用自组织人工神经网络研究黄土孔隙性分类判别

本文运用Ｔ．Ｋｏｈｏｎｅｎ自组织人工神经网络，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。     

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。     

用自组织人工神经网络分类,识别矿物

作者运用三维Ｔ．Ｋｏｈｏｎｅｎ自组织人工神经网络对我国沉积碳酸盐型锰矿中菱锰矿进行分类、识别。所选研究实例中，识别成功率达１００％．结果表明，该网络性能良好，可望成为矿物识别的有效手段。     

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     

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．     

ASTER数据的自组织神经网络分类研究

传统的遥感数据分类方法大多基于统计学的参数估计，假设数据分布服从高斯正态分布。神经网络方法无需参数估计和统计假设，因而，近来越来越多地应用于遥感数据分类之中。介绍了基于聚类分析的自组织特征映射分类方法。ASTER卫星数据是新型遥感数据，包括 3个15 m分辨率波段和 3个30 m分辨率的短波红外波段。选择北京地区的ASTER数据作为方法实验数据，首先对数据进行了小波融合，然后进行了土地覆盖类型的自组织特征映射神经网络分类研究，把研究结果同最大似然判别法得到的分类结果进行了比较，分类精度比最大似然判别法总体提高了9％。     

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。     

单柱式海上风能建筑结构物——环力作用下砂性土孔隙水压力的研究

单柱式海上风能结构物近年来引起各国的高度重视,德国制定了研究大型单柱式风能结构的计划.基于计划要求,通过对历年一些相关文献的研究分析,建立了新型的实验模型模拟单柱式海上风能结构,同时运用Fe程序进行了模拟,共同对砂土中单桩在循环力作用下土体中孔隙水压力变化进行了研究,并对不同渗透率砂土和不同频率的循环力条件下的土体孔隙水压力作了对比分析.得出了土体中孔隙水压力的存在和其存在的大小是受自身和周边条件影响的.此研究结果对于德国大型单柱式风能结构物的研究有一定价值.