基于改进遗传算法与支持度的模糊系统优化建模方法

模糊系统是一种可解释性强的人工智能方法,经典Wang-Mendel(WM)方法因能从数据中自动获取模糊规则,而成为一种重要的智能建模方法。但是该方法存在规则数目较多、精度不高等不足,且目前的改进方法普遍存在计算复杂、效率低等问题。为此,提出一种改进遗传算法与基于支持度的规则约简相结合的模糊系统优化建模新方法——遗传模糊系统(GFS),通过优化模糊系统的结构及隶属函数参数,由目标函数的不同组合构成GFS1、GFS2与GFS3这3种模型的具体实现算法。在标准及加噪的电能输出数据集上进行模糊建模试验,其结果表明:GFSi(i=1,2,3)模型预测精度高于WM方法且规则数更少;其抗噪能力显著优于径向基函数神经网络、反向传播神经网络;GFS3的适应度函数评估效果最佳,因此其性能最优。提出的方法在充分发挥模糊系统可解释性、鲁棒性强优势的同时保障了预测精度,是一种很有潜力的人工智能算法。

结合Z-score与优化技术的神经模糊系统

在构建高维数据的深度神经模糊系统时,对模糊子模块的精度、时间的要求较高。为此,提出一种结合Zscore与优化技术的神经模糊系统,改进模糊规则的计算方式。根据不同方法调整前提参数与结论参数,提出基于BP+LSE的ZONFS1、基于LSE的ZONFS2、基于CGD+LSE的ZONFS3三种混合算法。实验结果表明,相较于ANFIS和ZONFS1算法,ZONFS3算法的耗时缩短了37%,且精度比DTR等算法提升了26%;相较于ZONFS3算法,ZONFS2的耗时减少,但精度降低;ZONFSi算法的平均总得分比ANFIS约高10分;相较于ANFIS算法,ZONFSi算法精度更高、耗时更少,在构建深度模型和处理高维数据方面优势显著。

油田采油技术的创新分析

伴随着我国社会经济的不断发展,我国的社会经济转型已经逐渐的展开。在经济转型的过程中,我国重点强调了能源产业的转型。因此我国的能源产业中尤其是我国的石油资源产业更是要起到带头作用。伴随着我国的油田开发力度不断的提升,我国的石油开发应该重点强调采油技术的提升以及创新,通过技术的创新来带动我国油田工作效率的提升。目前我国现有的油田采油技术已经取得了很好的认可,但是我们还是需要针对不同的油田采油实际情况来针对性的进行采油工艺技术的开发以及创新。文章主要针对油田采油技术的创新进行详细的分析以及阐述,希望通过文章的阐述以及分析能够有效的提升我国油田采油技术的发展以及创新,同时也为我国油田采油工作效率的提升贡献一份力量。