一种基于宏启发搜索策略的神经网络学习算法

神经网络的学习是全局优化问题，Ｔａｂｕ搜索是一种非常有效的求解全局优化问题的宏启发搜索策略，文章根据Ｔａｂｕ思想和松弛原理，提出了一种多层网络学习算法。初步实验表明该方法是有效和快速的。     

自适应BP算法及其在河道洪水预报上的应用

提出一种改进的BP算法,即自适应BP算法。该方法采用两种策略:一是在权重修改公式中加动量项;二是学习率随总误差的变化作自适应调整,亦即总误差增加时,学习率将减小,反之学习率增大。以上两种策略能有效的抑制网络陷于局部极小并缩短了学习时间。实例研究表明,该算法用于河道洪水的预报,能取得令人满意的结果。     

应用神经网络技术进行油气圈闭评价研究

1 研究区石油地质特征库尔勒鼻凸-草湖凹陷位于塔里木盆地东北部,受南天山构造带挤压作用的持续影响,整体呈现南升北降的构造格局震旦纪是区内第一套沉积盖层,与前震旦系浅变质的结晶基底角度不整合接触,其上与寒武系平行不整合接触;寒武纪-早奥陶世,塔里木广大地区沉积格局在震旦纪基础上继承发     

神经网络技术及其在测井解释中的应用

在分析传统测井岩性解释中存在的一些问题的基础上，从神经网络的机理、特点出发，探讨了利用神经网络技术进行测井岩性识别的可行性及优越性，并以找矿目的层为对象，进行了岩性分析与对比，为该方法的进一步应用开拓了前景。     

应用一种改进BP神经网络算法预测密度曲线

利用测井数据与地震数据二者相结合进行综合分析,是地震勘探工作者的重要工作。可以通过分析井位处的地震数据与测井数据,提取地震的多个属性,建立一个与测井属性的统计关系。选取已改进的三层网络结构BP神经网络算法,在应用一个实际例子后表明,该算法的主要特点是收敛速度快、计算简单,同时还具有跳出局部最小的能力。应用此神经网络算法对某油田的二维地震数据进行了处理,提取了多种地震属性,并在井位置建立了地震属性与密度曲线的非线性关系,成功预测了剖面密度曲线,为了解储层状况提供了有益的资料。     

基于重置神经网络在油气储层预测方面的应用

神经网络在地质、油气储层方面有着极其广泛的应用,但是神经网络的结构不仅直接影响到网络性能的优劣,而且较大的影响了其现实应用的效果。这里尝试着将与重置算法相结合的BP神经网络应用于油气储层预测方面,并证实重置神经网络具有更好的应用前景和现实意义。     

BP神经网络算法在陆域天然气水合物成藏预测中的应用

勘察陆域天然气水合物的过程中,会产生大量的地质、地球物理和地球化学资料,将这些数据资料与数学方法有机结合,建立起综合信息预测模型对寻找水合物具有重要意义。笔者选取木里地区为主要研究区域,综合区内勘查已获得的地质、地球物理和地球化学数据,分析和提取了对水合物成藏有利的特征,给出了相应的预测变量转化规则。采用BP神经网络这种非线性预测方法进行成藏预测研究,并对结果进行对比评估。结果显示,钻遇水合物的钻井与预测得到的高有利度区吻合,未遇水合物的钻井基本落于低有利度区,算法有效实用,建立的转换规则切实可行。     

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。     

BP神经网络在岩溶水库渗漏评价中的应用

岩溶水库渗漏受众多因素影响,对其渗漏量预测一直是水利工作者的研究热点。本文根据非线性理论,综合考虑各种地质因素并由此建立了一个神经网络系统。研究结果表明,该神经网络模型具有较高的预测精度,是可行和实用的。在此基础上,利用此网络模型对水布垭水利枢纽渗漏进行了定量预测。      

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。     

岩溶地面塌陷神经网络预测

应用神经网络理论的原理 ,通过对收集到的岩溶地面塌陷实例进行学习 ,建立了岩溶地面塌陷评价及预测模型 ,对某市岩溶地面塌陷进行预测。结果表明 ,神经网络方法具有精度高、收敛速度快、容错能力强等特点 ,在岩溶地面塌陷研究中具有广阔的应用前景     

