BP模型在区域滑坡灾害风险预测中的应用

滑坡灾害具有整体性、动态性、开放性和随机性的特点,而人工神经网络属于非线性动态系统,具有符合区域滑坡灾害风险预测的研究特点。应用BP模型,建立了区域滑坡灾害风险的预测流程,并与GIS技术相结合,对三峡水库蓄水条件下巴东新县城的滑坡灾害进行了危险性、易损性、风险性综合预测研究,证明了BP模型在区域滑坡灾害风险预测中的应用可行性,同时指出了所存在的问题及可能解决的途径。     

灾害生态学——生态学的一个重要发展方向

对灾害生态学有关的基本概念与主要研究内容进行了探讨。认为灾害实际上是一种异常的生态学现象与过程，因此需要从生态学的角度加以研究，特别是要对灾害系统的发生成因、类型、时空分布、发展、危害、预测、控制和灾后恢复等的全过程生态学现象和规律以及相关技术进行研究。同时指出，当今，应围绕重大的全球性环境灾害问题，对其发生与发展的生态学机制与生态学后果，以及减轻、防范这些灾害的关键技术开展研究。     

人工神经网络氡气灾害模型在铀矿山的应用

对多层前馈神经网络模型(BP神经网络)的结构特点、数据分析、学习方法和过程等内容做了分析。以中核抚州金安铀业有限公司铀矿山氡气状态为学习训练样本及预测样本,建立铀矿山氡气灾害模型。讨论了基于BP神经网络技术的氡气灾害模型分析方法及其有效性。通过实例样本的训练检验表明,采用人工神经网络方法对铀矿山氡灾害预测取得了比较满意的效果,为神经网络在铀矿山氡气灾害预报的应用提供了可行性。     

人工神经网络方法在基坑变形预测中的应用研究

分析研究了人工神经网络方法在基坑变形预测中的建模方法,并通过实例应用,证明这种方法是切实可行的.同时将人工神经网络方法预测结果和灰色系统模型及时序模型预测进行比较,充分证明人工神经网络方法在变形预测中的优越性.     

水库地区的水岩作用及其地质环境影响

本文综述了水库地区水环境系统的变化及水岩作用类型和机制, 在此基础上讨论了水库区地质环境的变化和环境灾害的发生, 提出以水环境变化和水岩作用为中心的水库地质环境评价和灾害预测的研究方向。     

基于支持向量机的降雨-径流预测研究

本文探讨了支持向量机方法在降雨-径流预测中的应用.该方法采用结构风险最小化准则,弥补了人工神经网络在预测应用中的不足,较好地解决了小样本,非线性、高维数和局部最小点等实际问题.并且本研究通过与人工神经网络预测方法、传统的回归分析预测方法比较研究,得出支持向量机能取得更高精度的降雨-径流预测值.     

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。     

滑坡灾害系统非线性研究进展

结合滑坡灾害系统自组织特征分析,全面地介绍了分形理论、协同学理论、混沌动力学、突变理论和人工神经网络在滑坡地质灾害科学研究中的应用现状,评述了各种理论方法研究中存在的主要问题,指出了滑坡灾害系统非线性研究发展方向和今后着重要深入探讨的领域。     

岩溶煤矿矿井煤层底板突水非线性预测方法研究

本文煤层底板突水系统为一非线性系统的特性,提出采用对非线性问题具有良好适用性的人工神经网络方法进行煤层底板突水预测。文中系统地阐述了人工神经网络预测的原理、建模方法、适用条件和应用问题,并在肥城矿务局对所建立的煤层底板突水预测人工神经网络系统进行生产性检验,取得良好的效果,说明人工神经网络方法应用于煤层底板突水预测的可靠性。     

人工神经网络在水文水资源中的应用

人工神经网络理论被广泛地应用于水文水资源领域中各种问题的研究,依问题性质不同将其划分为4大类:(1)分类和识别问题;(2)预测预报问题;(3)优化计算问题;(4)基于神经网络的专家系统研制与开发问题,对人工神经网络在水文水资源中的应用现状作了较全面的介绍。还指出了目前应用中存在的主要问题以及今后的研究方向。     

基于重置神经网络在油气储层预测方面的应用

神经网络在地质、油气储层方面有着极其广泛的应用,但是神经网络的结构不仅直接影响到网络性能的优劣,而且较大的影响了其现实应用的效果。这里尝试着将与重置算法相结合的BP神经网络应用于油气储层预测方面,并证实重置神经网络具有更好的应用前景和现实意义。     

基于模糊小波神经网络的岩溶隧道风险评估及综合超前地质预报技术

针对岩溶隧道突水风险评估的不确定性和复杂性以及传统的数学方法在评估安全风险等级中的局限性,将人工神经网络理论、小波分析及模糊评价法有机结合,建立了基于模糊小波神经网络的岩溶突水安全风险评估模型。根据各种物探方法的优缺点和对岩溶水预报的敏感性,结合综合超前地质预报方法和原则,提出地质分析、风险等级划分、分级综合预报及施工地质灾害临近警报技术相结合的综合地质预报方案。通过在齐岳山岩溶隧道实施,成功预报了隧道掌子面前方的岩溶水,证实了该方案的科学性和可行性。     

