自组织竞争神经网络在决策分析中的应用

在油气田的勘探过程中,通常有多种方法可以采用,每种方法所需要的经济成本均不同,因此需要利用数学工具为油气开采选择一种最为经济的方法。这里充分利用了人工神经网络的高度智能性,给出了网络训练权值及网络训练以后的权值拓扑结构,并从理论上保证了其分类的可靠性。结合该工程中具体的数据进行了分类处理,实现了三维数据下的聚类分析,得到了良好的分类效果。最好对该算法进行了总结和分析,表明该算法具有很大的灵活性和可扩展性。     

自组织神经网络在测井储层评价中的应用

在测井储层评价过程中,岩性及流体性质的识别难度很大。当地层信息较少时,传统的交会图和有监督神经网络(如BP神经网络)等方法在识别岩性时会受到一定限制。为此.基于自组织神经网络的结构和原理,建立了岩性和流体样本数据集,利用自组织神经网络对样本数据集进行了训练和纠错,得到了数据集的聚类结果,通过选择合适的测井曲线和网络权值,以样本数据集的聚类结果作为分类基础,对岩性和流体进行了识别,获得了较好的效果,实际资料处理结果与岩心分析资料对比,吻合度高。     

自组织竞争人工神经网络在砂岩型铀矿测井数据解释中的应用

详细介绍了自组织竞争人工神经网络模型结构、原理和钻孔岩性自动识别过程,给出了神经网络模型在钻孔岩性自动识别过程中的有效性实例。自组织竞争人工神经网络具有自组织能力、自适应能力和较高的容错能力;与BP算法相比较,计算量小,收敛速度快,且不需要已知的先验信息而自动确定分类类别。钻孔岩性识别结果与岩心地质编录的对比试验表明,在砂岩型铀矿测井数据的解释中,应用自组织竞争人工方法可较好地完成钻孔岩性自动分类。     

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。     

BP自组织神经网络在地下水动态分类中的应用

本文是根据国内外较为流行的BP自组织神经网络方法,与区域地下水动态成因及地下水观测井历时曲线形态相结合对哈尔滨市地下水的动态型进行定量分类:波动—水文型、上升—弱水文型、上升·下降—开采型、上升—开采型,并且定位在图上。此种分类更加直观地反映本区地下水在空间和时间的变化规律,并对本区地下水的水流模型参数分区具有参考价值。     

自组织神经网络用于地质样品分类

地质样品的分类是地质学中一个重要问题。本文提出用一种神经网络———ART2模型来实现自动分类。该方法简单、实用,分类效果令人满意。网络的应用结果显示出它具有良好的获得最佳分类数和最佳分类的双重功能。     

RBF神经网络在电路故障诊断中的应用研究

电路系统在工业控制中起着极其重要的应用,随着电路越来越复杂,电路各节点间的关系呈现非线性关系,若节点发生故障,如何确定故障发生在何处成为一大难题。利用RBF（radical basis function）神经网络可以快速逼近任意非线性函数及良好分类能力的特点,来实现对电路系统的故障分类。通过RBF与BP方法的比较及实例分析可得出结论,RBF可以很精确地确定电路中的故障来源,在对电路故障诊断能力方面具有较多的优越性。     

用自组织神经网络自动识别岩相

ＢＰ神经网络技术以其强大的学习能力已广泛应用于许多领域,取得了很好效果。但当不具备已知样本时,该技术很难应用。本文采用改进的自组织神经网络,对测井资料进行自动岩相识别,并在松辽盆地进行了实际应用。通过与已知资料对比,证实该方法是一种有效的岩相自动识别方法,具有良好的应用前景。     

神经网络的任务分解在抽油泵故障诊断系统中的研究

作者通过神经网络的任务分解在抽油泵故障诊断神经网络系统的研究 ,分析了神经网络任务分解的理论依据 ,并通过实验得出了神经网络任务分解时所需遵循的几个结论 ,以及通过实验证明神经网络任务分解对于减少网络的收敛迭代次数是一种行之有效的方法     

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。     

自组织特征映射神经网络在厄尔尼诺事件检验中的应用

对厄尔尼诺事件多因素成因进行了分析。利用自组织特征映射（SOFM）神经网络方法对1973～1994年的全球7级以上地震次数、日食条件、海温距平数据建立了SOFM网络检验模型。对1995~2000年厄尔尼诺事件进行了检验,检验的准确率为83.3% 。     

