發(fā)布時間：2018-01-18 08:22

  本文關(guān)鍵詞：時序關(guān)聯(lián)規(guī)則在鉆井事故中的應(yīng)用　出處：《計算機應(yīng)用》2017年S1期 　論文類型：期刊論文

  更多相關(guān)文章： 石油鉆井 關(guān)聯(lián)規(guī)則 粗糙集 時序關(guān)聯(lián)規(guī)則

【摘要】：針對關(guān)聯(lián)規(guī)則用于分析石油鉆井事故的因果關(guān)系未考慮時間屬性的問題,提出了一個分析石油鉆井事故屬性的時序關(guān)聯(lián)規(guī)則方法。該方法是基于粗糙集、時間序列、關(guān)聯(lián)規(guī)則的劃分算法。首先,在粗糙集的基礎(chǔ)上過濾數(shù)據(jù)庫中冗余屬性來獲得核屬性;然后,設(shè)定連續(xù)時間長度和子時間長度,連續(xù)時間長度被子時間長度劃分為若干個等時間間隔;最后,基于改進Apriori算法在滿足支持度和置信度的前提下生成時序關(guān)聯(lián)規(guī)則。實驗結(jié)果表明,時序關(guān)聯(lián)規(guī)則算法可以準確預(yù)測鉆井事故發(fā)生的趨勢。
[Abstract]:In order to solve the problem that the causality of oil drilling accidents is analyzed without considering the time attribute, a sequential association rule method for analyzing the attributes of oil drilling accidents is proposed, which is based on rough set. Time series, the partition algorithm of association rules. Firstly, the redundant attributes in the database are filtered on the basis of rough set to obtain the core attributes; Then, the continuous time length and the sub-time length are set, and the continuous time length quilt subtime length is divided into several equal time intervals. Finally, the time series association rules are generated based on the improved Apriori algorithm under the premise of satisfying the support and confidence levels. The experimental results show that the timing association rules algorithm can accurately predict the trend of drilling accidents.
【作者單位】： 西南石油大學(xué)計算機科學(xué)學(xué)院;
【分類號】：TE28;TP311.13
【正文快照】： 石油鉆井事故的影響非常具有破壞性,以至于幾十年后依然對發(fā)生的事故記憶猶新,事故經(jīng)常被人們引用[1]。事故發(fā)生的原因非常復(fù)雜,包括人的違章操作、管理缺陷、環(huán)境的不安全因素等。在石油鉆井過程中,分析事故發(fā)生的原因以及預(yù)測事故發(fā)生的趨勢是十分重要的。通過分析和研究事

【參考文獻】

相關(guān)期刊論文 前5條

1 劉娟娟;劉建平;;一種基于Apriori的關(guān)聯(lián)規(guī)則的改進算法的研究[J];工業(yè)控制計算機;2012年06期

2 李廣原;楊炳儒;周如旗;;一種基于約束的關(guān)聯(lián)規(guī)則挖掘算法[J];計算機科學(xué);2012年01期

3 王果;何曉華;駱曉艷;胡志波;陳素;;基于事物單屬性的挖掘算法的研究[J];商業(yè)文化(學(xué)術(shù)版);2009年08期

4 劉以安;羊斌;;關(guān)聯(lián)規(guī)則挖掘中對Apriori算法的一種改進研究[J];計算機應(yīng)用;2007年02期

5 王勇,張新政,高向軍;時序規(guī)則發(fā)現(xiàn)及其算法[J];計算機應(yīng)用研究;2005年06期

相關(guān)碩士學(xué)位論文 前2條

1 吳德;水文時間序列相似模式挖掘的研究與應(yīng)用[D];河海大學(xué);2007年

2 左愛文;數(shù)據(jù)挖掘技術(shù)在氣象數(shù)據(jù)中的應(yīng)用[D];西安電子科技大學(xué);2006年

【共引文獻】

相關(guān)期刊論文 前10條

1 陳甲華;;基于改進Apriori算法的大學(xué)成績關(guān)聯(lián)規(guī)則——某大學(xué)信管專業(yè)的實證研究[J];電子技術(shù)與軟件工程;2017年08期

