基于过程神经网络和量子免疫算法的油气评价

doi:10.3778/j.issn.1002-8331.2008.25.003

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (25): 9-12.DOI: 10.3778/j.issn.1002-8331.2008.25.003

基于过程神经网络和量子免疫算法的油气评价

李欣^1,2,程春田²,李刚²

1.大连理工大学电子与信息工程学院，辽宁大连 116024
2.大连理工大学水电与水信息研究所，辽宁大连 116024

收稿日期:2008-03-18 修回日期:2008-05-20 出版日期:2008-09-01 发布日期:2008-09-01
通讯作者: 李欣

Evaluation method of oil and gas resource based on process neural networks and quantum immune algorithm

LI Xin^1,2,CHENG Chun-tian²,LI Gang²

1.School of Electronics and Information Engineering，Dalian University of Technology，Dalian，Liaoning 116024，China
2.Institute of Hydropower System & Hydroinformatics，Dalian University of Technology，Dalian，Liaoning 116024，China

Received:2008-03-18 Revised:2008-05-20 Online:2008-09-01 Published:2008-09-01
Contact: LI Xin

摘要/Abstract

摘要： 为评价我国目前油气资源的可持续发展能力，提出了一种将过程神经元网络与量子免疫算法相结合的评价方法。首先，在构建油气资源可持续发展能力评价指标体系的基础上，采用过程神经元网络建立评价指标体系与评价结果之间的映射关系；然后采用量子免疫算法完成网络的训练；最后，以2004年～2006年的油气资源经济可持续发展评价为例，验证了方法的有效性和可行性。

关键词: 过程神经元网络, 量子免疫算法, 油气资源, 综合评价

Abstract: In order to evaluate the sustainable development capacity of current oil and gas resources，a process neural network evaluation method based on quantum immune optimization is proposed.Firstly，on the basis of the sustainable development economy evaluation index system construction，the process neural network is applied to create the mapping relationship between evaluation Index system and the evaluation results.Secondly，the quantum immune algorithm is applied to optimize the weight of the process neural network，which completes the training process of network.Finally，the economy evaluation result of oil and gas sustainable development from 2004 to 2006 shows that the proposed method is feasible and effective.

Key words: process neural networks, quantum immune algorithm, oil and gas resource, general evaluation

李欣^1,2,程春田²,李刚². 基于过程神经网络和量子免疫算法的油气评价[J]. 计算机工程与应用, 2008, 44(25): 9-12.

LI Xin^1,2,CHENG Chun-tian²,LI Gang². Evaluation method of oil and gas resource based on process neural networks and quantum immune algorithm[J]. Computer Engineering and Applications, 2008, 44(25): 9-12.

[1]	曹林，王之腾，陈亮，李洪顺，高申，张自立. 基于改进量子免疫算法的神经网络集成[J]. 计算机工程与应用, 2020, 56(22): 142-147.
[2]	王雪丽1，张璇1，3，李彤1，3，王旭2. 面向可信软件的风险评估方法[J]. 计算机工程与应用, 2016, 52(19): 97-101.
[3]	刘焕军，李石君. 应用模糊综合评价进行智能手机评估建模[J]. 计算机工程与应用, 2016, 52(1): 224-228.
[4]	张明阳，沈明玉. 基于WSN的数据融合在水质监测中的研究[J]. 计算机工程与应用, 2014, 50(23): 234-238.
[5]	黄璐，段中兴. 城市地铁光环境模糊综合评价方法研究[J]. 计算机工程与应用, 2014, 50(16): 221-225.
[6]	盛松涛1，2，张飞涟1，张贵金2. FAHP改进Shapley值法进行工程科技创新收益分配[J]. 计算机工程与应用, 2014, 50(16): 250-254.
[7]	高婧，于军琪. 基于AHP-Fuzzy的大型公共建筑可持续性评价研究[J]. 计算机工程与应用, 2014, 50(13): 252-256.
[8]	郝玫，王道平. 网上书店服务质量评价模型研究[J]. 计算机工程与应用, 2014, 50(1): 5-10.
[9]	王晓艳1，殷辉1，2. 模糊合作对策区间Shapley值法的改进及应用[J]. 计算机工程与应用, 2013, 49(15): 60-64.
[10]	谭励，商利利，于重重，吴子珺. 粗糙集在桥梁结构健康多级模糊评价中的应用[J]. 计算机工程与应用, 2013, 49(14): 260-263.
[11]	李振福1，闫力2，徐梦俏1，刘柏鹤1，马书孟1. 北极航线通航环境评价[J]. 计算机工程与应用, 2013, 49(1): 249-253.
[12]	何乃强，惠晓滨，周漩. 基于正态区间估计的改进型无量纲化方法[J]. 计算机工程与应用, 2012, 48(5): 236-238.
[13]	张强，许少华，李盼池. 分式过程神经元网络在网络流量预测中的应用[J]. 计算机工程与应用, 2012, 48(35): 62-66.
[14]	陈雪刚1，程杰仁2. 多因素分层模糊综合风险评估方法的应用研究[J]. 计算机工程与应用, 2012, 48(30): 128-131.
[15]	蒋德珑，王克文. 不良数据检测与辨识算法的评估研究[J]. 计算机工程与应用, 2012, 48(22): 239-243.

基于过程神经网络和量子免疫算法的油气评价

Evaluation method of oil and gas resource based on process neural networks and quantum immune algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics