中国东海海平面变化多尺度周期分析与预测

海平面变化规律尤其是对海平面变化周期和上升趋势的研究,已成为国内外科学界研究的热点问题.使用1992-2009年海平面卫星测高仪数据资料,运用小波变换方法对中国东海海平面变化的周平均数据信号进行多尺度周期分析,并通过Winters指数平滑法对未来海平面变化进行预测,结果显示:①1992-2009年东海海平面呈现波动上升...     

基于BP神经网络的溶洞规模预测及应用

复杂岩溶地区的溶洞发育规模受地质构造、地区岩性、地下水动力系统等多种因素的影响,具有高度复杂性和非线性的特征。通过对岩溶区溶洞的赋存规律研究,确定影响溶洞发育规模的控制因素进行定量处理,收集已探明溶洞的样本数据。为克服已有研究对溶洞发育规模定性描述的模糊性,文章利用BP（Back Propagation）神经网络对自组织、自适应特性对数据样本的非线性关系揭示的能力,实现对溶洞发育规模的预测,并基于MATLAB实现BP神经网络结构的设计、训练、预测,其结果表明:BP神经网络模型对溶洞规模预测的精度高、收敛性能好。      

基于BP神经网络的泥石流平均流速预测

泥石流平均流速是泥石流防治工程中不可缺少的重要参数,准确地预测泥石流平均流速对于泥石流防治工程的设计是至关重要的。将BP神经网络应用于泥石流平均流速的预测:将泥石流平均流速的影响因素--泥沙平均粒径、泥深、沟床比降和泥石流密度作为BP神经网络的输入单元,通过对云南东川蒋家沟泥石流观测数据的训练与预测建立了泥石流平均流速的BP神经网络预测模型。将预测结果与东川公式和曼宁修正公式的计算结果进行对比:曼宁修正公式和东川公式预测结果最大误差分别为27%和7.3%,BP神经网络的预测结果最大误差仅为3.2%,BP神经网络的预测精度是最高的,可见此方法对泥石流平均流速预测具有适用性和准确性。最后应用此方法预测了乌东德水电站近坝库区内的3条泥石流的平均流速分别为12.8 m/s、11.3 m/s和13.0 m/s,为库区泥石流防治工程提供了可靠的参考数据。     

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。     

海平面及海平面变化综述

分析总结了海平面及海平面变化的有关问题,如相关概念及其关系的理解,海平面变化旋回等时性及可对比性,海平面升降曲线的表示方法、内容及绘制技术与原理,其升降幅度的定量化计算和模拟,海平面变化成因的旋回级别、动态分异及成因标识,海平面变化对沉积盆地的影响等等。提出部分建议,包括理清海平面与海平面变化,海平面升降与振荡、波动,全球与相对、高频、复合海平面,ＴＲ旋回与海平面变化等概念;限定其概念的外延、内涵及其之间的关系,以及三、四级海平面变化旋回用于同一大陆或泛大陆的对比性;分清各种表示方法、技术的使用范围,相对水深曲线转换为海平面升降曲线过程中成岩作用、构造沉降、沉积（生产）速率的影响校正及定量模拟;在海平面变化旋回级次格架下结合两种思路进行成因分析;推荐相对海平面升降成因分析按曲线对比法→构造沉降→回剥法思路进行;建议加强海平面升降变化对盆地充填响应的研究;重视对沉积矿床的控制和大陆边缘地壳变形的反弹作用过程及定量模拟。     

多隐层BP神经网络模型在径流预测中的应用

基于人工神经网络基本原理和方法,构建多隐层BP神经网络径流预测模型,以新疆伊犁河雅马渡站径流预测为例进行分析,并构建常规单隐层BP以及RBF、GRNN神经网络模型作为对比分析模型,将各模型预测结果与文献[1]中的预测结果进行比较,结果表明:(1)多隐层BP神经网络径流预测模型泛化能力强,预测精度高,算法稳定,模型精度优于IEA-BP网络模型,表明研究建立的多隐层BP神经网络模型用于径流预测是合理可行的,是一种可以应用于水文径流预测预报的新方法.(2)RBF、GRNN神经网络径流预测模型预测精度高于常规单隐层BP网络模型,且RBF与GRNN神经网络模型具有收敛速度快、预测精度高、调整参数少,不易陷入局部极小值等优点,可以更快地预测网络,具有较大的计算优势.     

