计算机应用技术专业优秀论文计算机应用技术专业优秀论文 构建基于数据挖掘技术的水平井产构建基于数据挖掘技术的水平井产能预测模型能预测模型关键词：数据挖掘关键词：数据挖掘 聚类分析聚类分析 遗传算法遗传算法 水平井水平井 产能预测产能预测摘要：水平井产能预测在水平井开采过程中起到至关重要的作用，目前对水平 井产能的预测大部分是由公式预测，准确度不高。同时长期积累下来的水平井 数据没有得到充分利用。数据挖掘技术为从大量的水平井数据中获得信息提供 了有效途径。 在已有的数据挖掘技术基础上，对聚类分析方法和遗传算法做 了进一步研究，提出一种基于中心定位算子的遗传算法(GCOGA)。该方法在保持 遗传算法全局寻优特点的同时解决了遗传算法运行后期在最优解附近左右摆动， 收敛速度较慢的问题。针对聚类算法易陷入局部优化的缺点，我们将 GCOGA 与 层次聚类方法相结合，通过遗传算法的全局寻优特点弥补聚类算法的不足。在 面对多属性样本参与聚类时，本文提出了结合样本属性的 GCOGA-FCM 算法，充 分的考虑到样本的属性值对聚类效果的影响。 通过对数据挖掘的方法进行研 究与改进，将其应用于水平井产能预测。针对水平井产能预测的特点，建立水 平井产能预测模型，将本文提出的算法应用于此模型中。实验结果表明，模型 完成水平井细化分类，提高了水平井产能预测的准确度，应用效果比较理想。正文内容正文内容水平井产能预测在水平井开采过程中起到至关重要的作用，目前对水平井 产能的预测大部分是由公式预测，准确度不高。同时长期积累下来的水平井数 据没有得到充分利用。数据挖掘技术为从大量的水平井数据中获得信息提供了 有效途径。 在已有的数据挖掘技术基础上，对聚类分析方法和遗传算法做了 进一步研究，提出一种基于中心定位算子的遗传算法(GCOGA)。该方法在保持遗 传算法全局寻优特点的同时解决了遗传算法运行后期在最优解附近左右摆动， 收敛速度较慢的问题。针对聚类算法易陷入局部优化的缺点，我们将 GCOGA 与 层次聚类方法相结合，通过遗传算法的全局寻优特点弥补聚类算法的不足。在 面对多属性样本参与聚类时，本文提出了结合样本属性的 GCOGA-FCM 算法，充 分的考虑到样本的属性值对聚类效果的影响。 通过对数据挖掘的方法进行研 究与改进，将其应用于水平井产能预测。针对水平井产能预测的特点，建立水 平井产能预测模型，将本文提出的算法应用于此模型中。实验结果表明，模型 完成水平井细化分类，提高了水平井产能预测的准确度，应用效果比较理想。 水平井产能预测在水平井开采过程中起到至关重要的作用，目前对水平井产能 的预测大部分是由公式预测，准确度不高。同时长期积累下来的水平井数据没 有得到充分利用。数据挖掘技术为从大量的水平井数据中获得信息提供了有效 途径。 在已有的数据挖掘技术基础上，对聚类分析方法和遗传算法做了进一 步研究，提出一种基于中心定位算子的遗传算法(GCOGA)。该方法在保持遗传算 法全局寻优特点的同时解决了遗传算法运行后期在最优解附近左右摆动，收敛 速度较慢的问题。针对聚类算法易陷入局部优化的缺点，我们将 GCOGA 与层次 聚类方法相结合，通过遗传算法的全局寻优特点弥补聚类算法的不足。在面对 多属性样本参与聚类时，本文提出了结合样本属性的 GCOGA-FCM 算法，充分的 考虑到样本的属性值对聚类效果的影响。 通过对数据挖掘的方法进行研究与 改进，将其应用于水平井产能预测。针对水平井产能预测的特点，建立水平井 产能预测模型，将本文提出的算法应用于此模型中。实验结果表明，模型完成 水平井细化分类，提高了水平井产能预测的准确度，应用效果比较理想。 水平井产能预测在水平井开采过程中起到至关重要的作用，目前对水平井产能 的预测大部分是由公式预测，准确度不高。同时长期积累下来的水平井数据没 有得到充分利用。数据挖掘技术为从大量的水平井数据中获得信息提供了有效 途径。 