自适应BP网络在洛带气田测井解释中的应用

应用自适应算法对BP网络进行改进，可以提高BP网络的收敛速度和全局寻优性能。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，以测井解释渗透率的神经网络模型为例，通过网络的学习、训练，建立测井解释神经网络模型。并应用此模型，定量计算出多口井的渗透率值，与常规渗透率计算结果相比，BP的解释结果及精度均令人满意，同时还取得了良好的实际应用效果。     

多隐层BP神经网络模型在径流预测中的应用

基于人工神经网络基本原理和方法,构建多隐层BP神经网络径流预测模型,以新疆伊犁河雅马渡站径流预测为例进行分析,并构建常规单隐层BP以及RBF、GRNN神经网络模型作为对比分析模型,将各模型预测结果与文献[1]中的预测结果进行比较,结果表明:(1)多隐层BP神经网络径流预测模型泛化能力强,预测精度高,算法稳定,模型精度优于IEA-BP网络模型,表明研究建立的多隐层BP神经网络模型用于径流预测是合理可行的,是一种可以应用于水文径流预测预报的新方法.(2)RBF、GRNN神经网络径流预测模型预测精度高于常规单隐层BP网络模型,且RBF与GRNN神经网络模型具有收敛速度快、预测精度高、调整参数少,不易陷入局部极小值等优点,可以更快地预测网络,具有较大的计算优势.     

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．     

BP神经网络在化探数据分类中的应用

BP神经网络作为一种具有高度非线性映射能力的计算模型,具有优良的非线性逼近能力,在化探数据处理、矿产资源潜力评价等地学应用中,很多问题正是具有高度的非线性的。BP网络可自动模拟各种成矿因素之间的自然关系,进行全局优化搜索,减少人为干预,提高资源预测的准确率。BP网络具有简单易行、并行性强等特点,目前仍是多层前向网络的首选算法。以新疆东天山的化探数据对BP神经网络进行测试,分别以东天山地区的典型金矿、典型铜矿做矿床规模和类型的分类。测试结果表明,改进的BP神经网络收敛速度快,具有较高的学习效率,可以很好地对化探数据进行分类。     

莱州湾凹陷垦利油田沙河街组储层渗透率评价模型研究

文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究。目标储量报告里定火沙三段中孔、中渗;岩性（粒度）和孔隙度是储层渗透率的主要影响因素。根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型。通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响。优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37%,比传统的二元回归统计模型精度提高了26%。对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求。     

神经网络在泥石流活跃程度评判中的应用

泥石流活跃程度的评判结果对保护当地人民生命财产安全和经济建设的发展及地质灾害的防治工程布置有着很大的影响。然而以往的评判方法多以定性评判为主。由于每个人的知识水平、工作经验及评判问题的思维方式的差异，从而使评判结果或多或少存在一定的误差。论文旨在寻求一种新的方法来实现对泥石流活跃程度的定量分析，以便尽可能的减少人为误差。人工神经网络是一种具有学习、记忆、计算、仿真等功能的网络结构。BP网络是目前工程上运用最为广泛的一种误差反传的人工神经网络。它可以模拟任意复杂的非线形映射关系。应用神经网络对泥石流活跃程度进行定量分析评判，可以在一定程度上减少定性评判中的人为因素影响，提高评判的准确性。论文简要介绍了BP神经网络的基本原理、训练过程，以及如何利用MATLAB软件中的神经网络工具箱来创建、训练和应用评判泥石流活跃程度BP网络。在BP网络模型建立时采用了对研究区泥石流活跃程度影响最主要的8个参数作为输入层，并选取了研究区的20个样本对网络进行训练。最后用训练好的网络对研究区的10条支沟分别进行计算。计算结果与实际情况相符，说明利用BP神经网络来评判泥石流活跃程度具有很好的实用价值。     

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。     

地表移动预计参数选取的神经网络法

地表移动预计参数的选取是研究地表移动及其规律的重要内容，由于预计参数受多种复杂因素的影响，具有高度的不确定性和离散性，利用神经网络具有自组织、自学习和高度非线性映射的能力，并既能考虑定量因素又能考虑定性因素的优点，可建立地表移动预计参数选取的神经网络模型以及对BP神经网络进行改进。利用大量的地表移动实际观测数据样本对该网络模型进行训练和学习，并用该网络模型对地表移动参数进行预计，结果表明，该改进的BP神经网络具有收敛速度快、预计参数精度高的优点，从而为开采沉陷地表移动预计中参数的选取提供了新方法。     

人工神经网络在水源地影响评价中的应用

为了评价水源地开采过程中对周围地下水环境的影响，本文运用BP神经网络模型建立了有4个输入、2个输出的三层网络模型，通过BP网络学习训练，得到水源地的BP网络模型，并运用该模型预测了在不同条件下因水源地开采所引起的降落漏斗秒地下水补给量，计算表明，BP神经网络用于模拟地下水系统简便，实用，能很好地预测地下水动态变化情况。     

神经网络在岩体力学参数和地应力场反演中的应用

BP神经网络已广泛地应用于岩体力学参数和初始应力场的反演分析,但在实际应用中,BP网络存在着网络训练易于过度、收敛速度慢、易陷入局部极小以及隐层节点数难于确定等缺点。采用RBF网络和改进的BP网络,利用基于有限差分格式的快速拉格朗日算法进行正分析计算,依据若干测点的正应力数据,反演了计算区域的岩体力学参数以及初始应力场。算例表明,RBF神经网络与快速拉格朗日算法相结合,在样本容量相同的情况下,反演分析的精度、网络的拓扑结构以及学习、收敛速度,均优于采用BP网络的反演算法。     

