[发明专利]一种基于支持向量机算法的流动单元信息分类识别方法在审

专利信息
申请号: 201910889252.7 申请日: 2019-09-19
公开(公告)号: CN110717301A 公开(公告)日: 2020-01-21
发明(设计)人: 徐守余;路研;陈麦雨;王鑫;张晓帆;徐梦佳;邹世豪 申请(专利权)人: 中国石油大学(华东)
主分类号: G06F30/27 分类号: G06F30/27;G06K9/62
代理公司: 11531 北京汇捷知识产权代理事务所(普通合伙) 代理人: 马金华
地址: 266580 山*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明属于石油天然气勘探与开发技术领域,公开了一种基于支持向量机算法的流动单元信息分类识别方法,样本集合的确定及数据预处理,并采用MATLAB中的mapminmax函数完成样本数据的归一化处理;采用C‑SVM分类技术,进行模型构建及参数寻优;利用测试样本对建立的预测模型进行预测与检验。本发明采用在非线性问题上处理能力较强的基于支持向量机算法的流动单元信息分类识别方法。本发明具有较高的吻合度,利用支持向量机算法开展流动单元研究的可信度较高,对剩余油潜力预测具有一定的参考价值。支持向量机算法在解决研究目标与多个因素相关的线性或非线性问题时,具有精度高、速度快、通用性强的优点。
搜索关键词: 支持向量机算法 流动单元 非线性问题 信息分类 石油天然气勘探 归一化处理 剩余油潜力 数据预处理 参数寻优 测试样本 模型构建 通用性强 研究目标 样本集合 样本数据 预测模型 可信度 吻合度 预测 参考 检验 开发 研究
【主权项】:
1.一种基于支持向量机算法的流动单元信息分类识别方法,其特征在于,所述基于支持向量机算法的流动单元信息分类识别方法包括以下步骤:/n第一步,样本集合的确定及数据预处理;并采用MATLAB中的mapminmax函数完成样本数据的归一化处理;/n第二步,采用C-SVM分类技术,进行模型构建及参数寻优;/n第三步,利用测试样本对建立的预测模型进行预测与检验。/n
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国石油大学(华东),未经中国石油大学(华东)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201910889252.7/,转载请声明来源钻瓜专利网。

同类专利
  • 一种石油钻井风险预测方法-201910865814.4
  • 马双富;曾钘;曾强;李亭亭 - 四川宏华电气有限责任公司
  • 2019-09-12 - 2020-02-14 - G06F30/27
  • 本发明公开了一种石油钻井风险预测方法,包括:S1:连续数据离散化处理,对采集的钻井参数数据进行预处理,并对处理后的数据进行离散化,形成离散决策表;S2:预测模型优化与调用,利用学习样本集与测试样本集分别对优化的风险预测模型进行训练与测试,得到风险预测值。本发明通过连续数据离散化和调用优化预测模型,利用实时采集的钻井参数,提取参数的相关特征,利用粗糙集理论去除冗余特征实现样本降维,同时支持向量机能够实现在有限样本条件下获得良好的学习、分类及推广结果,能够实现提前预测并警示卡钻、井漏、溢流等钻井风险,减少非作业时间,提高钻井效率。
  • 一种基于LM-BPNN的IWF计算方法-201910990007.5
  • 裴志鹏;韩舸;史天奇;邱若楠 - 武汉大学
  • 2019-10-17 - 2020-02-14 - G06F30/27
  • 本发明公开了一种基于LM‑BPNN的IWF计算方法,包括以下步骤:通过物理方法仿真生成训练数据;将训练数据统一到相同的量纲及数量级上;将训练数据输入LM‑BPNN进行训练,输入为某一时刻的温度、湿度、压强数据,输出为该时刻的IWF值,通过对LM‑BPNN权值的修正与阈值的修正,使误差函数沿梯度方向下降,得到训练完成的LM‑BPNN模型;识别未知模式并进行误差分析,查看是否满足精度要求。本发明能快速计算IWF值,取代传统的物理方法的繁琐和计算量大的情况,以满足未来CO
  • 基于BP神经网络计算IGBT模块温度的方法-201911162775.8
