基于粒子群优化的BP神经网络模型参考自适应控制系统

将粒子群优化的BP神经网络作为模型，参考自适应控制系统的控制器，把参考模型输出与系统实际输出的均方误差作为PSO-BP神经网络的适应函数，通过PSO算法强大的搜索性能使自适应控制系统的均方误差最小化。仿真实例结果表明，基于粒子群优化算法的BP神经网络自适应控制系统收敛快、精度高，有较好的网络的泛化和适应能力，能够很好地控制系统的输出跟随参考模型的输出。     

基于粒子群优化相关向量机的岩层可钻性预测

本文提出了一种基于粒子群优化相关向量机（PSO-RVM）的岩层可钻性预测方法。该方法选取岩层埋深H、声波时差AC、电阻率ρd、岩层密度ρ和泥质含量Vsh等5个参数作为评价岩层可钻性的基本参数。以某油田Du4钻井为例,采用PSO-RVM方法、多元回归方法和RVM方法对岩层可钻性进行评价。计算结果表明,PSO-RVM模型的预测结果与实测数据非常接近,其预测精度明显高于多元回归方法和RVM方法,说明本文提出的方法具有一定的优越性和较高的精度,可以较好地应用于钻井工程中岩层可钻性预测。     

基于MATLAB神经网络工具箱的岩爆预测模型

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。     

基于岩石可钻性分级的月壤可钻性初探

在分析"Apollo"和"Luna"月表实钻进取心对象的基础上,依据相关的概率分析结果,得出在月表钻进遇见岩石的几率≤5%,月表钻进对象是月壤的可能性为95%;分析了月壤的物理力学特性,确定月壤的内摩擦角和内聚力是影响月壤可钻性的主要特性参数,基于岩石可钻性模型建立了以内摩擦角和内聚力为主要参数的月壤可钻性的初步模型;对"Luna"与"Apollo"的月表钻探取心在钻进方法、钻头材料、钻进深度和钻进速度等方面进行了分析比较,参考岩石可钻性分级指标,得到了月壤可钻性的初步评价结果。     

泉子街地区地层可钻性分析及钻头选型

泉子街地区页岩气参数井钻进过程中存在地层可钻性差、研磨性较强,钻进速度慢,单只钻头（牙轮、PDC）进尺少且报废率高等问题。本文通过对泉子街区块岩石可钻性进行分析、评价,可以为该区页岩气勘查钻井施工钻头选型和钻井工程设计优化提供依据,从而达到提高该区钻井施工效率、降低钻井成本、缩短项目工作周期的目的。     

基于BP神经网络的瓦斯含量预测

以淮南矿区潘一矿13-1煤层为研究对象,在分析勘探钻孔资料的基础上,确定了煤层埋深及厚度、顶底板岩性、地质构造和煤变质程度是影响煤层瓦斯含量的主要因素;使用BP神经网络方法建立了瓦斯含量预测模型;结合实际数据,对预测模型进行训练和检验。预测结果表明:该模型比使用多元线性回归预测能获得更高的精度,说明预测模型可靠。     

基于PSO-BP神经网络的导水裂隙带高度预测

导水裂隙带高度是西部矿区保水采煤的理论依据和关键参数。近年来,BP神经网络广泛应用于导水裂隙带高度预测,但BP神经网络存在收敛速度慢、易陷入局部极小等问题。为提高导水裂隙带高度预测的准确性,利用粒子群优化算法(PSO)对BP神经网络的权值和阈值进行优化,建立基于PSO-BP神经网络的导水裂隙带高度预测模型。选择开采厚度、开采深度、工作面倾斜长度、煤层倾角、覆岩结构特征为导水裂隙带高度主要影响因素,选取22例导水裂隙带高度实测数据对PSO-BP神经网络进行训练,将训练后的PSO-BP神经网络对2例测试样本的预测结果与实际值进行对比,并与BP神经网络预测模型及经验公式预测结果进行对比。结果表明:PSO-BP神经网络预测模型的平均相对误差为1.55%;BP神经网络预测模型的平均相对误差为4.8%,经验公式的最小相对误差为9.4%,PSO-BP神经网络预测精度明显优于BP神经网络和经验公式,且绝对误差和相对误差变化较稳定,可以有效预测导水裂隙带高度。      

基于BP神经网络的抚河水环境质量评价研究

水环境质量评价中.评价因子和评价等级之间是一种复杂的非线性关系.人工神经网络权重因子可以通过学习自动调节,不需要人为设置权重,能较好的处理复杂的非线性关系.通过构建基于BP(反向传播)算法的人工神经周络模型.对抚河水质进行评价.评价结果与模糊聚类方法得出的结果进行对比可发现,神经网络法可以客现、准确的得出评价等级,同时还可以分析出同一类别河段污染程度的不同,实例证明它是一种较好的水环境质量评价方法.     

