检索结果-内蒙古大学图书馆

工程科学学报 2024年第4期46卷 614-626页

作者：宋洪庆都书一杨焦生王玫珠赵洋张继东朱经纬北京科技大学土木与资源工程学院北京100083 大数据分析与计算技术国家地方联合工程实验室北京100190 中国石油勘探开发研究院北京100083

煤层气是我国常规天然气现实可靠的战略补充资源之一,智能化标定煤层气产能对于天然气工业的发展具有重要意义.对山西沁水盆地某煤层气区块的煤层气井进行了实际地质、生产数据的收集及数据预处理,提出了基于生产井史的煤层气单井产能... 详细信息

煤层气是我国常规天然气现实可靠的战略补充资源之一,智能化标定煤层气产能对于天然气工业的发展具有重要意义.对山西沁水盆地某煤层气区块的煤层气井进行了实际地质、生产数据的收集及数据预处理,提出了基于生产井史的煤层气单井产能计算公式.利用预处理后的生产数据及储层数据,建立了基于深度神经网络、支持向量回归机、随机森林的煤层气产能标定智能算法,对煤层气单井产能进行了预测,比较了三种机器学习模型的预测结果,分析了不同排采天数的生产数据作为输入参数对模型精度的影响.基于预测效果最好的机器学习模型,进行了动态参数(排采前期的日产气、日产水和井底流压)和静态参数(煤层埋深、孔隙度、渗透率、煤层厚度和含气量)对煤层气产能标定模型的重要性程度分析.结果表明:三种机器学习模型标定煤层气单井产能的平均决定系数为0.828,其中深度神经网络模型决定系数最高,达0.923;增加生产数据前期排采天数,决定系数增长趋势明显,之后增长趋势减缓并最终趋于平稳;动态参数和静态参数对产能的影响都较强,这两类参数对于产能预测模型的贡献度分别为48%和52%.

关键词：煤层气沁水盆地单井产能智能算法机器学习

来源：评论

学校读者我要写书评

暂无评论

数智流体力学的发展及油气渗流领域应用

引用

力学学报 2023年第3期55卷 765-791页

作者：宋洪庆都书一王九龙劳浚铭谢驰宇北京科技大学土木与资源工程学院北京100083 大数据分析与计算技术国家地方联合工程实验室北京100190 中国科学院计算机网络信息中心北京100190

大数据及人工智能技术的崛起推动了数智流体力学的快速发展.数智流体力学是将流体力学、大数据和人工智能相结合,以流体力学场景需求为导向,形成以“数”为基础,以“智”为核心,以算力为支撑的新研究范式.核心内涵是要以数据驱动为主,... 详细信息

大数据及人工智能技术的崛起推动了数智流体力学的快速发展.数智流体力学是将流体力学、大数据和人工智能相结合,以流体力学场景需求为导向,形成以“数”为基础,以“智”为核心,以算力为支撑的新研究范式.核心内涵是要以数据驱动为主,融合物理信息、专家经验等先验知识,利用智能化手段构建“数据+物理”双驱动的数智模型,解决场景需求问题.数智流体力学在建模灵活性、运算效率、计算精度方面具有十分明显的优势,其应用潜力已经在多尺度流动、多场耦合以及流场建模等方面得到验证.数智流体力学研究范式包括数据治理和智能算法构建,其中数据治理工作尤为重要,治理后的数据质量是智能算法能否发挥其价值的关键.智能算法中“数据+物理”协同驱动主要存在四种引入机制,分别是基于输入数据的嵌入机制、基于模型架构的嵌入机制、基于损失函数的嵌入机制和基于模型优化的嵌入机制.以油气领域应用为例,介绍了数智流体力学在储层物性参数预测、压裂效果评价以及注采参数优化等方面的一系列研究进展.数智流体力学是流体力学未来的重要发展方向之一,以场景需求为导向、深度融合物理信息等先验知识的新一代智能理论与方法是数智流体力学发展的必然趋势,能够从崭新的角度攻克诸多复杂多变的流体力学关键问题.

