面向油氣生產(chǎn)領(lǐng)域的微服務(wù)聚類方法研究.pdf

1、隨著油氣生產(chǎn)領(lǐng)域科技的不斷創(chuàng)新與發(fā)展，為了避免數(shù)據(jù)重復(fù)錄入、實(shí)現(xiàn)遠(yuǎn)程設(shè)備開關(guān)控制以及生產(chǎn)過程自動(dòng)監(jiān)測(cè)診斷等功能，油氣生產(chǎn)行業(yè)在短短十年間僅單單勘探與生產(chǎn)一個(gè)板塊，就已經(jīng)形成了一百多個(gè)應(yīng)用系統(tǒng)。其中，大部分系統(tǒng)都存在應(yīng)用服務(wù)重復(fù)編程開發(fā)的現(xiàn)象。中國(guó)石油油氣生產(chǎn)物聯(lián)網(wǎng)項(xiàng)目A11項(xiàng)目組提出搭建一個(gè)基于PaaS（平臺(tái)即服務(wù)）的油氣生產(chǎn)綜合管理集成平臺(tái)，利用微服務(wù)架構(gòu)將單體式應(yīng)用分解為多個(gè)可管理的微服務(wù)方法，這些微服務(wù)只需一次開發(fā)便可被多次使用，

2、這大大提高了軟件的質(zhì)量和開發(fā)效率。論文從軟件復(fù)用的角度出發(fā)，結(jié)合特定的領(lǐng)域特性，主要研究了面向油氣生產(chǎn)領(lǐng)域的刻面描述方法和改進(jìn)的聚類算法。具體設(shè)計(jì)工作如下：
　　1.針對(duì)中石油管理平臺(tái)中應(yīng)用服務(wù)數(shù)量多，相關(guān)術(shù)語領(lǐng)域性強(qiáng)等特性，提出了一種面向油氣生產(chǎn)領(lǐng)域的刻面與本體相結(jié)合的描述方法。從優(yōu)化領(lǐng)域術(shù)語的角度出發(fā)，提取微服務(wù)命名實(shí)體分詞并對(duì)分詞進(jìn)行同義轉(zhuǎn)換，進(jìn)而壓縮領(lǐng)域特征詞篩選的向量空間。采用改進(jìn)的領(lǐng)域特征詞篩選算法，突出領(lǐng)域特征詞與常

3、用詞匯之間的差別，進(jìn)一步過濾領(lǐng)域特征詞。實(shí)驗(yàn)結(jié)果表明，實(shí)體分詞同義轉(zhuǎn)換后，特征詞備選詞集的向量空間減小了47%，改進(jìn)后的領(lǐng)域特征詞篩選算法生成的特征詞向量具有較強(qiáng)的領(lǐng)域性。該方法能較獨(dú)立且全面的描述出目前平臺(tái)中所有的微服務(wù)應(yīng)用軟件。
　　2.針對(duì)傳統(tǒng)的 K-means算法需要事先確定聚類個(gè)數(shù)以及隨機(jī)獲取初始聚類中心，易陷入局部最優(yōu)解等問題，提出了一種基于引入?yún)?shù)的優(yōu)化聚類算法。利用先前提出的描述方法，獲得平臺(tái)中所有微服務(wù)應(yīng)用的刻面

4、描述向量集。首先建立相似參數(shù)ε與聚類個(gè)數(shù) k值之間的變化趨勢(shì)圖，確定恰當(dāng)聚類個(gè)數(shù) k值；然后根據(jù)初始聚類中心點(diǎn)密度較高，相互之間距離較遠(yuǎn)的選取原則確定初始聚類中心點(diǎn)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的聚類算法與傳統(tǒng)聚類算法以及其他改進(jìn)算法相比，具有較高的聚類準(zhǔn)確率和較低的誤差，能夠有效實(shí)現(xiàn)平臺(tái)中微服務(wù)的自動(dòng)聚類，減少了人為主觀因素對(duì)分類結(jié)果的影響。此外，這種算法具有全局性，能夠有效地避免聚類陷入局部最優(yōu)。
　　雖然論文對(duì)面向油氣生產(chǎn)領(lǐng)域的刻面