<address id="xftjz"><nobr id="xftjz"><meter id="xftjz"></meter></nobr></address>

              <address id="xftjz"><nobr id="xftjz"><meter id="xftjz"></meter></nobr></address>

              <form id="xftjz"><nobr id="xftjz"></nobr></form>

              產品定位

              建立一套完整的大數據AI分析平臺,實現技術方法、業務經驗、業務模型復用。

              技術方法復用

              通過不斷積累沉淀當前常用的機器學習算法,提供業務分析、數據處理、模型學習、運行監控的可視化平臺,讓問題回歸業務,提高模型建立的效率

              業務經驗復用

              平臺將不同業務模型訓練過程中的參數進行積累和沉淀,并以服務的形式提供給建模人員試用

              業務模型復用

              評估部署后的模型將作為統一的模型服務提供給不同業務應用場景使用,從而減少煙囪式的模型建設

              產品功能

              大數據AI分析平臺主要應用于業務分析人員,通過平臺功能,建立可視化模型訓練和發布管理平臺,降低機器學習模型訓練的成果,并實現業務模型的積累和復用。
              從數據接入、數據處理、模型構建、模型評估、模型管理五個方面,實現了業務→數據→模型誕生。
              2.1 數據接入
              提供高效的數據接入和管理方式,多類型數據庫、本地數據獲取,數據權限控制。

              數據接入

              支持常用關系型數據庫(orcle、sqlserver、mysql、達夢等)、MPP數據(vertica、tidb、teradata等)、大數據引擎、及內存數據接入,同時也支持導入本地數據文件

              數據授權

              入庫數據可以實現在用戶權限控制,多人共享,也能避免數據泄露風險

              數據預覽

              提供在線數據查看工具,及時掌握數據內容
              2.2 數據處理
              數據處理工具的集成,使數據處理操作更簡單,更有效,同時支持添加外部處理方法。
              數據標準化
              對接入的數據進行標準化的單位、小數位數轉換以及多種處理方式,消除數量級和量綱造成的不利影響
              異常值檢測
              利用原始數據的分布特征情況,對存在異常和噪聲的數據進行檢測和識別。同時可進一步對識別出的異常值進行處理
              數據融合
              提供多表數據連接以及數據拆分等工具,組合得到新的模型需要的成果數據
              特征工程
              基于基礎數據,通過各類業務邏輯以及公式計算,形成新的、更有價值的特征參數,參與數據模型分析;涵蓋常用標準特征工程11類,油氣解釋專有特征工程17類。
              2.3 模型構建
              滿足用戶建模全流程需求功能節點,圖形化、拖拽式的建模體驗,全流程模型洞察,多種自動學習功能,智能算法選擇,快速完成分析模型的構建,支持分析成果一鍵式服務發布,能夠與企業現有業務系統無縫整合。
              平臺集成多類型模型分析算法,包括10種以上的文本算法、9種以上的算法類型、120種以上的分布式算法,同時也支持自定義算法集成,可簡便以很簡單的將本地算法與平臺結合,并參與模型分析計算。
              2.4 模型評估
              按照比例自由切分數據,同時支持模型使用訓練數據、盲測數據分別評估分析,快速輸出準確率及評估報告。
              2.5 模型管理
              提供一站式模型管理,簡潔的模型管理方式和多環境部署,滿足各類場景的模型使用需求。

              模型庫

              管理該應用下構建的所有模型列表,可以快速設置及模型導入導出

              模型發布

              通過流程概覽、服務配置、服務監控等功能,進行模型發布設置;通過調度的方式來執行模型運行任務

              模型部署

              構建完成的模型,提供模型包下載,能夠獨立部署或者聯網部署在任意服務環境中運行
              模型庫管理
              模型發布及配置
              軟件特色
              3.1 建模門檻低
              降低人工智能技術的使用門檻,讓企業更輕松、更快速得構建AI模型;使原有必須要通過數據分析師、業務專家、軟件開發人員通力合作才能完成的數據建模工作,通過平臺,一個業務專家即可快速完成模型構建和發布,易于掌握,、效率提升效率。
              3.2 建??梢暬?/div>
              借助AI平臺,把建模每一步流程化,按照流程進行模型的構建,通過拖拽式、連接式等操作,實現建模流程可視化管理,快速查看數據流向、建模方法、模型輸出等節點詳情。
              3.3 模型可復用
              每一個模型構建完成,既存在模型庫內,把不同的模型按照分類集中管理,可以隨時發布、應用,也能夠基于模型完善更新。
              3.4 建立模型閉環
              通過AI平臺,實現模型的構建、評估、部署、應用一體化;從業務需求→數據接入→算法處理→模型構建→模型評估→模型發布全流程閉環,并且應用數據也能夠反哺模型訓練,調整優化模型。
              成功案例
              西部鉆探工程有限公司
              2020年,在西部鉆探地質工程一體化平臺項目中,通過接入現場實時動態工程數據,地質數據,實現了工程預警分析,有效避免鉆井工程過程中異常事故的發生,提高鉆井作業安全。
              油田生產應用實例

              壓裂完井優化

              獲取大量不同類型數據挖掘中構建完井質量評價模型,有效指導新井的完井設計

              水驅油田無效儲層識別

              三維一體大數據分析能從高緯度數據挖掘分析識別多井間的無效循環層,動態發無效循環層形成過程,進一步分析并判斷注入井各個層段的吸水情況,為堵水措施提供決策支持

              油田產量預測

              更有效的獲取靜態、動態數據,并將其結合起來構建描述整個油藏生產過程的數據空間模型,利用該模型有效預測各類油田生產情況,并進一步參與后期大規模生產優化

              鉆井參數優化

              挖掘歷史鉆井數據信息,有效提取高效鉆井時段對應的多種參數,從而提高鉆井效率,縮短鉆井周期,對未來鉆井開發提供更加科學高效的決策參考和依據
              全免费A级毛片免费看无码-亚洲男女69影视在线观看-韩国无码在线观看-黑人牲交视频97免费全部-免费无码视频-亚洲狠狠五月丁香图片专区