2 羊斌;;分布式市場監(jiān)管數(shù)據(jù)庫的關(guān)聯(lián)規(guī)則挖掘[J];信息化研究;2017年02期

3 吳笑蘭;;關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘在讀者決策采購中的應(yīng)用研究[J];科技廣場;2017年02期

4 肖斌;肖亞飛;;時序關(guān)聯(lián)規(guī)則在鉆井事故中的應(yīng)用[J];計算機應(yīng)用;2017年S1期

5 徐春;李廣原;;一種高效的增量更新約束關(guān)聯(lián)規(guī)則挖掘算法的研究[J];廣西師范學(xué)院學(xué)報(自然科學(xué)版);2016年02期

6 常浩;賈松浩;楊彩;;基于命題邏輯的高度相關(guān)關(guān)聯(lián)規(guī)則挖掘算法[J];忻州師范學(xué)院學(xué)報;2015年05期

7 巨筱;于海燕;何建倉;;基于事務(wù)粒的Apriori改進算法[J];洛陽師范學(xué)院學(xué)報;2015年08期

8 顧輝;楊青;蔣成功;張茜;;關(guān)聯(lián)規(guī)則在成績分析中的研究及應(yīng)用[J];計算機應(yīng)用;2015年S1期

9 黃水源;段文影;陳桂香;胡蘇陽;;基于多支持度的增量式關(guān)聯(lián)規(guī)則挖掘算法[J];南昌大學(xué)學(xué)報(理科版);2015年02期

10 張鈺;劉玉文;;基于約束的序列模式關(guān)聯(lián)規(guī)則挖掘算法[J];太原師范學(xué)院學(xué)報(自然科學(xué)版);2015年01期

相關(guān)碩士學(xué)位論文 前10條

1 王昊;基于改進貝葉斯網(wǎng)絡(luò)的氣象數(shù)據(jù)預(yù)測算法研究[D];太原理工大學(xué);2016年

2 蒲曉;時序關(guān)聯(lián)規(guī)則在油建作業(yè)安全預(yù)警中的研究與應(yīng)用[D];西南石油大學(xué);2016年

3 張亞剛;時間序列數(shù)據(jù)挖掘在冰川物質(zhì)平衡預(yù)測中的應(yīng)用[D];蘭州交通大學(xué);2016年

4 高毅;小尺度對流單體的分類識別方法研究[D];天津大學(xué);2016年

5 李偉能;數(shù)據(jù)挖掘在昆明氣象數(shù)據(jù)分析中的應(yīng)用[D];云南大學(xué);2015年

6 黃鈞晟;云計算環(huán)境下基于Apriori算法的氣象數(shù)據(jù)關(guān)聯(lián)規(guī)則分析研究[D];南京信息工程大學(xué);2015年

7 劉君;基于Hadoop技術(shù)的氣象數(shù)據(jù)采集及數(shù)據(jù)挖掘平臺的研究[D];天津理工大學(xué);2015年

8 儲雅;基于HDFS的氣象云存儲的副本管理策略研究[D];南京信息工程大學(xué);2014年

9 聶進;模糊決策樹算法在降雨預(yù)測中的研究與應(yīng)用[D];廣東工業(yè)大學(xué);2014年

10 曹浩;氣象數(shù)據(jù)網(wǎng)格中大量小文件傳輸優(yōu)化[D];南京信息工程大學(xué);2013年

【二級參考文獻】

相關(guān)期刊論文 前6條

1 姚俊;淺談關(guān)聯(lián)規(guī)則挖掘[J];信息技術(shù);2005年06期

2 徐章艷,劉美玲,張師超,盧景麗,區(qū)玉明;Apriori算法的三種優(yōu)化方法[J];計算機工程與應(yīng)用;2004年36期

3 皮德常,秦小麟,王寧生;基于動態(tài)剪枝的關(guān)聯(lián)規(guī)則挖掘算法[J];小型微型計算機系統(tǒng);2004年10期

4 徐章艷,張師超,區(qū)玉明,盧景麗,劉美玲;挖掘關(guān)聯(lián)規(guī)則中的一種優(yōu)化的Apriori算法[J];計算機工程;2003年19期

