检索结果-南通市图书馆

考虑全过程优化的支持向量机航材消耗预测方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

火力与指挥控制 2022年第6期47卷 81-86页

作者：谷雨轩徐常凯倪彬空军勤务学院航材四站系江苏徐州221000

针对航材消耗影响因素复杂,传统支持向量机预测精度较低的问题,提出了一种考虑全过程优化的支持向量机(SVM)航材消耗预测方法。采用lasso算法实现主要影响因素选择,通过K-means聚类算法将样本分为相关性较强的子样本集,根据不同类别分... 详细信息

针对航材消耗影响因素复杂,传统支持向量机预测精度较低的问题,提出了一种考虑全过程优化的支持向量机(SVM)航材消耗预测方法。采用lasso算法实现主要影响因素选择,通过K-means聚类算法将样本分为相关性较强的子样本集,根据不同类别分别选择合适的核函数和优化参数建立SVM预测模型。结合航材消耗数据实例分析,最后通过均方根误差与传统支持向量机模型和神经网络模型比较,结果表明全过程优化的预测模型对提高航材保障效率有积极意义。

关键词：航材消耗预测 lasso算法 K-means聚类支持向量机

基于机器学习的中国冬季气温影响因子分析及模型估算

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

气象学报 2023年第1期81卷 163-174页

作者：武玮辰魏凤英王亚强朱恩达中国气象科学研究院人工智能气象应用研究所北京100081 中国气象科学研究院灾害天气国家重点实验室北京100081

使用1951—2021年160个中国国家级气象观测站冬季平均气温及多项大气环流及海温等指数,用机器学习方法研究影响中国冬季气温异常的大气环流及海温等外强迫因子,并建立估算拟合模型,评价筛选出的影响因子组合对中国冬季气温异常分布的贡... 详细信息

使用1951—2021年160个中国国家级气象观测站冬季平均气温及多项大气环流及海温等指数,用机器学习方法研究影响中国冬季气温异常的大气环流及海温等外强迫因子,并建立估算拟合模型,评价筛选出的影响因子组合对中国冬季气温异常分布的贡献。使用最小绝对收缩和选择算子(lasso)算法提取与冬季气温异常相关的影响因子。为体现特征因子之间非线性关系,使用泰勒公式对筛选后的特征进行多项式增广。使用最小二乘梯度提升决策树(LS-GBDT)算法对筛选出的特征因子与冬季气温异常之间的非线性关系进行估算拟合。结果表明,机器学习方法能够对影响冬季气温异常的特征因子进行合理筛选与重要性分析,建立的估算模型在一定程度上体现了气候系统特征因子与冬季气温距平的非线性联系。本研究为了解中国冬季气温异常分布的影响因素及其模拟与估算提供了新方法和途径。

关键词：中国冬季气温机器学习 lasso算法 LS-GBDT算法气候预测

基于BP神经网络和多元线性回归的辛烷值预测

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

南京信息工程大学学报（自然科学版） 2023年第4期15卷 379-392页

作者：许美贤郑琰周若兰张如意南京林业大学汽车与交通工程学院南京210037

为降低硫、烯烃含量及辛烷值损失,保证汽油清洁化生产,基于S Zorb装置运行积累的数据,首先利用lasso算法初步筛选建模变量,并基于BP神经网络计算指标因子贡献度,进一步筛选出15个主要变量用于建立辛烷值损失预测模型;其次对比分析4种模... 详细信息

为降低硫、烯烃含量及辛烷值损失,保证汽油清洁化生产,基于S Zorb装置运行积累的数据,首先利用lasso算法初步筛选建模变量,并基于BP神经网络计算指标因子贡献度,进一步筛选出15个主要变量用于建立辛烷值损失预测模型;其次对比分析4种模型,得出BP神经网络预测精度更优,更适合作为辛烷值损失预测模型,并经过10折交叉验证得到均方误差(MSE)均值为0.027 193,R~2均值为0.904 87,验证了该模型的可靠性;最后在控制油品硫质量分数不大于5μg/g的前提下,结合多元线性回归对主要变量进行优化调控.结果表明,需同时改变多个变量才能使辛烷值损失降幅大于30%,多元线性回归模型预测精度较好,能按照一定比例对主要变量进行正反向调控.本文还可视化展示了优化过程中辛烷值和硫含量的变化轨迹.

