利用Oracle数据库中的数据挖掘选件(Oracle Data Mining,ODM),并使用存储在Oracle数据库中的时间序列数据,可构建预测时间序列未来值的支持向量机(Support Vector Machines,SVM)模型。建模时,需去除时间序列中的趋势,将目标属性标准化,...利用Oracle数据库中的数据挖掘选件(Oracle Data Mining,ODM),并使用存储在Oracle数据库中的时间序列数据,可构建预测时间序列未来值的支持向量机(Support Vector Machines,SVM)模型。建模时,需去除时间序列中的趋势,将目标属性标准化,确定包含延迟变量窗口的尺寸,利用机器学习方法,由时间序列历史数据得出SVM预测模型。与传统时间序列预测模型相比,SVM预测模型能够揭示时间序列的非线性、非平稳性和随机性,从而得到较高的预测精度。展开更多
为了有效保存、充分利用地质勘查数据,建立了基于GIS(Geographic Information System)的平台大庆探区外围盆地多源地学数据管理系统。该系统是大庆探区外围盆地地学数据库的组成部分,空间数据库使用GIS平台,属性数据库以Access 2003作...为了有效保存、充分利用地质勘查数据,建立了基于GIS(Geographic Information System)的平台大庆探区外围盆地多源地学数据管理系统。该系统是大庆探区外围盆地地学数据库的组成部分,空间数据库使用GIS平台,属性数据库以Access 2003作为底层数据库,采用MO(Map Object)控件,应用DAO(Data AccessObject)技术,通过Visual Basic语言实现了系统的各项功能。该系统具有对原始空间数据和属性数据进行添加、删除、查询和维护等功能,并开发了常规重力数据处理功能,可对原始重力的异常数据进行解析延拓、垂向导数、水平方向导数、归一化总梯度处理等。该系统可对研究区的地质、物探、化探等多源地学数据进行综合分析与对比,为确定油气资源区的位置、数量、质量提供了基础信息和技术支持。展开更多
文摘利用Oracle数据库中的数据挖掘选件(Oracle Data Mining,ODM),并使用存储在Oracle数据库中的时间序列数据,可构建预测时间序列未来值的支持向量机(Support Vector Machines,SVM)模型。建模时,需去除时间序列中的趋势,将目标属性标准化,确定包含延迟变量窗口的尺寸,利用机器学习方法,由时间序列历史数据得出SVM预测模型。与传统时间序列预测模型相比,SVM预测模型能够揭示时间序列的非线性、非平稳性和随机性,从而得到较高的预测精度。
