一种基于鲸鱼算法的云资源动态调度方法

    公开(公告)号:CN112783621A

    公开(公告)日:2021-05-11

    申请号:CN202110013468.4

    申请日:2021-01-06

    Abstract: 本发明公开了一种基于鲸鱼算法的云资源动态调度方法,其特征在于利用云计算资源的资源监控模块,周期性采集云计算资源中各节点的网络带宽、处理器状态以及节点故障率,计算云计算资源中各节点的运算能力,之后通过云计算系统发布多个任务,计算云计算资源中各节点的任务运行时间以及各节点的任务运行成本;应用鲸鱼算法初始化云计算节点资源信息,以云计算资源中各节点的任务运行时间和任务运行成本作为优化目标,寻找当前最佳目标节点并向该节点进行移动,进行局部搜索,进而得到最佳目标节点,经过多次迭代生成云资源最终调度方案。本发明利用鲸鱼算法的全局寻优机制和局部优化机制生成最优资源调度方案,为云计算任务分配最优的工作节点,有效地提高了云计算资源的利用率。

    一种基于集成学习的新钻井工作量预测方法

    公开(公告)号:CN112330064A

    公开(公告)日:2021-02-05

    申请号:CN202011352971.4

    申请日:2020-11-26

    Abstract: 本发明公开了一种基于集成学习的新钻井工作量预测方法,其特征在于搭建基于随机森林的新钻井工作量预测模型,通过粒子群寻优方法优化新钻井工作量预测模型的关键超参数组合,并在决策阶段加入加权投票机制,通过调节弱分类决策树的权重值,降低了新钻进工作量预测的泛化误差,提高了新钻井工作量预测模型精度。本发明通过采用粒子群寻优方法优化新钻井工作量预测模型中的关键超参数组合,减少油藏开发历史数据中噪声数据的影响,提高随机森林方法的稳定性和运行速度;在决策阶段加入加权投票机制,增加高评分决策树的权重比例,减少低评分决策树对预测结果的负面影响,提高新钻井工作量预测模型精度。

    一种基于集成学习的输油管道水力预测方法

    公开(公告)号:CN113887026A

    公开(公告)日:2022-01-04

    申请号:CN202111090819.8

    申请日:2021-09-17

    Abstract: 本发明公开了一种基于集成学习的输油管道水力预测方法,其特征在于搭建基于传统经验公式和基于极端梯度提升的输油管道水力预测模型,通过最小二乘方法修正经验公式,并将修正经验公式方法和极端梯度机器学习方法作为初级学习器,采用多元线性回归方法获得两类初级学习器的权重,利用加权求和方法将修正经验公式方法和极端梯度方法进行融合,挺高输油管道水力预测精度。本发明通过最小二乘方法修正经验公式的经验系数,使经验系数更符合管道实际运行情况;将修正经验公式和极端梯度提升方法进行融合,充分发挥两种不同方法的优势,降低了模型预测泛化误差,提高输油管道水力预测模型精度。

Patent Agency Ranking