关键词： BP神经网络多元线性回归 lasso算法辛烷值损失预测优化调控

基于改进Boruta算法的森林地上生物量遥感估测研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进Boruta算法的森林地上生物量遥感估测研究

作者：王平中南林业科技大学

学位级别：硕士

森林地上生物量（Aboveground Biomass,AGB）是评估森林生态系统生产力和健康状况的重要参数,对全球碳循环和气候变化具有重要意义。通过遥感等手段提取与森林AGB相关的波段特征、植被指数、纹理特征、地形特征等特征变量,特征变量往往... 详细信息

森林地上生物量（Aboveground Biomass,AGB）是评估森林生态系统生产力和健康状况的重要参数,对全球碳循环和气候变化具有重要意义。通过遥感等手段提取与森林AGB相关的波段特征、植被指数、纹理特征、地形特征等特征变量,特征变量往往较多,影响估测精度。通过改进Boruta算法,可以有效的减少遥感估测森林AGB过程中的特征冗余,减少了误差的传递,为遥感反演提供了一定的借鉴意义。本研究以湖南国有芦头林场为研究区域,以Sentinel-2遥感影像和NASA DEM数据为基础数据,以研究区域内的二类调查数据为实测数据。选取纹理特征、单波段、植被指数、地形特征等为备选自变量,以样地AGB为因变量。通过皮尔逊（Pearson）相关性分析筛选出与森林AGB相关性显著的28个自变量组成最优变量组合,构建支持向量回归（Support Vector Regression,SVR）模型。再用改进Boruta、lasso、RF（Random Forest,RF）三种特征选择算法分别优化SVR模型,对比分析四种森林AGB估测模型的精度。最后选取最优模型反演研究地AGB,并制作研究地AGB空间分布图。研究主要内容及结果如下:（1）森林AGB遥感特征变量提取与相关性分析。通过对Sentinel-2遥感影像的波段组合、纹理信息提取、主成分分析以及多种植被指数的计算,提取了 16个植被指数、10个单波段、11个主成分纹理特征,从30m空间分辨率的NASA DEM数据中提取3个地形特征,同样地AGB进行Pearson相关性分析。研究结果表明,森林AGB与各植被指数之间的相关性较好,与部分遥感波段之间存在较显著的相关性,与部分纹理特征的相关性不太高,与地形特征中的DEM有较强的相关性。（2）基于SVR模型的森林AGB估测。森林AGB众多变量进行相关性分析之后,选取线性核函数、径向基（Radial Basis Function,RBF）核函数、多项式核函数、Sigmoid核函数共4种核函数建立SVR模型,以建模集和验证集的判定系数（R-Squared,R2）、均方根误差（Root Mean Squard Error,RMSE）、平均绝对误差（Mean Absolute Error,MAE）为模型精度评价标准,在对比不同核函数建模精度的同时进行SVR模型参数的寻优化。研究结果表明,选取RBF核函数作为SVR模型的主要核函数,网格搜索法和十折交叉验证作为参数寻优的方法,建立SVR模型进行森林AGB估测。采用验证数据检验SVR模型的精度,研究结果表明,SVR 模型验证集的R2为 0.60,RMSE 为 36.46t/ha,MAE 为 24.79t/ha。（3）基于改进Boruta算法优化SVR模型的森林AGB估测。改进Boruta算法是为初始特征（m行n列,即有m组样本,n个初始特征,m＞1,n＞1）创建一个影子特征,影子特征是通过将初始特征按比例P（0＜=p＜1）提取出[m*p]*n组样本,进行随机行变换后放回得到,然后将初始特征和影子特征混合,形成新的特征组合。基于XGBoost的多次迭代,比较每个初始特征的重要性与影子特征的最大值Z分数（Zscore）,得到最佳特征组合,构建改进Boruta-SVR模型进行森林AGB估测。研究结果表明,改进Boruta-SVR模型验证集的R2为0.68,RMSE为24.31t/ha,MAE为17.97t/ha,精度较不加改进Boruta特征选择的SVR模型精度有较大的提升。（4）森林AGB遥感估测模型的精度对比分析。为了体现改进Boruta算法的优势,研究中还引入lasso、RF（Random Forest,RF）两种特征选择算法分别优化SVR模型。通过对比SVR、改进Boruta-SVR、lasso-SVR、RF-SVR四种森林AGB估测模型。研究结果显示,基于高维的遥感特征变量、未经特征优化构建的SVR模型精度最低,其次是lasso算法优化的SVR模型优于RF优化的SVR模型,改进Boruta算法优化的SVR模型精度是最高的,选取改进Boruta-SVR估测模型对研究地AGB进行反演。（5）最终选用改进Boruta-SVR模型对整个芦头林场AGB进行反演,得到研究地AGB空间分布图。研究结果显示,研究地AGB总量为4.53*105t,空间分布呈现出南北走向,由南往北逐渐变大且密集,主要分布于芦头林场地势平缓的西北、东北以及中部地区,研究地AGB空间分布情况与实际调查到的研究地地质地貌以及森林植被分布情况大致相吻合。

