人工神经网络在岩体质量分级中的应用

结合四川省金沙江某水电站工程实例，应用BP人工神经网络方法建立3层BP网络模型，选取岩石单轴抗压强度等6个影响因素为输入变量，对坝基复杂岩体进行质量分级。通过机算机Visual C 语言编程实现神经网络模型，进行网络的学习和运算。以神经网络合理结构分析方法选取合理结构，确定合理隐层单元的数量，提高网络测试的精度。对测试结果的分析发现，经过优化的BP网络模型经多次学习后，测试精度提高，结果可靠，取得较好的实际应用效果。     

基于人工神经网络模型的岩石特性预测

近年来,软计算技术被用作替代的统计工具。如人工神经网络（ANN）被用于开发预测模型来估计所需的参数。在本研究中,通过利用冲击钻进过程中的一些钻进参数（气压、推力、钻头直径、穿透率）和所产生的声级,建立了预测岩石性质的神经网络模型。在实验室中所产生的数据,用于开发预测岩石特性（如单轴抗压强度、耐磨性、抗拉强度和施密特回弹数）的神经网络模型,并使用各种预测性能指标对所建模型进行检验,结果表明人工神经网络模型适用于岩石性质的预测。     

人工神经网络在矿井构造定量评价中的应用

探讨了矿井构造定量评价的人工神经网络方法, 结合东坡井田实际, 重点讨论了 BP模型的输入层、隐含层和输出层的构置和优选等问题, 并使用有序地质量最优分割方法和插值法得到学习样本, 经过学习样本的训练, 对未知单元进行评价取得了良好的效果。     

基于人工神经网络的地裂缝危险性评价系统

现代地裂缝在世界许多国家普遍存在, 已成为当今世界范围的主要地质灾害之一。利用地理信息系统 (GIS)与人工神经网络 (ANN)耦合技术建立了地裂缝灾情非线性模拟评价系统。作者在分析地裂缝灾害成因的基础上, 利用地理信息系统 (GIS)的空间分析功能, 建立了构造、地下水开采、地层和地貌 4个地学信息专题层图; 采用人工神经网络 (ANN)这一以工程技术手段模拟人脑神经网络的结构和功能特征的技术系统, 建立了地裂缝灾害危险性非线性模拟评价模型, 开发研制了危险性评价系统, 进而对榆次地裂缝灾害危险性进行了非线性模拟评价, 将研究区按危险性系数进行了分区, 为榆次城建、环保和国土规划等部门的正确决策提供了重要的科学依据。     

基于神经网络的混沌时间序列预测

应用混沌方法对时间序列观测数据进行处理,计算出最大lyapunov指数,得到最大可预报时间尺度。在此基础上,建立人工神经网络预测预报混沌时间序列的模型。结合实例,对该预测方法进行了计算验证。     

基于进化神经网络混凝土大坝变形预测

根据丰满大坝多年变形观测数据,建立了基于进化神经网络混凝土大坝变形预测方法。经典的BP神经网络的缺陷在于收敛速度慢和泛化能力弱等特性。与普通的多元回归方法和传统的BP神经网络相比,采用遗传算法训练的人工神经网络预测模型预报大坝的变形具有精度高和全局收敛的特点。在丰满大坝工程实际应用表明,所建立的基于进化神经网络混凝土大坝变形预报方法与广泛采用的统计方法相比,可以显著提高大坝变形预报精度。     

基于模糊人工神经网络识别的水质评价模型

人工神经网络和模糊识别理论作为模拟生物体的信息处理系统,在实践中得到广泛的应用,且各有所长,将二者相结合,构造出模糊人工神经识别网络,从而使识别系统的柔性处理能力得到很大提高.阐述了模型和方法,将其用于长江支流沱江枯水期的水质综合评价,结果表明,模糊人工神经网络综合评价具有客观性和实用性.     

人工神经网络在澜沧江某电站坝基右岸复杂岩体分类中的应用

结合云南省澜沧江某水电站工程实例,应用BP人工神经网络方法建立3层BP网络模型。选取岩石单轴抗压强度、岩体完整性系数、RQD、节理面粗糙度系数、节理面风化变并系数、透水性系数等6个影响因素为输入变量,对坝基右岸复杂岩体进行质量分类。通过对比分析发现,BP网络模型经多次学习后,预测岩体质量类别时辩识能力较强,结果可靠,取得了较好的实际应用效果。      

基于BP神经网络的降雨充水矿井涌水量预测

长沟峪煤矿矿井涌水量受降雨影响显著,曾经因降雨造成淹井事故。文章分析了长沟峪煤矿矿井充水因素及其影响程度,建立了矿井涌水量预测的BP网络模型,通过对2006年和2007年＋141水平和＋20水平矿井最大涌水量预测验证了该模型的可行性,并据此对不同降雨条件下的矿井涌水量进行了预测。     

人工神经网络在海浪数值预报中的应用

探讨将人工神经网络技术和传统的数值模式相结合,以期得到一个更有效的海浪预报方法.以第3代海浪模式的模拟结果作为输入,浮标观测资料作为输出,采用人工神经网络进行训练,训练的初步结果显示,人工神经网络可以改进海浪数值模式的预报精度,但在波高比较大时,改进的效果并不令人满意.为此,对观测值大于1.5m时的有效波高进行再训练,从而结果有了进一步的改善.研究结果证明人工神经网络技术可以提高海浪数值预报的精度.     