海平面变化定量研究的探讨

强调了水深、相对海平面变化与全球海平面变化的不同及相互关系。论证了应用实测地层厚度计算海平面变化时可以忽略压实作用，在较长的时间间隔内、水深的变化可能与海平的变化一致。探讨了相对海平面变化和全球海平面变化曲线的建立方法。     

BP神经网络在灌区需水量预测中的应用

随着塔里木河下游水量逐年减少的趋势,铁千里克灌区水资源危机显的越来越严重。运用BP神经网络方法预测需水量,对灌区适时调整产业结构,保护生存和生态环境,促进区域社会经济和谐发展有重要意义。     

海量监测数据下分布式BP神经网络区域滑坡空间预测方法

提出BP神经网络的分布式区域滑坡预测方法,算法设计在大数据分布式处理平台Spark下实现,通过构造包含均方误差和L2正则化的代价函数,提高运算实时性和算法泛化能力。统计影响滑坡评价因子的量化指标和定义监测剖面危险级别评价值,并进行评价因子特征选取,用于三峡库区忠县区域9个滑坡11年月监测海量数据挖掘,对研究区所有滑坡监测剖面每月进行危险级别评价,实现以月为周期的区域滑坡危险程度空间预测。试验表明,采用所述方法得到的拟合精度、准确度、效率均比梯度提升决策树、随机森林算法好,预测的滑坡危险级别准确,该方法可作为区域滑坡空间预测的一种新思路。     

基于小波理论与人工神经网络的滑坡变形预测

滑坡的位移是由多种因素影响的复杂非线性问题。滑坡位移的预测一直是滑坡研究中的重点与难点。位移预测对于分析滑坡的发展趋势具有重要的作用。本文采用小波理论与人工神经网络理论,对滑坡位移进行预测研究。由于滑坡的位移包括一定的偶然因素,如降雨等不定因素,对滑坡位移的预测存在一定的干扰作用。故本文采用小波理论对滑坡位移进行降噪,提取数据中的有用部分。将降噪后的数据采用人工神经网络进行滑坡位移的预测。由数据结果可见,滑坡预测位移与真实位移间的误差为2%～3%,预测结果好,证明本文所用方法能较好的运用到滑坡位移的预测中。     

面向未来的海面变化研究

长期以来以地质时期海面变化过程等理论性研究为主要方向的海面变化研究经过７０年代在观念、方法和资料积累方面的突破，自８０年代初期以来进入了以“面向未来”为基调的成熟发展的新阶段，出现了一大批关于未来海面变化幅度及其影响和对策的研究成果，形成了较为完整的研究体系。９０年代初以来的几年间，世界海面研究的活跃领域是地质历史时期（例如ＬＧＭ，５ｅ等阶段）的海面实况、极地冰原对气候变化的反应、海面控制原理、海面模型以及绝对海面的航天测量技术与应用等方面。这一情况在一定程度上体现了“预测热”之后的“冷思考”。中国海面变化研究近年来取得了令世人瞩目的迅速发展，今后应注意引进先进技术方法，加强学科间的交叉合作，发掘自身的优势，向纵深发展     

碳酸盐岩台地三级层序界面的讨论

由于碳酸盐岩沉积作用对海平面变化具特有的敏感性及台地类型存在多样性，碳酸盐岩沉积背景下的三级层序界面应在考虑海平面变化阶段、海平面下降幅度和台地暴露程序基础上扩展为四类。其中沉没性质的ＳＲ４常具台地终止性意义，小幅度海平面下降造成的ＳＢ３是台地演化过程中最常见的，这些层序界面可依沉积、地震及叠加的成岩标志加以识别。     

基于BP神经网络的深埋隧洞地应力预测研究

深部地应力的测量一直是工程界难题之一。由于研究手段和测试技术的限制, 深部地应力很难测到, 或者部分数据不理想。本文将BP神经网络方法引入地应力场研究, 选取深度、岩芯密度(天然密度)、岩芯弹模、岩芯的三轴抗压强度(10MPa围压)、岩芯的声发射地应力测值、岩芯裂隙率6个参数作为地应力预测研究的主要指标, 在此模型的基础上对秦岭深埋隧洞地应力测量数据进行了拟合分析, 并对深部的地应力做了预测。结果表明用BP神经网络模型进行深埋隧洞地应力大小的预测是可行的。      