关键词：森林地上生物量遥感估测 SVR模型改进Boruta算法 lasso算法

基于lasso的中药代谢组学数据特征选择方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Lasso的中药代谢组学数据特征选择方法研究

作者：刘明江西中医药大学

学位级别：硕士

中药多成分、多靶点、协同作用等特点,使得其作用机制复杂。代谢组学以生物体内的小分子代谢物为研究对象,通过观测体内代谢物的动态变化和生物体的功能水平变化,将中医药与现代化研究建立联系,从微观角度为中药作用机制和科学内涵提供... 详细信息

中药多成分、多靶点、协同作用等特点,使得其作用机制复杂。代谢组学以生物体内的小分子代谢物为研究对象,通过观测体内代谢物的动态变化和生物体的功能水平变化,将中医药与现代化研究建立联系,从微观角度为中药作用机制和科学内涵提供了新思路。由质谱技术检测得到的实验数据往往维度较高,同时受生物实验次数的限制,样本个数较少,而研究表明,在代谢组学数据中,存在大量无关特征和冗余特征,仅有很少部分特征包含有效信息。如何针对中药代谢组学数据特点,筛选有效生物标志物,探明其作用机制是中医药现代化的关键问题。为了高效准确的找到有效生物标志物,获得稳定可靠的特征子集用于数据分析,本文将特征选择技术用于参附注射液治疗心源性休克的中药代谢组学数据,通过探究适用于中药代谢组学数据的特征选择方法开展了以下研究工作:(1)针对传统的特征选择方法对于中药代谢组学数据高维小样本问题难以筛选有效特征子集问题,提出了一种基于m RMR和lasso约束的特征选择方法来选择高相关低冗余特征子集。该算法利用m RMR快速过滤无关特征,保留最大相关最小冗余的初始特征子集,对于初始特征子集中仍然存在冗余特征影响特征子集质量问题,使用lasso对初始特征子集进行约束,剔除冗余特征,保留关键特征子集。通过在中药代谢组学数据集和多个公开数据集中进行实验分析,结果表明,该方法能够快速有效筛选出规模较小、精度较高的特征子集。(2)针对传统特征选择方法应用于中药代谢组学高维小样本数据中存在误删有效特征,导致信息丢失影响模型精度问题,提出一种融合lasso的近似马尔科夫毯特征选择方法来获取稳定有效的特征子集。该算法分为两个阶段,第一阶段通过最大信息系数衡量特征之间的相关性,结合学习器性能过滤无关特征;第二阶段对于直接近似马尔科夫毯删除冗余特征时,存在可能导致信息丢失影响模型精度的问题,采用近似马尔科夫毯构建相似特征组,再使用lasso评估相似特征组中特征影响力,迭代去除冗余特征。通过在中药代谢组学数据集和多个公开数据集中进行实验分析表明:该算法可以在一定程度上可以减少有用信息丢失,去除无关特征和冗余特征,提高模型精度和稳定性。(3)为帮助中药代谢组学数据分析,基于上述研究成果的基础,本文使用Python语言和相关开发工具设计了满足中医药数据分析需求的中药代谢组学数据分析系统。其中包括本文提出的两个特征选择方法,以及一些常用的特征选择方法和其他数据分析方法。

关键词：中药代谢组学数据高维小样本特征选择 mRMR算法 lasso算法近似马尔科夫毯

基于GBM模型的房地产企业财务风险预警研究 ——以泰禾集团为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于GBM模型的房地产企业财务风险预警研究 ——以泰禾集团为例

作者：王阳苏州大学

学位级别：硕士

在经济新常态的背景之下,我国逐渐进入调结构、稳增长的新发展阶段,企业的稳定经营愈发受到各方重视,而房地产业作为我国经济的重要组成部分之一,有关企业一旦陷入较大的财务风险之中,不仅会妨碍其自身的正常发展,也会给我国的社会经济... 详细信息

