大庆徐家围子地区深部致密砂砾岩气层识别

大庆徐家圈子地区深部致密砂砾岩储层的骨架成分除了含有石英、长石外，还含有许多酸性喷发岩，而且各种骨架成分的含量随深度变化比较大；复杂的岩性使得气的影响被岩性的影响所淹没，从而造成常规气层识别方法失效。针对这一问题，应用神经网络方法准确求取地层颗粒密度和泥质含量，然后对中子和密度测井值进行岩性影响校正和泥质影响校正，使得求出的中子和密度孔隙度仅受地层气的影响，最后将得到的中子和密度孔隙度进行对比，应用中子和密度孔隙度的差异识别气层。     

基于人工神经网络的赤潮卫星遥感方法研究

根据赤潮的卫星遥感探测机理，应用人工神经网络技术，建立和利用NOAA AVHRR可见光和热红外波段遥感数据的BP神经网络赤潮信息提取模型。应用实例显示。基于该人工神经网络方法可以提取赤潮发生地点和范围等信息，赤潮探测正确率达到78.5%。研究结果表明，应用人工神经网络方法提取赤潮信息是可行的。本文中建立的BP赤潮信息提取模型适当修改后可移植应用于其它传感器遥感数据进行赤潮信息提取。     

基于RBF神经网络的遥感影像分类算法研究

提出了运用径向基函数神经网络和K均值法进行遥感影像分类的算法，以实际的遥感影像分类为例，通过与传统的最小距离法进行比较，对RBF神经网络分类器的优点进行了归纳，并就算法实施中的一些问题进行了探讨。分析结果表明，RBF神经网络是一种有效的图像分类器。     

Theoretical Study on Stochastic Modeling of Combined Gravity-Magnetic-Electric-Seismic Inversion and Its Application

As gravity field,magnetic field,electric field and seismic wave field are all physical fields,their object function,reverse function and compound function are certainly infinite contiuously differentiable func-tions which can be expanded into Taylor (Fourier) series within domain of definition and be further reduced in-to solving stochastic distribution function of series and statistic inference of optimal approximation,This is the basis of combined gravity-magnetic-electric-seismic inversion built on the basis of separation of field and source gravity-magnetic difference-value(D-value)trend surface,taking distribution-independent fault sys-tem as its unit,depths of seismic and electric interfaces of interests as its corresponding bivariate compound re-verse function of gravity-magnetic anomalies and using high order polynomial(high order trigonometric func-tion)approximating to its series distribution,The difference from current dominant inversion techniques is that,first,it does not respectively create gravity-seismic,magnetic-seismic deterministic inversion model from theoretical model,but combines gravity-magnetic-electric-seismic stochastic inversion model from stochastic model;second,after the concept of equivalent geological body being introduced,using feature of independent variable of gravity-magnetic field functions,taking density and susceptibility related to gravity-magnetic func-tion as default parameters of model,the deterministic model is established owing to better solution to the con-tradictioc of difficulty in identifying strata and less test analytical data for density and susceptibility in newly explored area;third,under assumption of independent parent distribution,a real modeling by strata,the prob-lem of difficult plane closure arising in profile modeling is avoided,This technology has richer and more detailed fault and strata information than sparse pattern seismic data in newly explored area,successfully inverses and plots structural map of Indosinian discontinuty in Hefei basin with combined gravity-magnetic-electric-seismic inversion,With development of high precision gravity-magnetic and overall geophysical technology,it is certain for introducing new methods of stochastic modeling and computational intelligence and promoting the develop-ment of combined gravity-magnetic-electric-seismic inversion to open a new substantial and promoting the develop-ment of combined gravity-magnetic-electric-seismic inversion to open a new substantial path.     

BP神经网络模型在重庆伏旱预测中的应用研究

采用气象要素定义伏旱指数，利用小波分析等方法分析重庆地区伏旱变化特征，最后采用BP神经网络模型对伏旱进行预测试验，结果表明，重庆伏旱变化具有明显的阶段性特征，而基于BP神经网络模型的伏旱预测模型预测效果良好，可以应用于实际预测。     

基于小波变换及神经网络的图像压缩编码

提提出的基于小波变换及神经网络的图像压缩方法，能较好地解决ＤＣＴ变换图像压缩比的缺点与不足，在理论上和技术上开辟了图像压缩的新途径。     

多时相Radarsat数据在广东肇庆地区稻田分类中的应用

将1996年获取的4个时相的Radarsat图像用于广东肇庆地区的稻田分类试验,结果表明,多时相Radarsat数据对水稻类型的识别精度较高,而且稻田的轮作规律容易推测出来。本文系统地介绍了这一试验研究的最新进展,探讨了神经网络分类方法在SAR图像处理中的应用潜力和Radarsat数据在中国南方水稻监测中的最佳时相选择和有效分辨率问题。     

随机时变抗风结构动力可靠性分析

研究了随机时变结构特性，提出了随机时变强度的衰减表达式；在随机动力荷载作用下，用振型分解法 分析了时变参数结构的动力响应，得到了此类结构的动力学响 应谱与数字统计式；给出了确定时变界限的方法；提出了在役结构时变可靠度的分析方法，以及结构在设计使用期与预言使用期限内可靠度评估公式。     

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。