4层系统模型框架结构,提出了系统的功能模型,介绍了主要功能模块.本系统的设计和开发充分利用了知识内部和知识之间蕴含的关系,提高了查询的有效性,运用智能的推理机制实现了基于经验的隐式知识的管理.实际应用证明,本系统能够提高企业的工作效率,具有广阔的应用前景.     

基于CBR推理的DFL-Agent商务谈判系统及其案例库设计方法

针对商务谈判信息具有的动态模糊性特点,将动态模糊逻辑技术应用到基于CBR推理的Agent商务谈判系统中,以实现动态模糊数的知识表示、处理和基于CBR推理的商务谈判过程。文中阐述了CBR推理过程、系统的模型结构、功能以及案例库的设计,给出了一种改进的相似度计算方法,最后提出了一种基于CBR推理的商务谈判中动态模糊问题的新方法。     

智能油田开发中的大数据及智能优化理论和方法研究现状及展望

简要概述智能油田开发中大数据及智能优化理论发展现状,基于智能油田的基本理念、基本特点以及当前国内外研究现状,系统论述智能油田开发中面临的生产问题、大数据分析与机器学习方法以及智能优化理论和方法,归纳凝练出两大研究领域:构建数据与油藏工程方法相融合形成油田大数据分析理论体系;数据、模型与智能算法相融合形成数据与模型双驱动的智能优化理论体系。针对两研究领域中的前沿科学问题,综述其研究进展和发展趋势,总结出基于数据与物理规律融合形成复杂油藏系统模型精准构建和快速优化是油田生产开发智能化的核心,以促进石油工业智能化转型升级。     

基于知识的智能化Internet远程教学模型

主要研究基于知识的智能化Internet远程教学模型(ILTMK);模型采用面向对象的系统分析方法及统一模型描述语言(UML),基于教学内容知识元的知识库、智能化的学生模型和教师模型。模型的设计遵从了LOM和DOM国际标准,并在学生能力的动态评价及学习策略的动态选择上,对模型做了进一步的优化,设计了基于J2ZZ的Web智能推理引擎,最后探讨了ILTMK的一些最新的实现技术。     

用深度学习挖掘油田开发指标预测模型的知识

油田开发指标变化特征被当作油田开发规划、油田开采状况评价、油田开发方案设计与调整及油田开发风险预测预警等决策管理问题的重要依据。针对至今没有很好解决的建立智慧油田的瓶颈问题之一——油田开发指标智能预测系统的选择预测方法和模型的知识挖掘问题，基于油田开发的海量数据，利用深度学习的卷积神经网络和循环神经网络，提取反映油田开发动态特征和知识。在此基础上，结合已建立的油田开发指标预测的模型库及知识库，利用深度学习的实体和关系的联合提取方法，提出通过油田开发输入信息、油田开发动态特征指标、油田开发指标预测的模型库和知识库挖掘选择油田开发指标最佳预测模型的知识方法。概念设计的模拟实例表明，提出的知识挖掘流程可实现只要输入油田开发的相关信息，就能自主获得恰当的油田开发指标预测模型。     

基于机器学习的石油多峰模型研究及应用

油田在实际开发过程中，受新区块投产、开发方案调整和"三采"措施等因素的影响，年产量数据会呈现多峰形态。针对经典的Hubbert、HCZ等模型不能直接拟合多峰数据序列的问题，开展了基于机器学习的油田产量多峰预测模型研究。基于Hubbert模型，对多峰数据序列进行分段最小二乘拟合，在拟合误差函数中引入控制分段个数的罚分项，采用动态规划算法，自动求得最优分段的多峰预测模型，该模型运用在实际的油田产量数据上，预测结果达到预期目的。提出了一种通过自动最优分段的线性回归学习来建立油田产量多峰预测模型的方法，在实际应用中具有建模简单、自适应性强的优点。     

基于井间动态连通性模型的注采参数优化方法

水驱油田开发过程中,由于储层非均质性以及注采参数与井网不匹配,造成优势通道发育,注入水低效无效循环严重.为了对注采井间各方向优势通道进行定量描述,基于物质平衡理论与叠加原理,在考虑井底流压变化的基础上,建立了油藏井间动态连通性反演模型——阻容模型,并运用人工蜂群算法进行求解,通过模型求解得到了不同注采井间的连通系数,经验证该系数合理表征了油藏井间动态连通程度.针对优势通道发育造成注水井在各注采方向上水驱不均衡、剩余油饱和度分布差异较大的问题,基于最优化理论,以当前各生产井含水率条件下生产井总产油量最大为目标函数,结合油水井动态生产数据,建立一种基于井间动态连通性模型的注采参数优化方法,并利用优化算法对该模型进行求解.实例应用表明:利用本文方法优化注采参数后,含水率得到明显控制,注入水驱替效率明显提高,并且本文方法仅需要油水井的动态生产资料,简单实用,对矿场具有较高的应用价值.     

