砂土地震液化势的二级模糊综合评判

基于砂土地震液化的工程实例,采用模糊综合评判的二级评判方法对砂土的液化势进行了评价,并同其它评判方法进行了对比分析,表明该方法取得了较好的结果.     

砂土地震液化的模糊概率评判方法

利用模糊数学中的模糊概率理论,建立了砂土地震液化的模糊概率综合评判模型。在此模型中,提出了模糊权重的概念,可充分考虑权重的模糊性,从而避免权重取值带来的不确定性。结合砂土地震液化特点,选取地震烈度、标准贯入击数、平均粒径和上覆有效压力作为主要评价影响因子,同时将液化程度划分为不液化、轻微液化、中等液化和严重液化4个等级,进而使其评判结果更为精细化。通过算例分析,表明文中方法对砂土液化评判的合理性与有效性。     

基于人工神经网络的砂土液化势评价

本文利用静力触探（ＣＰＴ）场地液化数据,建立了液化势判定的反向传播神经网络模型,研究表明,同传统方法相比,人工神经网络方法在判别砂土液化势方面是可行的。     

砂土地震液化的神经网络预测

在简要分析BP算法的基础上,应用BP网络的理论与方法,选取砂土的平均粒径(d50／mm)、相对密度(Dr／％)、标准贯入击数(N63.5／击)、上覆有效应力(σv／kPa)、地震烈度(I0)作为指标,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。     

砂土地震液化的模糊优化判别

利用模糊最优归类方法对砂土地震液化进行判定,通过综合地震烈度、平均粒径、标贯值和有效上覆应力等影响砂土地震液化的因素,利用最优归类隶屑度向量作为砂土是否液化的判别指标,并经实例计算验证了该方法的可行性.该方法采用的指标在现场勘测中容易取得,计算过程简单明了,有一定实用价值.     

人工神经网络在砂土液化评判中的应用

影响饱和砂土液化的因素众多,必须建立多指标的综合评判模型来进行评判,而神经网络是一种非线性的动力系统,对于砂土液化评判等线性问题最具有优越性,利用ＢＰ型人工神经网络计算原理,采用震级、地面运动加速度最大、标贯击数、比贯入阻力、相对密实度、砂土平均粒径和地下水位等共７个变量建立的砂土液化评判模型,可对砂土液化的严重程度和对建筑物的危害程度实现简单而高效的定量评判。实例研究表明,人工网络法是解决砂土液     

基于自组织神经网络的砂土液化评价

在分析自组织特征映射(SOFM)神经网络基本学习算法的基础上,从提高算法收敛速度和性能出发,提出了一种改进算法:根据实际应用并结合专家经验确定初始连接权值;采用高斯函数作为拓扑邻域函数;将算法分为粗调整和细调整两个阶段,分别采用不同的学习率和邻域函数,然后采用改进后的SOFM算法对砂土液化进行评价。实例研究表明,应用SOFM神经网络评价砂土液化高效可行,为砂土液化评价提供了新方法。     

基于液化势指标的砂土抗液化评价方法及应用

在散粒体最大最小孔隙比理论的基础上,采用一种新的液化势指标对不同颗粒级配的二元砂粉混合物进行抗液化能力预测。通过对已有文献数据中砂粉混合物的体积应变势进行计算,分析混合物的细粒含量、粒径比与循环抗力比CRR的关系,结合混合物所处实际孔隙比提出了一个新的液化势指标ε′_v。与砂粉混合物的CRR试验数据对比分析显示：各类砂粉混合物的CRR均随ε′_v的增大而单调地降低,且两者呈现良好的幂函数关系,并进一步建立了CRR-ε′_v关系曲线最佳拟合参数与粒径比的关系。对蒙特利砂混合耶茨维尔粉土试样进行的CRR预测结果表明,ε′_v综合反映了土粒径分布、密实状态和颗粒形状的综合影响,是表征砂粉混合物CRR的一个有效指标。实际工程中可代替传统的现场原位试验,仅通过简单的室内试验预测场地土层抗液化能力。     

