【摘要】：聚類分析作為數(shù)據(jù)挖掘領(lǐng)域中的一個(gè)重要研究方法得到了研究人員的廣泛關(guān)注。其思想來源于圖的劃分,將數(shù)據(jù)聚類問題轉(zhuǎn)換成圖論中對(duì)圖的最優(yōu)分割問題。主要目的是將所需處理的數(shù)據(jù)對(duì)象通過“類內(nèi)相似最大化,類間相似最小化”的準(zhǔn)則分成不同的類或簇。譜聚類算法與圖的譜相關(guān),與其他典型聚類分析算法相較,譜聚類算法降低了對(duì)樣本空間的形狀要求,同時(shí)也有效地解決了一些算法的局部最優(yōu)問題。本文在已有研究基礎(chǔ)上,對(duì)譜聚類算法進(jìn)行了部分改進(jìn)。針對(duì)傳統(tǒng)譜聚類算法中自動(dòng)確定類別數(shù)目以及特征向量選取困難的問題,提出了利用特征值間隔自動(dòng)確定類別數(shù)目及選取特征向量的譜聚類算法。算法使用數(shù)據(jù)構(gòu)造出拉普拉斯矩陣,然后求解拉普拉斯特征值及特征間隔,用特征值間隔確定聚類數(shù)目以及有用的特征向量。最后利用K-means算法對(duì)選出的特征向量進(jìn)行聚類,最終得到社團(tuán)劃分的結(jié)果。為了測(cè)試算法的可行性以及劃分結(jié)果的準(zhǔn)確性,使用Matlab軟件對(duì)常用基準(zhǔn)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行實(shí)驗(yàn),結(jié)果表明算法有效、可行。在油氣生產(chǎn)過程中,預(yù)先較準(zhǔn)確地預(yù)測(cè)油氣產(chǎn)量對(duì)石油開采的部署有重要意義。通過對(duì)油氣田生產(chǎn)環(huán)境中的單井進(jìn)行建模并處理,使其變成譜聚類算法可處理的數(shù)據(jù)。然后運(yùn)用本文提出的譜聚類算法,得出單井的分類,利用分類結(jié)果進(jìn)一步對(duì)油氣產(chǎn)量進(jìn)行預(yù)測(cè)。對(duì)單井的油氣產(chǎn)量預(yù)測(cè)時(shí),不僅考慮單井自身因素而且將同一簇內(nèi)與之有關(guān)聯(lián)的井的影響因素考慮在內(nèi),提高了預(yù)測(cè)產(chǎn)量的準(zhǔn)確性。經(jīng)過實(shí)例可以得出譜聚類算法能夠有效應(yīng)用于油氣產(chǎn)量預(yù)測(cè)中。本文的主要成果有:(1)提出了一種自動(dòng)確定特征向量與類別數(shù)目的譜聚類算法,使用Matlab軟件對(duì)算法在實(shí)驗(yàn)網(wǎng)絡(luò)上進(jìn)行測(cè)試,結(jié)果表明算法可行、有效;(2)將本文提出的自動(dòng)確定特征向量與類別數(shù)目的譜聚類算法應(yīng)用到油氣產(chǎn)量預(yù)測(cè)中。對(duì)油氣田生產(chǎn)環(huán)境中的單井進(jìn)行建模處理,用譜聚類算法進(jìn)行聚類分析得出單井的分類,利用分類結(jié)果對(duì)單井油氣產(chǎn)量進(jìn)行預(yù)測(cè)。
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP311.13;P618.13
【圖文】：

圖 1.1 Konigsberg 七橋問題示意圖主要形態(tài)之一，世界各國(guó)因經(jīng)濟(jì)的生產(chǎn)、貿(mào)易等方面的競(jìng)爭(zhēng)也越來越年遞增，一直呈現(xiàn)上升趨勢(shì)。石油油氣田的總量有限，開采量不能一法對(duì)我國(guó)油氣田產(chǎn)量進(jìn)行準(zhǔn)確預(yù)測(cè)響到我國(guó)經(jīng)濟(jì)策略的制定[4]。為此

