膨胀土判别与分类的人工神经网络方法

提出了运用神经网络理论对膨胀土进行判别与分类的方法。通过对安康膨胀土的实测数据分析，建立了研究膨胀土判别与分类的计算机智能专家系统。结果表明，用人工神经网络方法对膨胀土进行判别与分类的准确率很高，它无需在判别因子与预测目标之间建立基于某种理论的经验统计关系，该方法具有重要的实用价值。     

BP神经网络的训练样本集容量

本文试图解释用ＢＰ神经网络解界面反问题时效果不佳的原因。文中首先从信息量的角度提出了ＢＰ神经网络训练本集容量的概念，给出了它的定义及组织训练样本集时应遵循的原则和方法。对于如何用ＢＰ神经网络解界面反问题，给出了其基本步骤，并根据上述训练样本集容量的概念及界面反总理的特殊性，给出了组织界面反问题训练样本集的方法。     

自组织人工神经网络在地震综合预报中的应用

运用三维Ｔ·ｋｏｈｏｎｅｎ自组织人工神经网络进行地震综合预报，以云南多震区─滇西南地震区为例进行实际判别计算，预测成功率达１００％。结果表明．神经网络方法性能较好，可望成为进行地震实际预报的一种有效的辅助手段。     

地下流体前兆模糊识别

在地震的孕育、发生到发展的过程中，可能会出现多项地下流体观测量不同程度的前兆异常变化，这些异常变化是复杂多样、模糊不清的。引入模糊识别法对一定区域和一定时间段的地下流体观测数据进行了分析和处理，表明模糊识别法可较好地识别和分辨出地下流体前兆的地震异常。     

走向21世纪的实用地震学

实用地震学包括地震勘探、深部地震测深、工程地基与质量勘查以及浅部地质灾害预测等，在国民经济各方面起着重要作用，特别是在我国油气资源勘探与开发中起着并将继续起着不可替代的作用．在即将迈向２１世纪的今天，我们探讨一下实用地震学未来发展的道路是很必要的．实用地震学在２１世纪仍将在地学研究和国家建设中发挥它应有的作用，而且对它的要求也将越来越高，因而它在理论和应用方面都有诸多疑难问题要研究．本文就其发展现状、未来的理论研究和新技术的应用问题做些探讨．     

地球物理非线性反演模拟退火法的改进

在地球物理非线性反演方法中，模拟退火法是一种较先进的启发式蒙特卡洛（ＭｏｎｔｅＣａｒｌｏ）方法．但是，在处理实际资料时，该方法存在着计算效率不够高的缺点，有时还会失效．为此，从模拟退少法的关键问题──最低温度的选择入手，根据模拟退火法与统计力学的吉布斯－马尔柯夫（Ｇｉｂｂｓ－Ｍａｒｋｏｖ）模型之间的关系导出临界温度的近似表达式；用此式分析目标函数超曲面形状对模拟退火法计算的影响；提出利用模糊先验信息确定最低温度、改造目标函数等改进措施．     

展望建筑物震害预测的发展方向

本文回顾了我国 建筑物震害预测研究和应用的发展过程，评论了各种预测方法的优缺点，指出了各家建议预测方法存在的不确定性，针对存在的问题，提出了减少消除物震害预测方法中不确定性的途径。最后，展望了建筑物震害预测在的实用前景和发展方向。     

模糊综合评判在铀矿成矿预测中的应用

本文介绍了模糊综合评判法在铀矿成矿预测中的应用。该法可定量地分析预测区的地质信息,综合多种成矿因素的作用,以达到分析预测区成矿远景的目的。其步骤是:将整个预测区划分为若干子区单元,作为评判对象;根据预测区的特殊性及地质成矿过程的一般性,确定出影响成矿的主要因素,组成评判因素集;计算每个子区单元在每个因素上对“成矿”的隶属度,确定评判矩阵;选用加权平均等3个评判函数,用二次评判的方法进行模糊综合评判,得到评判结果,最后对评判结果择优,划分出三级成矿远景区。     

动态聚类-模糊模式识别及其应用

本文以模糊子集论为指导,在迪戴的DCM法的基础上提出了动态聚类-模糊模式识别方法。实际上,它是一种新的模糊聚类的方法。该方法以DCM法的动态聚类部分做为原始数据变换的手段,而将迪戴的强模式概念推广为模糊模式,将强模式识别推广为模糊模式识别。此外,还提出了模糊模式间联系度的概念,从而解决了类间联系、类内典型个体、类间过渡个体、个体对各类的隶属程度以及内部有某种演化趋势的类别的划分等问题。文章还给出了该方法的数学模型和算法概要。最后,通过一个在地质学中的应用实例,说明了该方法的应用效果。     

物元可拓法在地下水水质评价中的应用

可以从定性、定量两个角度解决问题的物元可拓法已被广泛应用于各个领域,本文对物元可拓法进行了改进,并应用于地下水水质评价,同时采用模糊综合评判方法进行了验证。Piper-三线图显示,研究区地下水主要为HCO3—Na和HCO3—Ca·Na型水,水质本底条件较好。水质评价结果表明,上第三系馆陶组地下水水质显著优于明化镇组,1984~1999年间明化镇组和馆陶组的地下水水质均有变坏趋势,前者趋势较为明显。物元可拓法采用综合关联度与可拓指数判断地下水水质级别,不仅能反映其相对性,也能反映绝对性,可延拓连续的特点使其更有说服力。