共查询到19条相似文献,搜索用时 78 毫秒
1.
建立了以改进Powell法优化的前馈型神经网络模型,模型既具有强大的函数逼近功能,又克服了传统神经网络优化方法的缺点。将神经网络模型用于承压水漏斗的动态水位预报,实例表明:模型预报效果较好。 相似文献
2.
3.
4.
地表移动预计参数选取的神经网络法 总被引:6,自引:0,他引:6
地表移动预计参数的选取是研究地表移动及其规律的重要内容,由于预计参数受多种复杂因素的影响,具有高度的不确定性和离散性,利用神经网络具有自组织、自学习和高度非线性映射的能力,并既能考虑定量因素又能考虑定性因素的优点,可建立地表移动预计参数选取的神经网络模型以及对BP神经网络进行改进。利用大量的地表移动实际观测数据样本对该网络模型进行训练和学习,并用该网络模型对地表移动参数进行预计,结果表明,该改进的BP神经网络具有收敛速度快、预计参数精度高的优点,从而为开采沉陷地表移动预计中参数的选取提供了新方法。 相似文献
5.
用神经网络理论预测水库诱发地震 总被引:5,自引:0,他引:5
本文运用神经网络理论中改进的BP算法对水库诱发地震进行了研究,并根据不同的资料和不同的诱震因素,建立了两个水库诱发地震震级预测的神经网络模型。研究结果表明,与一般统计学相比,用神经网络理论预测水库诱发地震具有更高的精度。 相似文献
6.
应用自适应算法对BP网络进行改进,可以提高BP网络的收敛速度和全局寻优性能。在此基础上,利用多种测井数据及岩心描述资料作为网络模型的学习样本,以测井解释渗透率的神经网络模型为例,通过网络的学习、训练,建立测井解释神经网络模型。并应用此模型,定量计算出多口井的渗透率值,与常规渗透率计算结果相比,BP的解释结果及精度均令人满意,同时还取得了良好的实际应用效果。 相似文献
7.
基于MATLAB神经网络工具箱的岩爆预测模型 总被引:6,自引:0,他引:6
文章介绍了BP人工神经网络的基本原理,针对其收敛差的缺点,发挥MATLAB神经网络工具箱的优势,分别采用VLBP和LMBP算法建立了改进后的BP神经网络。对于影响岩爆发生的关键因素,总结了专家经验,选取地下硐室围岩最大切向应力与岩石单轴抗压强度比值、岩石单轴抗压强度和抗拉强度比值和岩石冲击性倾向指数作为岩爆预测的评判指标,建立了岩爆预测的神经网络模型,并利用国内外一些岩石地下工程实例进行分析计算校验,计算结果表明,用该模型进行岩爆预测是可行有效的。 相似文献
8.
建筑物震陷预测新方法研究 总被引:1,自引:0,他引:1
利用人工神经网络的基本原理,本文修正了经典BP型神经网络的激励函数,并对学习率和训练样本进行了动态调整等多方面改进。根据70个多层建筑震陷的实测资料,在分析了建筑物震陷的影响因素基础上,提取了9个指标;采用改进后的BP算法,建立了多指标的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,具有一定的工程实用价值;神经网络法是一种有效可行的预测新方法,人工神经网络技术具有广泛的应用前景。 相似文献
9.
10.
地下工程围岩分类的神经网络可视化评价 总被引:1,自引:0,他引:1
围岩分类是地下工程技术基础研究的重要课题之一。影响围岩类别的因素有很多,并且具有高度的随机性和模糊性。神经网络方法具有自组织、自学习和高度非线性映射的能力,并且既能考虑定量因素又能考虑定性因素,因此,在围岩分类的应用方面,神经网络具有广泛的前景。文章基于改进的BP神经网络的一般原理,依据有关地下工程围岩的分类标准,选取岩体结构、岩石饱和单轴抗压强度、岩体结构面、岩石纵波速度作为围岩分类的评价指标,利用MATLAB语言构建了可视化的围岩分类神经网络模型,并收集了大量的工程资料对网络进行训练和检验。结果表明,网络的预测结果与实际结果比较一致。证明神经网络是能够在工程岩体分类方面得到推广应用的。 相似文献
11.
模糊神经网络用于储层预测 总被引:2,自引:0,他引:2
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。 相似文献
12.
13.
火山岩岩性识别方法研究 总被引:24,自引:1,他引:24
岩性是测井储层评价的基础,在火山岩油藏的测井评价过程中,由于火山岩岩性定名方法的不统一以及岩性识别方法的不完善,使火山岩油藏的测井评价难以开展。采用国际地科联(IUGS)推荐的TAS图方法对火山岩岩样定名,并以此为基础,使用神经网络方法利用测井资料识别火山岩岩性。研究结果表明,利用传统的统计判别方法建立的测井资料与火山岩岩性的判别关系,识别符合率只有65%;而使用神经网络方法建立的判别关系,识别符合率可达81.8%。 相似文献
14.
小波神经网络的大地电磁数据静态效应处理 总被引:1,自引:0,他引:1
静态效应在频率域电法勘探中对电磁场信号产生很大的影响,对深部电性结构处理结果影响重大,对静态效应的良好处理直接影响分析结果。这里采用了小波神经网络算法建立模型来对静态效应进行处理,通过对模型实例仿真发现,小波神经网络算法对静态效应的处理有很好的效果。 相似文献
15.
16.
介绍了径向基函数神经网络的原理、训练算法,建立的径向基函数神经网络城市需水量预测模型具有较强的非线性处理能力和逼近能力,运算速度快、性能稳定,克服了BP神经网络学习过程的收敛过分依赖于初值和可能出现局部收敛的缺陷,预测精度较高,泛化能力强。 相似文献
17.
18.
There is growing interest in the use of back‐propagation neural networks to model non‐linear multivariate problems in geotehnical engineering. To overcome the shortcomings of the conventional back‐propagation neural network, such as overfitting, where the neural network learns the spurious details and noise in the training examples, a hybrid back‐propagation algorithm has been developed. The method utilizes the genetic algorithms search technique and the Bayesian neural network methodology. The genetic algorithms enhance the stochastic search to locate the global minima for the neural network model. The Bayesian inference procedures essentially provide better generalization and a statistical approach to deal with data uncertainty in comparison with the conventional back‐propagation. The uncertainty of data can be indicated using error bars. Two examples are presented to demonstrate the convergence and generalization capabilities of this hybrid algorithm. Copyright © 2003 John Wiley & Sons, Ltd. 相似文献