基于PSO优化SVR参数的油藏产能预测

油藏产能是衡量油藏潜在产油能力的综合指标,产能的高低直接影响油藏项目的经济效益。因此,建立有效的油藏产能预测模型,对油藏的勘探开发有重要的指导意义。油藏受到渗透率、孔隙度等若干地质因素的影响,且各个因素之间关系复杂,难以建立精确的数学表达式来描述其动态的生成过程。通过使用混合粒子群优化算法(Particle Swarm Optimization,PSO)和支持向量回归机(Support Vector Regression,SVR)的模型(PSO-SVR模型),建立地质因素与产能之间的非线性函数映射关系,以实现对油藏产能预测。通过对比实验,基于PSO-SVM的模型与实验数据的一致性,证实了其良好的性能。     

一种支持QoS约束的Web服务质量模型

为了满足在组合Web服务中提供服务质量支持，提供有保证的QoS（Quality of Service）的需要，以及针对目前在组合服务中，很少提供对服务质量支持的问题，建立了一个Web服务质量的模型．该模型为所有服务建立了一系列的质量指标，并对它们进行量化，得到量化值．最后在此模型的基础之上，在组合服务中建立了一个服务质量驱动的服务选择机制，从而可以实现所有在组合服务中的服务都是最优的．已经基于Microsoft．NET实现了一个原型系统．