5、粉煤灰地质聚合物抗压强度数据分析与关系型石油钻井数据特征约简

粉煤灰地质聚合物抗压强度数据分析与关系型石油钻井数据特征约简

1. 粉煤灰地质聚合物抗压强度相关研究

在粉煤灰地质聚合物抗压强度的研究中，通过某种映射评估其聚类情况，共发现了九个聚类。抗压强度的聚类显示出地质聚合物混凝土生产中材料使用的相似性。

对于该研究，提出了以下建议：
- 进一步深入研究此分析，因其可能成为符合可持续发展目标（SDGs）的混凝土技术创新。
- 制备并测试地质聚合物混凝土在3天、7天、14天、28天和60天的强度，以考虑其强度和耐久性随时间的变化，确定最适合使用地质聚合物混凝土的结构类型，验证地质聚合物混凝土早期强度较高的假设。高早期抗压强度适用于紧急建筑和修复工程。
- 进一步研究人工神经网络（ANN）在预测地质聚合物混凝土抗压强度方面的应用。

2. 关系型石油钻井数据特征约简研究

2.1 知识发现与数据挑战

知识发现数据库（KDD）是许多数据科学家从先前收集的二手数据中提取知识的过程。在分析大数据时，KDD面临困难，尤其是在没有先验知识的情况下，因为理解和选择用于命题化（将存储在多个表中的原始关系数据转换为存储在一个表中的命题数据）的相关特征需要大量知识。

对于石油钻井数据，其具有多源、大数据以及特征和表格层面的极度稀疏性等特点，使得在KDD选择阶段进行数据探索、观察和编译变得不可行。传统的KDD选择通常由领域专家进行，但专家并非总是可用，数据科学家自行收集先验知识进行选择既困难又耗时，且在大数据领域扩展性不佳。

2.2 FSbP与DAHFR的提出

FSbP指的是KDD选择阶段的自动化特征选择。之前Motl曾提出过一