人工神经网络及其在短期气候预测中的应用

从业务实际出发，提出了面向短期气候预测的神经网络。选用主分量作为网络的输入和输出，大大减少了输入输出节点数，重点突出了大尺度影响变化关系，提高了实际预报的稳定性；用全局寻优的SA算法取代经典BP算法，使网络学习训练更充分，知识获取更全面；针对业务实际设计代价函数，保证了网络学习训练能适应短期气候预测业务的要求，学习目的更明确，针对性更强。     

苏北盆地低阻油层的测井解释评价方法研究

针对苏北盆地溱潼凹陷阜三段低阻油层，分析了其成因机理，阐述了低阻油层的测井响应特征，提出了使用神经网络和Sw—Φ交会图两种方法定性识别低阻油层。通过先进的斯伦贝谢的PetViewPlus测井解释软件，形成了针对苏北盆地溱潼凹陷阜三段低阻油层的测井定量解释方法，并在测井油水层判别中引入束缚水饱和度方法，对低阻油层的认识和客观评价收到了良好的效果。     

地震优化非线性反演方法及应用研究

地震优化非线性反演方法是一种集遗传算法和人工神经网络技术的优势于一体的新技术，它采用混合智能优化学习方法，这种优化学习方法是将BP算法作为一个算子嵌入到自适应遗传算法中，以概率Pbp的方式进行搜索运算，从而，快速而精确地找到全局最优解。在嘉陵江组的实际反演研究中，由井点出发构造测井资料与井旁地震道的非线性映射关系，并自适应地更新这种非线性映射关系和自适应外推，以获得嘉陵江组的高分辨率反演剖面，这种高分辨率剖面清晰而详细地反映出嘉陵江组在纵横方向上的变化特征，有效识别这种薄储层，获得了很好的储层预测效果，并为钻井所证实，在嘉陵江组储层中获得高产工业气流。因此，地震优化非线性反演方法具有广阔的应用前景。     

径向基神经网络在地面沉降预测中的应用

基于MATLAB6.5平台编程,利用前四年的沉降量作为输入神经元,后一年的沉降量作为输出神经元,重复此过程,构建了上海高桥地区地面沉降预测径向基神经网络.以历史沉降数据为训练样本,并对其进行归一化处理,在此基础上,采用未归一化及归一化后的训练样本进行网络训练与检验.结果表明,归一化后的训练样本训练得到的径向基网络具有良好的预测性能.最后利用该网络对1990-2010年的地面沉降量进行了预测.     

煤层注水难易程度的BP神经网络评价法

科学评价煤层注水难易程度,既是判定煤层是否可注及可注效果,也是确定煤层注水方式和工艺参数的重要依据。但是,由于煤层注水难易性受多种因素影响,属于极为复杂的非线性问题,很难用传统的数学方法进行定量评价。文献[1]用模糊聚类方法进行定量评价,在实际应用中,由于精度不够,出现过误判。为此,针对影响评价煤层注水难易程度的多种因素,如煤层孔隙率、煤的坚固系数、湿润边角、饱和水份增值等所构成的复杂系统,采用具有非线性映射功能的神经网络评价煤层注水难易程度,将煤层注水难易程度分为4级。并将该方法的评价结果同模糊聚类进行了对比,通过比较和实例验证,其误差为5.6%,提高了10个百分点。此方法评价精度较高,可用于指导实际煤层注水工程。     

甘肃省降水神经元网络预报系统

利用Ｂ－Ｐ神经网络原理,建立了以多数据库为支撑的甘肃省降水神经元网络预报系统。经过试运行发现,该系统具有客观定量化、系统化、业务实用化以及预报效果较好等特点。     

神经网络理论在自贡市水资源评价中的应用

应用神经网络的理论和方法,预测了自贡市目标规划年的需水量,并由此完成对自贡市水资源远景状况的评价及开发规模的研究     

基于专家知识的神经元网络方法及其在潜在震源区定量划分中的应用

将专家知识和神经元网络方法结合起来，利用专家知识和规则构造规则样本的方法来提高神经元网络学习样本的质量，通过神经元网络对规则样本的学习，形成基于专家知识的神经元网络模型。在潜在震源区划分专家系统中有关规则的基础上，将基于专家知识的神经元网络方法引入到潜在震源区定量划分中，并以首都圈地区为例，对其潜在震源区作了定量划分，结果表明，规则样本能较好的反映专家的知识和规则，利用构造规则样本的方法，可以提高     

利用一种新的神经网络模型识别点状地图符号

着重讨论了用一种新的神经网络模型识别点状地图符号的过程，主要包括网络的结构特点和学习算法以及学习训练过程，并验证了用该网络进行点状网答识别的有效性。