圖 2.1 簡(jiǎn)單示例圖及其鄰接矩陣矩陣記為 D，定義為 1 2, ,...nD diag d d d。為,1ni i jjd a 。當(dāng)頂點(diǎn)iv 是邊i ,je 的端點(diǎn)時(shí)，iv 的度表示其關(guān)聯(lián)邊的總數(shù)或者其權(quán)重的總 為：3 0 0 0 00 3 0 0 00 0 3 0 00 0 0 1 00 0 0 0 2D 斯矩陣定義為 L D A。其中，D 為圖 G 示例圖 2.1，其拉普拉斯矩陣為：3 1 1 0 11 3 1 0 1

圖 2.2 圖譜分割示例圖 在 C 、 H 之 間 進(jìn) 行 切 割 的 時(shí) 候 ， 可 11,2ki iicut A A ，但是通過這種切割得到的結(jié)解如圖中所示。為了避免這種情況給出了后則圖出現(xiàn)的一個(gè)點(diǎn)集為一種類別的結(jié)果，需要思想，1992 年 Hagen 與 Kahng 提出了一種比例圖，比例切割不僅考慮了最小化 1 2, ,...kcut A A A 。比例割集準(zhǔn)則[18]定義如下：1 211( , )( , ,... )2ki iKiicut A ARatioCut A A AA . 內(nèi)部所有頂點(diǎn)的數(shù)目。 ( , )i icut A A 表示簇iA 與其數(shù)最小化時(shí)，圖劃分的結(jié)果最優(yōu)。而譜聚類算

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 田雨聰;耿子月;謝安泰;袁伊珊;張淑芬;;基于數(shù)據(jù)挖掘的消費(fèi)者價(jià)值細(xì)分模型研究[J];軟件;2017年08期

2 汪曉鋒;劉功申;李建華;;基于模糊聚類的多分辨率社區(qū)發(fā)現(xiàn)方法[J];電子與信息學(xué)報(bào);2017年09期

3 黃一鳴;雷航;李曉瑜;;量子機(jī)器學(xué)習(xí)算法綜述[J];計(jì)算機(jī)學(xué)報(bào);2018年01期

4 陳小雪;尉永清;任敏;孟媛媛;;基于螢火蟲優(yōu)化的加權(quán)K-means算法[J];計(jì)算機(jī)應(yīng)用研究;2018年02期

5 熊蘭;高炳;;基于RFM多層級(jí)客戶價(jià)值模型的客戶細(xì)分研究[J];商業(yè)經(jīng)濟(jì)研究;2017年05期

6 王英博;馬菁;宋曉倩;;基于最優(yōu)投影的半監(jiān)督譜聚類算法[J];計(jì)算機(jī)應(yīng)用研究;2018年01期

7 祝f ;;2015年中國(guó)石油和化工行業(yè)經(jīng)濟(jì)運(yùn)行回顧與2016年展望[J];化工管理;2016年04期

8 潘繼平;婁鈺;王陸新;;中國(guó)“十二五”油氣勘探開發(fā)規(guī)劃目標(biāo)后評(píng)估及“十三五”目標(biāo)預(yù)測(cè)[J];天然氣工業(yè);2016年01期

9 盧鵬麗;趙玲艷;魏柏舟;;基于改進(jìn)相鄰節(jié)點(diǎn)相似度的社團(tuán)劃分算法[J];蘭州理工大學(xué)學(xué)報(bào);2015年06期

10 張?chǎng)?劉秉權(quán);王曉龍;;復(fù)雜網(wǎng)絡(luò)中社區(qū)發(fā)現(xiàn)方法的研究[J];計(jì)算機(jī)工程與應(yīng)用;2015年24期

相關(guān)碩士學(xué)位論文 前2條

1 李錦;基于復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)特征的社團(tuán)檢測(cè)算法研究[D];西安理工大學(xué);2017年

2 王麗;圖論在算法設(shè)計(jì)中的應(yīng)用[D];西安電子科技大學(xué);2010年

本文編號(hào)：2763179