BP网络在位场解释中的应用

介绍了ＢＰ网络的特点，阐述了它在位场资料解释中应用的方法、特点和可行性。通过模型计算证实了该方法在位场异常识别中的效果，正确率达９７％。此外，通过修改网络单元的激发函数，增强网络的稳定性和内插功能，使ＢＰ网络在多层密度界面反演中得到满意的结果，模型和实例计算证明了该方法的有效性。     

BP神经网络在地质样品测定中的应用

反向传播人工网络（Ｂ ａｃｋ ｐｒｏｐａｇａｔｉｏｎ ａｒｔｉｆｉｃｉａｌ ｎｅｔｗｏｒｋｓ）是一种动态信息处理系统,它具有联想记忆、自组织、自适应、自学习和容错性等特征。该模型可应用于地质样品测定,以及从地质样品数据中提取信息,实现对地质样品的分类识别及对矿产资源预测评价。ＢＰ神经网络在地质样品测定中将会有很好的应用前景。     

昆士兰州计算机化的野外地质数据管理—REGMAP系统

自１９８６年以来，昆士兰州地质调查所的全体区域填图工作人员已经使用ＲＥＧＭＡＰ记录野外数据，最近，该系统又被ＢＭＲ采用。ＲＥＧＭＡＰ是一个记录野外地质观测信息的系统，它一以定的结构格式将数据输入到计算机数据管理系统中，可有选择地进行数据快速检索。     

模糊神经网络用于储层预测

利用模糊理论和ＢＰ网络相结合组成的模糊神经网络系统,能够克服ＢＰ网络单独使用的局限性,可在地质条件较复杂地区进行储层及油气预测。通过实际资料应用表明,应用单个ＢＰ网络进行储层及油气预测效果较差的地区,采用模糊神经网络能取得较好的效果。     

昆士兰州计算机化的野外地质数据管理——REGMAP系统

自１９８６年以来，昆士兰州地质调查所（以下简称ＧＳＱ）的全体区域填图工作人员已经使用ＲＥＧＭＡＰ记录野外数据，最近，该系统又被ＢＭＲ采用。ＲＥＧＭＡＰ是一个记录野外地质观测信息的系统，它以一定的结构格式将数据输入到计算机数据库管理系统中，可有选择地进行数据快速检索。在地理信息系统环境中，这些数据也能作为数据层被合并     

4000～3500aB.P.我国的环境突变事件研究

４０００～３５００ａＢ．Ｐ．我国的环境突变事件研究方修琦（北京师范大学资源与环境科学系，北京，１００８７５）在我国发现了大量指示４０００～３５００ａＢ．Ｐ．前后存在环境突变事件的证据，这些证据分别集中在４０００～３９００ａＢ．Ｐ．两个时段，两个时段中...     

BP网络的改进及模拟退火神经网络在地学中应用

本文针对ＢＰ神经网络收敛速度慢的缺点，提出了改进方案。还引进了模拟退火理论，将模拟退火算法与ＢＰ神经网络计算方法结合，并通过对正弦函数岩性识别及跨孔地震层析成象的试验，证明模拟退火ＢＰ算法是有效的、大范围收敛的。而且，具有良好的收敛速度和很高的精确度。     

对中国第四系中统划分方案的回顾与讨论

国内地层规范中规定第四系划分为两个统,即全新统和更新统,后者又分为下、中、上３个阶。这３个阶大部分第四纪地质工作者习惯称为下、中、上更新统。本文仍暂用此名。下、中更新统的界线一般以Ｂ／Ｍ为界,年龄为０．７８ＭａＢ．Ｐ,但从泥河湾组、午城组顶界看,可能要到１００～１．２０ＭａＢ．Ｐ．;中、上更新统界线,一般以０．１２８ＭａＢ,Ｐ为界,代表末次冰期的开始,但从黄土高原Ｓ１底界、萨拉乌苏组底界和小渡口组顶界看,其年龄为０．１２８ＭａＢ,Ｐ,或０．１４ＭａＢ Ｐ或０．２０ＭａＢ,Ｐ．;上更新统与全新统的界线,其年龄基本上集中在０．０１０～０．０１１ＭａＢ,Ｐ,代表冰期结束,温暖期开始。     