关键词：数智流体力学大数据人工智能物理信息机器学习

来源：评论

学校读者我要写书评

暂无评论

油气资源开发的大数据智能平台及应用分析

引用

工程科学学报 2021年第2期43卷 179-192页

作者：宋洪庆都书一周园春王宇赫王九龙北京科技大学土木与资源工程学院北京100083 大数据分析与计算技术国家地方联合工程实验室北京100190 中国科学院计算机网络信息中心北京100190 中国石油大学(华东)石油工程学院青岛266555

油气资源大数据智能平台的总体框架应以数据资源为基础、大数据平台算力为支撑、人工智能算法为核心,面向油气行业生产需求,构建集勘探、开发、生产数据于一体的油气数据资源池,通过数据清洗与融合提升数据质量,整合物理模拟与数据挖掘... 详细信息

油气资源大数据智能平台的总体框架应以数据资源为基础、大数据平台算力为支撑、人工智能算法为核心,面向油气行业生产需求,构建集勘探、开发、生产数据于一体的油气数据资源池,通过数据清洗与融合提升数据质量,整合物理模拟与数据挖掘等手段,实现服务功能模块化,并在PC端、管控大屏、手机移动APP等多维平台实现智能监测、预警与展示.通过对深度学习等人工智能方法在油气工业领域的应用案例分析,表明其具有较好的应用前景.未来石油公司应与科研院所通力合作,挖掘石油工业数据的巨大潜能,实现降本增效,建设全新的智能油气工业生态圈,完成产业升级.

关键词：石油天然气大数据人工智能深度学习机器学习

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的北京市PM2.5浓度预测模型及模拟分析

引用

工程科学学报 2019年第3期41卷 401-407页

作者：曲悦钱旭宋洪庆何杰李剑辉修昊中国矿业大学(北京)机电与信息工程学院北京100083 大数据分析与计算技术国家地方联合工程实验室北京100190 北京科技大学土木与资源工程学院北京100083 北京科技大学计算机与通信工程学院北京100083

对北京市周边8个点多个压力高度的温度、湿度和风速数据,以及北京市PM2. 5污染数据进行了分析和归一化处理,建立了反向传播神经网络(back propagation,BP)、卷积神经网络(convolutional neural network,CNN)和长短期记忆模型(long short... 详细信息

对北京市周边8个点多个压力高度的温度、湿度和风速数据,以及北京市PM2. 5污染数据进行了分析和归一化处理,建立了反向传播神经网络(back propagation,BP)、卷积神经网络(convolutional neural network,CNN)和长短期记忆模型(long short-term memory,LSTM)对上述气象数据和污染数据进行训练,训练结果表明:反向传播神经网络模型和卷积神经网络模型对未来1 h的PM2. 5污染等级的预测准确率较低,而长短期记忆模型的准确率较高.使用长短期记忆模型预测未来1 h的PM2. 5污染值与实际值十分接近,表明北京市的PM2. 5污染与其周边地区的气象条件关系密切.通过利用长短期记忆模型对不同压力高度的气象数据进行训练和对比,得出在利用气象数据预测污染时,仅使用近地面气象数据比使用多个高度上的气象数据更加准确.

关键词：机器学习 PM2.5 气象条件神经网络长短期记忆污染预测

来源：评论

学校读者我要写书评

暂无评论

大数据分析系统创新平台与生态建设

引用

大数据 2018年第1期4卷 92-99页

作者：王元卓靳小龙程学旗中国科学院计算技术研究所大数据分析系统国家工程实验室

针对大数据分析处理深度与智能化程度不足,大数据分析计算不贯通、数据模型参数复杂,大数据算法易用性差、分析处理链路缺失以及大数据发挥协同效应条件要求高等共性技术与工程化瓶颈,系统地介绍了大数据分析系统国家工程验室研制的大... 详细信息

针对大数据分析处理深度与智能化程度不足,大数据分析计算不贯通、数据模型参数复杂,大数据算法易用性差、分析处理链路缺失以及大数据发挥协同效应条件要求高等共性技术与工程化瓶颈,系统地介绍了大数据分析系统国家工程验室研制的大数据分析系统创新平台的技术架构。该平台将重点支持科学计算、政府治理和社会安全等方面的示范应用,通过开放生态向各领域与全行业辐射,推动创新创业发展。

关键词：大数据分析系统大数据开放生态国家工程实验室

来源：评论

学校读者我要写书评

暂无评论

石墨烯/环氧树脂表面工艺增强碳纤维电热性能及结构稳定性

引用

电子显微学报 2021年第5期40卷 581-588页

作者：陈春亮董雄伟陈志军鲁诗语曾玮熊祎武汉纺织大学先进纺纱织造及清洁生产国家地方联合工程实验室电子显微镜实验室湖北武汉430200 安徽大学电子信息工程学院农业生态大数据分析与应用技术国家地方联合工程研究中心安徽合肥230601 武汉大学物理科学与技术学院湖北武汉430072

