检索结果-内蒙古大学图书馆

重庆大学学报 2024年第7期47卷 110-124页

作者：王坤吕光宏胥林杨晗邓慧西南石油大学计算机与软件学院成都610500 西南石油大学数据挖掘与知识管理南充市重点实验室四川南充637001 四川大学计算机学院成都610065

针对分布式软件定义网络(software-defined networking,SDN)中流量管理调度不均衡的流量工程问题,提出一种基于负载均衡的多控制域流量路由优化的解决方案。首先分析控制消息流量的组成、域内通信及域间通信规则;然后基于4种控制消息定... 详细信息

针对分布式软件定义网络(software-defined networking,SDN)中流量管理调度不均衡的流量工程问题,提出一种基于负载均衡的多控制域流量路由优化的解决方案。首先分析控制消息流量的组成、域内通信及域间通信规则;然后基于4种控制消息定义控制链路流量的构成,明确链路承载流量分为控制消息流量和业务流量,建立平衡控制器负载和最小化最大链路利用率的优化模型;最后基于域内通信和域间通信提出两层路由算法。为提高模型求解精度,进一步提出改进离散萤火虫算法求解最优路由。结合ABILENE网络和GEANT网络,分析控制消息流量、控制器负载和链路负载等评价指标。实验结果表明,优化模型能有效实现控制器和链路负载均衡,控制消息流量是流量工程重要组成部分。相比集中控制模式,扁平分布式控制模式的平均控制器负载降低47.3%,最大链路利用率相差不超过15%。

关键词：软件定义网络流量工程多控制域离散萤火虫算法

来源：评论

学校读者我要写书评

暂无评论

基于融合多模态特征的深层煤岩气产量预测

引用

天然气工业 2024年第10期44卷 140-149页

作者：郭子熙张舒马骉康芸玮李曙光陈东陈怡羽陈博文赵金洲油气藏地质及开发工程全国重点实验室·西南石油大学清华大学数学科学系西南石油大学计算机与软件学院北京市100084 四川省油气勘探开发智能化工程研究中心数据挖掘与知识管理南充市重点实验室·西南石油大学中国石油集团川庆钻探工程有限公司井下作业公司西南石油大学理学院中国石油煤层气有限责任公司中联煤层气国家工程研究中心中国石油西南油气田公司

深层煤岩气生产在井型、压裂工艺、排采方式等方面显著区别于浅层煤层气,针对浅层煤层气建立的产量预测模型无法处理多元异构的深层煤岩气数据,且难以适应深层煤岩气的生产方式。为此,基于卷积自编码结合空间金字塔池化提取深层煤岩气... 详细信息

深层煤岩气生产在井型、压裂工艺、排采方式等方面显著区别于浅层煤层气,针对浅层煤层气建立的产量预测模型无法处理多元异构的深层煤岩气数据,且难以适应深层煤岩气的生产方式。为此,基于卷积自编码结合空间金字塔池化提取深层煤岩气二维地质特征,采用PointNet++提取深层煤岩气缝网三维特征,拼接得到的完整数据矩阵再经近邻传播法(Affinity Propagation,AP)聚类后划分训练集和测试集,最后将注意力机制融入长短时记忆网络(Long Short-Term Memory,LSTM)建模,建立了预测深层煤岩气产量的深度学习新模型并通过不同算法和消融实验对比分析了新模型的泛化能力。研究结果表明:①提出的特征提取方法能够有效解决深层煤岩气数据多元异构、多尺度等问题。②对比深度神经网络(Deep Neural Networks,DNN)、门控循环单元(Gated Recurrent Unit,GRU)、LSTM、数值模拟、BP神经网络,融入三维特征提取及注意力机制的AP-LSTM预测产量的准确率最高。③融入三维特征提取,AP-LSTM预测产量的数据波动得到有效抑制;融入注意力机制,AP-LSTM预测产量的趋势得到改善。④基于研究区块建立的模型迁移到新的区块预测产量,仍具备较高的准确率。结论认为,缝网特征是影响深层煤岩气产量的重要因素,注意力机制有助于AP-LSTM区分自喷和抽吸,融入三维特征提取及注意力机制的AP-LSTM适应了深层煤岩气的生产方式,具有良好的普适性,能够为深层煤岩气规模化开发提供技术支撑。

关键词：深层煤岩气深度学习长短时记忆网络三维特征提取注意力机制产量预测

来源：评论

学校读者我要写书评

暂无评论

深度学习在油气产量预测中的研究进展与技术展望

引用

天然气工业 2024年第9期44卷 88-98页

作者：郭子熙马骉张帅张舒邓慧陈东陈怡羽周嵩锴清华大学数学科学系油气藏地质及开发工程全国重点实验室•西南石油大学中国石油集团川庆钻探工程有限公司井下作业公司西南石油大学计算机与软件学院四川省油气勘探开发智能化工程研究中心数据挖掘与知识管理南充市重点实验室•西南石油大学中联煤层气国家工程研究中心中石油煤层气有限责任公司中国石油化工股份有限公司中原油田普光分公司

随着大数据和人工智能的不断进步,数字和智能化的油气产量预测技术已经成为石油天然气行业发展的新趋势。深度学习与油气产量预测的有效结合为解决非常规油气和复杂场景下的产量预测等问题提供了新的方案与策略。为此,在系统回顾油气产... 详细信息

随着大数据和人工智能的不断进步,数字和智能化的油气产量预测技术已经成为石油天然气行业发展的新趋势。深度学习与油气产量预测的有效结合为解决非常规油气和复杂场景下的产量预测等问题提供了新的方案与策略。为此,在系统回顾油气产量预测技术发展历程的基础上,重点阐述了基于深度学习方法的油气产量预测技术的应用现状及关键流程,归纳了油气产量预测领域的特征工程以及不同场景下的神经网络构建方法,最后深入探讨了智能油气产量预测技术的未来发展方向。研究结果表明:(1)油气产量预测技术发展历程主要划分为传统油气产量预测方法、机器学习方法和深度学习方法 3个阶段;(2)深度学习方法已大量应用于油气产量预测研究中,尤其在复杂地质条件下的非常规油气领域,该技术表现出了良好的应用前景;(3)多样化的神经网络构建方法能够解决不同场景下的精细化油气产量预测需求;(4)需进一步加强人工智能领域与油气领域跨学科理论技术研究,促进两者在理论技术和生产实践等方面的深入融合;(5)智能油气产量预测技术未来可在实时预测与优化、数据融合与增强、物理约束与解释和模型更新与适应等方面开展深度攻关研究。结论认为,深度学习模型可显著提高油气产量预测技术的准确性和可靠性,为复杂气藏及非常规油气开发提供参考和指导,建议继续深化人工智能与油气行业应用等方面的有机结合,以推动油气行业的技术创新和高质量发展。

关键词：机器学习深度学习人工智能产量预测非常规油气

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：