-
公开(公告)号：CN115017204B
公开(公告)日：2024-12-24
申请号：CN202210498824.0
申请日：2022-05-09
Applicant: 国家石油天然气管网集团有限公司 , 国家管网集团东部原油储运有限公司 , 徐州金桥石化管道输送技术有限公司
Inventor： 王军防 , 李亚平 , 曹旦夫 , 余红梅 , 裘东平 , 郁振华 , 张华德 , 矫捷 , 唐明 , 张春 , 吴尚书 , 周明 , 王浩霖 , 史瑶华 , 朱万春 , 刘雪健 , 徐俊平 , 张黎祥 , 倪超 , 余成
IPC: G06F16/2458 , G06N3/0464 , G06N3/082
Abstract: 一种基于改进神经网络的输油泵特性预测方法，其步骤包括：构建油藏开发历史数据集和采用粒子群寻优方法优化关键超参数组合，其中采用粒子群寻优方法优化关键超参数组合具体包括：搭建初始模型；修改激活函数；烟花群初始化；初始化最好烟花、最差烟花和全局最优烟花；进行烟花爆炸；进行烟花高斯变异；更新烟花群；更新最好烟花、最差烟花和全局最优烟花；迭代获取最优关键超参数组合；更新神经网络及激活函数的参数。该方法通过提取油品物性数据的主要特征分量，将其和输油泵特性数据整合作为神经网络的输入数据，使用烟花智能算法优化神经网络，并在神经网络中使用参数线性整流函数作为激活函数，提高输油泵特性预测的收敛速度和预测精度。
-
公开(公告)号：CN115017204A
公开(公告)日：2022-09-06
申请号：CN202210498824.0
申请日：2022-05-09
Applicant: 国家石油天然气管网集团有限公司 , 国家管网集团东部原油储运有限公司 , 徐州金桥石化管道输送技术有限公司
Inventor： 王军防 , 李亚平 , 曹旦夫 , 余红梅 , 裘东平 , 郁振华 , 张华德 , 矫捷 , 唐明 , 张春 , 吴尚书 , 周明 , 王浩霖 , 史瑶华 , 朱万春 , 刘雪健 , 徐俊平 , 张黎祥 , 倪超 , 余成
IPC: G06F16/2458 , G06N3/04 , G06N3/08
Abstract: 一种基于改进神经网络的输油泵特性预测方法，其步骤包括：构建油藏开发历史数据集和采用粒子群寻优方法优化关键超参数组合，其中采用粒子群寻优方法优化关键超参数组合具体包括：搭建初始模型；修改激活函数；烟花群初始化；初始化最好烟花、最差烟花和全局最优烟花；进行烟花爆炸；进行烟花高斯变异；更新烟花群；更新最好烟花、最差烟花和全局最优烟花；迭代获取最优关键超参数组合；更新神经网络及激活函数的参数。该方法通过提取油品物性数据的主要特征分量，将其和输油泵特性数据整合作为神经网络的输入数据，使用烟花智能算法优化神经网络，并在神经网络中使用参数线性整流函数作为激活函数，提高输油泵特性预测的收敛速度和预测精度。
-
公开(公告)号：CN114327886A
公开(公告)日：2022-04-12
申请号：CN202111601656.5
申请日：2021-12-24
Applicant: 国家石油天然气管网集团有限公司 , 国家管网集团东部原油储运有限公司
Inventor： 李亚平 , 曹旦夫 , 李素杰 , 张华德 , 裘冬平 , 陈昱含 , 张瑜 , 王耀先 , 谢自力 , 葛荡 , 张娟 , 丁苏宁 , 杨建涛 , 吴雪峰 , 张达 , 王珍琼 , 索蕾 , 陆育 , 祝越 , 杜鹃
Abstract: 一种基于大数据深度学习的动态资源调度方法，通过利用大数据深度学习集群的资源监控模块，根据各节点资源利用率模型，周期性计算节点资源利用率，并采用基于大数据深度学习的资源调度算法，将大数据深度学习任务部署至最优节点，设置任务资源利用率警告阈值，实现对于是否进行动态迁移大数据深度学习任务的判断。相比于现有技术，该方法客观准确的反映了计算机资源的运行状态，合理部署计算机任务至最优节点，同时实现了对计算机任务的监控，动态迁移资源利用率低下的计算任务，提高了计算机资源利用率。
-
公开(公告)号：CN114327886B
公开(公告)日：2022-12-16
申请号：CN202111601656.5
申请日：2021-12-24
Applicant: 国家石油天然气管网集团有限公司 , 国家管网集团东部原油储运有限公司
Inventor： 李亚平 , 曹旦夫 , 李素杰 , 张华德 , 裘冬平 , 陈昱含 , 张瑜 , 王耀先 , 谢自力 , 葛荡 , 张娟 , 丁苏宁 , 杨建涛 , 吴雪峰 , 张达 , 王珍琼 , 索蕾 , 陆育 , 祝越 , 杜鹃
Abstract: 一种基于大数据深度学习的动态资源调度方法，通过利用大数据深度学习集群的资源监控模块，根据各节点资源利用率模型，周期性计算节点资源利用率，并采用基于大数据深度学习的资源调度算法，将大数据深度学习任务部署至最优节点，设置任务资源利用率警告阈值，实现对于是否进行动态迁移大数据深度学习任务的判断。相比于现有技术，该方法客观准确的反映了计算机资源的运行状态，合理部署计算机任务至最优节点，同时实现了对计算机任务的监控，动态迁移资源利用率低下的计算任务，提高了计算机资源利用率。
-
-
-
Search Results
4
records
(took 0.061 seconds)
