蔡长宁
- 作品数:4 被引量:3H指数:1
- 供职机构:中国石油天然气集团公司中国石油勘探开发研究院更多>>
- 发文基金:国家自然科学基金更多>>
- 相关领域:自动化与计算机技术石油与天然气工程更多>>
- 基于Hadoop的高性能集群状态监测分析被引量:1
- 2014年
- 油气勘探对高性能集群的稳定性提出了更高的要求,为解决其与传统管理技术间的矛盾,设计并实现基于Hadoop技术的集群状态数据存储与分析平台。该方案包括状态数据收集、HBase存储与通过MapReduce实现的k-means聚类算法。通过对HBase的压力测试以及k-means算法的聚类效果分析验证了该方案的实用性,其适用于高性能集群的主动方式故障管理。
- 刘树仁冯超敏文玲蔡长宁赵书贵
- 关键词:HADOOPHBASEMAPREDUCEK-MEANS集群
- 基于石油测井解释业务的大数据应用方法思考被引量:2
- 2020年
- 随着大数据分析技术日趋成熟,越来越多的石油企业开始关注大数据的应用研究。论文针对油气勘探生产过程中的石油测井解释这一关键业务环节,结合当前大数据的发展趋势,分析了石油测井解释业务的技术现状及未来面临的挑战,最后提出了加强测井大数据采集和集成处理,同时注重大数据信息挖掘和预测分析技术研究的业务设想,以期通过大数据技术的应用,挖掘出油气勘探生产过程中所形成的海量测井数据的潜在价值。
- 张慧珍蔡长宁樊利
- 关键词:石油测井大数据信息挖掘数据分析
- 融合BVM与ELM的网络异常检测方法
- 2012年
- 针对用单一分类器对网络进行异常检测时存在的检测率低、虚警率高等问题,提出了一种新的融合球向量机(BVM,Ball Vector Machine)与极限学习机(ELM,Extreme Learning Machine)的异常检测方法.该方法分别用BVM与ELM对三类网络特征进行学习,通过BP神经网络训练出相应权值来融合标签.实验表明:使用该融合方法进行网络异常检测的性能要优于使用单一的BVM或ELM;相对于融合传统的SVM与BP网络的方法,融合BVM与ELM网络异常检测方法的检测率与虚警率与传统方法相当,但其训练速度快、整体性更优.
- 蔡长宁潘华贤程国建
- 关键词:网络异常检测极限学习机数据融合
- 企业数据中心构架研究与设计
- 2005年
- 以中国石油勘探开发研究院西北分院的数据中心为研究对象,集中分析了目前数据中心的架构以及这种架构存在的种种问题。在此墓础上,分别从网络平台、存储模式以及灾难备份3个方面研究并构架了一种新的企业数据中心模式。新的数据中心模型从高带宽的网络、异构存储介质的统一管理、面向网络的存储结构和自动备份机制的容灾手段上,解决了现存数据中心存在的问题,为以后数据中心的扩展和提高奠定了物理基础。
- 杨志贤蔡长宁陈靓
- 关键词:数据中心灾难备份存储模式备份机制物理基础容灾