基于BP神经网络方法的矿井涌水量预测

鉴于矿井涌水威胁煤矿安全生产及其影响因素的复杂性,提出基于BP神经网络的矿井涌水量预测方法.在充分分析新安煤矿＋25m开采水平的涌水影响因素的基础上,选取大气降水、采空区面积和底板构造断裂和采动裂隙三个影响因子,建立了非线性人工神经网络预测模型,对＋25m开采水平的正常涌水量进行了预计.其结果和实际观测数据能够较好地相吻合,表明采用人工神经网络预计矿井涌水量是可行的.     

基于灰色理论和BP神经网络的季冻区草炭土路基沉降预测模型研究

随着北方交通工程建设范围的不断扩大,很多高速公路不可避免地穿越草炭土分布区。季冻区草炭土具有高含水率,高有机质,低分解度等特殊工程地质性质,使沉降预测的理论计算误差较大不能满足实际工程需求。本文首先分析了季冻区草炭土路基沉降机理的特殊性,以此提出了优化的灰色沉降预测模型和二维-双隐层BP神经网络沉降预测模型。两种沉降预测模型不仅考虑了草炭土本身复杂的工程地质性质、北方地区季冻情况对土体自然沉降的影响,还引入了填筑情况等工程因素对路基沉降量的深度学习。以长白山吉林到延吉高速公路草炭土路基沉降实际监测数据为例,将两种模型拟合及预测结果进行对比分析,结果表明两种模型的拟合预测精度均较高,并且各有优势,由此本文对该类工程中两种预测模型各自的特点进行了总结,为北方地区草炭土路基沉降多因素预测模型的研究提供一定参考价值。     

未确知测度BP神经网络模型在黑河流域水质预测中的应用

水质预测是水环境规划、评价和管理的重要依据,对促进水资源可持续利用及生态发展具有重要意义。针对水质预测中各项因子的不确定性,基于未确知测度理论(unascertained measure,UM),采用改变网络初值的方法,对BP神经网络加以改进,并利用黑河流域莺落峡水文站1998~2011年的水质监测资料进行分析和预测。以挥发酚为参考序列,用灰色关联方法分析参考序列与其他因子的关联度,并最终确定BP网络的输入节点为CODmn、DO、SO42-、Cr6+以及挥发酚,输出节点为挥发酚,从而建立UMBP模型。分析结果表明,UM-BP预测模型比标准的BP神经网络模型具有更高的预测精度。因此,该模型应用于黑河流域水质预测是可行的。     

基于MATLAB工具箱的BP神经网络年径流量预测模型研究——以塔城地区乌拉斯台河为例

塔城地区独特的地形为西来水汽的输送提供了条件,从而形成了众多中小河流,而中低山带季节性积雪的消融又使河流呈现出春汛汛的特点,使得径流年内分配不均,对塔城地区水资源配置极为不利,开展径流量的预测研究,将为水资源的优化配置提供科学的理论基础.文章以塔城地区乌拉斯台河为例,根据其年径流量(1966-1995年)序列的长期变化特征,利用MATLAB的神经网络工具箱提供的许多有关神经网络设计、训练以及仿真的函数,实现BP网络对年径流量的预测研究.从模型的检验来看,所建模型具有较好的适应性和预报精度,并且拟合效果较好,说明这种预测方法有一定的实用性.     

BP人工神经网络在小流域径流模拟中的应用

径流量的变化与区域经济社会发展、生态平衡以及水资源管理和水环境保护密切相关,月径流量的研究对水量配置、调度等均具有重要意义。针对小尺度流域普遍存在的资料有限问题,研究BP人工神经网络在华南湿润区小流域月径流模拟的适用性。以滨江流域长序列逐日降水径流资料为基础,采用BP人工神经网络进行月径流量模拟,并将其与径流系数法、新安江模型和HSPF模型所得进行对比分析。研究表明:BP人工神经网络使用简便,变化趋势预测准确,在降水径流模拟方面优势明显,全年确定性系数为0.91,高于径流系数法所得0.85,与新安江模型的0.92、HSPF的0.96相当,具有良好的应用前景,其汛期的模拟效果优于非汛期,但模拟结果相对偏大,存在一定的改进和提高空间。     

基于BP神经网络的泥石流平均流速预测

泥石流平均流速是泥石流防治工程中不可缺少的重要参数,准确地预测泥石流平均流速对于泥石流防治工程的设计是至关重要的。将BP神经网络应用于泥石流平均流速的预测:将泥石流平均流速的影响因素--泥沙平均粒径、泥深、沟床比降和泥石流密度作为BP神经网络的输入单元,通过对云南东川蒋家沟泥石流观测数据的训练与预测建立了泥石流平均流速的BP神经网络预测模型。将预测结果与东川公式和曼宁修正公式的计算结果进行对比:曼宁修正公式和东川公式预测结果最大误差分别为27%和7.3%,BP神经网络的预测结果最大误差仅为3.2%,BP神经网络的预测精度是最高的,可见此方法对泥石流平均流速预测具有适用性和准确性。最后应用此方法预测了乌东德水电站近坝库区内的3条泥石流的平均流速分别为12.8 m/s、11.3 m/s和13.0 m/s,为库区泥石流防治工程提供了可靠的参考数据。     