在已有的数据挖掘技术基础上，对聚类分析方法和遗传算法做了进一 步研究，提出一种基于中心定位算子的遗传算法(GCOGA)。该方法在保持遗传算 法全局寻优特点的同时解决了遗传算法运行后期在最优解附近左右摆动，收敛 速度较慢的问题。针对聚类算法易陷入局部优化的缺点，我们将 GCOGA 与层次 聚类方法相结合，通过遗传算法的全局寻优特点弥补聚类算法的不足。在面对 多属性样本参与聚类时，本文提出了结合样本属性的 GCOGA-FCM 算法，充分的 考虑到样本的属性值对聚类效果的影响。 通过对数据挖掘的方法进行研究与 改进，将其应用于水平井产能预测。针对水平井产能预测的特点，建立水平井 产能预测模型，将本文提出的算法应用于此模型中。实验结果表明，模型完成 水平井细化分类，提高了水平井产能预测的准确度，应用效果比较理想。 水平井产能预测在水平井开采过程中起到至关重要的作用，目前对水平井产能 的预测大部分是由公式预测，准确度不高。同时长期积累下来的水平井数据没 有得到充分利用。数据挖掘技术为从大量的水平井数据中获得信息提供了有效途径。 在已有的数据挖掘技术基础上，对聚类分析方法和遗传算法做了进一 步研究，提出一种基于中心定位算子的遗传算法(GCOGA)。该方法在保持遗传算 法全局寻优特点的同时解决了遗传算法运行后期在最优解附近左右摆动，收敛 速度较慢的问题。针对聚类算法易陷入局部优化的缺点，我们将 GCOGA 与层次 聚类方法相结合，通过遗传算法的全局寻优特点弥补聚类算法的不足。在面对 多属性样本参与聚类时，本文提出了结合样本属性的 GCOGA-FCM 算法，充分的 考虑到样本的属性值对聚类效果的影响。 通过对数据挖掘的方法进行研究与 改进，将其应用于水平井产能预测。针对水平井产能预测的特点，建立水平井 产能预测模型，将本文提出的算法应用于此模型中。实验结果表明，模型完成 水平井细化分类，提高了水平井产能预测的准确度，应用效果比较理想。 水平井产能预测在水平井开采过程中起到至关重要的作用，目前对水平井产能 的预测大部分是由公式预测，准确度不高。同时长期积累下来的水平井数据没 有得到充分利用。数据挖掘技术为从大量的水平井数据中获得信息提供了有效 途径。 在已有的数据挖掘技术基础上，对聚类分析方法和遗传算法做了进一 步研究，提出一种基于中心定位算子的遗传算法(GCOGA)。该方法在保持遗传算 法全局寻优特点的同时解决了遗传算法运行后期在最优解附近左右摆动，收敛 速度较慢的问题。针对聚类算法易陷入局部优化的缺点，我们将 GCOGA 与层次 聚类方法相结合，通过遗传算法的全局寻优特点弥补聚类算法的不足。在面对 多属性样本参与聚类时，本文提出了结合样本属性的 GCOGA-FCM 算法，充分的 考虑到样本的属性值对聚类效果的影响。 通过对数据挖掘的方法进行研究与 改进，将其应用于水平井产能预测。针对水平井产能预测的特点，建立水平井 产能预测模型，将本文提出的算法应用于此模型中。实验结果表明，模型完成 水平井细化分类，提高了水平井产能预测的准确度，应用效果比较理想。 水平井产能预测在水平井开采过程中起到至关重要的作用，目前对水平井产能 的预测大部分是由公式预测，准确度不高。同时长期积累下来的水平井数据没 有得到充分利用。数据挖掘技术为从大量的水平井数据中获得信息提供了有效 途径。 在已有的数据挖掘技术基础上，对聚类分析方法和遗传算法做了进一 步研究，提出一种基于中心定位算子的遗传算法(GCOGA)。该方法在保持遗传算 法全局寻优特点的同时解决了遗传算法运行后期在最优解附近左右摆动，收敛 速度较慢的问题。针对聚类算法易陷入局部优化的缺点，我们将 GCOGA 与层次 聚类方法相结合，通过遗传算法的全局寻优特点弥补聚类算法的不足。在面对 多属性样本参与聚类时，本文提出了结合样本属性的 GCOGA-FCM 算法，充分的 考虑到样本的属性值对聚类效果的影响。 通过对数据挖掘的方法进行研究与 改进，将其应用于水平井产能预测。