小波神经网络在重磁资料反演中的应用前景

对BP神经网络在重力密度界面反演以及小波分析在位场分离上的应用进行了深入的研究,进而对小波神经网络在重磁资料反演中的应用前景进行了分析、评价。     

区域稳定性的神经网络分区评价

以黄河黑山峡河段区域稳定性研究为例 ,本文系统地提出了区域稳定性的神经网络分区评价的程序与方法。结果表明 ,这一评价方法比其他方法更简洁 ,也更准确     

BP人工神经网络在地学中的应用

ＢＰ人工神经网络是摸拟人脑机理和功能的一种新型计算机和人工智能技术,它在数据处理中可避免数据分析和建模中的困难,采用拟人化的方法进行处理,特别适用于不确定性和非结构化信息处理,因而对地质学中各种未知信息的预测有着较好的适用性。     

FORECAST OF PREFERRED FAULT BASED ON NEURAL NETWORK

基于优势面区域稳定性评价理论和人工神经网络 (ANN)的原理和方法 ,探讨了基于 ANN的优势断裂预报神经网络算法及模型 ,并结合实例检验表明应用反传 (BP)神经网络模型判定优势断裂的新方法是有效的 ,且取得了理想的结果。     

BP神经网络识别塔北低阻油气层

简要介绍了塔北低阻油气层岩性剖面、低阻油气层地球物理测井曲线特征,分析了塔北地区低阻油气储层成因,重点论述BP人工神经网络识别油气层、油水同层、水层和干层的方法原理.识别实例表明,BP人工神经网络识别低阻油(气)、水层的结果与实际相符,明显地提高了测井的解释精度.     

人工神经网络在滑坡变形预测中的应用研究

在分析人工神经网络的基础上提出滑坡变形状态的一种简化模型,运用3层前馈型BP网络,对离散时间和滑坡体虚拟质心的进行考察,并以此作为BP网的输人和输出,从而对滑坡变形的预测进行了理论上的探讨.     

基于小波理论与人工神经网络的滑坡变形预测

滑坡的位移是由多种因素影响的复杂非线性问题。滑坡位移的预测一直是滑坡研究中的重点与难点。位移预测对于分析滑坡的发展趋势具有重要的作用。本文采用小波理论与人工神经网络理论,对滑坡位移进行预测研究。由于滑坡的位移包括一定的偶然因素,如降雨等不定因素,对滑坡位移的预测存在一定的干扰作用。故本文采用小波理论对滑坡位移进行降噪,提取数据中的有用部分。将降噪后的数据采用人工神经网络进行滑坡位移的预测。由数据结果可见,滑坡预测位移与真实位移间的误差为2%～3%,预测结果好,证明本文所用方法能较好的运用到滑坡位移的预测中。     

BP网络的改进及模拟退火神经网络在地学中应用

本文针对ＢＰ神经网络收敛速度慢的缺点，提出了改进方案。还引进了模拟退火理论，将模拟退火算法与ＢＰ神经网络计算方法结合，并通过对正弦函数岩性识别及跨孔地震层析成象的试验，证明模拟退火ＢＰ算法是有效的、大范围收敛的。而且，具有良好的收敛速度和很高的精确度。     

改进BP神经网络在岩质边坡稳定性分析中的应用

使用MATLAB软件中的NNtool工具箱建立了一个通过添加动量改进的BP神经网络模型,用以分析岩质边坡的稳定性。通过对天津某工程的边坡进行分析来检验这个模型的可靠度。根据现场调查的实际情况分析,该边坡岩体比较破碎,因此文中选择了几个有代表性的岩石完整性参数作为输入层参数,通过收集的一些类似边坡的参数对所建立的神经网络模型进行训练,以保证此模型适合被用来分析该工程。结果证明,所建立的模型是可靠的,此种方法在分析岩质边坡稳定性的的实践中具有广泛的使用性。