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。     

巴彦浩特盆地火成岩的综合地球物理解释

采用综合地球物理方法识别巴彦浩特盆地火成岩,首先利用高精度重磁资料和大地电磁测深资料,初步确定火成岩的平面位置和深度,然后利用钻遇火成岩的已知测井资料,建立人工合成地震记录,在地震剖面上标定出火成岩并分析其波组特征,采用BP神经网络进行火成岩的精细识别.研究表明,综合地球物理解释是提高反演解释精度的有效途径.     

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。     

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。     

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。