全球沉积岩数据库(SEDBA)的现状及展望

全球沉积岩数据库（简称ＳＥＤＢＡ）在ＵＮＥＳＣＯ－ＩＧＣＰ和ＩＵＧＳ支持下，由ＩＧＣＰ２６９项目设计建成。建立ＳＥＤＢＡ的目的是实现对全球沉积岩数据的存储、管理、检索和利用，以促进信息的国际交流和全球地质对比研究的开展。ＳＥＤＢＡ可存储各类沉积岩样品的采样地点、构造位置、地质年代、地质特征、结构构造、沉积作用及环境、古地理等宏观信息，以及化学分析、组分及模态分析、碳质及烃类产出特征、重矿物分析、粒度分析、工程及物理参数测定。化石及抱粉分析、流体包裹体测温及各种流体特征、Ｘ射线衍射分析等分析测试数据，并附文献库、图件登记文件和采样登记文件。ＳＥＤＢＡ系统由２６个文件按三个层次构筑而成。目前研制成功的ＦＯＸＳＥＤＢＡ和ＰＡＲＡＤＯＸＳＥＤＢＡ两套管理软件可在ＰＣ系列微机上实现对ＳＥＤＢＡ的管理和应用。ＳＥＤＢＡ今后的发展方向，将通过国际合作，实现ＳＥＤＢＡ与其它有关数据库的联网及通讯，形成一个多功能、综合性的数据库系统，在沉积模型及模拟、盆地分析、岩相古地理、层序地层学、沉积地球化学、能源及矿产资源勘探和开发等课题中开展应用研究，更新和完善ＳＥＤＢＡ的结构及功能。     

几种修正的自适应神经网络学习算法及其应用

针对一般ＢＰ网络的拓扑结构和参数选择的随意性问题,讨论了几种自适应ＢＰ网络,即自适应调整网络的拓扑结构和自适应调节学习步长的改进ＢＰ算法,综合二者构造了一种修正的自适应ＢＰ算法．为了验证改进算法的有效性,将这几种算法与标准ＢＰ算法进行了比较．结果表明：对于ＸＯＲ问题,这几种算法的学习速度和计算精度都有不同程度的提高．将算法用于油气预测的实际中,也取得了满意的结果     

基于BP神经网络的土体细观力学参数反演分析

利用离散元方法对颗粒材料的细观力学特性研究, 目前确定数值计算模型的细观力学参数大多数通过反复调试获取, 效率低、可重复性差。本文采用开源的颗粒离散元程序LMGC开展了土体双轴压缩数值试验, 通过25组土体细观力学参数计算得到相应的宏观力学参数, 建立了BP人工神经网络反演系统。利用土体物理试验得到的土体宏观力学参数, 输入BP神经网络, 反演得到土体的细观力学参数。将所得细观力学特性参数输入所建立的土体数值计算模型, 得到土体破坏过程中的应力-应变关系曲线, 以及土体颗粒的力链图和旋转变形云图。所建立的土体数值试验模型能够较好地模拟土体变形破坏过程, 利用BP神经网络反演细观力学参数以及数值模型计算得到的土体宏观力学参数与物理试验吻合较好, 误差在10%左右, 土颗粒间力链云图以及旋转变形云图较好地揭示了土体变形破坏的机理。     

梯级-关联算法原理及其在月流量预报中的应用

传统BP网络需要预先设定网络隐含层的层数和每层的节点数,使得在预测过程中难以确定网络的最优结构。与之相反,梯级-关联算法(CC)要求初始网络仅含有输入层和输出层,通过运算不断向网络增加隐含节点。在介绍梯级-关联算法原理的基础上,分别运用梯级-关联算法和BP算法对拉萨河拉萨站的月流量进行了预测,结果显示:在不损失预测精度的前提下,梯级-关联算法的运算次数仅为5次,而BP算法则需要运算70 000次,运算效率有很大的提高,同时网络的规模也有所减小。     

