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分析

在对粉煤灰地质聚合物抗压强度的研究中，通过特定方法评估聚类情况，发现了九个聚类。抗压强度的聚类显示了地质聚合物混凝土生产中材料使用的相似性。

为了推动混凝土技术创新并契合可持续发展目标，有以下建议：
- 进一步深入研究该分析，这可能是混凝土技术的一项创新。
- 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，以考量其随时间的强度和耐久性，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。早期较高的抗压强度适用于紧急建设和修复工程。
- 进一步研究人工神经网络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

2.1 知识发现与数据挑战

知识发现于数据库（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。然而，在处理大数据时，如果科学家没有先验知识，KDD会变得困难，因为理解和选择用于命题化的相关特征需要大量知识。命题化是将存储在多个表中的原始关系型数据转换为存储在一个表中的命题数据，更便于进行特征选择和数据挖掘。

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端稀疏性等特点，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完成，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与现有方法

FSbP指的是KDD选择阶段的自动特征选择。之前Motl