多指标分析的电炉企业财务风险预警模型

电炉企业财务风险的影响因素种类较多,单一的风险预警方法会导致计算误差较大,为此设计多指标分析的电炉企业财务风险预警模型。该模型由风险识别、风险监测和风险预警子模型组成,其中,风险识别和风险预警是对风险预警评价的基础和分级的重要依据。采用卡尔曼滤波技术对财务信息进行滤波,分别从偿债能力、偿债能力、投资能力、资本运作能力、成长力、产业影响等六个方面建立了财务风险在线预警指标,划分财务风险等级详情,实现财务风险在线预警。实验结果表明,该模型能够有效剔除电炉企业异常财务数据中的边缘数据,准确聚类不同种类的财务数据,对财务风险预警的误报率较低、实时预警效率较好。应用该模型能够对电炉企业财务风险进行实时、准确的预警,有效保障电炉企业财务数据的安全性。

非常规油气储层智能压裂技术研究进展与展望

非常规储层油气资源丰富,压裂是释放非常规储层油气的必要手段,但压裂优化是一个多模态、高维度、大尺度、细时空的复杂大系统问题。为实现非常规储层压裂系统开发,梳理了油气压裂人工智能3个应用场景:透明油气藏数智化构建和压裂双甜点智能优选、机理—数据联合驱动的压裂工艺参数智能优化和压裂风险预警及在线监控智能调控,然后明确了智能压裂3个方面技术特征,并展望了智能压裂未来5个方面的技术攻关方向。研究结果表明:(1)形成了地质多源数据、建模迭代更新精准化技术,助力了优选地质工程压裂双甜点;(2)建立了机理数据驱动多目标优化压裂参数方法,促进了裂缝均衡扩展、扩大体积和提高产量;(3)开发了压裂动态监测及在线调控流程,支撑了压裂高效、可持续开发,提高压裂效率和油气采收率;(4)提出了“甜点选择数智化—压裂参数智能化—在线监测调控精准化—四维可视化”的地质—工程“动态一体化”智能压裂新理念。结论认为,强化数字孪生智能压裂可视化技术、构建生成式智能压裂大数据生态系统、融合机理数据的工艺参数优化方法、开发压裂动态智能预测监测技术、创新远程智能压裂决策控制系统,可为智能压裂革新发展提供理论指导和技术支撑,为未来压裂人机交互智能决策和闭环调控的实现指明了方向。

结构智能健康诊断的理论与方法

对近 2 0年来国际上在基于动力学参数的结构健康诊断方面的成就与问题进行了系统的回顾和总结 ,扩展了目前流行的一些结构健康诊断方法 ,建立了一系列新的结构健康诊断公式。从中发现 :①结构的总体刚度矩阵 [K],模态特征值λj 和模态振型 [Φ]j 之间存在以下关系δλj=[Φ]Tj [δK][Φ]j 和δλj≤ 0。②对于损伤结构 ,[δΦ]=0和 {δλ}=0同时发生的情况一定不存在。也就是说 ,结构损伤必然会在结构的内禀动力特征 {Φ ,λ}上得到完整的反映。这一发现回答了人们长期以来的一项争论 ,即结构的内禀动力特征 {Φ ,λ}是否足以作为结构损伤识别和定位的充分条件 ,答案是肯定的。③通常应变类结构动力学参数比位移类结构动力学参数对结构损伤更敏感。④利用多层前向人工神经网络的自组织学习功能和广义遗传算法的全局优化功能 ,设计一个基于广义遗传算法和人工神经网络的混合型结构智能健康诊断演化系统是可行的 ,且该系统的知识库可实现自主进化。