时间延迟神经网络地震油气预测方法

本文绘出基于时间延迟神经网络模型的地震油气预测方法及其初步应用结果，不同于通常的孤立模式识别方法．在特征提取阶段，不仅提取地震道中相应目的层单时窗的特征，同时也提取时窗滑动时的特征，这些多时窗的特征信息反映出地层层序的变化．时间延迟神经网络模型通过井旁道特征串的训练，用于表达特征信息与地层含油气情况的复杂关系和特征信息的变化与地层油气聚集的联系．初步应用表明，这种基于时间延迟网络模型的油气预测方法的结果要好于BP网络方法的结果．     

时间延迟神经网络地震油气预测方法

本文绘出基于时间延迟神经网络模型的地震油气预测方法及其初步应用结果,不同于通常的孤立模式识别方法．在特征提取阶段,不仅提取地震道中相应目的层单时窗的特征,同时也提取时窗滑动时的特征,这些多时窗的特征信息反映出地层层序的变化．时间延迟神经网络模型通过井旁道特征串的训练,用于表达特征信息与地层含油气情况的复杂关系和特征信息的变化与地层油气聚集的联系．初步应用表明,这种基于时间延迟网络模型的油气预测方法的结果要好于BP网络方法的结果．     

人工神经网络原理在建筑物震陷预测中的应用

运用人工神经网络原理，对BP型神经网络作了多方面的改进，采用改进后的BP算法，建立了建筑物震陷预测模型，研究结果表明，改进的BP网络性能良好，所建立的模型预测精度高，能满足工程要求，是一种有效可行的预测新方法。     

遗传BP神经网络主动AMD对偏心结构的减震控制

本文采用在结构顶层水平双向设置AMD主动控制装置的方法，对偏心结构在多向地震作用下的振动进行了遗传BP神经网络主动控制研究。首先论述了遗传BP神经网络的基本理论，然后介绍结构—AMD扭转耦联控制系统微分方程及其状态空间求解方法，最后介绍利用遗传BP神经网络对结构反应进行预测及对结构实施主动控制的方法。数值结果表明，利用遗传BP网络进行结构反应预测和控制是可行且有效的，能对结构的平动和扭转反应起到较好的减震效果。     

结构网络最小混合型神经元网络油气预测

基于统计学习理论中的结构风险最小化原理，从理论上给出了神经网络的结构设计方法和实现过程。该方法能自适应地扩展神经网络的容量，从而完成网络的结构设计，并且在有限样本的情况下，阳大限度地提高网络的训练精度和泛化能力，进而提高神经网络预测结果的可靠性。此外，本方法可使神经网络同时具有多种类型的特性函数，增强了网络的信息处理能力。文中给出了该方法在大庆油田某开发区块储层油气检测的应用实例。     

遗传优化神经网络方法在桥梁震害预测中的应用

本文将遗传算法与神经网络相结合,从而建立了一种高效的、实用的桥梁震害预测方法。根据遗传算法具有局部寻优的特点,为避免BP神经网络陷入局部极小值,本文将二者结合起来形成GA-BP混合算法,以GA优化神经网络的初始权值和阈值,对网络进行训练。在大量收集梁式桥震害资料的基础上,将此算法引入桥梁的震害预测中,并与传统的单独BP神经网络相比较,结果表明该方法能够有效、准确地对桥梁结构进行震害预测。     

基于人工神经网络的边坡抗震抗滑稳定性评判方法

从人工神经网络的基本原理出发，建立了边坡抗震抗滑稳定性评判的人工神经网络模型。选择四川和云南地区的70个边坡实例作为学习样本,对BP算法进行了学习和检验。实例计算表明,BP网络性能良好，所建立的模型预测精度高，具有一定的工程实用价值。神经网络法是一种有效可行的新方法。     

遗传BP网络在地震和爆破识别中的应用

将遗传算法(GA)和反向传播算法(BP算法)相结合成为GA-BP算法,以此建立了遗传BP神经网络．并将以BP算法为基础的BP神经网络及以GA-BP算法为基础的遗传BP神经网络用于对地震和爆破的识别中．得到的结果表明：遗传BP网络比BP网络对事件的识别能力略好些．     

砂土地震液化的神经网络预测

BP网络具有很强的非线性映射和自适应学习功能 ,可用于模式识别和预测评估等领域 .在简要分析BP算法的基础上 ,选取砂土的平均粒径 (d5 0 /mm)、相对密度(Dr/% )、标准贯入击数 (N63 .5 /击 )、上覆有效压力 (σv/kPa)、地震烈度 (I0 )作为指标 ,应用BP神经网络的理论与方法 ,预测砂土在地震作用下液化的可能性 ,取得了较好的预测效果 .说明将BP网络用于沙土液化预测是可行的 .     

