合兴场地震资料吸收油气预测研究

在地震勘探中快速有效地进行油气预测的方法研究已成为我们目前十分重要的研究课题。我们研究了对地震资料利用吸收衰减理论对油气进行预测的油气预测实用技术。     

定量成矿预测的人工神经网络模型

重点探讨了资源量预测人工神经网络ＢＰ模型（ＢＰ－ＭＲＰ）的建造和预测问题,特别对模型输入层（地质变量）、隐含层和输出层的构置和优选,模型的学习、检验和预测评价等问题作了较深入的讨论,尝试性地提出了模型输入变量的优化方法和模型检验准确率的计算方法,并以长江中下游地区为实例,给出了ＢＰ－ＭＲＰ模型的实际建造步骤和预测。结果证明,人工神经网络模型不仅能够模拟成矿地质因素和矿床特征（值）之间的非线性关系,     

含矿预测的人工神经网络方法

运用神经网络模型的一典型模型——“反向传播”模型的改进形式,处理矿产资源统计预测问题,得出与数量化理论Ⅱ处理极为相似的结果.     

巷道围岩参数的人工神经网络预测

应用人工智能方法解决地下工程问题,提出了预测巷道围岩参数的人工神经网络预测法,构造了预测围岩参数的神经网络模型。预测结果证明,该模型具有很高的预测精度。提出的方法有一定的实用价值和参考价值。     

人工神经网络油气识别圈闭软件的设计与实现

本文介绍人工神经网络油气识别圈闭软件用户界面的设计风格、系统的构成、各处理单元的数学模型与功能。系统包括五个功能模块，由主控菜单驱动的用户界面程序统一管理和调用，实现了数据预处理、信息优化提取、模式识别和成果图件演示、打印一体化。     

基于GIS的人工神经网络矿产预测系统设计

将地理信息系统(GIS)和人工神经网络(ANN)相结合,提出基于GIS的人工神经网络矿产预测系统设计方案,实现了从地质变量优选到人工神经网络成矿预测结果图形显示的计算机自动化处理,并对其中的主要模块:地质变量优选模块、数据库管理模块和神经网络成矿预测模块进行了介绍,简要说明了各模块功能实现中所应用的主要技术.     

动态时窗多参数油气预测技术在柏垭的应用

在地震勘探中快速有效地进行油气预测的方法研究已成为我们目前十分重要的研究课题。作者研究了利用地震资料沿层按动态时窗提取多种特征参数进行综合处理的办法对油气进行预测的油气预测实用技术。经柏垭地区的实际资料预测验证,效果良好。此方法具有预测精度高、运算速度快等优点。     

人工神经网络模型在石油资源预测中的应用

锦270井区大凌河油层是盆地大幅度沉降条件下的产物,以深陷湖环境为主,发育湖底扇浊积岩.准确预测大凌河油层的砂体分布和泥质含量,是勘探目标选择的关键.由于钻井资料少,不能反映储层横向变化.为了准确预测储层的横向变化,综合钻井地质资料和地震勘探资料,并为了反映地震资料的多个参数与储层横向变化间的非线性相关关系,采用人工神经网络模型进行预测,计算了大凌河油层砂层厚度和泥质含量的平面分布.依据计算结果,分析了有利油气区的分布,并给出了几点结论.     

人工神经网络在环境灾害预测中的应用进展

综述了近年来人工神经网络在环境灾害预测中的应用进展,包括对污染型环境灾害、生态环境灾害、地质环境灾害以及气象环境灾害等灾害的成灾因素分析、危险性预测以及灾情预测和动态演变规律预测,揭示了人工神经网络探索灾害隐含信息方面的优越性,并对其在环境灾害预测中的应用前景和发展趋势进行了展望。     

人工神经网络在岩溶塌陷预测中的应用研究

本文利用已有资料建立了岩溶塌陷预测ＢＰ神经网络模型,并对桂林岩区进行了岩溶塌陷预测。结果表明,在岩溶塌陷预测中应用ＢＰ神经网络模型是行之有效的。     

人工神经网络在海浪数值预报中的应用

探讨将人工神经网络技术和传统的数值模式相结合,以期得到一个更有效的海浪预报方法.以第3代海浪模式的模拟结果作为输入,浮标观测资料作为输出,采用人工神经网络进行训练,训练的初步结果显示,人工神经网络可以改进海浪数值模式的预报精度,但在波高比较大时,改进的效果并不令人满意.为此,对观测值大于1.5m时的有效波高进行再训练,从而结果有了进一步的改善.研究结果证明人工神经网络技术可以提高海浪数值预报的精度.     