未来江苏中部沿海相对海面变化预测

相对海面变化是由全球绝对海面变化和区域性地面和海面因素共同控制。通过对江苏沿海近几十年来的潮位记录的分析,得出江苏沿海近期的相对海面变化速率。在此基础上根据近期绝对海面的变化速率计算出局地因素对江苏沿海相对海面变化的贡献量。在假设未来局地因素影响基本不变的前提下与IPCC对未来100年绝对海面的变化趋势 进行叠加,预测了江苏沿海未来相对海面变化的趋势。结果显示,江苏中部沿海海面在2000-2100年的100年间将上升15～152 cm,较IPCC对同期全球平均海平面上升的预测结果大的多。最后就区域性海面气压对相对海面变化的影响进行了讨论。     

基于灰色理论和BP神经网络的季冻区草炭土路基沉降预测模型研究

随着北方交通工程建设范围的不断扩大,很多高速公路不可避免地穿越草炭土分布区。季冻区草炭土具有高含水率,高有机质,低分解度等特殊工程地质性质,使沉降预测的理论计算误差较大不能满足实际工程需求。本文首先分析了季冻区草炭土路基沉降机理的特殊性,以此提出了优化的灰色沉降预测模型和二维-双隐层BP神经网络沉降预测模型。两种沉降预测模型不仅考虑了草炭土本身复杂的工程地质性质、北方地区季冻情况对土体自然沉降的影响,还引入了填筑情况等工程因素对路基沉降量的深度学习。以长白山吉林到延吉高速公路草炭土路基沉降实际监测数据为例,将两种模型拟合及预测结果进行对比分析,结果表明两种模型的拟合预测精度均较高,并且各有优势,由此本文对该类工程中两种预测模型各自的特点进行了总结,为北方地区草炭土路基沉降多因素预测模型的研究提供一定参考价值。     

基于因子分析的BP神经网络在岩体变形模量预测中的应用

岩体变形模量是研究岩体变形特性的重要参数,它对工程岩体稳定性评价与优化设计具有重要意义。本文提出了基于因子分析的BP神经网络预测岩体变形模量的方法。以西藏某水电站为例,在现场调查、室内外试验的基础上,建立了48组包括密度、吸水率、纵波波速、单轴抗压强度、岩块变形模量以及泊松比等因素的数据库,采用因子分析法对6个影响因素进行分析,可得3个公共因子,该3个公共因子作为神经网络的输入参数,采用BP神经网络进行预测。结果表明:利用因子分析法可降维输入数据,消除BP神经网络中由于输入数据太多而影响数据处理速度的缺陷; 把因子分析法和BP神经网络结合进行岩体变形模量的预测,可使预测精度提高; 该研究思路不仅对岩体变形参数的预测是一个有益的尝试,而且对类似岩土工程问题的预测也有借鉴意义。     

地铁施工引发地面沉降的BP神经网络预测分析

针对沈阳地铁一号线重工街站至启工街站区间隧道开挖引发地面沉降变形的问题,利用现场实测的地表沉降变形数据建立BP神经网络模型,并进行网络训练与预测。预测结果表明,时间序列神经网络模型能够很好地表达地面沉降监测数据序列间的非线性关系。利用BP神经网络建立的预测模型,所得预测值与实测值拟合很好,是预测地铁施工引发地面沉降变形的一种有效方法,能为沈阳地铁隧道的设计及施工提供科学合理的依据。     

基于遗传神经网络的储层敏感性预测方法研究

储层敏感性是储层与外来流体发生各种物化作用,使储层孔隙结构和渗透性发生变化的特性,这种变化会不同程度地损害油层,从而导致产能损失或产量下降.如果能在施工之前对储层的敏感性做出预测,那么在进行施工的过程中,就可以采取相应的措施,减少储层的损害.在储层敏感性进行预测的方法中,BP神经网络是应用最广泛的方法之一,可以对储层的各种敏感性进行预测.但这也存在着一些问题,比如局部寻优、收敛速度慢等,所以在神经网络的基础上,加入了遗传算法,可以对神经网络进行优化,使其能最大程度地快速找到全局最优.实践证明,这种方法能够满足目前储层敏感性预测的实际需求.     

GA+BP神经网络在薄互层储层预测中的应用

地震信号的特征是由地下岩石、流体的物理特征及其变化直接引起的,有效挖掘隐藏于地震数据中的有关岩性和储层物性信息具有深远而现实的意义.地震属性参数之间多是非线性关系,并且地震属性参数受环境的影响很大.神经网络可以建立属性参数与预测目标之间的高度非线性映射,而遗传算法选择适者生存.改进BP算法,综合BP的快速收敛和GA的全局寻优的特点,具体应用于薄互层储层厚度预测.