智慧城管知识图谱研究与应用——以成都市为例

城市治理正面临着城市化进程加速、群众需求日益增长、技术更新、资源有限等挑战。本文提出基于知识图谱赋能城市管理与服务的方法,深化数据治理,优化工作流程和机制,创新传统城市管理模式,打造城管领域知识体系,支撑智慧城管多样化场景应用,以满足公众服务多层次需求,提升“一网统管”效能。

基于时序动态分析的油井产量预测研究

针对目前常用的油井产量预测方法效果并不理想的问题,开展时间序列分析来进行油井产量动态预测研究。采用时间序列分析结合残差修正方法,建立具有时序动态分析能力的产量差分自动回归移动平均模型(Autoregressive Integrated Moving Average,ARIMA),得出预测初始值与真实油井产量的残差;通过构建支持向量机(Support Vector Machine,SVM)时序预测模型进行残差修正,获得油井产量组合预测值;并将长短期记忆网络(Long Short-Term Memory,LSTM)模型与上述方法进行对比。实验表明,组合预测模型、LSTM模型的预测结果平均相对误差率分别为9.81%和32.44%。说明组合模型预测更精准,为油井产量的动态预测提供了一种有效方法,可作为油井在生产计划时的快速实时辅助依据,具有实用价值。

人工智能在油井产量预测上的应用综述

近年来,人工智能在人脸识别、自动驾驶等多个领域得到了广泛应用,与其他学科交叉融合的相关研究发展迅速。主要综述了人工智能的发展历史及其在油井产量预测上的研究进展,目的是为了跟踪最新的科学研究进展,体现人工智能在油井产量预测上的可行性和有效性,为该领域的科学研究工作者提供思路和新的启发,为实现智慧化油田提供新的科学支撑手段。

囊谦县多伦多盐场的传统制盐与盐民的自然观

位于青海玉树州囊谦县的多伦多盐场,是当地颇具代表性的盐场之一。其制盐工具、制盐工艺与当地自然条件有着密切的关系。同时,靠天吃饭,传统的生产经营模式反映且促进了当地人对大自然的敬畏与崇拜。也正是由于这样的自然观,引导人们顺应自然规律、保护自然,因此反过来也有利于多伦多当地优质生态环境的维持。