BP网络在位场解释中的应用

介绍了ＢＰ网络的特点，阐述了它在位场资料解释中的应用的方法，特点和可行性。通过模型计算证实了该方法在位场异常识别中的效果，正确率达９７％。此外，通过修改网络单元的激发函娄，增强网络的稳定性和插功能，使ＢＰ网络在多层密度界面反演中得到满意的结果，西医 实例计算证明了该方法的有效性。     

人工神经网络在水质评价中的应用

将人工神经网络技术应用于水质综合评价，提出了水质综合评价的ＢＰ网络模型，并将该模型应用于实例检验。结果表明：ＢＰ网络模型用于水质综合评价方法可行且适应性强，结果客观、合理     

用神经网络模型预测济宁市地下水水位变化规律

本文通过应用人工神经网络模型中的ＢＰ网络模型,对济宁市地下水水位变化规律了预测,并与线顺归模型的计算结果进行比较,证明ＢＰ网络模型的精度较高。     

人工神经知水质评价中的应用

将人工神经网络扶植竽水质综合评价，提出了水质综合评价的ＢＰ网络模型，并将该模型应用于实例检验。结果表明：ＢＰ网络模型用于水质综合评价方法可行且适应性强，结果客观，合理。     

利用人工神经网络自动识别煤田测井岩性

介绍采用人工神经网络（ＡＮＮ）模型，借助于误差逆转播算法，应用到煤田测井岩性自动识别中，效果较好。为提高该方法的实用性，通过对误差逆传播算法的改进，并经过验算，表明了其优越性；文中采用多层人工神经ＢＰ网络模型，对较大样本（４８组）进行学习，可以识别８种岩性，说明了该方法的实用性。     

运用BP网络预测地下水位

人工神经网络是一门新兴的交叉学科，是处理非线性问题的有效方法。本文把影响地下水位的因素集作为网络的输入向量，地下水位本身作为网络的输出向量，构成了预测地下水位的ＢＰ网络模型。一个实例的应用实践表明，用ＢＰ网络预测地下水位较准确地反映了客观实际，比其它方法如回归模型具有较高的拟合严谨和预测精度。     

地质数据的BP网络分析方法

数学地质中母函数选取和系数求解是函数逼近的两个关键问题，目前在地质数据的多元统计分析中广泛应用的回归分析或其他映射方法均有局限性。本文采用ＡＮＮ中的ＢＰ网络模型较好地解决了这两个问题，并对理论和实际和数据进行了比较与验证，结果表明，ＢＰ网络有助于提高地质数据处理的可靠性与预测的精度。     

波数域重力归一化总梯度法中的圆滑滤波因子

讨论了波数域重力归一化总梯度法,提出在位场转换的向下延拓和求导过程中分别引入圆滑滤波因子,该方法增强了计算的可靠性和稳定性,扩大了可延拓深度;通过模型实验和数据分析,确定了向下延拓和导数因子中圆滑滤波因子指数参数的取值规律,指出了欲求地质体越浅(深),采用的谐波数越大(小)的地质体质心埋深与谐波数N之间的变化规律;发现了均匀密度三度背斜模型和非均匀密度储油背斜模型与二度模型相似的G^H场等值线特征,为地质体质心埋深计算及储油构造研究提供了思路。     

隐蔽油气圈闭物化探信息靶中灰色BP网络标定法

将测区探测的物化探场视为灰色信息,通过灰色信息优化处理方法突出隐蔽油气圈闭的异常,利用ＢＰ网络方法缩小油气圈闭靶区,标定油气圈闭靶区靶中位置。     

井间地震高斯射线束正演方法

本文根据高斯射线束方法的基本原理和数学表达式，结合井间地震方法的特殊观测方式，开发了井间地震方法的正演模块，给出了不同观测条件下各种模型的试验结果。该模块在二维非均匀各向同性介质中，可以同时或单独计算直达Ｐ波、Ｓ波，上行反射Ｐ波、Ｓ波和转换波，下行反射Ｐ波、Ｓ波及转换波。计算出的地震波场不仅能反映波的运动学特性，还能反映波的高频动力学特征，是发展井间地震技术的重要工具     