基于RBF神经网络的软基短期沉降预测研究

RBF(radial basis function)神经网络是一类比较优越的前向式多层神经网络,比传统的BP网络有较快的收敛速度.以深圳湾西部通道填海软基沉降的预测分析为例,探讨采用RBF神经网络解决这一问题的方法.采用插值方法构建时间间隔统一的时间序列数据并进行归一化处理,在此基础上建立了沉降变形时间序列的RBF神经网络模型,通过训练网络模型来预测沉降量.计算实例表明,模型具有运算速度快、预测精度高的特点,是一种具有应用前景的软基预测新方法.     

有监督的人工神经网络油气预测

有监督的人工神经网络预测是20世纪90年代发展起来的一种新兴技术，由于它具有算法快、精度高的特点，在油气预测中得到广泛使用。本文介绍了该方法的原理及其与地震属性的关系，应用实际资料进行了计算，证明效果良好，是一种油气预测有利工具。     

基于半监督神经网络的铜矿预测方法

将人工智能技术引入成矿预测研究中,可以提高预测效率,挖掘探测数据与结果之间的隐藏信息.利用半监督学习方法对样本构建要求低的优点,结合其在异常识别方面的应用效果,设计了基于分割准则的孤立森林与深度自编码网络的神经网络结构;基于西藏冈底斯地区的化探元素数据,对研究区内的铜矿进行了成矿预测工作,预测结果与已知矿区数据叠加效果较好,说明本文的神经网络结构能够完成成矿远景区的预测工作.      

甘肃武山县环境地质问题及防止地质灾害的方法

阐述了武山县曾发生过的严重的地质灾害，以及现今仍存在的与地质条件和人为活动有关的县城规划安全的环境地质问题。指出这些安全隐患问题的不断累积将有可能引发地质灾害的危险。提出除了对环境地质问题有明确的认识外，还要充分利用自然条件，尊重自然地质作用的基本规律，籍以指导防止地质灾害的工作，并探讨了开展此项工作的两个方法。     

基于滑坡监测数据的Elman神经网络动态预测

滑坡在我国是一种极为频发的地质灾害,且其积累位移监测曲线有着复杂的非线性特性,对此各研究者建立过许多预测模型,然而这些模型的预测精度不尽如人意。基于Elman神经网络可以任意精度逼近任意非线性函数的特征,并以sigmoid为方程的核函数,在选择隐含层数时用了试用法,通过"3δ"法及归一化工程实例滑坡累积位移数据,建立了Elman神经网络动态预测模型。基于该模型对多个监测点数据进行动态预测,结果表明该模型的预测结果与实测数据的吻合度较高,且平均误差为1.78%,预测精度较高,验证了Elman神经网络能够在预测滑坡灾害中发挥一定作用。      

考虑环境变量作用的滑坡变形动态灰色-进化神经网络预测研究

滑坡变形预测对于指导灾害的预防工作、保护人民的生命和财产安全具有重大实用价值。从系统论观点出发,结合岩土体流变理论和时序分析原理,在深入研究影响滑坡变形的主控环境变量基础上,将位移时序分解为趋势项和偏离项。采用灰色系统模型提取位移时序趋势项,结合遗传算法和人工神经网络建立起进化神经网络模型,逼近主控环境变量与位移偏离项之间的非线性关系。根据蠕变阶段和变形对环境变量响应情况,实时调整模型,建立起滑坡变形预测的动态灰色-进化神经网络（GM-ENN）模型。将此预测思路和方法应用于三峡库区某滑坡变形预测研究中,证实了模型的有效性和实用性,显示了动态预测的重要性。     

神经网络在冲击地压危险性预测预报研究中的应用

分析了影响冲击地压危险性的主要因素,首次利用神经网络模型模拟各个因素之间的复杂的非线性关系,消除了传统预测方法中的人为确定冲击危险指标的影响。检验结果表明 :模型可靠,预测精度高。为冲击地压与人工智能等高新技术的进一步结合奠定了基础。     

基于BP算法的煤层厚度预测技术应用研究

煤层厚度变化情况对煤矿综采工作面布设有很大的影响,查明煤层厚度的变化对煤矿开采有着极为重要的作用。依据厚度变化的非线性特点,运用三维地震数据的运动学、动力学特征,研究了煤层反射波不同类型属性信息与煤层厚度的相关性,通过非线性人工神经网络BP算法,建立了各属性与煤厚之间的人工神经网络模型,利用反向传播学习建立煤厚预测的神经网络。针对山西某矿201工作面的煤层厚度变化,通过BP人工神经网络进行了预测,经实际探采对比验证可知效果良好。该项研究也为今后通过三维地震资料预测煤层厚度提供了相关的经验。