在经济新常态的背景之下,我国逐渐进入调结构、稳增长的新发展阶段,企业的稳定经营愈发受到各方重视,而房地产业作为我国经济的重要组成部分之一,有关企业一旦陷入较大的财务风险之中,不仅会妨碍其自身的正常发展,也会给我国的社会经济环境带来不利影响。若能建立有效的财务风险预警模型,针对企业在未来是否会陷入财务风险之中做出准确、及时的预警,则可促使企业与投资者提前做出调整,起到及时止损的作用。目前而言,有关企业财务风险预警的研究已较为深入,但仍存在着仅依靠财务报表指标设计模型、预警模型针对性不强等缺陷。基于上述情形,本文以lasso算法与GBM模型相结合的方式建立财务风险预警模型,选取多样化指标,得到了较为准确的预警模型,为我国房地产企业的财务风险预警提供了新思路。本文基于GBM模型研究房地产企业的财务风险预警模型。第一,本文从理论层面出发,梳理了财务风险预警研究的发展过程,分析了 lasso算法及GBM模型应用于财务风险预警模型研究中的可行性与价值性。第二,本文结合现有的财务风险预警相关研究及相关理论知识选取了一系列指标,并采用lasso算法对指标进行惩罚筛选,实现指标降维。第三,本文将经过筛选的指标作为变量输入GBM模型,得到了精准有效的财务风险预警模型。第四,本文结合实证与财务风险预警模型对案例公司的监测,对案例企业的财务风险状况及成因等进行了深入的剖析,并提出了针对性的建议。基于上述研究,本文主要成果与结论包括:第一,依托lasso算法进行指标筛选,基于GBM模型所建立的财务风险预警模型应用于房地产企业财务风险预警当中具有良好的预警效果;第二将所建立的模型运用于泰禾集团的财务风险预警监测之中,进一步证明了模型的有效性、预警性,并基于泰禾集团的财务风险预警案例的研究,挖掘了泰禾集团财务风险的表现与成因,提出了针对性建议。此外,本文也针对于我国房地产企业提出了财务风险预警及应对工作的整体性建议。本文的创新之处在于:一是研究对象更加细化、更加针对,以房地产企业及相关案例公司为研究对象,增强了所建立的预警模型的针对性;二是指标选取更加科学、抓住重点,在全面选取预警指标的基础之上,采用lasso算法进行指标筛选,保留了重要性程度更高的指标,并排除了多重共线性的干扰;三是模型建立更加新颖、更加精确,选用了目前较少被采用的GBM模型来建立本文的财务风险预警模型,在该模型切实可操作的基础之上建立了效果良好的财务风险预警模型。

关键词：财务风险预警房地产企业 lasso算法梯度提升机(GBM模型)

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于小样本高维机器学习的边坡稳定性分析

基于小样本高维机器学习的边坡稳定性分析

作者：谢梦龙中南大学

学位级别：硕士

本文聚焦于自然状态下边坡稳定性问题,针对自然状态下具备空间变异性的边坡失稳而引发各类自然灾害的现象,进行了数值模拟、机器学习算法模型分析等方面的研究。本文依托湖湘高层次人才聚集工程(2018RS3016)、中南大学研究生自主探索创... 详细信息

本文聚焦于自然状态下边坡稳定性问题,针对自然状态下具备空间变异性的边坡失稳而引发各类自然灾害的现象,进行了数值模拟、机器学习算法模型分析等方面的研究。本文依托湖湘高层次人才聚集工程(2018RS3016)、中南大学研究生自主探索创新项目“基于迁移学习的随机边坡稳定性研究”(2021zzts0790)等课题,采用数值模拟和机器学习算法模型分析等方式,对考虑空间变异性的边坡稳定性及对应处理边坡数据集的机器学习算法模型进行研究。本文主要的研究内容如下:(1)基于现有文献,指出其中蒙特卡洛模拟存在的问题。对相关的改进措施和本文所使用的算法模型的国内外研究现状进行介绍。开展考虑边坡各处土体粘聚力值或内摩擦角值满足变异性与相关性的边坡有限元模拟。首先生成符合条件的随机数,并导入有限元软件进行运算,整理计算结果,形成边坡数据集。(2)利用lasso(套索)算法,搭建边坡各处土体强度参数与边坡安全系数的机器学习算法模型,实现准确预测边坡安全系数的功能,提高蒙特卡洛模拟在实际工程中的适用性,并为边坡长期稳定性监测提供新思路。同时,通过lasso算法自带的变量筛选及赋值功能,搜索边坡失稳的最危险区域,并为实际工程中的边坡加固提供建议。(3)针对于神经网络算法模型分析边坡数据集时存在的问题,将PCA(主成分分析)方法与神经网络算法相结合,提出PCA-NN算法,通过对输入数据进行降维处理,提高神经网络算法模型的拟合效果,降低训练时间。(4)将迁移学习(Transfer Learning,TL)引入边坡稳定性分析中,利用迁移学习思想改进模型搭建过程。通过迁移已有PCA-NN算法模型的训练结果到新模型当中,降低新模型训练所需样本数据量,提高新模型拟合效果。迁移学习的引入使蒙特卡洛模拟在实际工程中的适用性进一步提高。图38幅,表9个,参考文献109篇

