基于非线性递减选择策略的人工蜂群算法

针对基本人工蜂群算法种群多样性难以保持,进化速度慢等问题,提出了一种基于非线性递减选择策略的人工蜂群算法。算法在雇佣蜂阶段采用非线性递减选择策略以提高种群的多样性,进而改善种群的全局勘探能力;在跟随蜂阶段由全局最优解引导搜寻新解,以提高种群的局部开发能力;侦察蜂采用贴近最优解的策略以提高生成新解的质量,加速种群进化。改进的三个阶段改善了算法的寻优性能,最后通过实验对比与分析,验证了该算法的有效性。

基于稀疏诱导特征选择神经网络的储层预测方法研究

常规储层预测方法对地震属性之间的隐含关系挖掘不充分、地震属性种类繁多难以选择。针对以上问题,为提高储层岩性的分类预测精度,提出一种结合特征选择与神经网络的储层预测方法。以DenseNet与SENet为基础,使用正则惩罚项进行网络输入层稀疏化,得到每个输入节点权重,进一步使用ReLU激活函数构建特征选择层,实现地震属性的筛选。实验使用胜利油田的地震属性数据与钻井岩性数据,结果表明,该方法对储层岩性分类效果具有明显的提升,分类准确率超过70%,验证了神经网络模型与该特征选择方法的有效性。

灰狼优化的混合参数多分类孪生支持向量机

孪生支持向量机(TWSVM)是在支持向量机(SVM)的基础上产生的一种高效二分类算法,由于现实中存在的问题大多数是多分类的,将二分类孪生支持向量机扩展到多分类孪生支持向量机(MTWSVM)是非常重要的。目前常用的MTWSVM一般是基于“一对一”策略,但该策略中各子分类器都采用相同的惩罚参数以及核参数,忽略了不同子分类器之间的差异,不能使其发挥最好的作用。通过提出一种基于混合参数的多分类孪生支持向量机(MP-MTWSVM),为不同的子分类器选取合适的参数,保持分类器的多样性,进而根据“一对一”策略构建MTWSVM。TWSVM本就面临着参数难确定的问题,而MP-MTWSVM算法又引入了大量的参数,通过灰狼算法(GWO)对MP-MTWSVM的参数进行寻优,进一步提出了基于灰狼优化的混合参数多分类孪生支持向量机(GWO-MP-MTWSVM)。通过实验表明,GWO可以快速找到各子分类器的最优参数,并进一步提升了算法的准确率。

胜利油田企业级用户管理体系建设

中国石化总部领导始终高度关注集团公司信息化安全建设工作,近些年来,在积极开展互联网和传统产业融合的"互联网+"信息化建设方针指引下,逐步加大对信息安全建设的投入,胜利油田自2014年开始建设企业级用户管理平台"中国石化用户统一身份管理系统",该系统作为用户身份以及应用系统接入的基础性服务平台,与中国石化SAP-HR人力资源系统联动,为油田各单位提供用户统一身份标识、统一账号认证、访问控制、单点登录等服务功能,实现了用户生命周期的集约化管理,为油田内部员工的个人身份信息安全保驾护航,在胜利油田信息化安全保障体系的建设中发挥了重要作用。

浅谈混凝土结构外观质量控制

本文作者在参照有关资料的基础上,分析了混凝土结构在施工过程中产生外观质量缺陷的原因,并根据自身从事多年施工实践提出了相应的防治措施。