  • 韩伟;肖洋;任广辉;张国亮 - 上海金脉电子科技有限公司
  • 2019-11-25 - 2020-02-14 - G06F30/27
  • 本发明提供了一种基于BP神经网络计算IGBT模块温度的方法,包括如下步骤:S1、建立样本集,所述样本集的数据包括IGBT模块中各功率元件的损耗数据及对应的结温数据;S2、以所述损耗数据为输入、以所述结温数据为期望输出,建立BP神经网络的结构;S3、对所述BP神经网络进行网络训练;S4、将所述损耗数据输入至已训练好的所述BP神经网络中,计算实际输出;S5、对比所述实际输出与所述期望输出,判断误差是否在预设范围内:S6、若是,则使用当前BP神经网络进行仿真预测;S7、若否,则调整当前BP神经网络的结构,并返回步骤S3。通过本发明的方法可以实时准确得到IGBT模块结温的要求。
  • 利用地表反射信号和随机森林回归算法预测土壤水分的方法-202010008124.X
  • 贾燕;王杰;袁媛;陈一祥 - 南京邮电大学
  • 2020-01-06 - 2020-02-14 - G06F30/27
  • 本发明属于土壤含水量预测技术领域,具体涉及一种利用地表反射信号和随机森林回归算法预测土壤水分的方法,通过根据获取的不同土壤样本区域的地表反射率和卫星高度角,以及样本区域的土壤湿度数据,训练并建立随机森林算法模型;获取待检测区域的土壤类型以及地表反射率和卫星高度角,将待检测区域地表反射率和卫星高度角输入随机森林算法模型,获取待检测区域的预测土壤湿度。本发明提供的利用卫星反射信号和随机森林回归算法的土壤湿度检测方法,其能够通过卫星提供的全天候,广覆盖,持续稳定的信号源,结合机器学习中的随机森林算法,对大面积以及遥感数据缺失的未知区域进行的较为精确的土壤湿度预测。
  • 基于深度学习模型的图文设计质量检测方法、装置及系统-201911046872.0
  • 胡浩;佟博;梁容铭;苏旭;杨超龙 - 广东博智林机器人有限公司
  • 2019-10-30 - 2020-02-11 - G06F30/27
  • 本申请公开了基于深度学习模型的图文设计质量检测方法、装置及系统,方法包括:接收图文设计;将图文设计依次放入若干个预设的评价模型中,评价模型基于深度学习网络构建;获取每一个评价模型的输出值;若每个评价模型的输出值均为预设值,则输出为优质设计;若存在输出值不为预设值的评价模型,则输出为劣质设计,并输出对应的评价模型及其输出值。上述方法将图文设计放入评价模型中,并根据输出结果判断图文设计是否存在缺陷,若存在,则输出此缺陷。上述方法不仅对图文设计的优劣进行评判,还把通过评价反应出来的具体的质量问题,即具体哪个指标不够好需要完善及时地反馈出来给设计师,大大缩减了人工成本和时间成本。
  • 基于量子蚁群优化RBF网络的特高压输电线损预测方法-201911000000.0
  • 杨建华;姜曼;牛寅生;唐登平;明登岳;汪应春;余明琼;肖达强;白顺明;刘定宜 - 国家电网公司华中分部
  • 2019-10-21 - 2020-02-07 - G06F30/27
  • 本发明公开了一种基于量子蚁群优化RBF网络的特高压输电线损预测方法,属于电力系统结合深度学习的技术领域。本方法包括下列步骤:①数据预处理;②建立特征指标体系;③确定神经网络结构;④量子蚁群算法优化网络输出层的连接参数;⑤使用交替优化的方式来训练神经网络;⑥预测特高压线损值,分析预测模型。本发明利用神经网络的计算方式,易于拟合各种非线性关系,找出输入参量和线损的关系时不用人为控制计算细节,使用简便;使用RBF神经网络来保证训练速度较快,拥有局部逼近的特性,计算过程简单;将量子蚁群算法引入神经网络的优化过程中,改善了神经网络自身优化容易陷入局部最优解的问题。
  • 一种LED荧光粉胶涂覆厚度的预测方法-201911017951.9
  • 胡跃明;王欢 - 华南理工大学
  • 2019-10-24 - 2020-02-07 - G06F30/27
  • 本发明公开了一种LED荧光粉胶涂覆厚度的预测方法,包括S1采集LED封装过程的生产数据构成原始数据集,将原始数据集划分为训练数据和测试数据,对测试数据进行归一化处理,S2多次构建和训练LED荧光粉胶涂覆厚度预测模型,得到多个训练好的LED荧光粉胶涂覆厚度预测模型;S3将处理后的测试数据输入多个训练好的LED荧光粉胶涂覆厚度预测模型,输出值为LED荧光粉胶涂覆厚度,对预测结果进行分析,得到最优LED荧光粉胶涂覆厚度预测模型。本发明提高了生成LED荧光粉胶涂覆厚度预测模型的效率,也提高了LED荧光粉胶涂覆厚度预测模型的精度。