油田开发动态形势分析——趋势分类法研究

油田生产中 ,各种动态指标的变化及相关性分析对开发方案的调整及部署非常重要 ,为了统计、分析并归纳总结油田开发中各种动态变化规律及彼此关系 ,文中将数理统计中的趋势分析法引入开发动态数据管理中 .在分析论证趋势分析法的基本原理及其数学模型的基础上 ,应用于某油区注采区块产能变化形势预测 .结果表明 ,该方法结合计算机处理 ,效率高、准确性高、预测性强 ,是产能趋势分析从定性逐渐转向定量的一种有力手段 .     

基于交替条件期望的油藏井间连通性定量表征

及时准确地进行油藏井间动态连通性研究是油藏动态评价的重要组成部分,对于油田开发和管理具有重要意义。利用基于交替条件期望算法的非参数回归方法对注水量和产液量动态数据作最佳变换;并在此基础上利用特征参数建立油藏井间动态连通性定量表征指标。提出了一种新的油藏井间动态连通性分析方法;该方法计算简便,便于快速确定井间动态连通性。典型油藏模型验证了该方法的可行性。矿场应用表明,该方法能够方便准确地识别油藏井间动态连通性,指导矿场开发调整措施的制定。     

基于利润最大化的油田开发非线性规划

根据油田开发的实际情况 ,将油田的产量和利润细分为 9个部分 ,以获得最大利润为目标 ,同时综合考虑了成本、投资等约束 ,建立了油田开发非线性规划数学模型。为了能够获得全局最优解 ,给出了基于遗传算法的非线性规划求解算法。利用某油田的实际开发数据 ,对提出的优化方法进行了验证 ,并给出了一组最优解。验证结果证实了所建模型的合理性和优化方法的有效性     

基于NER的石油非结构化信息抽取研究

随着"智能油田"的建设加快,构建基于海量石油数据的智能分析系统意义重大。然而,由于石油生产过程中产生的文本数据往往无结构且类型多样,从中抽取关键信息进行分析成为一个研究热点,而信息抽取又需要高质量的语义实体做支撑。根据这一特定问题,提出基于命名实体识别（Named Entity Recognition,NER）技术针对石油非结构化文本进行信息抽取,构建双向长短时记忆（Bidirectional Long Short-Term Memory,Bi LSTM）网络模型提取语料特征,并结合条件随机场（Conditional Random Field,CRF）做分类器,构建了基于Bi LSTM+CRF的高精度NER模型,针对石油工业领域的非结构化文本进行命名实体抽取。通过在修井作业文本数据集上进行对比实验表明,本方法具有较高的精确率和召回率。     

缝洞型碳酸盐岩油藏大尺度试井新方法

试井技术是认识油气藏、评价油气藏动态、完井效率以及措施效果的重要手段。塔河缝洞型碳酸盐岩油藏储集体特征形态各异,存在大型溶洞、裂缝和溶蚀孔洞,常规试井分析采用三重介质模型。针对塔河缝洞型碳酸盐岩油藏开发过程中生产井压恢曲线较少的问题,根据试井思想,利用Blasingame生产数据分析法提出了基于"生产曲线"的缝洞型油藏时间大尺度试井分析方法。     

基于改进果蝇算法和长短期记忆神经网络的油田产量预测模型

产量预测是油田生产动态开发研究的重要内容之一。油田的长期生产积累了大量数据,但是波动幅度很大,直接应用长短期记忆神经网络预测油田的生产指标,会出现神经网络泛化性很差的问题。因此,首先利用双层长短期记忆神经网络(long-short term memory,LSTM)和随机式失活对神经网络架构进行调整,建立了深度学习神经网络模型;并提出了一种新的果蝇聚集方法,通过改进的果蝇优化算法对所建立的神经网络模型进行优化,避免其陷入局部最优解,搜寻解空间的最优解;最后,油田实例验证表明,优化后的深度学习网络的网络泛化能力和预测精度有了较大提高,对于油田波动性较大的数据也能较好地拟合。所建立油田产量预测模型可应用于矿场开发实际。