共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
3.
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。 相似文献
4.
5.
基于改进BP网络算法的隧洞围岩分类 总被引:14,自引:0,他引:14
围岩分类对指导地下工程的设计和施工具有非常重要的意义.引入人工神经网络的方法, 进行隧洞围岩分类, 在传统BP算法的基础上, 通过改进学习算法、优化传递函数和网络结构进行神经网络方法优化.采用附加动量法和学习速率自适应调整的策略改进学习算法, 使得当误差大于上临界值时, 则降低学习率, 当误差小于下临界值时, 则适当提高学习率, 这样可加快网络的训练速度, 确保网络的稳定性; 通过引入调整学习率参数, 使得传递过程更加敏感, 加快了传递函数的收敛速度, 提高了训练函数的计算精度; 通过给定隐含层节点模型的取值范围, 对网络结构进行优化, 提高了泛化精度.将改进的BP网络模型应用于广东省东深供水改造工程的隧洞围岩分类中, 分类结果与根据《水工隧洞设计规范(SL279-2002) 》的分类结果完全一致, 表明该方法具有良好的工程实用性. 相似文献
6.
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。 相似文献
7.
8.
9.
基于人工神经网络的三峡水库库岸稳定性分级 总被引:3,自引:3,他引:0
为避免库岸稳定性评价法的随意性和不确定性,尝试采用具有处理非线性关系功能的人工神经网络方法进行库岸稳定性分级,为此构建了15-31-4结构的三层BP网络。该网络采用BP弹性算法,同时对初始权值和阀值进行了优化,实现了网络的非线性映射,并有着极快的收敛速度。用该BP网络对三峡水库的上游段库岸进行了稳定性等级判断,其结果与常规计算方法所得的结果基本相似。 相似文献