  • 一种应用于微波器件的新型深层神经网络自动建模方法-201911210240.3
  • 那伟聪;张万荣;谢红云;金冬月 - 北京工业大学
  • 2019-11-28 - 2020-02-07 - G06F30/27
  • 本发明涉及一种应用于微波器件的新型深层神经网络自动建模方法,属于微波器件建模领域,用于解决现有的浅层神经网络建模方法不能满足微波器件建模领域面临的模型维度高、工作范围大、可靠性高等新需求的问题。本发明具体提出了一种新型的包含Batch Normalization(BN,批量归一化)层和Sigmoid隐藏层的混合型深层神经网络结构及其训练方法,能够解决由于神经网络层数增多而引起的梯度消失和训练被阻止的问题;并采用自适应算法自动确定深层神经网络中BN层和Sigmoid隐藏层的层数,实现训练过程自动化。采用本发明得到的深层神经网络模型能够精确表示微波器件复杂、连续、高度非线性的器件特性,计算速度快,能有效代替原始器件进行后续电路或系统的仿真与设计。
  • 基于GA-BP神经网络算法的高精确度电阻测量算法-201910889431.0
  • 梁继然;张文旭;张颖;许延雷 - 天津大学
  • 2019-09-19 - 2020-01-31 - G06F30/27
  • 本发明公开了一种基于GA‑BP神经网络算法的高精确度电阻测量算法,通过训练神经网络达到测量电压与被测电阻阻值之间的非线性关系的函数拟合;在BP网络训练参数之前,先通过GA算法,迭代得到一个较为精确的全局最优解,再通过BP神经网络训练得到模型的最优解,再将得到的网络参数固化到单片机上,通过嵌入式系统可直接测得高精确度的电阻值。本发明算法可以降低训练的迭代次数,进一步降低了测量误差,GA‑BP算法的测量误差约在0.1%左右。
  • 集成深度学习模型的风电场短期风速预测方法-201910989886.X
  • 刘朝华;王畅通;张红强;吴亮红;陈磊;李小花;王振恒 - 湖南科技大学
  • 2019-10-17 - 2020-01-31 - G06F30/27
  • 本发明公开了一种集成深度学习模型的风电场短期风速预测方法,包括以下步骤:对原始风速时间序列进行归一化处理;用CEEMDAN分解归一化的风速时间序列,得到不同频率的本征模态分量;使用小波包分解对频率最高的本征模态分量进行二次分解;对两次分解得到的每个子序列建立各自的训练集和测试集;将各个子序列的训练集送入门控循环单元GRU网络进行训练,得到各个子序列的预测模型;将各个子序列的测试集送入各自对应的预测模型进行预测,得到相应的预测结果;对所有子序列的预测结果进行叠加与反归一化,得到最终的预测结果。本发明通过CEEMDAN和WPD算法分解原始风速时间序列,能降低原始风速时间序列的非线性和不平稳性。
  • 一种滑坡区域检测装置及方法-201610821272.7
  • 陈潇君;朱娜;蔡文红;江晓明 - 江苏大学
  • 2016-09-13 - 2020-01-24 - G06F30/27
  • 本发明公开了一种滑坡区域检测装置及方法,通过采集滑坡地区各独立检测点的传感器原始数据,经过数据处理和分析,对滑坡地区按照滑坡趋势进行分片,从而实现区域性检测。使用现有的成熟的数据显著相关性检测技术,筛选初始数据;使用机器学习技术,统计和计算滑坡发生概率;通过R‑tree技术,分类管理滑坡区域。本发明实现了对分片区域进行区域性检测、整体性分析,提高了检测的准确率,可应用于滑坡区域检测。
  • 一种基于支持向量机算法的流动单元信息分类识别方法-201910889252.7
  • 徐守余;路研;陈麦雨;王鑫;张晓帆;徐梦佳;邹世豪 - 中国石油大学(华东)
  • 2019-09-19 - 2020-01-21 - G06F30/27