有监督的人工神经网络油气预测

有监督的人工神经网络预测是20世纪90年代发展起来的一种新兴技术，由于它具有算法快、精度高的特点，在油气预测中得到广泛使用。本文介绍了该方法的原理及其与地震属性的关系，应用实际资料进行了计算，证明效果良好，是一种油气预测有利工具。     

基于进化神经网络的参考作物腾发量预测

利用遗传算法的全局空间寻优功能和BP网络映射能力强的优点,建立了以遗传算法确定最优网络结构的进化神经网络(GA-ANN)模型,用来预测参考作物腾发量(ET₀).设计多组数字实验处理,研究了输入因子间相关性对模型预测准确性的影响,并验证了最优网络模型结构,即预测ET₀的理想GA-ANN模型中以日平均气温、日照时数及日序数为输入因子.实例分析表明,该模型克服了BP网络输入层、隐含层节点确定的盲目性,适应性强,精度高,可用于ET₀预测.     

岩土边坡稳定性预报的人工神经网络方法

阐述了经典边坡稳定分析方法的局限性,综合考虑了影响边坡稳定性的因素,建立基于人工神经网络的边坡稳定性预报方法。采用遗传算法优化神经网络的结构,以提高其非线性映射能力和泛化能力,从而,提高预报准确度。基于已有的工程实例训练所建立的神经网络,并对新的边坡稳定性问题进行了预报,预报结果表明,所建立的边坡稳定性预报方法具有较高的预报准确度。     

优化人工神经网络在折射波静校正中的应用

应用优化人工神经网络进行折射波初至拾取, 结合微测井和小折射资料反演风化层以及折射层速度, 并利用Taner全三维静校正原理进行折射波静校正。实际资料计算结果表明: 该方法有效提高了折射波初至拾取的效率, 很好地实现了CMP的“同相叠加”, 较好地改善了叠加剖面的信噪比和剖面的横向分辨率。     

人工神经网络专家系统在瞬变电磁法反演中的应用

目前在瞬变电磁法反演方法中, 人们使用较多的是电磁场反演拟合的方法。但往往存在以下不足:首先这些反演方法理论复杂, 不易掌握;其次它要求工作人员有丰富的工作经验, 缺乏延续性, 很难推广;再次数据处理量大, 计算复杂。本文提出一个基于人工神经网络的专家系统。它避开了具体复杂的电磁场计算, 只要经过适当的学习训练就能够解决复杂的实际问题;而且还具有学习记忆功能, 使得瞬变电磁法的反演工作具有延续性和继承性。随着专家系统的不断完善, 该方法将有广阔的发展前景。      

液化判别中基于人工神经网络的粘粒含量取值研究

岩土工程勘察实践中,得到正确的粘粒含量是进行液化判别的前提与基础。利用静力触探成果进行液化判别时,粘粒含量往往采用场地平均值或邻近钻孔相应深度处土样的粘粒含量值,与判别点处粘粒含量实际值间存在一定差别,影响了采用静力触探液化判别的准确性。采用人工神经网络可建立起需液化判别土层各点粘粒含量与相应空间坐标间的关系,从而得到场地内需液化判别土层粘粒含量的分布规律,为液化判别提供更为准确的粘粒含量。     

Prediction of residual friction angle of clays using artificial neural network

The residual strength of clay is very important to evaluate long term stability of proposed and existing slopes and for remedial measure for failure slopes. Various attempts have been made to correlate the residual friction angle (_r) with index properties of soil. This paper presents a neural network model to predict the residual friction angle based on clay fraction and Atterberg's limits. Different sensitivity analysis was made to find out the important parameters affecting the residual friction angle. Emphasis is placed on the construction of neural interpretation diagram, based on the weights of the developed neural network model, to find out direct or inverse effect of soil properties on the residual shear angle. A prediction model equation is established with the weights of the neural network as the model parameters.     

基于BP神经网络的孔隙充水矿井涌水量预测

文章分析了孔隙充水矿井的充水水源和通道,利用非线性的BP人工神经网络建立了徐州韩桥煤矿涌水量短期预测模型,选取每天的降水量作为影响因子,用已有的涌水量资料训练得到权值和阈值来表示充水通道,并对-200m水平、-270m水平、-330m水平和全矿井涌水量进行了预测.结果显示,涌水量的预测值与实测值吻合得较好,说明该模型具有一定实用性.     

自组织人工神经网络在多金属成矿预测中的应用

本文运用ＴＫｏｈｏｎｅｎ自组织人工神经网络，对鄂东南地区４４个铁帽进行计算机识别，识别成功率达１００％。结果表明，该方法性性能良好，可望成为多金属成矿预测的一种有效的辅助手段。     

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。