基于IGA算法的电阻率神经网络反演成像研究

为满足地球物理资料反演解释的高精度、快速、稳定的要求,本文结合免疫遗传算法寻优速度快和BP神经网络反演不依赖初始模型等优点,设计了一种将BP神经网络和免疫遗传算法进行有机结合的全局优化反演策略,并将该策略成功地应用于二维高密度电法数据反演.利用免疫遗传算法(Immune Genetic Algorithm,简称IGA)对神经网络的反演参数进行同步优化,提高了电阻率反演的精度.仿真和实验结果验证设计的全局优化反演策略取得了较好的效果,通过与线性反演方法和BP法以及遗传神经网络法等反演方法进行比较,得出该方法具有反演精度更高,反演时间更短等显著优势的结论.     

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。     

基于遗传优化神经网络的高速公路路基沉降量预测

控制路基沉降是公路工程中的一个关键技术问题,而路基沉降与其影响因素之间存在着线性、非线性关系。当输入自变量较多时,用传统神经网络建模容易出现过拟合现象,导致网络模型预测精度较低。针对此问题,本文用遗传算法对神经网络模型的权值和阈值进行优化,同时讨论遗传参数的设定对输出结果的影响。通过对成南高速的实测数据进行仿真,试验结果表明:优化后的BP神经网络具有较高的预测精度,预测效果明显优于传统神经网络模型的输出结果,该预测方法可作为高速公路路基长期沉降预测的一种有效辅助手段。     

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。     

遗传神经网络在烈度评估中的研究与应用

准确判定极震区烈度是震后应急工作高效开展的重要基础。收集1966—2017年发生在中国大陆地区M_S 5.0以上有详细烈度记录的地震事件322例，选取与极震区烈度有关的7个因子进行主成分分析，将提取的主成分确定为BP神经网络的输入，极震区烈度为输出，在遗传算法优化的基础上，构建用于极震区烈度预测的BP神经网络模型。结果显示，与传统模型相比，神经网络模型在预测误差分布、精度和预测结果正确率等方面都具有明显的优越性。     

基于遗传算法的广义回归神经网络在地震预测中的应用

提出了利用基于遗传算法结合广义回归神经网络（GRNN）进行地震预测的新方法。利用遗传算法的全局搜索能力、不易陷入局部极小点等优点来优化GRNN的径向基函数中心、宽度以及输出层的权值,使得计算结果全局最优。在实际地震数据中选取了100组样本数据进行仿真实验,并利用MATLAB进行仿真。仿真结果表明,本文提出的方法具有较高的精度和一定的理论指导意义。     

基于遗传神经网络的地震砂土液化判别研究

针对BP人工神经网络具有易陷入局部极小等缺陷,本文提出了将遗传算法与神经网络结合,同时优化网络结构的权值与阈值的思想,建立了砂土液化判别的遗传神经网络模型。根据地震液化的实测资料,分别对BP〗神经网络判别结果和遗传神经网络判别结果进行了比较,结果表明后者比前者判别能力要好些。     

自适应GA-BP优化方法进行高分辨率反演

本文提出了一种高精度的神经网络学习方法．由于BP神经网络受初值的影响较大,而遗传算法可以很快达到全局最优解附近．本文结合遗传神经网络和BP神经网络各自的优点,将两种算法混合．使得神经网络的收敛速度得到加快,精度得到提高,并对传统的混合方法作了一点改进．通过对波阻抗进行反演的实践,表明这种方法可以达到提高分辨率的效果。     

用遗传算法实现地震信号反褶积

遗传算法作为寻优手段具有全局优化和很好的稳定性．本文将遗传算法用于地震信号反褶积处理，与已往方法相比它具有更好的分辨率和稳定性我们采用Bernoulli－Gaussian模型和ARMA模型分别描述地震反射系数序列和地震子波，用最大似然和最小预测误差准则分别构造用于估计反射系数序列和地震子波的目标函数，用遗传算法优化目标函数，以实现地震信号反褶积．     

基于改进遗传算法优化BP神经网络的单体建筑物震害评估方法

结合机器学习算法最新研究进展,提出一种基于改进遗传算法优化BP神经网络的单体建筑物震害评估方法。以四川地区为例,通过改进遗传算法优化BP神经网络建立评估模型,输出评估区域内不同结构类型单体建筑物在各震害影响因素综合作用下的破坏等级,并通过实际算例分析对模型的有效性进行验证。结果表明,该方法可快速、准确地评估单体建筑物震害情况。     

