代价敏感粗糙集研究综述

本文对代价敏感粗糙集(cost-sensitive rough set,CS-RS)理论的内容及发展状况进行了回顾,对其研究方向和发展趋势进行了分析和展望.首先介绍了代价敏感学习产生的缘由、数据挖掘过程中常见代价的分类及代价敏感粗糙集的基本概念;其次从数据模型、计算模型、问题及算法四个层次上对当前的研究状况进行了总结,建立了代价敏感粗糙集理论体系示意图;最后指出测试代价敏感粗糙集的发展趋势和需要重点关注的问题.

抽油机井参数优化的粒计算方法

针对油气生产中的抽油机井参数优化问题,开展了一种基于抽油机井生产调控、维护措施数据的抽油机井生产参数优化的粒计算方法研究,研究中采用了粒计算、代价敏感粗糙集及推荐系统等机器学习方法。首先,利用决策树建立基于时间、空间及业务层次等抽油机井数据的多粒度融合模型;然后,利用代价敏感粗糙集定义与抽油机井业务相适应的代价敏感评价模型;最后,在代价约束条件下,设计基于域感知因子分解机的抽油机井生产核心参数及维护措施推荐模型。在实际的油气生产数据上进行不同粒度的对比实验,可以发现由粗粒度到细粒度调整抽油机井的生产参数,其生产核心参数优化的推荐准确度先是逐渐增加,后逐渐下降。说明在参数优化中,需要进行合适的粒度选择。