多源遥感技术在降雨诱发勉县地质灾害调查中的应用

陕南秦巴山区地形地貌、地质构造和气候条件复杂，易发和频发滑坡、泥石流等地质灾害。由于该区地形高差大且植被覆盖率高，传统的人工地面调查排查在地质灾害的调查识别中难度较大，需借助先进的地质灾害监测识别技术方法。笔者综合采用光学遥感、合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar, InSAR）和无人机航测等多种技术手段，对陕南勉县“8.22”强降雨诱发的地质灾害进行应急调查与识别分析，探索多源遥感技术对降雨诱发型地质灾害的识别能力与有效性。研究表明，多源遥感技术在强降雨诱发区域性地质灾害的识别和应急调查中能够发挥重要作用，可大大减少现场工作时间，并能提供全方位、多角度和可视化的高精度遥感成果；光学遥感、InSAR、无人机航测等技术具有各自的优势和识别范畴，仅靠单一的技术手段难以完全有效地解决灾害隐患识别问题，建立一套多源遥感技术相互融合、优势互补的综合调查识别体系，是强降雨条件下区域性地质灾害快速调查识别与评价的有效途径。     

矿物分类和识别的人工神经网络模型

本文提出矿物分类和识别的人工神经网络模型，并选取一组标样－我国沉积碳酸盐型锰矿中菱锰矿作为研究对象，识别效率达１００％。结果表明，该模型性能良好，可望成为矿物识别的有效手段。     

基于高分遥感影像和集成机器学习的祁连山区融冻泥流识别研究

受气候变暖影响，青藏高原的多年冻土正在发生广泛的退化，主要表现为融冻泥流事件的频繁发生，对生态系统和当地基础设施造成深刻影响。融冻泥流的精准识别有助于理解融冻泥流的发生和演变机制。近年来尽管基于深度学习的融冻泥流识别取得了进展，但机器学习算法在该领域的识别能力仍有待探究。本研究基于GF-2卫星遥感数据构建了一种基于集成机器学习的优化面向对象融冻泥流识别算法，引入了纹理和几何等空间信息来辅助识别融冻泥流，并基于面向对象技术改善了识别模型的错分问题。此外，基于集成学习整合不同机器学习模型的优势，以获得不低于常用深度学习模型的识别精度。结果表明，基于递归特征消除（RFE）特征选择算法剔除了多维特征数据集中的冗余特征，证明了纹理和几何信息是融冻泥流识别的有效数据补充。在优化后的面向对象机器学习模型中，随机森林（RF）的识别精度最高，总体精度为87.43%。McNemar检验表明，与单一模型相比，集成机器学习模型显著提高了融冻泥流识别精度，其总体精度为93.14%。对研究区内融冻泥流的地形特征进行统计分析后发现融冻泥流主要发生在海拔3 200～3 500 m之间，坡度介于5°～25°，并且以东北...     

利用模式识别技术识别致密砂岩含气层

准确识别致密砂岩含气层一直是测井解释工作所面临的一个难题，为准确识别致密砂岩含气储层，根据各种测井的响应特征，运用计算机模式识别技术进行气层综合识别。通过对实际资料处理与气层测试对比，气层识别的准确率可达到91％，储层划分的纵向误差均〈0．450m。     

大港滩海区埕北断阶带古近系层序界面的识别方法

通过对大港滩海区埕北断阶带层序地层的研究，将研究区古近系划分为3个三级层序，总结了5种识别层序界面的方法：①地震识别法；②钻井识别法；③测井识别法；④古生物组合识别法；⑤地球化学识别法。在研究区，方法①表现为区域性的上超和削截；方法②表现为岩性和泥岩颜色的突变；方法③表现为各种曲线和地层倾角的突变；方法④表现为古生物组合类型的变化；方法⑤表现为Fe^2＋／Mn^2＋值由下向上由逐渐增大，转为突然变小。其中方法①、③、④是层序界面的主要识别标志，方法②可作为参考标志，而方法⑤的应用效果较差。     

用自组织人工神经网络分类,识别矿物

作者运用三维Ｔ．Ｋｏｈｏｎｅｎ自组织人工神经网络对我国沉积碳酸盐型锰矿中菱锰矿进行分类、识别。所选研究实例中，识别成功率达１００％．结果表明，该网络性能良好，可望成为矿物识别的有效手段。     

信号调制方式自动识别的谱相关方法

信号调制方式的识别对于通信信号分析有着很重要的作用。这里介绍了调制识别的谱相关方法，并讨论了利用该方法进行调制识别的方法和过程，还在硬件上初步实现了该算法。测试结果表明，当信噪比为5dB以上时，该方法对大部分调制类型的识别正确率可达90％以上，有很好的实用前景。     

人工神经网络在隧道围岩稳定性识别中的应用

在全面分析影响隧道围岩稳定性因素的基础上，结合人工神经网络方法的特点，提出了一种基于隧道围岩稳定性识别的B－P人工神经网络方法。通过实例分析对比表明，模型精度很高，识别结果可靠，且操作简洁方便，能有效地应用于隧道围岩稳定性的识别。     

前馈神经网络在矿物识别方面的应用

本文首先介绍人工神经网络的发展现状，然后着重阐述BP人工网络的基本原理和算法，并以蓝宝石的产地识别和石榴子石分类识别作为具体实例，用此说明人工神经网络方法在矿物学中的应用，最后对识别结果及BP算法本身进行了讨论。     