聚丙烯腈(PAN)基碳纤维因优异的力学性能和电热性能作为增强体材料和电加热元件应用广泛,但其在高温下氧化易引起器件失效。通过石墨烯/环氧树脂涂层对PAN基碳纤维进行了表面改性,并在氮气氛围下进行了热处理,进而探究了改性PAN基碳纤... 详细信息

聚丙烯腈(PAN)基碳纤维因优异的力学性能和电热性能作为增强体材料和电加热元件应用广泛,但其在高温下氧化易引起器件失效。通过石墨烯/环氧树脂涂层对PAN基碳纤维进行了表面改性,并在氮气氛围下进行了热处理,进而探究了改性PAN基碳纤维的电热性能与其微观结构的关系。结果表明:表面涂层改性和氮气氛围下的热处理能保护并优化碳纤维的微观结构,从而提高其电热性能,使其在4 V电压下温度60 s内快速升高了40℃并达到热平衡状态,且热平衡温度较原纤维提升了约21.4%,具有快速温度响应性,同时在6 V电压下的20次周期性电加热-冷却循环测试中表现出良好的电热稳定性。该改性方法简单易控,有应用于工业和民用电热器材的潜力。

关键词：碳纤维微观结构表面改性热处理电热性能

来源：评论

学校读者我要写书评

暂无评论

大数据教学与人才培养

大数据教学与人才培养

引用

2017中国大数据技术大会

作者：王元卓中国计算机学会大数据专家委员会大数据分析系统国家工程实验室中国科学院计算技术研究所

2016年全国大数据人才仅46万，未来3-5年内大数据人才缺口将高达150万本文主要介绍了大数据人才需求现状、大数据系列教材体系、大数据教学实验平台以及大数据教育教学生态。

关键词：大数据教学人才培养教材体系实验平台

来源：评论

学校读者我要写书评

暂无评论

基于特征再抽象(FRA)的多元时序预测方法

引用

计算机科学 2023年第S02期50卷 650-657页

作者：王昊周建涛郝昕毓王飞宇内蒙古大学计算机学院呼和浩特010021 蒙古文智能信息处理技术国家地方联合工程研究中心呼和浩特010021 生态大数据教育部工程研究中心呼和浩特010021 内蒙古自治区云计算与服务软件工程实验室呼和浩特010021 内蒙古自治区社会计算与数据处理重点实验室呼和浩特010021 内蒙古自治区大数据分析技术工程实验室呼和浩特010021 内蒙古自治区纪检监察大数据重点实验室呼和浩特010021

科技领域的衍生行业因普遍存在强时间约束的特性而累积了海量的高维时间序列数据,严峻的数据压力导致传统的数据建模预测方法受制于数据规模和属性维度。支撑高质量的服务对大数据智能预测技术提出了更高的要求,如何在数据层面上实现预... 详细信息

科技领域的衍生行业因普遍存在强时间约束的特性而累积了海量的高维时间序列数据,严峻的数据压力导致传统的数据建模预测方法受制于数据规模和属性维度。支撑高质量的服务对大数据智能预测技术提出了更高的要求,如何在数据层面上实现预测性能的提升是现阶段亟待解决的主要问题。针对上述问题,提出了针对多元时序数据的特征再抽象(Feature Re-Abstraction,FRA)算法,首先通过RobustSTL分解算法提取趋势性和季节性特征(Trend and Seasonality Features,TSFs),实现多元数据的特征二阶抽象,以“抽象即特征”替代传统“标签即特征”的提取策略,再通过Pearson相关系数的运算结果评估再抽象技术捕捉的TSFs与目标参数间的相关强度,证实TSF的数据价值。在FRA算法的基础上结合深度学习模型构建基于数据驱动的多元时序预测算法,通过预测效果验证FRA算法的有效性。实验结果表明,引入TSFs作为数据驱动模型的训练向量能够兼具数据降维、降噪及强相关特性地维持,从而避免模型过拟合并缓解模型欠拟合,提高时序预测算法的准确性和鲁棒性。

关键词：多元时序数据多元时序预测算法特征再抽象趋势性和季节性特征相关性评估

来源：评论

学校读者我要写书评

暂无评论

基于CEEMDAN-ConvLSTM组合模型的云计算负载预测方法

引用

计算机科学 2023年第S01期50卷 642-650页

作者：赵鹏周建涛赵大明内蒙古大学计算机学院呼和浩特010021 蒙古文智能信息处理技术国家地方联合工程研究中心呼和浩特010021 生态大数据教育部工程研究中心呼和浩特010021 内蒙古自治区云计算与服务软件工程实验室呼和浩特010021 内蒙古自治区社会计算与数据处理重点实验室呼和浩特010021 内蒙古自治区大数据分析技术工程实验室呼和浩特010021 内蒙古自治区纪检监察大数据重点实验室呼和浩特010021

