基于Hybrid数据的复杂系统辨识与优化设计及在低渗透油井中的应用

The analysis processing and applications of complex data play an irreplaceable important role in national economic and social development. The data with complete/incomplete information hybrid, different time-scales information hybrid, different types of information hybrid is said to be hybrid data. In the hybrid data environment, it is urgent to establish new theories and methods to identify the topology of network systems and the rules of dynamic evolution, then the optimization operations and design are executed. This project combines with the practical situations of low permeability oil well. The identification and optimization design of complex network topology structure and dynamic behaviors are investigated in the hybrid data environment. A generalized clustering and correlation of hybrid data are analyzed and the topology of complex network systems is identified. Based on the hybrid characteristics of data, a class of reduced-order observers is proposed to identify the dynamics parameters of complex network systems, structure and dynamic behaviors. A general dynamic performance function is constructed based on hybrid data and some performance-guaranteed dynamic evolution algorithms are designed under some constraints. The seepage dynamic analysis and optimization scheduling methods of low permeability oil well network systems are established based on hybrid data. This project will develop and establish some new theories and methods of modeling, identification and optimization of complex networks based on hybrid data, and it will technically guide the processing and applications of actual hybrid data.

复杂数据的分析和应用在国民经济和社会发展中发挥着重大作用。具有完全/不完全信息混杂、不同时间尺度信息混杂、不同类型信息混杂等特点的数据称之为Hybrid数据。Hybrid数据环境下，如何辨识网络系统拓扑结构和动态演化规律，并进行优化设计，迫切需要建立新的理论和方法。项目拟结合低渗透油井的生产实际，研究Hybrid数据环境下网络系统拓扑结构与动力学行为的辨识与优化设计，包括分析Hybrid数据的相关性，辨识网络系统的拓扑结构；针对数据的Hybrid特性，提出降维的状态观测器，辨识网络系统的动力学参数、结构和行为；基于Hybrid数据构建普适性的性能函数，设计网络系统在多因素约束下的保性能动态演化算法；建立基于Hybrid数据的低渗透油井的渗流动态分析与优化调度方法。本项目旨在发展与建立基于Hybrid数据的复杂网络系统的建模、辨识与优化理论，并为实际的Hybrid数据处理与应用提供技术指导。

在项目团队成员的共同努力与合作下，本项目从具有完全/不完全信息混杂、不同时间尺度信息混杂、不同类型信息混杂等Hybrid特性的大数据和低渗透油井的生产实际出发，研究了Hybrid数据环境下网络系统拓扑结构与动力学行为的辨识与优化、低渗透油井的渗流动态分析与优化等问题。针对复杂时空网络提出了自适应观测器和更新律，建立了未知拓扑和可观测信号之间的关系，实现了有限时间内在线推断拓扑结构；针对Hybrid数据环境下复杂网络的动力学行为辨识问题，建立了相应的动力学行为辨识规则；针对不同的网络结构、多种不同的优化目标，分别建立并验证了优化控制的方法或规则；建立了基于Hybrid数据的复杂网络系统的建模、辨识与优化一般理论。并将研究成果与低渗透油井多相流结合，提出了改进的或全新的识别规则和预测模型，给出了基于Hybrid数据的低渗透油井的动态分析与优化调度方法，为实际的Hybrid数据处理与应用提供了相应的理论支持与技术指导。在理论上得到了Hybrid数据环境下复杂网络系统的建模、辨识与优化理论，在实践上指导了低渗透油井的动态分析与优化调度方法；本项目的研究工作对于提高油气田的开发效益、服务国民经济具有重要的理论意义和实际应用价值。在国内外刊物和会议上发表论文共60篇，其中在Automatica、IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Systems, Man, and Cybernetics: Systems、Information Sciences等SCI源刊上发表34篇，圆满完成了研究计划中预期的研究任务。

内容获取失败，请点击重试