基于概率建模的分层产液劈分方法

传统产液劈分方法无法考虑层间干扰及注水井和邻井的影响,难以准确判断井下实际状况。同时,海上油田产液剖面测试成本高,常规的机器学习方法面临样本数量少的问题。基于此,提出一种基于贝叶斯神经网络和极限梯度提升算法的多层合采产液劈分混合学习模型。概率方法可以识别预测中的不确定性,通过将神经网络与概率建模结合,进行分层产液数据分布特征挖掘,结合主控因素分析,混合学习算法可以实现小层产液量的准确预测,可以依据较少的数据获得更为稳健的模型。为验证所提方法的有效性,将其应用于实际油田某区块进行产液剖面预测。结果表明：相比KH劈分方法在计算中劈分系数固定,不会随着生产过程波动,所提出的方法可从历史数据中学习,预测精度达到87.9%,预测结果更加逼近真实单层产液量。     

基于数据集扩充的即时软件缺陷预测方法

即时软件缺陷预测针对项目开发与维护过程中的代码提交来预测是否会引入缺陷。在即时软件缺陷预测研究领域,模型训练依赖于高质量的数据集,然而已有的即时软件缺陷预测方法尚未研究数据集扩充方法对即时软件缺陷预测的影响。为提高即时软件缺陷预测的性能,提出一种基于数据集扩充的即时软件缺陷预测(prediction based on data augmentation,PDA)方法。PDA方法包括特征拼接、样本生成、样本过滤和采样处理4个部分。增强后的数据集样本数量充足、样本质量高且消除了类不平衡问题。将提出的PDA方法与最新的即时软件缺陷预测方法(JIT-Fine)作对比,结果表明：在JIT-Defects4J数据集上,F₁指标提升了18.33%;在LLTC4J数据集上,F₁指标仍有3.67%的提升,验证了PDA的泛化能力。消融实验证明了所提方法的性能提升主要来源于数据集扩充和筛选机制。     

一种实现异构知识集成的新方法

在知识的广义定义的基础上,指出了数量性知识、符号性知识、样本性知识是主要的异构形态知识,分析了它们的不同特征．提出通过建立知识描述形式之间的转换联系达到知识集成的目的．分别给出了从神经网络到规则和从规则到框架的转换方法和具体步骤．通过一个机床加工选择的实例,验证了本方法的有效性．     

小样本数据下的不常用备件需求函数确定模型

构建了一种基于模糊综合评判和贝叶斯定理的需求分布函数确定模型,并通过实例验证了其正确性和可行性,该方法充分利用管理人员的知识和经验来客观地确定备件的需求分布函数．     

基于MAML和改进MobileNet模型的低龄儿童语音词汇识别

语言能力测试常用于评估低龄儿童的词汇储备等能力,运用语音识别等人工智能技术能够提高语言能力测试的工作效率,从而让更多的语言发育迟缓儿童能被尽早发现并得到治疗.低龄儿童语音相较于成人语音更难识别,且缺乏相关公开数据集,为了解决语言能力测试场景下的低龄儿童语音词汇识别问题,采集72名2～3岁儿童的语音数据,对具有参数少、计算成本低等特点的MobileNet模型进行了改进,并使用模型无关的元学习方法(MAML)优化改进模型,使改进模型适用于小样本环境下的低龄儿童语音词汇识别.实验证明,相关改进措施均能提高模型的儿童语音词汇识别性能.     

求解亚式期权定价问题的迎风差分方法

期权理论的核心是期权定价问题.研究连续取样的算术平均亚式期权定价问题的差分方法,根据问题所满足的偏微分方程终边值问题,构造出一种隐式的迎风差分格式,论证了差分解的惟一存在性和绝对稳定性,并给出差分解在离散L2范数下的误差估计.数值计算表明本文数值方法是一种高效和收敛的近似方法.     

小样本条件下的舰艇磁场预测算法比较研究

针对在建立内外磁场映射模型时能够获取的磁场信息有限的问题,在小样本条件下采用不同算法对舰艇外部磁场进行预测.基于内外映射法,指出了直接求解方法、粒子群优化的反向传播(PSO-BP)算法和径向基(RBF)算法用于推算舰艇外部磁场的不足,提出利用最小二乘支持向量回归(LS-SVR)求解舰艇内外磁场映射模型.开展了双壳体潜艇模型相关实验研究,结果表明:基于LS-SVR的推算值与测量值符合最好;与直接求解法和神经网络算法相比,LS-SVR在实时性、泛化能力和推算精度有明显优势,在工程上更具有实用性.     

再制造最优生产计划模型的CVaR凸逼近及SAA算法

研究企业再制造综合生产计划问题,构建了一个更符合实际的带联合概率约束的最优化模型.针对此非凸优化问题求解上的困难,采用CVaR逼近将模型等价转化为凸优化模型,然后运用样本平均近似方法进行求解,证明了算法的收敛性,数值结果表明了模型和算法的有效性.     

单正态总体下抽样分布的一个证明

利用随机向量独立性的相关性质、变量变换定理以及数学归纳法给出单正态总体下样本均值与样本方差的独立性以及样本方差的抽样分布的一种证明方法.     

J1N统计量的优化计算

由于计算量巨大,小样本的计算一直是人们研究的问题之一.本文通过对统计量J1N两种算法的比较,指出优化后的算法比优化前的算法计算的速度明显提高.给出了优化的计算方法,并对两种方法进行了实验比较.