用自组织学习联想神经网络识别白去岩类型

本文利用地球化学数据和自组织学习联想神经网络，对美国密苏里州东南Ｂｏｎｎｅｔｅｒｒｅ组（寒武纪）滨外相的白云岩进行了分类、识别，判率达１００％。结果表明，该方法性能良好，可望成为岩石分类，判别的有效手段。     

用自组织学习联想神经网络识别白云岩类型

本文利用地球化学数据和自组织学习联想神经网络（ＬＡＮＮＳＯ），对美国密苏里州东南Ｂｏｎｎｅｔｅｒｒｅ组（寒武纪）滨外相的白云岩进行了分类、识别，判别率达１００％．结果表明，该方法性能良好，可望成为岩石分类、判别的有效手段．     

自组织学习联想神经树在多金属成矿预测中的应用

本文运用自组织学习联想神经树，对鄂东南地区４４个铁帽进行了计算机识别，识别成功率达１００％，结果表明，该方法性能良好，可望成为多金属成矿预测的一种有效的辅助手段。     

热带气旋预报的人工神经网络方法

根据１９４９－１９８８年登陆珠江口的热带气旋资料，运用了人工神经网络的一个典型模型－“反向传播”模型，建立了该地区３５－４９小时热带气旋登陆地点的预报模型，并应用于热带气旋登陆地点的预报，即珠江口的热带气旋登陆地点预报，其拟合最大相对误差不超过０．７％。结果表明，神经网络预报模型具有容错能力强、预报速度快的特点，可望成为望带气旋预报的有效辅助手段。     

熔盐相图智能数据库研究

建立了包括三千多个已测定的二元、三元熔盐系相图的熔盐相图智能数据库。在建库过程中 ,运用原子参数 -模式识别方法总结已知相图几何特征与其组分元素的原子参数 (离子半径和电负性 )关系的半经验规律 ,并将其用于未知相图几何特征的预报。还将若干不符合上述规律的已测相图列为可疑对象 ,对其重新作实验测定。通过这一做法 ,纠正了前人报道的忽略了某些中间化合物的相图 ,证明这些相图存在CsCaBr3 ,Cs2 CaF4等中间化合物。另一方面 ,还通过实验否定了前人声称发现的KNO3 -KI等相图的中间化合物。这说明 :原子参数 -模式识别算法和实验验证相结合 ,是一种对有疑问的相图评估的有效方法。熔盐相图智能数据库还具有根据原子参数 -模式识别方法对部分未知相图的若干特征的预报功能。初步研究结果表明 :这类智能数据库的研究方法对水 -盐系等相图研究也有应用价值。     

钙钛矿及类钙钛矿结构物相的若干规律性 第三部分:钾冰晶石型化合物的结晶化学规律

钾冰晶石结构的三元卤化物包括一大批三元熔盐相图的中间相 ,是功能材料的开发对象。我们用原子参数—模式识别方法建立钾冰晶石结构形成条件和晶胞常数计算的数学模型。除容许因子t外 ,阴阳离子半径比和电负性差也是决定钾冰晶石结构形成的必要条件。