裂隙网络模拟与REV尺度研究

研究了利用平面四边形模拟节理岩体三维裂隙网络的方法。在生成裂隙网络时,同时考虑结构面几何参数和力学参数的随机性。利用裂隙网络研究了确定岩体REV尺度的指标。在此基础上,编制了岩体裂隙网络模拟程序、裂隙网络图形输出程序和岩体REV尺度指标分析程序。通过算例分析,验证了研究成果及程序的合理性,并得出了岩体REV尺度约为各组裂隙中最大迹长期望值3~4倍的结论。研究成果为后续计算岩体等效力学参数奠定了基础。     

人工神经网络在澜沧江某电站坝基右岸复杂岩体分类中的应用

结合云南省澜沧江某水电站工程实例,应用BP人工神经网络方法建立3层BP网络模型。选取岩石单轴抗压强度、岩体完整性系数、RQD、节理面粗糙度系数、节理面风化变并系数、透水性系数等6个影响因素为输入变量,对坝基右岸复杂岩体进行质量分类。通过对比分析发现,BP网络模型经多次学习后,预测岩体质量类别时辩识能力较强,结果可靠,取得了较好的实际应用效果。      

Reinforcing a Dangerous Rock Mass Using the Flexible Network Method

Because the main failure type of a dangerous rock mass is collapse, the treatment of such a mass should focus on controlling collapse failure. When treating dangerous rock masses, disturbing the mass （e. g. by blasting） needs to be avoided, as this new damage could cause collapse. So the self-bearing capacity of the mountain mass must be used to treat the dangerous rock mass. This article is based on a practical example of the control of a dangerous rock mass at Banyan Mountain, Huangshi, Hubei Province. On the basis of an analysis of damage mechanism and the stability of the dangerous rock mass, a flexible network reinforcement method was designed to prevent the collapse of the rock mass. The deformations of section Ⅱ w of the dangerous rock mass before and after the flexible network reinforcement were calculated using the two-dimensional finite element method. The results show that the maximum deformation reduced by 55 % after the application of the flexible network reinforcement, from 45.99 to 20.75 ram, which demonstrates that the flexible network method is effective, and can provide some scientific basis for the treatment of dangerous rock masses.     

作用在岩体裂隙网络中的渗透力分析

从岩体裂隙网络渗流的特点出发, 以单裂隙渗透力分析为基础, 分析了二维及三维情况下岩体裂隙网络渗流对岩体裂隙壁施加的两种作用力: 垂直于裂隙壁使裂隙产生扩容的法向渗透静水压力以及平行于裂隙壁和裂隙水流方向一致的切向动水压力, 推导出二维及三维情况下裂隙单元因这两种作用力而产生的等效结点力, 并应用算例定量分析了岩体裂隙网络渗透静水压力和动水压力共同作用对岩体应力的影响, 结果显示: (a)渗透力作用下裂隙上部岩体压应力减小, 而裂隙下部岩体压应力增大, 最大压应力增大 10 .5 3%; (b)渗透力作用下裂隙岩体拉应力增大, 最大拉应力增大 9.0 9%; (c)裂隙渗透力使岩体剪应力增大, 最大值达 2 3.75 %。     

岩体裂隙网络的不均匀系数

本文应用多标度分形理论,提出了描述岩体裂隙网络中裂中裂隙分布不均匀性的新指标－岩体裂隙网络的不均匀系数。研究表明,该指标可以充分反映岩体裂隙网络的不均匀程度。     

岩体裂隙网络分数维计算机模拟

岩体裂隙网络的研究是一个方兴未艾的课题,而用分形几何来研究岩体裂隙网络是一种行之有效的手段,本文将介绍由笔者编制的计算机裂隙网络分数维求解方法及程序,以达到快速、便捷而又准确地求解复杂网络的分维数。     

裂隙岩体的多孔介质水力等效性研究

工程岩体中数量众多的裂隙面限制了离散裂隙网络模型在岩体渗流中的应用,迫使人们寻找能够用理论上成熟的等效连续介质模型替代,这就要求进行岩体多孔介质的水力等效性研究。在野外大量实测裂隙的基础上,进行裂隙密度、方位、大小、延续性、开度等几何参数的统计分析,以Enhanced Baecher模型建立离散裂隙网络随机模型,采用Monte-Carlo随机模拟方法进行三维裂隙网络随机模拟。在所生成的一定尺度的三维裂隙网络图基础上,给出计算研究域REV的方法,通过判断REV是否存在,确定能否用等效连续介质模型分析岩体渗流。     

采用Monte-Carlo模拟技术计算裂隙岩体的分维数

采用结构面现场测量及统计分析建立岩体结构的概率模型,进而采用Monte-Carlo模拟技术生成岩体裂隙网络模型,由生成的岩体裂隙网络模型计算岩体裂隙分布的分维数;并给出了工程应用实例。     

并行ENN-FEM分析力学参数对洞室群稳定性的影响

将洞室群视为一特定系统,采用并行进化神经网络有限元（ENN-FEM）方法建立该系统与岩体力学参数之间的相对应关系。采用遗传算法分析得到对围岩稳定性最不利的参数组合,对组合中任一参数可通过参数敏感度函数分析其敏感度,并由此综合评估各软岩力学参数对洞室群稳定性的影响,确定出关键岩层以给设计和施工提供指导性建议。实例计算表明该方法是合理的,且具有智能化和综合分析的优点。     

基于结构面网络模拟的桥基岩体空间状态分析

分析结构面在岩体中的分布和组合特征是研究岩体稳定性的前提。根据结构面网络随机模拟方法,通过对岩体表面结构面的测量,可以建立岩体结构面空间分布的概率统计模型,从而确立了岩体结构面的网络结构模型。在此基础上分析了局部临空块体的空间几何形态,指出了块体的可能破坏形式,从宏观角度对块体系统整体稳定性进行了预测。