模糊联想记忆神经网络及其在地图数字注记识别中的应用

地图上数字注记的自动识别是实现全要素图纸读取的关键技术之一。本文分析了传统的光学字符识别方法和ＢＰ神经网络识别方法在识别时存在的种种困难，提出了一种基于模糊联想记忆神经网络的识别方法，并以初步实验证实了这种方法的有效性。     

BP网络在位场解释中的应用

介绍了ＢＰ网络的特点，阐述了它在位场资料解释中的应用的方法，特点和可行性。通过模型计算证实了该方法在位场异常识别中的效果，正确率达９７％。此外，通过修改网络单元的激发函娄，增强网络的稳定性和插功能，使ＢＰ网络在多层密度界面反演中得到满意的结果，西医 实例计算证明了该方法的有效性。     

用人工神经网络法预测气—水边界

文章研究了在构造复杂地区（如高陡构造带、断层发育等），地震记录上储层的信噪比低的情况下，用人工神经网络方法预测气水边界。对影响预测效果的某些因素作了试验，其中包括地震特征参数的选择、计算时窗大小、数据圆滑方式、学习样本与预测区域的选择等。文中还给出了已知剖面的预测结果，并被钻井证实是成功的。     

基于主成分分析和贝叶斯正则化方法的神经网络年最大洪峰流量预测模型探讨

针时水文预测建模中输入因子过多而导致神经网络结构规模过大,泛化能力差的问题,利用主成分分析和贝叶斯正则化方法对神经网络进行改进,优化网络结构,从而提高泛化能力。以洮儿河流域镇西站年最大洪峰流量预测为例,研究结果表明,改进的神经网络预测方法与传统的神经网络方法相比,泛化能力有显著提高,而且网络的收敛也比较稳定,实际预测中效果良好。     

用BP神经网络预测土抗剪强度指标c、φ

提出了应用BP神经网络来预测土抗剪强度指标c、φ。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。     

基于BP神经网络的三维激光测高数据拟合方法

针对三维激光测高拟合问题，本文采用BP神经网络进行拟合，该方法可以有效地消除或减弱数据中的系统误差影响，提高计算精度。实际算例证明，在数据无粗差情况下，BP神经网络的内符合与外符合精度优于传统的二次曲面拟合的精度。     

基于自适应Kalman滤波的BP神经网络及其在高程拟合中的应用

针对传统BP神经网络容易发散、泛化能力差等问题，采用自适应Kalman滤波方法训练神经网络的连接权。与Kalman滤波训练连接权和传统的BP算法相比，该方法提高了BP神经网络计算精度，增强了泛化能力。实测数据的计算结果证明了该方法的可行性与有效性。     

储层裂缝特征测井解释方法综述

为了更好地研究裂缝性砂砾岩储层和其它裂缝性储层裂缝的测井解释问题,综述了目前在裂缝性储层裂缝测井解释中主要采用的常规评价、人工神经网络和斯通利波３类方法在识别裂缝带和定量计算储层裂缝参数两个方面的应用原理和研究现状,并指出了今后的一些研究方向。