地震多参数神经网络储层油气预测中的参数优化

在利用多参数进行储层油气预测时,并不是使用的特征越多越好,最佳特征的维数取决于实际问题的预测效果。这里运用聚类分析法优选地震特征参数,将距离较远或相似系数低的特征参数聚为一类,用来对未知样本进行地震储层预测。利用优选后的参数进行神经网络储层油气预测,在实际应用时取得了较好的效果。     

自组织竞争人工神经网络在砂岩型铀矿测井数据解释中的应用

详细介绍了自组织竞争人工神经网络模型结构、原理和钻孔岩性自动识别过程,给出了神经网络模型在钻孔岩性自动识别过程中的有效性实例。自组织竞争人工神经网络具有自组织能力、自适应能力和较高的容错能力;与BP算法相比较,计算量小,收敛速度快,且不需要已知的先验信息而自动确定分类类别。钻孔岩性识别结果与岩心地质编录的对比试验表明,在砂岩型铀矿测井数据的解释中,应用自组织竞争人工方法可较好地完成钻孔岩性自动分类。     

基于新型仿生智能方法的边坡变形位移预测

边坡地变形,具有高度复杂的非线性演化特征。将BP神经网络和免疫克隆算法改进并集成结合,提出一种新型的仿生智能方法,即免疫克隆神经网络。并利用其强大的非线性拟合能力,对边坡进行变形位移的预测。结果表明,此方法拥有较高的预测精度,为边坡变形位移的预测提供了行之有效的途径,从而为边坡稳定性判别和滑坡预报提供了可靠的分析依据。     

Texture Segmentation Based on Image Model and Neural Network

INTRODUCTIoNImagetextureanalysisisanimportantpartofresearchin-tocomputervision.Forobjectidentificationandunderstand-ing,textureanalysisisthebasisoftheresearchwork.Ingeneral,texturecanberegardedasakindofstructurethatconsistsofmanytextureelementsorpatternswhicharemoreorlesssimilar,i.e.,primitivesthatformtexturesandspatialdependenceorinteractionbetweentheprimitives.Ex-tensiveresearchhasbeendoneintextureanalysis,andrefer-ence(Haralick,l979)hasmadeathoroughsurvey.Amongthesetextureanalysismetho…     

树轮地貌学重建滑坡事件研究进展

树轮地貌学以其定年准确、分辨率高和时间跨度长等特点在地表过程的研究中具有极其重要的作用。树木年轮可以作为一个可靠的工具来获得滑坡过去活动的历史证据,进而解释现在正在发生的并窥探滑坡的变形信息。本文对国内外树轮地貌学方法在滑坡事件研究中的现状和取得的成果进行总结,重点阐释了树轮地貌学的原理和树轮地貌学重建滑坡活动迹象与时空分布的研究进展,并讨论了该方法存在的不足,展望了我国利用树轮地貌学开展滑坡事件研究的前景。     

南翼山富钾锂卤水储层识别方法

油井调查显示,在柴达木西部以南翼山为代表的储油构造区,广泛分布含钾、锂等有用元素的深层卤水,在古近纪?新近纪不同层位均有分布,具有极大的社会经济价值.根据构造及地层岩性特征,认为卤水储存空间为孔隙、裂隙型,由于南翼山地区含水层在声波测井曲线中响应特征并不明显,传统以声波测井为约束条件的波阻抗反演技术难以有效识别卤水储层...     

农田土壤湿度的人工神经网络预测诊断系统

采用人工神经网络（ＡＮＮ）方法，研制了农田土壤湿度预测，诊断分析系统，该系统根据不同的土壤湿度特点和影响因子，可自动提供时间序列拓展的人工神经网络预测模型和人工神经网络的混合预测模型进行土壤湿度的动态预测。并提供不同降水量的土壤湿水分渗透深度诊断分析，系统采用中文菜单显示的人机对话方式操作，使具有准动力学特性，多种可调参数和网络结构的ＡＮＮ方法变得简便易于操作。实际使用表明，该系统对土壤湿度的预测     

PCA-BP神经网络在SO2浓度预报中的应用

将基于主成分分析(PCA)的BP神经网络预报方法引入大气污染预报,建立SO2浓度预报模型.结果表明:应用主成分分析对数据进行前处理,以原始预报因子的主成分作为BP神经网络的输入,降低了数据维数,消除了样本间存在的相关性,大大加快了BP神经网络的收敛速度.对模型进行预报验证,预报值与实际值之间的绝对误差为0.0098,预报值与实际值的相关系数达到0.885,得到较好的预报效果.并且比一般的BP神经网络模型具有较高的拟合和预报精度.     

CINRAD/SA(B)发射机激励放大器芯片级故障诊断流程

激励放大器是发射机射频放大链电路前级功率放大器,对雷达探测资料可靠性具有重要作用。研究芯片级故障诊断流程,一方面可以解决台站技术保障人员无法故障定位到芯片级的技术难题;另一方面,芯片级故障维修可达到大大降低维修成本的目的。雷达故障一般分为参数调整不当导致性能下降故障和器件损坏造成参数异常故障。为此,通过总结出CINRAD/SA(B)发射机激励放大器信号流程、故障树图集,在依据同步信号时序关系及关键点波形参数基础上,研究出规范化的激励放大器调试技术和方法,以及激励放大器芯片级故障诊断定位流程,并列举了依据激励放大器芯片级故障诊断定位流程,修复激励放大器集成块N8损坏,导致+8 V电源不正常,造成激励放大器无功率输出,以及激励放大器的第二级功放模块故障导致激励放大器输出功率低的两个故障的典型个例,以检验维修效果。实际应用结果表明:芯片级激励放大器故障诊断定位流程可以快速定位发射机激励放大器故障点到故障器件,方法简洁、思路清晰、操作规范,基层雷达站技术人员容易掌握;激励放大器调试技术和方法,能解决激励放大器参数调整不当导致激励放大器性能下降故障,可有效提高新一代天气雷达技术保障水平。     

基于深度学习的天气雷达回波序列外推及效果分析

天气雷达探测资料是进行强对流天气临近预报的主要参考数据。针对传统雷达回波外推方法中存在资料信息利用率不足和外推时效有限的问题,文中利用神经网络进行雷达回波的外推、利用预测神经网络模型进行2 h以内的回波变化预报。回波外推问题的关键是回波时、空序列预测问题,该网络具有解决时间记忆问题的长、短时记忆单元（Long Short-Term Memory,LSTM）和提取空间特征的卷积模块。应用福建、江苏和河南多年的雷达探测资料构造训练和测试数据集。为消除降水的不平衡和提高对强回波的预报准确率,网络采用带权重的损失函数进行训练。对光流法和预测神经网络进行测试集检验以及个例分析,结果表明,在相同外推时效和检验反射率阈值的情况下,预测神经网络的临界成功指数、命中率均高于光流法,虚警率低于光流法。不同类型降水预测神经网络的SSIM值（structural similarity）均高于光流法,且层状云降水的SSIM值比对流云降水的大。因此,预测神经网络对强回波的预报能力高于光流法;在预报时效性上,预测神经网络模型具有一定的优越性;预测神经网络对层状云降水预报的准确率比对流云降水的高。