一种配置文件的推荐方法、装置及系统制造方法及图纸

本发明专利技术公开了一种配置文件的推荐方法、装置及系统，该方法包括：获取配置文件中多种配置项的参数范围和用于衡量配置文件的性能的多个指标的约束值；根据配置项的参数范围，生成多组参数向量的向量值；其中，参数向量为配置项按照设定顺序构成的向量；基于预设的对应每一指标的机器学习模型，根据对应指标的约束值和多组参数向量的向量值，选取推荐的参数向量的向量值；根据推荐的参数向量的向量值，确定推荐配置文件，并将推荐配置文件提供给用户。

A recommended method, device and system of configuration file

【技术实现步骤摘要】
一种配置文件的推荐方法、装置及系统
本专利技术涉及推荐
，更具体地，涉及一种配置文件的推荐方法、一种配置文件的推荐装置、一种包括至少一个计算装置和至少一个存储装置的系统及一种计算机可读存储介质。
技术介绍
钻井液是有钻井作业中的重要材料，承担着运移和悬浮岩屑、冷却钻头、减轻转柱摩擦、稳定和巩固井壁、防止底层流体流入井中、传递水功率、提供地址信息等多个重要功能。钻井液的性能主要包括：密度、粘度、切力、滤失量和滤饼、含砂量、固相含量、pH值等。这些性能影响钻进工作质量、效率和生产安全。根据不同钻井场景，钻井液的各项性能需要达到不同指标。为了满足各种作业需求所对应的性能指标，需要确定钻井液中各种有效成分(如膨润土、各种处理剂、加重材料、钻屑等)的添加量，形成特定的配方。在大部分情况下，工程师一般依靠自己的经验以及反复实验试错来设计钻井液配方。但是这种人为设计钻井液配方的方式存在对工程师的专业要求较高、钻井液配方的设计效率较低、成本较高的问题。
技术实现思路
本专利技术的一个目的是提供一种自动推荐配置文件的新技术方案。根据本专利技术的第一方面，提供了一种配置文件的推荐方法，包括：获取配置文件中多种配置项的参数范围和用于衡量配置文件的性能的多个指标的约束值；根据所述配置项的参数范围，生成多组参数向量的向量值；其中，所述参数向量为所述配置项按照设定顺序构成的向量；基于预设的对应每一所述指标的机器学习模型，根据对应指标的约束值和所述多组参数向量的向量值，选取推荐的参数向量的向量值；根据所述推荐的参数向量的向量值，确定推荐配置文件，并将所述推荐配置文件提供给用户。可选的，所述基于预设的对应每一所述指标的机器学习模型，根据对应指标的约束值和所述多组参数向量的向量值，选取推荐的参数向量的向量值包括：基于预设的逻辑算法，以每一指标的预测结果和约束值为变量，确定得分函数；对于每组参数向量的向量值，分别基于对应每一指标的机器学习模型，确定对应的指标的预测结果；对于每组参数向量的向量值，根据所述得分函数、对应每一所述指标的预测结果和约束值，确定推荐得分；根据所述推荐得分，选取所述推荐的参数向量的向量值。可选的，所述根据所述推荐得分，选取所述推荐的参数向量的向量值包括：选取推荐得分最高的设定数量组参数向量的向量值，作为所述推荐的参数向量的向量值；或者，选取推荐得分在设定范围内的至少一组参数向量的向量值，作为所述推荐的参数向量的向量值。可选的，所述基于预设的对应每一所述指标的机器学习模型，根据对应指标的约束值和所述多组参数向量的向量值，选取推荐的参数向量的向量值包括：对于每组参数向量的向量值，分别基于对应每一指标的机器学习模型，确定对应的指标的预测结果；根据每组参数向量的向量值对应每一所述指标的预测结果、和对应指标的约束值，选取推荐的参数向量的向量值。可选的，还包括：获取多个历史配置文件、和每一所述历史配置文件对应每一指标的实际值；根据所述历史配置文件和指标的实际值获得多个训练样本，每一训练样本包括一一对应的参数向量的向量值和每一所述指标的实际值；对于每一指标，分别基于预先选定的对应的机器学习算法，根据所述训练样本完成机器学习训练，得到对应指标的机器学习模型。可选的，所述对于每一指标，分别基于预先选定的对应的机器学习算法，根据所述训练样本完成机器学习训练，得到对应指标的机器学习模型包括：对于每一指标，以对应的机器学习算法的待定系数为变量，根据每一训练样本中参数向量的向量值构建对应的预测表达式；对于每一指标，分别根据每一训练样本对应的预测表达式和对应指标的实际值，构建对应指标的损失函数；对于每一指标，优化对应的损失函数，确定对应的待定系数的取值，完成机器学习训练，得到对应的机器学习模型。可选的，目标指标对应机器学习模型为概率模型，其中，所述目标指标为所述多个指标中的任意一个或多个，分别根据每一样本对应的预测表达式和目标指标的实际值，构建所述目标指标的损失函数包括：分别根据每一样本对应的预测表达式，确定每一样本对应所述目标指标的预测结果为所述目标指标的实际值的概率表达式；根据每一样本对应所述目标指标的概率表达式，得到所述目标指标的损失函数。可选的，还包括：获取所述推荐的参数向量的向量值对应的每一指标的实际值；将所述推荐的参数向量的向量值和每一指标的实际值对应存储至数据库中。可选的，还包括：将所述推荐的参数向量的向量值和对应的每一指标的实际值，作为的新的训练样本；根据所述新的训练样本，修正对应每一指标的机器学习模型。可选的，还包括：响应于基于所述每一指标的实际值和所述多个配置项获取配置文件的请求，查找所述数据库，获取对应的所述推荐配置文件；将所述推荐配置文件提供给用户。可选的，所述根据所述配置项的参数范围，生成多组参数向量的向量值包括：对于每种配置项，根据对应的预设步长，根据对应的参数范围确定对应的多个采样值；对每种配置项的采样值进行组合，得到多组所述参数向量的向量值。可选的，所述配置文件为配方；所述配置项为配方中的有效成分；所述获取配置文件中多种配置项的参数范围包括：获取所述配方中每种原材料的参数范围、和每种原材料中有效成分的含量；根据每种原材料的参数范围和每种原材料中有效成分的含量，确定所述有效成分的参数范围。可选的，所述根据所述推荐的参数向量的向量值，确定推荐配置文件包括：根据所述推荐的参数向量的向量值，确定每种有效成分的推荐参数；根据每种有效成分的推荐参数、和每种原材料中有效成分的含量，确定每种原材料的推荐参数；根据每种原材料的推荐参数确定所述推荐配置文件。可选的，所述配置文件为钻井液配方；所述指标至少包括以下任意一项或多项：成本、粘度、切力和滤失量；所述配置项至少包括以下任意一项或多项：钻井液配方中的有效成分、温度、钻井液密度和井内状况。可选的，还包括：提供配置界面，以供用户通过所述配置界面设定所述配置项的参数范围和所述指标的约束值。可选的，还包括：导出所述推荐配置文件，以供用户根据所述推荐配置文件进行生产或实验。根据本专利技术的第二方面，提供了一种配置文件的推荐装置，包括：用户交互模块，用于获取配置文件中多种配置项的参数范围和用于衡量配置文件的性能的多个指标的约束值；解释器，用于根据所述配置项的参数范围，生成多组参数向量的向量值；其中，所述参数向量为所述配置项按照设定顺序构成的向量；后端引擎，用于基于预设的对应每一所述指标的机器学习模型，根据对应指标的约束值和所述多组参数向量的向量值，选取推荐的参数向量的向量值；所述解释器还用于根据所述推荐的参数向量的向量值，确定推荐配置文件；所述用户交互模块本文档来自技高网...