  • 本发明属于石油天然气勘探与开发技术领域,公开了一种基于支持向量机算法的流动单元信息分类识别方法,样本集合的确定及数据预处理,并采用MATLAB中的mapminmax函数完成样本数据的归一化处理;采用C‑SVM分类技术,进行模型构建及参数寻优;利用测试样本对建立的预测模型进行预测与检验。本发明采用在非线性问题上处理能力较强的基于支持向量机算法的流动单元信息分类识别方法。本发明具有较高的吻合度,利用支持向量机算法开展流动单元研究的可信度较高,对剩余油潜力预测具有一定的参考价值。支持向量机算法在解决研究目标与多个因素相关的线性或非线性问题时,具有精度高、速度快、通用性强的优点。
  • 一种错位子阵阵面设计方法-201910763033.4
  • 徐振海;杨功清;董玮 - 中国人民解放军国防科技大学
  • 2019-08-19 - 2020-01-17 - G06F30/27
  • 本发明公开一种错位子阵阵面设计方法,步骤如下:步骤一:确定目标函数;步骤二:通过子阵不重叠的条件确定约束条件;步骤三:确定优化角度,利用遗传算法求解优化问题,并对输出的解进行检验。本发明方法创造性的提出了在最大栅瓣增益对应的最大扫描角度处优化阵面的思路,有效解决了非全向阵元错位子阵电扫参数的优化问题。通过将不重叠的约束条件分为水平垂直相邻不重叠及斜对角相邻不重叠,从而将其分为线性约束及非线性约束,利于后续的迭代求解。本发明可以根据不同的要求对不同子阵样式及阵面布局进行优化。
  • 燃气管道剩余寿命预测方法和装置-201910823075.2
  • 王勋;陈婷婷;王倩微;孙俊芳;丁斌;姜鑫;于燕平 - 北京市燃气集团有限责任公司
  • 2019-09-02 - 2020-01-17 - G06F30/27
  • 本发明提供一种燃气管道剩余寿命预测方法和装置,所述方法包括以下步骤:获取多个燃气管道的剩余寿命影响因素与对应的剩余寿命分类,作为训练样本;通过训练样本对人工神经网络进行训练以得到燃气管道剩余寿命预测模型;检测待预测燃气管道的剩余寿命影响因素;将待预测燃气管道的剩余寿命影响因素输入燃气管道剩余寿命预测模型,以得到待预测燃气管道的剩余寿命分类。本发明能够方便有效地对燃气管道的剩余寿命进行预测,从而能够减少燃气管道检修的人力物力,并减少燃气管道的安全隐患。
  • 一种基于机器学习的隧道/地铁施工全过程围岩变形动态预测方法-201910933480.X
  • 贺鹏;王刚;孙尚渠;蒋宇静;李为腾;秦哲 - 山东科技大学
  • 2019-09-29 - 2020-01-17 - G06F30/27
  • 本发明涉及一种基于机器学习的隧道/地铁施工全过程围岩变形动态预测方法,以隧道/地铁同一设计围岩等级区段为研究对象,同时,通过现场监控量测可获取各选取断面的围岩变形收敛值。以所选监测断面为样本,则每个样本中包含了该断面岩体的自然属性指标与围岩变形收敛值。采集已开挖段各量测断面的信息,构成一样本空间。进而直接通过当前掌子面揭露围岩的自然属性来预测其变形收敛值。本发明研究了一种基于机器学习的隧道/地铁施工全过程围岩变形响应预测方法。与之前研究相比,并基于隧道/地铁开挖过程中的先验分布信息,进而构建了围岩变形的响应预测模型。为后续工法变更及支护参数优化提供了直接的数据支撑。
  • 基于融合神经网络的导水裂缝带高度精确预测方法及系统-201910945031.7
  • 代松;韩勃;耿飞;甘高源;刘士亮;吕高航;黄国香 - 山东大学
  • 2019-09-30 - 2020-01-17 - G06F30/27
  • 本发明公开了基于融合神经网络的导水裂缝带高度精确预测方法及系统,针对现有导高预测数学模型存在的缺陷,将神经网路技术与传统数学模型相融合,利用神经网络技术解决多元回归模型误差过大的问题,本申请的导高预测方法具体步骤可以分为6步,分别为收集实测数据、建立线性多元回归模型、建立神经网络学习样本、学习样本归一化处理、训练神经网络、导高高度计算,本融合预测模型将BP神经网络技术与多元回归理论相结合,兼备了神经网络的非线性映射能力和多元回归模型的经验,计算精度高。
  • 利用神经网络为射频LDMOS热效应建模的方法-201910870860.3
  • 姜一波;毕卉 - 常州工学院
  • 2019-09-16 - 2020-01-14 - G06F30/27
