BP神经网络识别塔北低阻油气层

简要介绍了塔北低阻油气层岩性剖面、低阻油气层地球物理测井曲线特征,分析了塔北地区低阻油气储层成因,重点论述BP人工神经网络识别油气层、油水同层、水层和干层的方法原理。识别实例表明,BP人工神经网络识别低阻油(气)、水层的结果与实际相符,明显地提高了测井的解释精度。     

人工神经网络在桩基工程中的应用综述

对人工神经网络在桩基工程中的应用研究工作进行了回顾与评述。总结了神经网络在单桩承载力、荷载－位移关系预测以及基桩动测完整性判释等方面的技术成果与水平，并分析和探讨了进一步的研究方向和应用前景。     

房地产估价方法与应用

本文针对目前国内外房地产估价现状，较系统地研究了房地产估价的理论、方法与应用，内容包括传统房地产估价方法的系统分析、基于人工神经网络的建筑物成新度和土地资本化率评估、基于模糊数学的市场比较法、基于灰色系统理论的假设开发法以及房地产估价方法的综合应用——基准地价评估。 　　1. 尽管三大估价方法的评估角度不同，但相互之间仍存在一定的关联性。采用三角形分布对由三大估价方法得到的评估值进行概率估计，可以反映评估值在市场上实现的大小及其可能性，这比只提供一个确定的评估值要客观、全面得多，对于房地产开发项目决策很有参考价值。由于土地使用制度不同，我国与国外房地产估价在土地使用年期、折旧、资本化率诸方面存在较大的差异。此外，在估价技术上也存在差距，也应引起足够重视。 　　2. 本文首次尝试用人工神经网络模型来评估建筑物的成新度，比传统的实际观察方法准确又简便，具有广阔的应用前景。人工神经网络模型是动态的，随着今后样本数量的增加，通过网络的自学习，不断加强网络的学习能力与训练水平，形成更加完整的系统，从而可以进一步提高测试的精度和扩大评估范围，同时不需要改变网络本身的结构。     

基于ART理论的自组织神经网络模型在水资源分类中的应用

BP和RBF神经网络技术以其强大的学习功能应用于水资源分类 ,取得了很好的效果。但当不具备已知样本时 ,以上技术很难应用。提出了可塑性较强、无监督的A -K网络模型 ,阐述了其基本原理和算法 ,并将其用于水文水资源研究领域中。实例表明 ,该方法能较理想地解决已知样本的分类问题 ,具有良好的应用前景     

基于人工神经网络的航磁信息关联方法的研究

应用人工神经网络方法 ,以航磁数据为样本 ,建立了航磁信息关联的BP人工神经网络模型。对山东省 1∶5 0万航磁水平一阶导数轴向图进行计算机自动关联叠置、提取航磁解释构造轴线的研究。经与垂向二阶导数对比分析 ,证实了该方法给出的模型具有较强的非线性、自适应和学习能力。     

前馈神经网络隐性单调与泛化能力

应用前馈人工神经网络对广域单调的两组样本进行了模拟反演，引入单调前馈网络的概念对其权值和阈值定解问题和泛化能力进行了较诉研究。表明前馈人工神经网络是一个表达形式简单的复杂系统，其单调特征是隐性的，而且训练网络的成熟性对样本数量和样本内在规律性有一定依赖。强调了前馈人工神经网络的应用效果，指出单调与复合问题还需进一步深入研究。     

用人工神经网络实现地震记录中的废道自动切除

切除废道（即道编辑）的工作是地震信号处理中重要而又工作量巨大的一步.本文提出了一种用人工神经网络实现的自动切除方法,所用的神经网络模型为新奇滤波器模型,方法简单实用,切除效果令人满意.文中介绍了方法的原理并给出了几个实验结果.     

黄土孔隙性分类判别的人工神经网络方法

运用人工神经网络的一典型模型——“反向传播”神经网络,对洛川黄土孔隙性的实测数据进行了分析,建立了洛川黄土孔隙性预测的计算机智能专家系统。结果表明,神经网络方法性能良好,可望成为黄土孔隙性分类、判别的有效辅助手段。     

自组织人工神经网络在滇东震旦系—寒武系分界线岩相古地理研究中的应用

运用T.Kohonen自组织人工神经网络,根据滇东24个剖面的渔户村组中谊村段的各种单元素(包括岩段厚度、组成岩段的岩石薄片单因素-白云质、硅质、泥质、磷质、陆屑及盆屑,和岩段的24种光谱元素)的统计资料,建立了该地区震旦系-寒武系分界线的岩相古地理相区识别的计算机智能专家系统,其识别成功率达100％。结果表明,该方法性能良好,可望成为岩相古地理定量研究的一种有效的辅助手段。     

人工神经网络模型在地学研究中的应用进展

近年来,随着人工神经网络（ANNs）自身技术的不断完善,应用ANNs模型成功解决各类地学问题的案例大量出现。通过对其发展历程进行分析发现,20世纪80年代末国际地学分析中已开始融入ANNs技术,国内则滞后 1～2年。在地学分析中使用的各类人工神经网络类型中,BP模型应用最广,占到85％以上。在10余年的应用过程中,虽然地学的各个分支学科都移植了一种或数种ANNs模型作为其分析工具,但水文、地质、大气、遥感等领域应用较为广泛。传统地学定量分析中的单变量或多变量预测成为人工神经网络地学模型的主要应用客体。同时,诸如模式识别和过程模拟等也是ANNs模型求解的对象。目前,随着建模经验和知识的积累,地学ANNs模型的发展呈现出多种技术综合集成的态势,遗传算法、小波转换、模拟退火算法以及模糊逻辑等方法与ANNs模型融合,成为解决地学分析中非线性问题的利器。