边坡稳定分析的神经网络改进模糊点估计法

边坡稳定性分析中,模糊点估计法能同时考虑模糊不确定性和随机不确定性因素。针对传统模糊点估计法计算工作量大的缺点,提出一种神经网络改进模糊点估计法。利用拉丁超立方抽样法和径向基函数神经网络（RBF）建立边坡安全系数的预测模型;对黏聚力和内摩擦角等模糊随机变量取λ截集,并在各截集水平对参数进行组合;利用建立的预测模型对各参数组合的安全系数进行预测;最后由统计矩点估计法计算边坡的可靠度指标。实例分析表明：改进模糊点估计法使用方便、结果可靠,且能通过增加λ截集水平的数目来提高计算精度。对于含有2～4个模糊随机变量的边坡,采用改进模糊点估计法计算可靠度时λ截集水平的数目可近似取25。     

双向八车道连拱隧道围岩力学参数反演分析

在采用双侧壁导坑法施工的双向八车道特大断面连拱隧道中,施工步繁多,临时支护设置的时间长,隧道全断面的变形量测只能在临时支护拆除后进行。由于全断面变形数据获取得较晚,故较难将其用于围岩力学参数的反演。将有限元计算和BP神经网络技术相结合,并在有限元计算过程中考虑实际的施工步,建立起所有临时支护拆除之前这一施工状态下导坑的变形量与围岩力学参数之间的非线性映射关系,并通过对应状态下实测的导坑变形值反演了围岩的力学参数。将反演的结果用于正分析验算,验证了该方法是可行的。     

日本气象厅数值预报产品释用技术——神经元网络的指导预报

日本气象厅数值预报产品释用技术──神经元网络的指导预报柳野健（日本）１数学原理与解释１．１概况简单地说，ＭＯＳ（模式输出统计法）是线性分析、一次求解；卡曼滤波是线性分析、逐步求解；而阶层型神经元网络则是非线性分析、逐步求解。先来大致看一下阶层型神经元...     

利用高光谱识别草地种类的研究——以锡林郭勒草原为例北大核心CSCD

以锡林郭勒草原典型的羊草、针茅、日阴菅、隐子草为研究对象,测量4种草地光谱,利用光谱微分法对原始光谱数据进行处理,在提取草地光谱7个特征参数的基础上,采用相关性分析和主成分分析方法精选红边斜率、绿峰位置、绿峰值和红谷位置4个参数。基于所选的4个光谱特征参数,采用多层感知神经网络模型对草地种类进行识别,精度达到80.3%,同时对比7个特征参数与4个特征参数对草地种类识别精度的影响,发现草地种类识别精度从69.0%提高到80.3%。本研究可为大面积草地物种资源的遥感调查和监测提供科学依据。     

神经网络理论在河道洪水预报中的应用

本文将神经网络用于松花江干流河道汇流计算和河道洪峰水位的预报.对各种转移函数的效果进行了比较,线性函数和双正切函的精度较好超过传统的马斯京根法,其中线性转移函数最好,说明对于大江大河线性转移函数最好.由上游断面洪峰水位预报下游断面洪峰水位也取得了良好的效果.     

高分辨率非线性储层物性参数反演方法和应用

对于陆相沉积环境下的复杂隐蔽岩性储层,由于观测信息不准确,如信息重叠、信息缺失和噪音污染,以及岩石物理关系模糊等原因,储层横向预测存在不惟一性、不稳定性和不确定性.基于线性假定的常规储层横向预测技术已不适用于复杂隐蔽岩性储层的勘探.本文采用一种非线性储层岩性物性褶积模型,建立波阻抗与孔隙度/泥质含量的函数关系;通过多级结构分解和双向边沿子波检测来刻画复杂岩石物理关系;通过Caianiello褶积神经网络实现确定性反演、统计反演和非线性理论三者有机结合;最后联合应用基于逆算子的反演方法和基于正算子的重建算法实现了综合地质、测井和地震波阻抗信息进行高分辨率储层物性参数反演.非线性储层物性参数反演采用多井约束机制和分频反演方式,在陆相和近海油气勘探资料的实际应用中,取得了明显应用效果.     

GA-BP网络模型在GPS似大地水准面精化中的应用

针对误差反向传播（BP）算法训练速度慢和易于陷入局部最小值的缺点,提出了利用遗传算法（GA）的全局寻优性,结合GA和BP的各自优点,分析和建立了进化神经网络（GA-BP）模型,并将该模型应用于似大地水准面模型精化。最后以南方某市E级GPS控制网高程数据为例,进行BP和GA-BP模型的对比实验,通过对内、外符合精度及MAPE（平均绝对误差百分比）指标分析,验证了该方法的可行性。     

GPS高程转换的神经元网络方法分析

GPS高程转换是GPS高程应用的关键问题之一，试图应用神经元网络方法来进行GPS高程的转换，并在网络的拓扑结构与网络结构的改进等方面作了分析，通过GPS高程转换的二次曲面法和神经元网络法进行了比较试验，结果表明了神经元网络转换GPS高程的可行性和可靠性，对于应用神经网络转换GPS高程具有实际的指导意义。     

神经网络专家系统外壳

神经网络专家系统外壳软件,是用于帮助用户迅速开发直观图形解释的人工智能业务应用系统。它以直观的屏幕树图为媒介,实现了正、反向推理机、语义网络、神经元网络、框架结构、知识库管理和算术表达式树图等整体宏观统一;实现了专家系统与人工神经元网络、定性分析与定量计算的统一;无监督分类与监督分类的统一。因此,它的应用范围很广。     

基于改进BP神经网络的海底底质分类

通过采用遗传算法优化神经网络初始权值的方法,将GA算法与BP神经网络有机结合,应用于海底底质分类。基于多波束测深系统获取的反向散射强度数据,应用改进的BP神经网络分类方法,实现对海底基岩、砾石、砂、细砂和泥等底质类型的快速、准确识别。通过实验比较,GA-BP神经网络分类精度明显高于BP神经网络,证明了该方法的有效性和可靠性。