基于BP网络本构模型的SMA拉索系统优化控制分析

通过试验测试了SMA材料的超弹性性能,以材性试验数据作为BP网络的训练样本,建立了SMA经遗传算法优化的BP网络本构模型。在MATLAB中直接调用该本构模型,利用改进的遗传算法,对一空间模型结构进行了SMA位置和数量的优化,并对最优布置方案进行了地震反应分析。结果表明,相比未优化的BP网络,优化后的BP网络本构模型与试验曲线吻合地更好,稳定性更高;BP网络本构模型调用简单,精度高,便于SMA控制系统的MATLAB仿真分析。改进的遗传算法能够保证遗传过程中SMA根数的不变,提高全局搜索的效率,获得更优的布置位置;经优化配置后的SMA控制系统可以更加有效发、地降低结构的地震反应,布置4根SMA拉索时,模型结构的层间位移之和即可减少44.51%。     

基于遗传算法的小波神经网络在地震形变前兆分析中的应用

利用遗传算法来优化小波神经网络,达到提高逼近精度,简化网络结构,并利用优化后的小波神经网络训练地震前兆形变资料,运用MATLAB对拟合和预测过程进行仿真。结果表明,该方法对地震预测有参考作用。     

基于遗传神经网络的砂土液化判别模型

针对BP人工神经网络具有易陷入局部极小等缺陷，本文提出了将遗传算法与神经网络相结合，同时优化网络结构与权值、阈值的思想。根据地震液化的实测资料，建立了砂土液化判别的遗传神经网络模型，比较计算结果证明了该模型的科学性、高效性。文中并进行主成分分析，提出液化影响的主要因素。     

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。     

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．      

基于遗传神经网络的大地电磁反演

为进一步提高大地电磁非线性反演的稳定性、运算效率及准确度,将遗传神经网络算法引入大地电磁反演.首先针对大地电磁二维地电模型建立BP（Back Propagation）神经网络基本框架进行学习训练,网络输入为已知地电模型的视电阻率参数,输出为该地电模型参数;再利用遗传算法对神经网络学习训练过程进行优化,计算出多种地电模型网络连接权值和阈值的最优解;最后将最优连接权值和阈值对未知模型进行反演测试,网络输入为未知地电模型的视电阻率参数,输出为该地电模型参数.模型实验表明：遗传神经网络算法充分结合了遗传算法的全局寻优性和神经网络的局部寻优性,相比单一神经网络算法,在网络学习训练中提高了解的收敛成功率和计算速度,在反演测试中能更准确地逼近真实模型.将遗传神经网络算法与最小二乘正则化反演进行对比,理论模型和实测数据都验证了遗传神经网络算法在大地电磁反演中的可行性和有效性.     

基于地震属性的煤层火成岩侵入预测

煤层火成岩侵入给煤矿生产以及经济效益带来了极大的影响,属于亟待解决的问题.本文充分发挥测井信息的作用,基于测井数据建立正演模型,获得不同侵入模型叠加记录,并提取多种地震属性;利用灰色关联和模糊聚类方法对提取的地震属性进行分类和优化,得到与地质目标相关性较好,且相互独立的4种地震属性;利用井旁道地震记录和井信息作为BP神经网络的学习样本进行训练,在训练好的BP神经网络中输入从地震数据中提取的优化后的地震属性,预测煤层火成岩侵入区的分布情况.从实际测区的预测情况看,该方法准确性和可靠性较高,可对实际生产进行理论指导.     

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 .     

储层预测中BP神经网络的应用

论述了BP神经网络的基本原理及在油气预测中的应用，特别讨论了网络的学习和网络技术的改进，通过SN油田SGH组的油气预测，表明利用BP神经网络进行油气藏的储层预测是有效的。     

基于MATLAB的BP预测模型在地震前兆预测中的应用研究

依据神经网络理论,基于MATLAB的神经网络工具箱建立了一个BP神经网络预测模型,并通过对陕西省地震前兆数据的预测分析来检验模型的效果,实验结果证明该模型用于地震预测的可行性,操作简单灵活,直接面向用户。具有很好的应用价值。