三维地震属性参数在煤层厚度预测中的应用

依托“西部煤炭资源高精度三维地震勘探技术”项目工程,对晋城某矿南翼大巷东南区5m×5m×1ms的三维地震数据体,采用三维地震属性参数预测煤层厚度及其变化规律：沿3煤层、15煤层10ms时窗提取地震属性42种,根据钻孔资料,计算出煤厚与地震属性相关系数;从中优选出相关系数大于0．35的地震属性,其中3煤层9个、15煤层10个;然后进行地震属性互相关分析,优选出与3煤、15煤层厚度相关系数较大的4种属性,建立预测煤厚的BP神经网络模型,分别选取3煤层12个、15煤层4个实测数据作为学习训练和测试样本,以钻孔地震属性作为学习样本,对网络进行训练,最终获得全区煤层厚度。经与预留钻孔成果资料对比,预测精度较高,结果可用。     

人工神经网络在白云岩类型识别中的应用

利用地球化学数据,运用人工神经网络方法对美国密苏里州东南Ｂｏｎｎｅｔｅｒｒｅ组（寒武纪）滨海相的白云岩进行了分类、识别,判别率达１００％,结果表明,该方法性能良好,可望成为岩石分类、判别的有效手段。     

FS方法及其在综合多项震兆中的应用

本文提出了一种模式识别方法--FS方法.该方法的特征取为某些论域上的模糊子集.先以每三个原始特征组成子分类器的特征集,“训练”这些分类器,然后对子分类器进行筛选,最后用筛选出的子分类器的“软”分类结果的加权平均作为判别函数,形成总的分类决策.将FS方法应用于综合多项震兆,并进行了一系列控制试验,还与地震学中几种常用的方法进行了对比试验.结果表明,FS方法是稳定和有效的.     

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。     

用BP神经网络预测土抗剪强度指标c、ψ

提出了应用BP神经网络来预测土抗剪强度指标c、ψ.结合工程实例,详细介绍了该方法的建模过程,结果表明预测结果和实测结果很接近,神经网络在土性参数方面应用前景很广阔.     

GPS高程转换系统的研究及其应用

主要就GPS高程转换进行研究，对二次曲面模型、多面函数模型、神经网络模型等进行了研究，研制开发了具有数据输入、编辑、计算、分析与输出功能的GPS高程拟合转换系统，最后通过实例计算分析，验证了该系统的可靠性与可行性。     

隧道变形预测的BP神经网络模型

本文根据神经网络的基本原理，利用实测数据建立了用于大断面隧道收敛变形预测的BP神经网络模型。基于神经网络的预测模型具有预测精度高，使用方便灵活，适合于复杂系统的特点，是解决隧道变形预测问题的一种崭新途径。     

基于AMTLAB—NNT的高速公路软基处理方案决策模型

首先介绍了中国高速公路软基处理技术决策问题的研究现状，然后介绍了人工神经网络（ANN）BP模型和MATLAB神经网络工具箱（NNT）。最后以沪宁高速公路软基地质条件为实例，以MATLAB－NNT为工具，建立了高速公路软基处理方案的ANN决策模型，对所建立的ANN模型进行训练、回判和预测，得到了满意的结果，证明模型是有效的。     

基于神经网络的单元自动机CA及真实和忧化的城市模拟

提出了一种基于神经网络的单元自动机（ＣＡ）。ＣＡ已被越来越多地应用在城市及其它地理现象的模拟中。ＣＡ模拟所碰到的最大问题是如何确定模型的结构和参数。模拟真实的城市涉及到使用许多空间变量和参数。当模型较复杂时，很难确定模型的参数值。本模型的结构较简单，模型的参数能通过对神经网络的训练来自动获取。分析表明，所提出的方法能获得更高的模拟精度，并能大大缩短寻找参数所需要的时间。通过筛选训练数据，本模型还可以进行优化的城市模拟，为城市规划提供参考依据。     

基坑支护结构水平变形预测的遗传神经网络方法

采用遗传算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,先用遗传学习算法进行全局训练,再用BP算法进行精确训练。就遗传算法过程中的选择、变异进行了探索,提出了用BP网络训练产生变异的遗传算法。作为实例,将该方法应用于预测基坑支护结构水平变形中。结果表明,该方法有收敛速度较快、预测精度高等优点。