关键词：边坡可靠度分析蒙特卡洛模拟 lasso算法 PCA-NN算法迁移学习

基于lasso优化的皮质形态相似性网络的构建分析及在阿尔茨海默病中的应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于LASSO优化的皮质形态相似性网络的构建分析及在阿尔茨海默病...

作者：刘涛太原理工大学

学位级别：硕士

人类大脑是现实世界中最复杂的一个信息加工系统之一,它的复杂性不但表现在上亿个神经元及其相互连接的数目,还表现在认知、感觉、思维和行为中体现出各种连接模式的不同。研究人脑网络的构建可以帮助研究者们更好地理解大脑的复杂性。... 详细信息

人类大脑是现实世界中最复杂的一个信息加工系统之一,它的复杂性不但表现在上亿个神经元及其相互连接的数目,还表现在认知、感觉、思维和行为中体现出各种连接模式的不同。研究人脑网络的构建可以帮助研究者们更好地理解大脑的复杂性。阿尔茨海默病(Alzheimer’s Disease,AD)是一种不可治愈的神经退行性疾病,其特征是认知和记忆的持续恶化。轻度认知障碍(Mild Cognitive Impairment,MCI)被认为是AD的前驱期。该疾病严重影响了老年人的健康和生活质量。早期诊断并进行早期干预可有效延缓病情进展,减轻疾病对患者造成的痛苦。研究AD脑网络的变化不仅可以帮助人们理解这种疾病,还可以理解大脑中的记忆和认知机制。AD已被广泛认为是一种断开综合征,其中神经病理过程表现为逐渐断开了一个庞大的大脑网络。尽管皮质萎缩明显反映了病理变化,但基于大脑结构形态学特征指标的辨别性能仍不令人满意。且目前通过结构磁共振成像(Structural Magnetic Resonance Imaging,s MRI)构建大脑网络用以表征真实的结构连接还存在一系列问题。因此,通过s MRI提出的形态学特征指标构建一种稳定可靠的网络用以表征结构连接性成为辨别AD的有效工具,探索AD病变过程中的结构变化机制是非常必要的。近期,皮质形态相似性网络(Morphometric Similarity Network,MSN)提供了一种新的方法,通过个体大脑中T1加权成像、T2加权成像和弥散张量成像衍生形态学指标的区域间相关性来估计结构连接性。MSN已被证明是有效的,可以预测约40%的智商变化,具有生物学意义。在此,本研究旨在通过使用重测信度来探索一种可靠的MSN构建策略,并基于该可靠策略在每个被试的大脑图像上构建个人的MSN。同时,通过最小绝对值收敛和选择算子(Least Absolute Shrinkage and Selection Operator,lasso)算法优化MSN,使网络的连接组更能表征皮质解剖连接。本研究试图通过优化后的MSN提高基于s MRI的从正常对照受试者(Normal Control,NC)诊断AD和MCI的准确性,建立可靠的成像生物标志物以推进基于个体大脑的自动诊断。并通过MSN来进一步探索AD病变过程潜在的神经机制。本研究中,主要创新工作内容如下:(1)针对以往MSN研究中该网络方法缺乏固定且可靠的构建策略的问题,本文对MSN的构建策略进行了探讨。为了能够得到一种稳定可靠的MSN的构建策略,对三种磁共振成像进行预处理,基于三种脑图谱提取多种形态学特征指标用于网络构建策略的研究。本文使用公开的人类连接体项目(Human Connectome Project,HCP)的重测s MRI原始数据集,通过不同的形态学特征和不同的脑图谱构建MSN,利用类内相关系数评估单特征指标、网络连接、网络拓扑属性的重测信度。在多重比较下,确定了一种稳定可靠的MSN构建策略。(2)针对MSN在AD病理学中的实用性问题,本研究验证了该网络在AD和MCI中的分类性能。基于上述探索出的MSN的构建策略,应用于阿尔茨海默病神经成像倡议(Alzheimer’s Disease Neuroimaging Initiative,ADNI)数据库的受试者中。通过支持向量机交叉验证结果来评估分类性能。基于网络的连接和拓扑属性与单特征以及多特征简单组合分类性能的多次比较验证,证明了该网络在AD分类中的实用性。(3)本研究提出了基于lasso算法优化的MSN作为新的神经成像表型。在确定MSN在AD中的实用性后,基于lasso算法优化MSN。lasso可以自动过滤掉与预测器不太相关的变量,因此可以描述大脑连接模式的本质,通过该优化过程保留脑区连接的有效信息,排除无关的干扰信息。再次通过支持向量机验证优化的有效性,并基于该结果发现AD和MCI潜在的神经机制以及皮质间的变化模式。本研究中,最终在区分AD和MCI患者与正常对照组的准确率分别达到了98.33%和95.52%。最终的结果证明了lasso优化后MSN作为诊断AD和MCI的可靠生物标志物的有效性,并使用该网络发现了新的与AD病理学相关的结构变化,对辅助诊断该疾病提供了一定的应用价值。