基于BP神经网络的稳定湖相和风成沉积物粒度数据表征方法

沉积物的形成受到多种地质因素的综合控制。通过粒度分析可判别沉积物的成因类型,推断其形成的沉积环境,解释环境演变;而沉积物的粒度组分除了受到原岩的控制外,还受到机械沉积作用的影响难以准确预测。运用人工神经网络对稳定湖相沉积物和风沉积物的粒度参数进行研究,将沉积物的4个粒度参数作为网络模型的输入变量,在对168个浙闽沿海迎风岸风成老红砂样品和282个苏贝淖湖滨湖泊沉积物样品所对应的粒度参数进行数据样本训练之后,获得了基于BP神经网络的稳定湖相和风沉积物预测模型。然后利用448个大树摆鱼湖相沉积物粒度参数样本和100个兰州榆中黄土风沉积物粒度参数样本作为测试样本对该模型进行了测试和验证,结果显示模型的可靠性较好,能够对沉积物的形成环境做出正确的判断。     

均生函数与BP神经网络耦合模拟预测模型(MGF-BP-I)的建立与应用

水文气候因子模拟预测对气候变化研究、农业墒情预报、生态环境改善、水资源合理开发利用等具有一定参考意义。均生函数、BP神经网络及其结合改进方式在模拟预测中各有优点,被广泛应用,但仍有进一步改进空间。针对MGF、MGF-OSR、MGF-OSR-BP等方法粗选因子集、粗选集组合筛选、收敛适应性、精度控制等可改进空间,进一步发挥均生函数和BP神经网络优势,建立了MGF-BP-I模拟预测模型。利用MGF-OSR、MGF-OSR-BP、MGF-BP-I对科尔沁沙地区域平均年降水进行了模拟预测。结果表明,建模期MGF-OSR-BP、MGF-BP-I拟合效果均较好,MGF-BP-I建模阶段最优模式精度优于MGF-OSR-BP,MGF-BP-I整体同时最优模式结果也非常好。检验期,MGF-BP-I检验阶段最优及整体同时最优两种模式拟合效果最好,相比其他模式精度有所提高。MGF-BP-I考虑更加全面,充分发挥了均生函数和BP神经网络优势,精度远高于MGF-OSR和MGF-OSR-BP,MGF-BP-I整体同时最优模式更符合实际应用,效果理想,可用于水文气候因子模拟预测。     

基于遗传BP神经网络的地下水位预测模型

地下水水位动态预测对农田土壤盐渍化防治、地下水地表水资源的合理调度具有十分重要的意义。以新疆和静县某地下水观测井为研究对象,选择月均蒸发量、气温和灌溉量3个因素作为BP神经网络模型的输入量,利用遗传算法优化神经网络的权值与阈值,建立地下水水位的遗传BP神经网络预测模型。结果表明:遗传BP神经网络模型能较好表达地下水位与主控因素之间的非线性关系,预测结果与实测值之间的平均绝对百分比误差为0.040 3,测试样本的网络输出值与网络目标值的相关系数达0.967 3,模型预测效果较佳。研究结果为区域地下水的开发利用与保护提供参考依据。     

基于 BP 人工神经网络算法的临沂市土地利用集约状况探析

通过对2009—2012年度临沂市9县3区统计年鉴和变更调查中11个相关指标数据的搜集,借助 MATLAB7．0软件平台,利用 BP 人工神经网络算法,算出2009—2012年度各县区土地利用集约度,并利用 BP 人工神经网络的预测功能,预测了2013年和2014年度土地利用集约度值,结果表明临沂市平均土地利用集约度水平正逐步从粗放利用发展到中度集约,兰山区土地利用集约度水平一直为高度集约,集约度居全市之首,罗庄区一直为中度集约,稳中有进。预计到2014年底,大部分县区在中度集约或以上,仅有费县、蒙阴2县为粗放利用。。     

红河油田地层可钻性研究与钻头优选

红河油田水平井钻头适应性差、起下钻频繁,导致机械钻速低和钻井周期长,严重制约了钻井提速提效。通过对红河油田地层岩心进行室内可钻性实验,建立了该地区岩石可钻性与声波测井相关性数学模型,从而确定了岩石可钻性级值剖面。实验及计算结果表明,红河油田地层可钻性级别为3～6级,上部属于软地层,下部属于中硬地层。基于地层可钻性优选了PDC钻头,经现场试验与应用,平均单只钻头进尺、机械钻速大幅提高,大大缩短了钻井周期,达到了水平井钻井提速提效的目的。