【技术保护点】
1.一种配置文件的推荐方法，包括：/n获取配置文件中多种配置项的参数范围和用于衡量配置文件的性能的多个指标的约束值；/n根据所述配置项的参数范围，生成多组参数向量的向量值；其中，所述参数向量为所述配置项按照设定顺序构成的向量；/n基于预设的对应每一所述指标的机器学习模型，根据对应指标的约束值和所述多组参数向量的向量值，选取推荐的参数向量的向量值；/n根据所述推荐的参数向量的向量值，确定推荐配置文件，并将所述推荐配置文件提供给用户。/n

【技术特征摘要】
1.一种配置文件的推荐方法，包括：
获取配置文件中多种配置项的参数范围和用于衡量配置文件的性能的多个指标的约束值；
根据所述配置项的参数范围，生成多组参数向量的向量值；其中，所述参数向量为所述配置项按照设定顺序构成的向量；
基于预设的对应每一所述指标的机器学习模型，根据对应指标的约束值和所述多组参数向量的向量值，选取推荐的参数向量的向量值；
根据所述推荐的参数向量的向量值，确定推荐配置文件，并将所述推荐配置文件提供给用户。


2.根据权利要求1所述的方法，所述基于预设的对应每一所述指标的机器学习模型，根据对应指标的约束值和所述多组参数向量的向量值，选取推荐的参数向量的向量值包括：
基于预设的逻辑算法，以每一指标的预测结果和约束值为变量，确定得分函数；
对于每组参数向量的向量值，分别基于对应每一指标的机器学习模型，确定对应的指标的预测结果；
对于每组参数向量的向量值，根据所述得分函数、对应每一所述指标的预测结果和约束值，确定推荐得分；
根据所述推荐得分，选取所述推荐的参数向量的向量值。


3.根据权利要求2所述的方法，所述根据所述推荐得分，选取所述推荐的参数向量的向量值包括：
选取推荐得分最高的设定数量组参数向量的向量值，作为所述推荐的参数向量的向量值；或者，
选取推荐得分在设定范围内的至少一组参数向量的向量值，作为所述推荐的参数向量的向量值。


4.根据权利要求1所述的方法，所述基于预设的对应每一所述指标的机器学习模型，根据对应指标的约束值和所述多组参数向量的向量值，选取推荐的参数向量的向量值包括：
对于每组参数向量的向量值，分别基于对应每一指标的机器学习模型，确定对应的指标的预测结果；
根据每组参数向量的向量值对应每一所述指标的预测结果、和对应指标的约束值，选取推荐的参数向量的向量值。


5.根据权利要求1所述的方法，还包括：
获取多个历史配置文件、和每一所述历史配置文件对应每一指标的实际值；
根据所述历史配置文件和指标的实际值获得多个训练样本，每一训练样本包括一一对应的参数向量的向量值和每一所述指标的实际值；
对于每一指标，分别...

【专利技术属性】
技术研发人员：王梦硕，涂威威，
申请(专利权)人：第四范式北京技术有限公司，
类型：发明
国别省市：北京;11