地震黄土滑坡滑距预测的BP神经网络模型

地震滑坡的滑距与重力滑坡的滑距有着显著的不同,科学预测地震发生时黄土地区滑坡的滑动距离是合理评估黄土地区滑坡风险和减轻滑坡灾害的有效方式之一。基于海原特大地震诱发黄土滑坡的400组野外调查数据,通过引入BP神经网络算法,论证了BP神经网络模型用于预测黄土地震滑坡滑距的适宜性和可行性;建立了地震诱发黄土滑坡滑距的BP神经网络预测模型,并通过67组数据进行了验证。BP神经网络算法和传统多元线性回归、多元非线性回归结果的对比显示,BP神经网络的预测更接近真实情况,具有较为理想的预测效果,可以用于黄土地震滑坡滑距的预测,并为圈定较为可靠的致灾范围提供依据。     

多级BP神经网络石油测井信号分类器

本文提出了一种利用多级ＢＰ神经网络进行石油测井信号分类的新方法．介绍了用多级ＢＰ网络处理测井信号的分类器算法和网络结构，并给出了针对理论模拟信号的分类结果及针对实际模型井信号的分类结果，其正确率可达９０％以上．     

Application of genetic BP network to discriminating earthquakes and explosions

Introduction Artificial Neural Network (ANN) is an important branch of artificial intelligence. It is proposed on the foundation of the study on modern neural science, is a man-made network that can implement some functions based on the mans comprehensive understanding for cerebral neural network (HAN, WANG, 1997). ANN is a mathematical model of simplified human brain neural network and is used to simulate the structures and functions of human brain neural network. ANN is a complex netw…     

神经网络在油气评价和预测方面的研究现状

人工神经网络是近年来迅速发展的信息处理技术之一，其模式分类能力和复杂函数逼近能力，正被广泛应用于油气勘探信息的定性和定量评价中，本文对目前神经网络在油气评价和预测中的研究现状作一简要综述。     

重力异常的BP神经网络三维物性反演

三维物性反演参数多,计算量巨大,传统的方法难以实现.本文使用BP神经网络实现重力三维物性反演,介绍了BP神经网络的基本原理及特性,并构造一个适用于重力位场反演的BP神经网络.并用其对模型进行反演计算,结果表明:BP网络具有较好的泛化能力和容错能力,反演速度快、准确,并且较好的反应了场源的分布情况.     

基于遗传算法优化神经网络权值的大坝结构损伤识别

针对传统 BP 神经网络存在着容易陷入局部极小点、训练时间太长等缺点,本文采用基于浮点编码的遗传算法,对 BP 神经网络的初值空间进行了遗传优化。用基于浮点编码的遗传算法来优化 BP 神经网络的权值,可得到最佳初始权值矩阵,并按误差前向反馈算法,沿负梯度搜索进行网络学习。文中以混凝土重力坝结构作为算例,用结构的模态频率变化作为网络的输入向量,结构的损伤位置作为输出向量,对网络进行了训练。仿真结果表明：遗传 BP 神经网络的收敛和诊断能力优于传统 BP 神经网络,可有效地运用到大坝结构的健康诊断与损伤识别中。     

BP神经网络在地震综合预报中的应用

ＢＰ神经网络具有很强的非线性映射功能,它可以很好地反映震前出现的各类异常与未来地震震级及发震时间之间的较强非线性关系。在“地震预报智能决策支持系统”中使用了ＢＰ神经网络。介绍了该系统中的ＢＰ神经网络构成及其在地震预报中的应用,系统通过对实际震例的检验取得了较为理想的预报效果。     

BP神经网络的训练样本集容量

本文试图解释用ＢＰ神经网络解界面反问题时效果不佳的原因。文中首先从信息量的角度提出了ＢＰ神经网络训练本集容量的概念，给出了它的定义及组织训练样本集时应遵循的原则和方法。对于如何用ＢＰ神经网络解界面反问题，给出了其基本步骤，并根据上述训练样本集容量的概念及界面反总理的特殊性，给出了组织界面反问题训练样本集的方法。