基于自我学习机制的油田开发方案优化方法

    公开(公告)号:CN109558967A

    公开(公告)日:2019-04-02

    申请号:CN201811285474.X

    申请日:2018-10-30

    Abstract: 本发明提出了一种基于自我学习机制的油田开发方案优化方法,其特征在于,神经网络油藏模拟模块、蒙特卡洛生产参数模拟模块、RNN结果推断训练模块和预测模块,包括以下步骤:在神经网络油藏模拟模块,通过历史数据训练神经,得到神经网络油藏模拟器步骤;在蒙特卡洛生产参数模拟模块,通过蒙特卡洛搜索树方法,进行生产过程中各种属性的模拟,通过对每一个属性变量模拟出不同的值,得到数万个开采方案;通过历史生产数据对RNN结果推断网络进行训练,得到一个开采方案推断器;将模拟产生的开采方案输入开采方案推断器中,返回最优开采方案。本方法利用神经网络模型去逼近未知的物理的过程,摆脱了油藏数值模拟简化建模公式的束缚,增加了准确率。同时,在训练速度方面得到了很大提高,能够在大量的开发方案中选择最优方案。

    一种基于区块链和联邦学习的物联网设备故障检测方法

    公开(公告)号:CN112183764A

    公开(公告)日:2021-01-05

    申请号:CN202011087722.7

    申请日:2020-10-12

    Abstract: 本发明提出了一种基于区块链和联邦学习的物联网(IIOT)设备故障检测方法。为了解决IIOT设备故障检测中的数据异构问题,我们提出了一种全新的基于质心距离的加权联邦平均(CDW_FedAvg)算法,该算法考虑了每个边缘节点数据集的正类和负类之间的距离。为了以可伸缩的方式实现客户端数据的可验证完整性,每个客户端服务器定期创建一个Merkle树,其中每个叶节点代表一个客户端数据记录,并将树根存储在区块链上。基于在本地模型训练中使用的客户数据的大小,设计了链上激励机制,以准确和及时地计算每个客户的贡献。该发明基于区块链的联邦学习的物联网故障检测方法,能够有效提升物联网故障检测当中的准确性以及性能,解决数据多源异构的问题,满足生产发展需求。

    一种基于HDNet的输电场景下吊车入侵检测机制

    公开(公告)号:CN110705542A

    公开(公告)日:2020-01-17

    申请号:CN201910303273.6

    申请日:2019-04-15

    Abstract: 本发明提出了一种基于HDNet的输电场景下吊车入侵检测机制,该机制利用传统图像几何变换和GAN来对数据集进行生成式数据增强;设计一种新的目标检测网络HDNet,包括吊车候选区域生成子网络HRDNet和吊车目标分类子网络HCNet;采用通道剪枝策略来删除无效节点,实现模型压缩,使之可以在嵌入式平台上平稳运行,提高目标检测的效率,保证输电场景下吊车入侵运作检测的可用性和健壮性。

Patent Agency Ranking