人工神经网络方法与鲁西金伯利岩物化探异常筛选

摘 要　 分析对比了传统模式识别方法 （贝叶斯‚费舍尔方法） 与人工神经网络方法的应用 效果‚根据已有的地球物理资料‚结合金刚石原生矿的成因模式‚从金伯利岩产出的地质环 境、指示矿物、地球物理和地球化学异常等方面提取了20种用于识别金伯利岩物化探异常的 特征‚运用人工神经网络方法对鲁西地区1∙2×10 4 km 2 的物化探异常进行识别和筛选‚从中 选出了10个一二类远景异常点供查证。     

人工神经网络在致密砂岩气层识别中的应用

致密砂岩气层识别是一个难题。如何在已有的地质、钻井、测井、地震等资料的基础上，利用现代人工智能方法进行气层识别，值得我们去探计。作者在本文中利用一个改进的BP网络模型，充分利用现有的地质、测井等资料，以单井为单元进行垂向气层识别，然后又以地震资料为约束进行气层横向预测，结果非常令人满意。     

小波神经网络在重磁资料反演中的应用前景

对BP神经网络在重力密度界面反演以及小波分析在位场分离上的应用进行了深入的研究,进而对小波神经网络在重磁资料反演中的应用前景进行了分析、评价。     

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。     

碳酸盐裂隙油气藏地震特征响应及应用探讨

根据地震特征参数,利用ＢＰ网络进行油气预测是一种常用的地球物理方法。作者在此基础上,根据已知裂隙油气藏,通过特征参数优化,在裂隙油气藏中,寻找到一组油气响应较强的地震特征参数,并用这些特征参数进行裂隙油气藏的识别,效果比例用全部地球特征油气识别要好。     

基于BP神经网络的深埋隧洞地应力预测研究

深部地应力的测量一直是工程界难题之一。由于研究手段和测试技术的限制, 深部地应力很难测到, 或者部分数据不理想。本文将BP神经网络方法引入地应力场研究, 选取深度、岩芯密度(天然密度)、岩芯弹模、岩芯的三轴抗压强度(10MPa围压)、岩芯的声发射地应力测值、岩芯裂隙率6个参数作为地应力预测研究的主要指标, 在此模型的基础上对秦岭深埋隧洞地应力测量数据进行了拟合分析, 并对深部的地应力做了预测。结果表明用BP神经网络模型进行深埋隧洞地应力大小的预测是可行的。      

北京市生活垃圾产生量预测方法的比较分析

依据北京市1991~2006年的生活垃圾产生量及其相关影响因子,运用多元线性回归法、灰色模型、BP神经网络3种预测模型进行了模拟,并预测了北京市2007年和2010年的垃圾产生量,通过绝对百分误差(MAPE)等指标比较了预测精确度。结果表明,BP神经网络综合考虑了各种因素的影响,较前两者的拟合和预测精度高。     

基于遗传神经网络的锚杆极限承载力预测的研究

针对BP人工神经网络具有易陷入局部极小等缺陷,提出了将遗传算法与神经网络结合,同时优化网络结构的权值与阈值的思想,建立了基于遗传算法的锚杆极限承载力预测的遗传神经网络模型。该模型以低应变动测的5个变量作为输入变量来对锚杆极限承载力进行预测,并与BP神经网络预测结果进行比较。数值算例表明,遗传神经网络在锚杆极限承载力预测中具有较高的计算效率和识别精度。     

BP网络的改进及模拟退火神经网络在地学中应用

本文针对ＢＰ神经网络收敛速度慢的缺点，提出了改进方案。还引进了模拟退火理论，将模拟退火算法与ＢＰ神经网络计算方法结合，并通过对正弦函数岩性识别及跨孔地震层析成象的试验，证明模拟退火ＢＰ算法是有效的、大范围收敛的。而且，具有良好的收敛速度和很高的精确度。     

BP人工神经网络在地学中的应用

ＢＰ人工神经网络是摸拟人脑机理和功能的一种新型计算机和人工智能技术,它在数据处理中可避免数据分析和建模中的困难,采用拟人化的方法进行处理,特别适用于不确定性和非结构化信息处理,因而对地质学中各种未知信息的预测有着较好的适用性。