基于地震波形指示反演的陷落柱识别方法及应用

在煤层气勘探开发中，陷落柱是制约煤层气勘探成效的重要因素之一，因此，有效识别陷落柱对提高煤层气勘探成效具有重要意义。以往识别方法都是基于三维地震数据利用陷落柱这一构造引起的地震反射同相轴的非连续性进行识别，本次将陷落柱作为一种地质异常体，利用地震波形指示反演的方法对其进行识别预测。通过测井资料分析和地质建模正演，分析得出煤层中陷落柱发育位置地震波形的3种地球物理响应特征:纵波阻抗值高、地震波形变化和振幅减弱。从地震波形指示反演的基本原理入手，明确该反演方法能够利用陷落柱上述3个响应特征对其进行有效识别。以沁水盆地樊庄区块为例，用该方法对陷落柱识别进行试验，识别结果与钻井含气性及水文地质背景相吻合。结果表明波形指示反演法对陷落柱能够达到有效识别，该方法是识别陷落柱的一种有效手段。      

遗传BP算法在洛带气田测井物性解释中的应用

应用遗传算法(GA)对BP网络进行了改进，并在此基础上，利用多种测井数据及岩心描述资料作为网络模型的学习样本，以测井解释渗透率等参数的神经网络模型为例，通过网络的学习、训练，建立了神经网络模型．应用此模型计算物性参数值，解释结果及精度均令人满意．     

边坡稳定性的神经网络估计

应用神经网络理论,本文提出了圆弧破坏和楔体破坏的边坡安全系数估计的新方法。为解决安全系数估计的知识的学习问题,提出了一种推广学习算法。用它对收集到的边坡实例进行学习,然后进行推广,预测出新边坡的安全系数。与极限平衡法和极大似然法的估计结果进行了比较,可以看出,神经网络方法具有推广预测精度高、自学习功能强、考虑不确定性能力强等特点。     

岩溶地面塌陷神经网络预测

应用神经网络理论的原理 ,通过对收集到的岩溶地面塌陷实例进行学习 ,建立了岩溶地面塌陷评价及预测模型 ,对某市岩溶地面塌陷进行预测。结果表明 ,神经网络方法具有精度高、收敛速度快、容错能力强等特点 ,在岩溶地面塌陷研究中具有广阔的应用前景     

神经网络在镇扬大桥工程区区域稳定性评价中的应用

基于优势面区域稳定性评价理论，运用ANN优势断裂评价模型来研究镇扬大桥工程区区域稳定性，取得了较好的效果，实践表明基于ANN找寻和评价优势断裂是可行的和有效的。     

神经网络在冲击地压危险性预测预报研究中的应用

分析了影响冲击地压危险性的主要因素,首次利用神经网络模型模拟各个因素之间的复杂的非线性关系,消除了传统预测方法中的人为确定冲击危险指标的影响。检验结果表明 :模型可靠,预测精度高。为冲击地压与人工智能等高新技术的进一步结合奠定了基础。     

FORECAST OF PREFERRED FAULT BASED ON NEURAL NETWORK

基于优势面区域稳定性评价理论和人工神经网络 (ANN)的原理和方法 ,探讨了基于 ANN的优势断裂预报神经网络算法及模型 ,并结合实例检验表明应用反传 (BP)神经网络模型判定优势断裂的新方法是有效的 ,且取得了理想的结果。     

神经网络分析方法在瓦斯预测中的应用

论述了瓦斯预测技术的研究现状及其在现代矿业中面临的新问题，介绍了神经网络技术在处理复杂地质条件方面的优越性，探讨了瓦斯预测技术与人工神经网络等高新技术相结合的可能性与必要性，并举例论证了它们在瓦斯预测过程中的适用性。实践证明：瓦斯预测技术与人工神经网络相结合所建立的预测模型，不仅能够综合考虑各种影 响因素，较好地处理地质条件中的各种非线性关系，而且预测精度高，结论可靠，为瓦斯预测技术的进一步发展提供了新的思路。     

遗传神经网络测井解释技术在宝北区块的应用初探

将遗传算法与人工神经网络(BP网络)的原理结合,对BP网络进行了改进,提高了收敛速度,并防止陷入局部极小。应用改进后的BP算法,建立了针对测井解释的神经网络模型,并应用此模型定量计算了宝北区块的多口井的渗透率值,其解释结果及精度均令人满意。     

金属矿石的激发极化非线性谱特征

通过对石墨、铜及若干个金属矿区的矿石标本进行实验研究,系统地观测了它们的时间谱和电流谱.根据实验结果,标本的时间谱和电流谱的阴、阳极优势情况有两种基本类型.以电化学理论为基础,对产生这两种基本类型的机理作出了解释,认为这与标本的可溶性与否有关.在一定条件下,根据谱的阴、阳极优势情况识别极化体的可溶性和不可溶性是可能的.     

锚杆支护的神经网络设计系统及其应用

本文简要地概括了锚杆支护设计理论存在的局限性。强调锚杆支护理论应用必须考虑地下工程的类型。为此,作者将地下工程划分为3类,指出每一类地下工程特性及其支护设计应遵循的准则,第3类采场巷道工程的锚杆支护设计应以工程类比和设计经验为主;并介绍了作者已经开发的锚杆支护神经网络设计系统。