砂土液化的广义回归神经网络判别法

本文阐述了广义回归神经网络的特点,综合考虑了影响砂土液化的主要因素,利用我国台湾和土耳其科贾埃利地区震害调查资料,建立了预测砂土液化的广义回归神经网络模型。应用多元回归预处理优化输入样本数据后,用广义回归神经网络对砂土液化判别,计算结果与实际情况基本吻合。研究表明,广义回归神经网络是进行砂土液化判别预测的有效手段,计算数据经过多元回归预处理后,大幅度提高了预测准确度。     

模糊神经网络算法及其在油气储层判识中的应用

文章在综合利用模糊模式识别剔除噪音信息和ＢＰ神经网络拟合优势的基础上,设计了模糊神经网络新算法。该算法利用综合隶属度矩阵和模拟专家意见阵,强化模式分类的主体信息,大大提高了网络的收敛速度。在应用于某气田测井资料的储层识别表明,该算法不仅计算速度快,而且预测精度也得到了较大的提高     

模糊识别模式在粉土液化判别中的应用

基于模糊数学的基本原理和方法,分析了粉土液化的影响因素,选取粉土的平均粒径,相对密度,标准贯入击数和上覆有效压力作为评价指标,构造粉土液化的模糊识别模式。验证和应用结果表明,模糊识别模式具有很好的映射能力,是粉土液化势预测的有效手段。     

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。     

改进的模糊神经网络模型在储层产能预测中的应用研究

常规神经网络在当训练样本时分母项易趋于0，导致运算进入死循环，降低了结果的可信度。改进的模糊神经网络模型克服了上述现象，具有绝对收敛性，且隐含层的神经元个数容易调整。将该改进模型用于储层产能预测，正确率达95%以上。     

影响水力压裂效果的因素及人工神经网络评价

水力压裂是低渗透油气田提高开采效益的主要技术手段之一,但是影响水力压裂效果的因素较多,如地质特征、储层物性和地层能量等。为了达到理想的压裂效果,就要综合考虑各个影响因素之间的相互关系,找出影响压裂效果的主要因素。本文利用人工神经网络方法建立了数学评估模型并对已有的大量生产数据进行了网络训练和方法验证。结果证明所建立的压裂井潜能评估模型稳定性好,预测精度较高,对油田水力压裂的选井评层及产能预测具有一定的指导意义。      

渭河盆地东南部砂土液化模糊综合评价及洪水影响研究

依据砂土液化影响因素和大量实际资料对渭河盆地东南部5县进行了砂土液化模糊综合评价, 给出了砂土液化分区, 并讨论了洪水泛滥对该区砂土液化的影响。     

用自组织神经网络方法实现测井相定量识别

作者在本文中介绍了一种利用自组织神经网络进行测井相识别的方法。自组织神经网络是一种无导师学习算法，它通过网络自身的调节对输入进行聚类，近年来广泛应用于各类模式识别问题中。这里我们采用从测井曲线中提取出反映沉积环境的信息参数，再利用自组织神经网络进行测井相判别。此法从沉积成因角度出发，判别沉积相模式，消除了测井曲线中的不确定因素，更具代表性。     

常用有机溶剂人工神经网络模式识别方法研究

用人工神经网络方法对常用有机溶剂进行分类。４５种有机溶剂模式识别的误判率为７．６％，同聚类方法比较，本方法分类能力强，结果准确，可直接对未知溶剂分类。     

前馈神经网络在矿物识别方面的应用

本文首先介绍人工神经网络的发展现状，然后着重阐述BP人工网络的基本原理和算法，并以蓝宝石的产地识别和石榴子石分类识别作为具体实例，用此说明人工神经网络方法在矿物学中的应用，最后对识别结果及BP算法本身进行了讨论。