5 劉軍,謝康林;一種改進的關(guān)聯(lián)規(guī)則提取算法[J];小型微型計算機系統(tǒng);2003年07期

6 毛國君,劉椿年;基于項目序列集操作的關(guān)聯(lián)規(guī)則挖掘算法[J];計算機學(xué)報;2002年04期

相關(guān)碩士學(xué)位論文 前1條

1 楊敏;水文時間序列相似性模型的研究與應(yīng)用[D];河海大學(xué);2002年

【相似文獻】

相關(guān)期刊論文 前10條

1 韓朝輝;郭建明;;鉆井事故領(lǐng)域知識構(gòu)建應(yīng)用研究[J];內(nèi)蒙古石油化工;2006年12期

2 劉文龍;張宏;;基于錄井?dāng)?shù)據(jù)的鉆井事故預(yù)警理論[J];價值工程;2012年31期

3 徐英卓;協(xié)同式遠程鉆井事故診斷與處理系統(tǒng)研究[J];石油學(xué)報;2003年05期

4 郭建明;李琪;徐英卓;;基于實例和規(guī)則集成推理的鉆井事故診斷處理系統(tǒng)[J];石油鉆探技術(shù);2007年03期

5 王江萍;李飛;鮑澤富;;多傳感器信息融合方法在鉆井事故診斷中的應(yīng)用[J];新技術(shù)新工藝;2009年02期

6 郭荊;李琪;高曉榮;楊琳;;鉆井事故災(zāi)難應(yīng)急救援預(yù)案編制技術(shù)[J];石油工業(yè)技術(shù)監(jiān)督;2009年08期

7 王靜;;石油鉆井事故的統(tǒng)計分析[J];現(xiàn)代經(jīng)濟信息;2012年06期

8 樊帆;張陽;何雷;趙鵬;賴希;;基于多源信息融合的鉆井事故預(yù)警系統(tǒng)研究[J];遼寧化工;2012年06期

9 李琪;徐英卓;;鉆井事故災(zāi)難應(yīng)急信息共享與決策指揮系統(tǒng)研究[J];石油鉆采工藝;2012年05期

10 劉昆;湯成兵;;鉆井事故應(yīng)急管理能力評價系統(tǒng)的研究[J];山西電子技術(shù);2013年05期

相關(guān)碩士學(xué)位論文 前7條

1 岳煒杰;“三高”油氣井溢流先兆在線監(jiān)測與預(yù)警系統(tǒng)設(shè)計與開發(fā)[D];中國石油大學(xué)(華東);2014年

2 郭荊;鉆井事故災(zāi)難應(yīng)急救援系統(tǒng)的設(shè)計與開發(fā)[D];西安石油大學(xué);2010年

3 胡英才;基于神經(jīng)網(wǎng)絡(luò)融合技術(shù)的鉆井事故診斷方法研究[D];西安石油大學(xué);2011年

4 樊帆;基于多源信息的鉆井事故預(yù)警系統(tǒng)研究[D];西安石油大學(xué);2013年

5 馬文靜;鉆井事故災(zāi)難應(yīng)急救援決策支持系統(tǒng)研究[D];西安石油大學(xué);2010年

6 張金鵬;基于RDT&FDF方法的石油鉆井事故診斷系統(tǒng)[D];大連理工大學(xué);2011年

7 孫萬海;基于SVM和PSO的鉆井事故智能預(yù)警系統(tǒng)研究[D];西安石油大學(xué);2014年

，

本文編號：1440192