SOFM储层综合评价方法及其在延吉盆地的应用

通过对已有储层评价方法优势与不足的分析,提出在空间数据库基础上应用自组织特征映射神经网络进行油气储层评价,并对延吉盆地大砬子组储层进行了评价。评价结果显示：Ⅰ级储集层主要发育于朝阳川凹陷中央-延D4井西缘、呈椭圆状分布,朝阳川凹陷西缘即延D6、延3之间呈月牙状分布;Ⅱ级储集层区块较大,分布集中在朝阳川凹陷周缘及帽儿山凸起,在清茶馆凹陷的东缘、南缘和德新凹陷的北缘呈不规则分布;Ⅲ级主要发育于朝阳川凹陷中央-朝阳川镇南部,清茶馆凹陷东缘,呈条带、小块状零星分布,德新凹陷大部呈不规则分布;Ⅳ级主要发育于西部隆起区、练花洞单斜一带,在茶清馆凹陷中央也有零星分布;其它地区是储层物性发育较差的Ⅴ级。     

基岩裂隙水神经网络专家系统实例研究

详细介绍了基岩裂隙水寻找与开发的神经网络专家系统的建立,包括神经网络专家系统的组成、结构和神经网络模型的训练,并将训练后的神经网络模型应用于某裂隙水水源地的勘探工作中,取得了较好的效果.     

BP神经网络在某油田区地下水质量评价中的应用

对误差反向传播(error back propagation,简称BP)人工神经网络在水质评价中应用的原理进行了分析,并将其应用于地下水质量评价.首先,利用MATLAB7的神经网络工具箱,根据GB/T 14848-93《地下水质量标准》,构建出10-11-5三层结构的BP人工神经网络模型,并对某油田区的地下水水质进行了...     

盾构施工典型故障诊断初步研究

随着盾构技术的广泛应用,出现了一些典型事故,有必要在盾构施工过程中引入故障诊断技术,以避免类似事故的再次发生。从本质上讲,盾构施工过程中的故障诊断技术是个模式分类问题,可以借助BP前馈神经网络来实现。结合广州地区的生产实例,在对典型故障简单分类的基础上,对具体应用BP网络实现盾构机的故障诊断进行了分析和探讨。算例表明,应用BP神经网络进行盾构施工过程的故障识别与诊断是可行的。当然,为进一步提高故障诊断的效果,应加强对典型故障数据的积累并提高故障间的可分离度     

BP神经网络在贵州喀斯特山区径流预报中的应用

以贵州六冲河、倒天河流域为例建立喀斯特山区径流预报BP神经网络模型。六冲河流域以七星关站丰水期流量过程为输出数据,以丰水期降雨过程、出口断面前期流量过程、蒸发量作为输入数据,倒天河流域以徐家屯站丰水期流量过程为输出因子,丰水期降雨过程、前期流量过程作为输入因子。预报结果确定性系数DC值分别为0.538、0.420。结果表明将蒸发量作为输入数据、流域面积比较大模型预报精度较大。     

人工神经网络在识别浅覆盖区地质体中的应用

利用水系沉积物资料识别浅覆盖区地质体,对于提高区域地质填图质量具有重要意义。神经网络为解决此问题提供了新的途径。依据浅覆盖区基岩和其对应的水系沉积物在化学成分上的继承关系,以内蒙古四子王旗浅覆盖区为例,阐述了运用BP神经网络模式识别地质体的原理和方法,并识别出了化学成分相近的浅覆盖层下地质体。该方法可广泛应用于浅覆盖区地质填图。     

基于人工神经网络预测弯道段冰塞壅水

寒冷地区河流冬季常形成凌洪灾害,冰情的预报和预测大致可分为冰塞出现的位置、上游水位升高和开河冰塞的预报.依据实验资料,分析了弯槽段冰塞壅高上游水位和佛汝得数以及冰流量之间的变化关系,采用BP网络对水位壅高及弯槽断面水位进行了模拟预测并和回归分析的结果进行了对比,结果表明:人工神经网络技术可以提高对水位的模拟预测精度.     

人工神经网络方法及其在遥感地质找矿中的应用

文章探讨了三层神经网络结构及其误差逆传播学习算法在遥感图像分类中的应用,并利用其技术优势对滇西红山试验区进行了研究实践,结果表明人工神经网络识别在遥感地质找矿研究中具有广泛的应用前景。