人工神经网络方法与鲁西金伯利岩物化探异常筛选

摘 要　 分析对比了传统模式识别方法 （贝叶斯‚费舍尔方法） 与人工神经网络方法的应用 效果‚根据已有的地球物理资料‚结合金刚石原生矿的成因模式‚从金伯利岩产出的地质环 境、指示矿物、地球物理和地球化学异常等方面提取了20种用于识别金伯利岩物化探异常的 特征‚运用人工神经网络方法对鲁西地区1∙2×10 4 km 2 的物化探异常进行识别和筛选‚从中 选出了10个一二类远景异常点供查证。     

GM—BP串联组合预测模型在滑坡变形监测中的应用

为了提高滑坡的预测精度,通过对灰色GM（1,1）模型与BP神经网络模型各自优缺点及互补性的分析,建立了GM—BP串联组合预测模型。模型首先采用等维动态GM（1,1）模型进行初步预测,然后利用BP神经网络对初步预测的结果进行训练及仿真,通过数据的归一化处理,参数的判定选取,获得组合模型预测值。以茅坪滑坡为例,对位移进行了预测。通过数据的对比分析,发现GM—BP串联组合预测模型在短期预测精度上高于单一模型。     

Back-propagation neural network and support vector machines for gold mineral prospectivity mapping in the Hatu region,Xinjiang, China

Machine Learning technologies have the potential to deliver new nonlinear mineral prospectivity mapping (MPM) models. In this study, Back Propagation (BP) neural network Support Vector Machine (SVM) methods were applied to MPM in the Hatu region of Xinjiang, northwestern China. First, a conceptual model of mineral prospectivity for Au deposits was constructed by analysis of geological background. Evidential layers were selected and transformed into a binary data format. Then, the processes of selecting samples and parameters were described. For the BP model, the parameters of the network were 9–10???1; for the SVM model, a radial basis function was selected as the kernel function with best C?=?1 and γ = 0.25. MPM models using these parameters were constructed, and threshold values of prediction results were determined by the concentration-area (C-A) method. Finally, prediction results from the BP neural network and SVM model were compared with that of a conventional method that is the weight- of- evidence (W- of- E). The prospectivity efficacy was evaluated by traditional statistical analysis, prediction-area (P-A) plots, and the receiver operating characteristic (ROC) technique. Given the higher intersection position (74% of the known deposits were within 26% of the total area) and the larger AUC values (0.825), the result shows that the model built by the BP neural network algorithm has a relatively better prediction capability for MPM. The BP neural network algorithm applied in MPM can elucidate the next investigative steps in the study area.     

公路软基沉降函数干涉神经网络预测模型

建立了基于函数干涉神经网络的公路软基沉降预测模型。工程实例表明,所建议的模型外延性好,而且,可以由较短预压期内沉降观测资料预测远期沉降发展,与传统沉降预测模型相比具有显著的优越性,工程应用前景广阔。     

自适应模糊神经网络在膨胀土胀缩等级分类中的应用

针对膨胀土胀缩等级分类这一多因素评判问题,在分析自适应模糊神经网络原理及结构的基础上,利用减法聚类获得模糊推理规则数目,确定网络结构,建立了适用于膨胀土分类的自适应模糊神经网络,并将其应用于两个实际工程的膨胀土分类中,取得了良好的效果。研究结果表明,自适应模糊神经网络能实现BP网络和模糊综合评判的分类功能,而且比BP网络具有更透明的网络结构、比模糊综合评判更具学习功能,在膨胀土胀缩等级的分类中显示出较强的适用性。     

基于人工神经网络的三峡水库库岸稳定性分级

为避免库岸稳定性评价法的随意性和不确定性,尝试采用具有处理非线性关系功能的人工神经网络方法进行库岸稳定性分级,为此构建了15-31-4结构的三层BP网络。该网络采用BP弹性算法,同时对初始权值和阀值进行了优化,实现了网络的非线性映射,并有着极快的收敛速度。用该BP网络对三峡水库的上游段库岸进行了稳定性等级判断,其结果与常规计算方法所得的结果基本相似。     

BP人工神经网络在地学中的应用

ＢＰ人工神经网络是摸拟人脑机理和功能的一种新型计算机和人工智能技术,它在数据处理中可避免数据分析和建模中的困难,采用拟人化的方法进行处理,特别适用于不确定性和非结构化信息处理,因而对地质学中各种未知信息的预测有着较好的适用性。