  • 本发明提供了一种利用神经网络为射频LDMOS热效应建模的方法,包括:S1,获取反映射频LDMOS热效应特征的特定数据集,并将特定数据集分为训练集和测试集;S2,由训练集中的数据组成输入向量并分批输入神经网络;S3,获得相应输出向量并输入热电等效模型;S4,根据输出向量获得射频LDMOS的输出参数;S5,获取真实值,并根据真实值和输出参数计算两者间的误差;S6,判断误差是否小于规定值,若误差不小于规定值,则根据误差更新神经网络的模型参数,并重复步骤S2-S5,直至误差小于规定值或训练集中的数据均输入神经网络,以获得射频LDMOS的热效应模型。本发明能够避免热效应对建模的影响,提高模型的精度和适应性,并能够减少建模的工作量,使其更易于实现。
  • 基于数据驱动支持向量回归机的TBM刀具寿命预测方法-201611240128.0
  • 施红忠 - 中铁十八局集团隧道工程有限公司
  • 2016-12-29 - 2020-01-14 - G06F30/27
  • 本发明涉及隧道挖掘机技术领域,具体的说涉及一种基于数据驱动支持向量回归机的TBM刀具寿命预测方法,包括如下步骤:1.收集TBM刀具挖掘现场的数据;2.确定影响TBM刀具寿命的驱动因子,建立驱动因子的样本数据集作为训练集;3.构建多核支持向量回归机的预测模型,输入训练集,对所述预测模型进行训练从而确定各核函数所对应的最优参数以及惩罚函数C和不敏感损失函数参数ε;4.确定预测模型的最佳核函数;5.将待预测刀具的驱动因子的样本数据集作为预测样本集,输入预测模型,得出预测结果。本发明提供一种基于数据驱动支持向量回归机的TBM刀具寿命预测方法,选用大量现场挖掘的数据作为参变量,并在此基础上构建了基于支持向量回归机的模型,提高了预测道具寿命的精度。
  • 一种基于运行参数的风机功率建模方法-201910909668.0
  • 文孝强;谢猛;王建国;孙灵芳;徐志明;张艾萍 - 东北电力大学
  • 2019-09-24 - 2020-01-10 - G06F30/27
  • 本发明公开了一种基于运行参数的风机功率建模方法,它包含如下步骤:通过相关测量元器件测得风场运行风机主要运行参数;利用相关性分析方法确定模型的输入变量,模型的输出变量为风机功率;基于Morlet小波神经网络构建风机功率预测模型;为了提高模型的预测精度,分别对模型的隐层节点数、学习因子及连接权值进行优化。本发明和众多国内外风机功率建模与预测模型相比,由于采用了模型结构、模型参数逐次优化,步步逼近的方法,提高了模型预测精度,预测偏差满足工程要求,因此所建模型有实际工程参考与应用价值。
  • 一种基于多测点特征信息的大坝变形性态诊断方法-201610908130.4
  • 杨阳;李卓;范光亚;江超 - 水利部交通运输部国家能源局南京水利科学研究院
  • 2016-10-18 - 2020-01-07 - G06F30/27
  • 本发明公开了一种基于多测点特征信息的大坝变形性态诊断方法,其按如下步骤进行:(1)对多个测点监测数据进行边缘特征提取,计算多层提取信息的相关度,计算监测数据两两间的相关度;(2)建立相关度矩阵,计算每个监测数据的相关度均值及标准化数据,选择标准化数据为0及大于0.5的数据作为建模数据;(3)对建模数据建立多测点的关系模型,得到显著性水平及诊断区间;(4)对监测数据进行诊断分析,得到诊断结果显著性水平;本发明为掌握大坝变形性态、确保大坝工程安全运行提供决策支持。
  • 变压器节能降损适应性评估方法-201611040237.8
  • 王曦冉;何英静;来聪;章敏捷;沈舒仪;但扬清 - 国网浙江省电力公司经济技术研究院;国家电网公司
  • 2016-11-11 - 2020-01-07 - G06F30/27
  • 本发明公开了一种变压器节能降损适应性评估方法。传统变压器全寿命周期成本计算中对于负载、运行时间均采用估计值或平均值,忽略重载或负荷高峰时所造成的额外损耗;同时对运行中产生的操作损耗及环网损耗一般忽略,造成变压器损耗的漏算。本发明采用经济指标及节能指标分级评估作为变压器适应性评估手段,对于变压器损耗以小时为时间窗提出改进的分项损耗计算方法,以年为综合指标评价时间窗,形成一种从节能降损角度评估变压器运行适应性的二维方法。本发明考虑了变压器非参数特征对安全损耗的修正,采用小时为时间窗提高了周期成本、损耗的计算精度,从经济、节能二维标准对变压器适应性进行评价。
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top