人工神经网络在岩体初始应力场反演中的应用

岩土工程问题的有限元分析一般需要考虑初始地应力场，而可供工程应用的初始应力值，主要靠少数实测资料。根据少数测点值，采用人工神经网络与有限元相结合的方法求解岩体初始应力场。通过算例说明：文中所提方法是合理的。     

神经网络在判别煤矿突水水源中的应用

矿井突水水源的识别是矿井防治水工作的基础，快速准确地判别突水的来源对整个矿井的安全生产起着十分重要的作用。以峰峰矿区梧桐庄矿为例，应用神经网络的方法，对矿井突水水源进行了系统研究。结果表明，运用该方法取得了较好的效果，并可以用此模型来解决类似的评价和判别问题。     

PNN网络在预测MCS移动中的应用

神经网络是空间数据挖掘的一种重要手段。本文运用概率神经网络(PNN网络)对1998年夏季影响青藏高原上中尺度对流系统(MCS)东移的环境物理量场的空间分布特征进行了研究，得到了高原上MCS移动方向与环境物理量场空间分布之间的关系。研究表明，使用概率神经网络预测中尺度对流系统的移动具有较好的效果，从而为研究高原上MCS东移与环境场之间的关系提供了一种新的方法和思路。     

自适应BP网络在洛带气田测井解释中的应用

应用自适应算法对BP网络进行改进，可以提高BP网络的收敛速度和全局寻优性能。在此基础上，利用多种测井数据及岩心描述资料作为网络模型的学习样本，以测井解释渗透率的神经网络模型为例，通过网络的学习、训练，建立测井解释神经网络模型。并应用此模型，定量计算出多口井的渗透率值，与常规渗透率计算结果相比，BP的解释结果及精度均令人满意，同时还取得了良好的实际应用效果。     

利用模糊理论估算自然衰减率常数

模糊理论方法提供了量化主观信息和体现决策人在最小化条件下优先选择的便利工具。利用Buschek和Alcantar(1995)的理论估算自然衰减和降解率，在实际上，由于数学简化和场点复杂性造成明显的不精确。在本篇文章中，两种模糊方法一模糊算法和模糊回归，常被用于刻画在降解和衰减率估算中的可变性。输入参数的可变性能够利用体现决策者对可能值感知的隶属关系函数进行刻画。隶属关系函数临界输入值的选择明显影响了估计输出值的可变性。同样的，与决策者信念有关的稳定状态模型与描绘场点监察流状态的一致性，也能够通过一致性判据进行量化。利用基于模糊评价方法进行灵敏度检验是相当有用的，可以评估决策者的优先选择对估计率常数和相关可变性的影响程度。同样，上面提到的方法在涉及自然衰减监测的安排中也是很有意义的。     

概率神经网络与BP网络模型在遥感图像分类中的对比研究

通过分析概率神经网络(以下称PNN)的基本结构及其训练算法,建立了卫星图像分类的概率神经网络模型,并通过实例对比分析了概率神经网络与BP网络分类模型的分类效果。实验表明,PNN图像分类方法在分类精度上优于误差反向传播神经网络模型,且分类时间相当,是一种有效的图像分类方法。     

模糊拓扑空间中空间对象模型的建立及其在土地覆盖变化中的应用

目前所有的地理信息系统的数学模型都是建立在刚性(非模糊)要素基础上的。其主要特征是这些要素的定义是明确的,其边界是确定的,即要素的内涵和外延是一致的。例如地藉系统中,宗地的归属是确定的,宗地的权属界线是非模糊的。在常规的地理信息系统中,空间物体被抽象化为类别定义明确及边界表达确定的非     

基于模糊算子理论的道路半自动提取

提出了一种基于模糊算子理论的道路半自动提取方法。该方法在对小比例尺影像进行Sobel边缘检测的基础上，定义了12种模糊算子表示2维道路的各种可能的结构，然后在给定道路种子点附近形成的一定范围内进行搜索，提取出道路的中心线。实验结果表明，该算法速度较快并且具有较强的鲁棒性。     

高分辨率遥感影像上居民地半自动提取研究

设计了一种基于 3× 3区域灰度方差纹理特征的高分辨率遥感影像居民地特征分析算法 ,通过高斯模糊处理提高影像上居民地区域纹理特征一致性的同时 ,加大了其同背景地物纹理特征值的差异 ,并设计了相应的居民地自适应分割阈值求取算法 ,提出了针对居民地与道路提取分离的骨架化分析算法     

基于神经网络的建筑物沉降原因分析

在我们应用回归方法对建筑物沉降原因分析及沉降趋势的预测中，由于实际情况的复杂性及主观认识的局限性，这样所得的结果含有较多的人为因素，可能会与实际情况有所差异。针对这种情况，讨论了应用神经网络方法来发现和验证引起建筑物沉降的因素及对沉降趋势的预测。实例表明，该方法能取得较好的效果。