基于量子蒙特卡罗的地震多属性聚类方法

多属性聚类分析是从众多地震属性中提取地下地质特征的重要途径。为了更好地提高属性聚类分析的有效性,本文将寻优能力更强的量子蒙特卡罗方法引入到聚类分析中,它能自动根据数据结构的特点,动态调整数据固有的类别数;通过在聚类分析过程中引入相关性分析,估算各个属性的权重大小,提出根据权重大小进行加权的方法,突出对地质特征敏感的地震属性的作用;并提出变尺度的方法,挖掘属性之间共有的、宏观的特征之外的细节部分,减少属性交叉信息的影响。实例应用结果表明,本文提出的方法能很好地挖掘数据的内在特征,提高储层预测的准确性。

基于熵聚类的改进算法在电厂脱硫系统中的应用

石灰石-石膏湿法脱硫技术采用石灰或石灰石作为脱硫剂,影响其脱硫性能的主要因素有石灰石原料、机组运行参数和可调参数等方面。在参数约减后,将浆液密度、浆液的p H值、钙硫比(Ca/S)可调参数控制在其最优值范围内,得到影响脱硫效率的因素为机组负荷、入口SO2质量浓度和浆液泵运行台数。对基本的熵模糊聚类(EFC)进行相关改进,提出阀值β变尺度EFC算法,并验证了算法的准确性。利用改进算法在各典型负荷邻域区间内对实际运行数据分别进行多参量同步聚类,挖掘出不同负荷所对应的入口SO2质量浓度、浆液泵开启台数与脱硫效率之间的关系,并提出浆液循环泵优化调度方案。

基于企业网络舆情的客户满意度分析及管理方法

社交网络平台的迅速发展,促使网络舆情成为企业获取商业情报、扩大竞争优势的重要信息来源。本文针对网络舆情环境下的企业客户关系管理问题展开研究。通过构建企业客户推动式信息反馈模型,描述了企业客户、网络用户与企业网络舆情间的联系,并依据信息反馈模型,提出变尺度聚类算法。该算法将传统聚类方法的求解过程由单一尺度分析扩展到多尺度分析,克服了实际数据聚类应用过程中的聚类结果特征不显著问题。本文选取新浪微博作为数据源,利用企业网络舆情数据集和企业客户数据集进行数据分析实验。实验结果表明,企业可以通过获取与其主营业务相关的网络舆情信息,实现客户满意度预测;同时,变尺度聚类算法结果能够为企业进一步制定销售战略和销售战术提供决策支持。