随着云计算技术的快速发展,越来越多的用户选择使用云服务。负载请求与资源供应的不匹配问题日益凸显,使得用户请求无法得到及时响应,极大地影响云服务质量,实时预测负载请求,将有助于及时供应资源。针对云计算环境中的负载预测方法性... 详细信息

随着云计算技术的快速发展,越来越多的用户选择使用云服务。负载请求与资源供应的不匹配问题日益凸显,使得用户请求无法得到及时响应,极大地影响云服务质量,实时预测负载请求,将有助于及时供应资源。针对云计算环境中的负载预测方法性能低的问题,提出了一种基于自适应噪声的完备经验模态分解和卷积长时序神经网络组合模型(CEEMDAN-ConvLSTM)的云计算负载预测方法。首先运用自适应噪声的完备经验模态(CEEMDAN)分解技术对数据序列进行分解操作,将其转换为若干个易于分析和建模的子序列;然后运用卷积长时序神经网络(ConvLSTM)预测模型对这一系列子序列进行建模预测,并采用基于多进程并行计算的研究思路,实现多序列并行预测及贝叶斯优化调参;最后将预测值综合叠加以获得整个模型的预测输出,从而实现对原始复杂序列数据进行高精度预测的目标。使用Google集群工作负载数据集进行实验验证,实验结果表明,CEEMDAN-ConvLSTM组合模型具有良好的预测效果,相比自回归差分移动平均模型(ARIMA)、长短期记忆网络(LSTM)和卷积长时序神经网络(ConvLSTM),所提模型预测均方根误差(RMSE)指标分别提升了30.9%,30.1%和22.5%。

关键词：云计算负载预测卷积长时序神经网络(ConvLSTM) 模态分解技术贝叶斯优化

来源：评论

学校读者我要写书评

暂无评论

DL+:一种增强型双层知识图谱推理框架

引用

计算机科学 2023年第12期50卷 302-313页

作者：武月佳周建涛内蒙古大学计算机学院(软件学院) 呼和浩特010021 生态大数据教育部工程研究中心呼和浩特010021 蒙古文智能信息处理技术国家地方联合工程研究中心呼和浩特010021 内蒙古自治区云计算与服务软件工程实验室呼和浩特010021 内蒙古自治区社会计算与数据处理重点实验室呼和浩特010021 内蒙古自治区纪检监察大数据重点实验室呼和浩特010021 内蒙古自治区大数据分析技术工程实验室呼和浩特010021

知识图谱是图数据库的一个重要研究领域,它可以形式化地描述现实世界中的事物及其关系,但其不完整性和稀疏性阻碍了其在诸多领域中的应用。知识图谱推理技术旨在根据知识图谱中已有的知识来推断新的知识或识别错误的知识以完善知识图谱... 详细信息

知识图谱是图数据库的一个重要研究领域,它可以形式化地描述现实世界中的事物及其关系,但其不完整性和稀疏性阻碍了其在诸多领域中的应用。知识图谱推理技术旨在根据知识图谱中已有的知识来推断新的知识或识别错误的知识以完善知识图谱。尽管现有的各类推理方法可以获得部分有效知识,但仍然存在获取路径不全、忽略局部信息和引入噪声等问题。基于此,发现且明确提出路径连通性差问题并证明推理有效性与实体间路径连通比率呈正相关规律,进一步提出一种用于增强现有推理方法性能的双层框架DL+。模型第一层是知识增广器,主要利用社区发现算法在初始知识图谱上提取实体邻域信息,构建新知识以增广知识规模,然后设计社区剪枝优化去除构建时引入的噪声,最后将增广后的知识图谱抽取还原为与初始图谱表示相同的结构并输出到第二层以保证模型“即插即用”的特性。第二层是知识推理机,通过在知识增广后的图谱上进行学习推理以达到增强现有知识图谱推理模型的目的,使模型可以在图谱路径连通性比率较高的情况下获得更优的推理结果。最终在4个标准知识图谱数据集上进行的大量实验结果表明DL+算法可以有效缓解实体间路径连通性差的问题,与9类基准方法相比,所提算法的预测精度平均提高了4.798%。

关键词：知识图谱知识图谱推理社区发现路径连通性链接预测

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：