人工智能及其在战场环境分析中的应用前景

着重分析了专家系统与人工神经元网络技术的特点和运行机制，论述了将它们于战场环境分析中必要性和可行性。提出关于战场环境分析发展的一条途径。     

模糊联想记忆神经网络模型在地震预报中的应用

介绍了模糊联想记忆FAM(Fuzzy Associative Memory)神经网络模型、FAM自适应学习算法以及FAM推理机的原理，并成功地将其用于新一代的地震预报专家系统NGESEP，使得系统既具有良好的学习功能，又避免了通常神经网络学习知识隐含在权值中不易被人们理解和专家系统解释的缺点。      

应用神经网络建立加速度峰值衰减规律

在假定了加速度峰值衰减规律的形式后，本采用人工神经网络拟合实际加速度峰值观测资料来求取方程中的待定系数。为加速神经网络的训练，本设计了基于ＢＰ学习算法的目标分段网络训练法。     

一种基于浑沌理论的联想记忆神经网络模型

根据联想记忆神经网络的基本原理，提出了一种基于浑沌理论的联想记忆神经网络模型及相应的求解方案，并对该种模型进行了预报试验。结果表明，该种模型的历史预报准确率和实际预报准确率均超过一般随机预报，值得进一步研究和应用。     

气温分区方法研究

采用EOF方法和直接离差平方和聚类方法分别对全国160个站点的42年气温资料进行聚类。对比分析聚类结果，发现EOF方法分区分辨率更适中，气候意义更明确。     

神经网络在石油科学中的应用

人工神经网络理论的诞生及发展给石油科学的研究方法注入新生力量，该方法能应用于油气勘探及开发的各个阶段，对储层横向预测及地震资料的处理和解译等方面提供了有效的手段，神经网络方法在石油科学中的应用研究具有重要的理论和现实意义。     

华北板块寒武系开腔骨类（Chancelloriids）化石新材料

文章对采自华北板块山东潍坊、河北唐山和辽宁大连的寒武系开腔骨类化石的新材料进行了研究，这些化石鉴定为 Chancelloria 属。辽宁大连地区的Chancelloria 产自寒武系第二统第四阶馒头组下部的黄绿色页岩；山东潍坊地区的 Chancelloria 产自苗岭统乌溜阶馒头组上部的黄绿色页岩和鼓山阶张夏组的深灰色中厚层灰岩；河北唐山地区的Chancelloria 产于芙蓉统江山阶长山组的薄层灰岩，该层位是目前Chancelloria 属在中国产出的最高层位，也是全球的最高层位之一。这 些来自华北寒武系第二统—芙蓉统的Chancelloria 骨片与早期的骨片相比，展现出骨片形态趋于规则、基面从浑圆趋于平 整、骨片整合度提升的特点，进一步印证了之前关于此类问题的研究结论。     

水文地质分区中的模糊聚类系数法

利用隶属函数构造模聚类系数，给出了一种新的分区方法。运用此方法对水文地质进行分区可大大降低了计算量，并且避免了一些主观因素，该方法的关键是确定隶属函数，可以通过计算机的模拟计算解决。     

四川南部晚二叠世构造对煤类分布的影响

深成煤化作用是川南地区煤化作用的主导因素，本文着重阐明了构造对煤类分布的影响。     

黄连山自然保护区的土壤及其地理分布规律

本文根据野外调查，土样室内理化分析及对前人工作成果的系统分析结果表明，黄连山自然保护区的土壤及其地理分布规律是；海拔800m以下为砖红壤；海拔800－1100m为砖红壤性红壤；海拔1100—1600m为山地红壤；海拔1600—1900m为山地黄壤；海拔1900m以上为山地黄棕壤。