BP神经网络算法在陆域天然气水合物成藏预测中的应用

勘察陆域天然气水合物的过程中,会产生大量的地质、地球物理和地球化学资料,将这些数据资料与数学方法有机结合,建立起综合信息预测模型对寻找水合物具有重要意义。笔者选取木里地区为主要研究区域,综合区内勘查已获得的地质、地球物理和地球化学数据,分析和提取了对水合物成藏有利的特征,给出了相应的预测变量转化规则。采用BP神经网络这种非线性预测方法进行成藏预测研究,并对结果进行对比评估。结果显示,钻遇水合物的钻井与预测得到的高有利度区吻合,未遇水合物的钻井基本落于低有利度区,算法有效实用,建立的转换规则切实可行。     

基于BP神经网络的瓦斯含量预测

以淮南矿区潘一矿13-1煤层为研究对象,在分析勘探钻孔资料的基础上,确定了煤层埋深及厚度、顶底板岩性、地质构造和煤变质程度是影响煤层瓦斯含量的主要因素;使用BP神经网络方法建立了瓦斯含量预测模型;结合实际数据,对预测模型进行训练和检验。预测结果表明:该模型比使用多元线性回归预测能获得更高的精度,说明预测模型可靠。     

液化判别中基于人工神经网络的粘粒含量取值研究

岩土工程勘察实践中,得到正确的粘粒含量是进行液化判别的前提与基础。利用静力触探成果进行液化判别时,粘粒含量往往采用场地平均值或邻近钻孔相应深度处土样的粘粒含量值,与判别点处粘粒含量实际值间存在一定差别,影响了采用静力触探液化判别的准确性。采用人工神经网络可建立起需液化判别土层各点粘粒含量与相应空间坐标间的关系,从而得到场地内需液化判别土层粘粒含量的分布规律,为液化判别提供更为准确的粘粒含量。     

基于免疫RBF神经网络的深基坑施工变形预测

基坑工程由于受多种因素的影响,目前已成为岩土工程中的重点和难点。在基坑工程施工中,需要根据现场实际情况、周围环境、建筑安全等级等对变形进行严格控制。通过现场量测的深基坑围护结构变形信息资料,对实测数据进行整理和分析,利用神经网络对支护结构的变形作出预测,以保证基坑安全施工。研究了一种基于免疫识别原理的径向基函数神经网络学习算法,该算法将所识别的数据作为抗原,抗体为抗原的压缩映射并作为神经网络模型的隐层中心,采用最小二乘法确定权值,提高了RBF神经网络收敛速度和精度,将人工免疫RBF神经网络应用于时间序列预测中,工程实例计算证明了算法的有效性和可行性,为时间序列预测提供了一种新途径。     

人工神经网络在边坡滑移预测中的应用

利用一项实际边坡工程的多年实测滑移资料，基于人工神经网络方法，建立了非线性人工神经网络分析模型，从而能够较精确地对该边坡的滑移进行预测，通过本工程实际的应用实践，发现它可避开复杂的本构模型而成为解决岩土工程问题的新途径。     

Wind speed prediction using statistical regression and neural network

Prediction of wind speed in the atmospheric boundary layer is important for wind energy assessment, satellite launching and aviation, etc. There are a few techniques available for wind speed prediction, which require a minimum number of input parameters. Four different statistical techniques, viz., curve fitting, Auto Regressive Integrated Moving Average Model (ARIMA), extrapolation with periodic function and Artificial Neural Networks (ANN) are employed to predict wind speed. These methods require wind speeds of previous hours as input. It has been found that wind speed can be predicted with a reasonable degree of accuracy using two methods, viz., extrapolation using periodic curve fitting and ANN and the other two methods are not very useful.     

人工神经网络在煤与瓦斯突出强度预测中的应用

介绍了人工神经网络的原理及算法,并从地质角度出发,建立了突出强度预测的BP网络模型,通过实例应用结果表明,人工神经网络用于煤与瓦斯突出强度预测是可行的,操作较为简便、准确性高。     

基于BP神经网络的薄互层储层预测

根据地震属性来进行储层预测的研究,对于寻找油气具有十分重要的意义。而由于地下地质情况千变万化,不确定的因素太多,对这种多自变量与因变量的复杂关系模拟问题,神经网络技术是目前较成熟、实际应用效果也较好的方法之一。用BP神经网络来预测薄互层储层厚度,它可以建立属性参数与预测目标之间的高度非线性映射,并应用于具体的实例,为薄互层储层预测提供了新的思路。