关键词：阿尔茨海默病皮质形态相似性网络重测信度 lasso算法分类性能诊断生物标志物

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

三元复合驱采出井结垢特征分析方法研究

三元复合驱采出井结垢特征分析方法研究

作者：张大周东北石油大学

学位级别：硕士

目前,三元复合驱油技术的广泛应用导致采出井结垢问题日益严重,这不仅严重地降低了油田企业的经济效益和社会效益,也给油田原油开采工作带来了巨大挑战。经过对大庆某采油厂的调查研究发现,当前三元复合驱采出井结垢特征分析体系仍处于... 详细信息

目前,三元复合驱油技术的广泛应用导致采出井结垢问题日益严重,这不仅严重地降低了油田企业的经济效益和社会效益,也给油田原油开采工作带来了巨大挑战。经过对大庆某采油厂的调查研究发现,当前三元复合驱采出井结垢特征分析体系仍处于专家事先选择结垢特征、人工分析特征的阶段,特征分析的信息化程度较低、数据计算量大、分析流程复杂。此外,特征的选择和分析过程过度依赖专家经验,存在较强的主观性,从而影响了采出井结垢预测的准确性。因此,建立三元复合驱采出井结垢特征分析模型,完成采出井结垢特征分析预测系统,已成为当前油田原油开采工作的紧迫需求之一,同时也是抑制采出井结垢趋势的有效手段之一。为解决以上问题,本文深入分析了采出井结垢特征分析业务流程,设计了三元复合驱采出井结垢特征分析模型,并对模型组成进行了分析和实现。首先,对采出井结垢特征分析的流程和标准进行深入分析,设计采出井结垢特征分析模型的总体框架;其次,研究与结垢相关的源数据并建立数据模型,对数据进行预处理操作,包括缺失值处理、异常值识别与处理、归一化操作以及结垢特征的初步筛选;接下来,分析经初筛后的结垢特征集数据,采用lasso特征选择算法进一步筛选,同时运用相关性分析方法探究结垢特征之间的相关性以及在时间维度上的规律性;然后,采用支持向量机、随机森林、决策树等常用的分类算法完成对特征选择方法的评价,设计BO-CNN-BiGRU、LSTM、GRU、RNN等分类预测模型以评价特征相关性分析方法,综合分析多种评价方法的分类预测模型在准确率、召回率等指标上的表现,选取指标较高的BO-CNN-BiGRU作为最终的分类预测模型;最后,以采出井结垢特征分析业务为背景,三元复合驱采出井结垢特征分析模型为基础,设计并实现三元复合驱采出井结垢特征分析预测系统,通过现场实际应用验证所提方法的有效性。研究结果表明,三元复合驱采出井结垢特征分析预测模型能够有效地解决当前结垢特征分析存在的问题,系统能够及时预测采出井结垢趋势,极大地提高了现场结垢特征分析效率,有效提高采出井结垢预测精准度,具有较高的应用价值。

关键词：特征选择 lasso算法结垢特征分析 GRU神经网络结垢预测