针对水平井产能预测的特点，建立水平井 产能预测模型，将本文提出的算法应用于此模型中。实验结果表明，模型完成 水平井细化分类，提高了水平井产能预测的准确度，应用效果比较理想。 水平井产能预测在水平井开采过程中起到至关重要的作用，目前对水平井产能 的预测大部分是由公式预测，准确度不高。同时长期积累下来的水平井数据没 有得到充分利用。数据挖掘技术为从大量的水平井数据中获得信息提供了有效 途径。 在已有的数据挖掘技术基础上，对聚类分析方法和遗传算法做了进一 步研究，提出一种基于中心定位算子的遗传算法(GCOGA)。该方法在保持遗传算 法全局寻优特点的同时解决了遗传算法运行后期在最优解附近左右摆动，收敛 速度较慢的问题。针对聚类算法易陷入局部优化的缺点，我们将 GCOGA 与层次 聚类方法相结合，通过遗传算法的全局寻优特点弥补聚类算法的不足。在面对多属性样本参与聚类时，本文提出了结合样本属性的 GCOGA-FCM 算法，充分的 考虑到样本的属性值对聚类效果的影响。 通过对数据挖掘的方法进行研究与 改进，将其应用于水平井产能预测。针对水平井产能预测的特点，建立水平井 产能预测模型，将本文提出的算法应用于此模型中。实验结果表明，模型完成 水平井细化分类，提高了水平井产能预测的准确度，应用效果比较理想。 水平井产能预测在水平井开采过程中起到至关重要的作用，目前对水平井产能 的预测大部分是由公式预测，准确度不高。同时长期积累下来的水平井数据没 有得到充分利用。数据挖掘技术为从大量的水平井数据中获得信息提供了有效 途径。 在已有的数据挖掘技术基础上，对聚类分析方法和遗传算法做了进一 步研究，提出一种基于中心定位算子的遗传算法(GCOGA)。该方法在保持遗传算 法全局寻优特点的同时解决了遗传算法运行后期在最优解附近左右摆动，收敛 速度较慢的问题。针对聚类算法易陷入局部优化的缺点，我们将 GCOGA 与层次 聚类方法相结合，通过遗传算法的全局寻优特点弥补聚类算法的不足。在面对 多属性样本参与聚类时，本文提出了结合样本属性的 GCOGA-FCM 算法，充分的 考虑到样本的属性值对聚类效果的影响。 通过对数据挖掘的方法进行研究与 改进，将其应用于水平井产能预测。针对水平井产能预测的特点，建立水平井 产能预测模型，将本文提出的算法应用于此模型中。实验结果表明，模型完成 水平井细化分类，提高了水平井产能预测的准确度，应用效果比较理想。 水平井产能预测在水平井开采过程中起到至关重要的作用，目前对水平井产能 的预测大部分是由公式预测，准确度不高。同时长期积累下来的水平井数据没 有得到充分利用。数据挖掘技术为从大量的水平井数据中获得信息提供了有效 途径。 在已有的数据挖掘技术基础上，对聚类分析方法和遗传算法做了进一 步研究，提出一种基于中心定位算子的遗传算法(GCOGA)。该方法在保持遗传算 法全局寻优特点的同时解决了遗传算法运行后期在最优解附近左右摆动，收敛 速度较慢的问题。针对聚类算法易陷入局部优化的缺点，我们将 GCOGA 与层次 聚类方法相结合，通过遗传算法的全局寻优特点弥补聚类算法的不足。在面对 多属性样本参与聚类时，本文提出了结合样本属性的 GCOGA-FCM 算法，充分的 考虑到样本的属性值对聚类效果的影响。 通过对数据挖掘的方法进行研究与 改进，将其应用于水平井产能预测。针对水平井产能预测的特点，建立水平井 产能预测模型，将本文提出的算法应用于此模型中。实验结果表明，模型完成 水平井细化分类，提高了水平井产能预测的准确度，应用效果比较理想。 水平井产能预测在水平井开采过程中起到至关重要的作用，目前对水平井产能 的预测大部分是由公式预测，准确度不高。同时长期积累下来的水平井数据没 有得到充分利用。数据挖掘技术为从大量的水平井数据中获得信息提供了有效 途径。 在已有的数据挖掘技术基础上，对聚类分析方法和遗传算法做了进一 步研究，提出一种基于中心定位算子