人工神经网络方法在鹤壁汛期降水预报中的应用

在用经验统计方法和降水判别函数进行24h和12h晴雨预报的基础上，再用BP人工神经网络建立降水量级预报模型。经2003年汛期试用，预报准确率高于上级指导预报准确率，12h预报准确率高于24h预报准确率。     

沉降监测多项式回归分析与神经网络预测

使用多项式和切比雪夫(Tchebyshev)多项式分别对沉降监测数据进行回归分析以预测未来沉降值,其中切比雪夫多项式的外推效果较好;应用前向BP神经网络对两种不同的单因子输入模式进行非线性函数逼近,并进行了不同采样步长的比较,实例表明将时间点作为网络的输入对沉降进行预测效果较好。     

一种基于灰色神经网络的卫星钟差预报策略

针对钟差预报中灰色神经网络模型种类较多、性质和适用范围尚未具体分析的问题,根据其预报特点,该文提出了一种基于灰色神经网络的自适应钟差预报策略。基于MGEX精密钟差数据进行预报实验,采用不同建模钟差数据量进行相同时间段钟差预报,对3种不同的灰色神经网络模型钟差预报效果进行对比,总结了几种预报模型的性质与适用范围。该文提出的自适应预报策略较好地平衡了几种灰色神经网络模型的特点,提升了钟差预报效果。基于该文策略的实验结果表明:所提策略能够有效利用不同灰色神经网络模型特点,提高钟差预报精度。在1d预报中,该策略较本文提及的其他可靠方法精度提升1%~3%;6h预报中,该策略较较灰色模型等精度提高0.02~0.09ns。     

SharpMap在青海省气象信息网络数据库中的应用

在 .NET环境下开发了基于B/S结构的青海省气象信息网络数据库。该数据库系统由气象信息基础数据库、数据库管理网站及一个空间信息平台构成。气象数据能够实时入库,并具有底图制作、基于地图的数据检索、数据统计和图形绘制等功能,将查询结果叠加在电子地图上显示,直观方便。系统于2009年在青海省气象台投入使用,提高了青海省气象台气象数据共享能力和服务水平,并为青海省气象台的各项业务工作提供了有力的支持。系统采用SharpMap技术实现了空间信息平台,并应用Ajax等技术提高了系统效率,本文对其在网络数据库中的应用     

文化邻近对“一带一路”沿线国家间科研合作强度的影响

跨国科研合作是“一带一路”倡议的重要内容,而相互信任则是科研合作的重要基础。由于“一带一路”沿线各国的经济规模和社会文化环境差异都较大,文化邻近对于增进国家间相互信任,进而推动跨国科研合作就具有重要价值。考虑到以往研究主要以合著科研论文数量来测度国家间的科研合作水平,可能放大了经济规模、人口规模、发文总量等的影响,本研究基于2007—2020年间“一带一路”沿线66国间的合著科研论文数量,以改进的Salton指数表征的科研论文合作强度测度国家间科研合作水平,采用社会网络分析、回归分析和GIS空间分析等方法,探究沿线各国在2007—2013年和2014—2020年两个时间段内科研合作强度的演变过程,并以此为基础,着重考察文化邻近的可能影响。研究表明：① 综合分析论文合作规模和合作强度,能够识别出建立在语言、宗教等文化要素邻近之上的两国间真正的强合作关系,宗教邻近有助于增进互信,语言邻近有助于增进相互理解,方便了科研合作过程中的交流和沟通。② 2007年以来,“一带一路”沿线国家间的科研合作空间格局已由“两核九中心”转变为“一核八中心”,中国成为网络中唯一的核心,与其他国家的加权度中心性差距不断扩大。③ 国家发文量、国家间经济发展差距、政治关系、地理距离、语言邻近和宗教邻近等均对科研合作强度有显著影响,其中文化（语言和宗教）邻近的影响最为显著,但也趋于减弱,语言邻近的影响要强于宗教邻近,并且只有语言相同或属于同一语支能够显著促进国家间的科研合作。中国作为“一带一路”倡议的发起国,与沿线大多数国家并不具有天然的文化邻近,在一定程度上阻碍了科研合作网络的建设。未来,有必要更加重视跨文化交流和沟通,以增进科研合作领域的信任关系,推动科研合作取得实效。     

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。     

大庆深部致密砂砾岩含气储层产能预测

气层产能预测是气藏工程研究中用于指导气井以及气田合理生产的重要工作和任务,它在气田整体评价和高效开发进程中具有很强的预见性和主动性。讨论了大庆深部致密砂砾岩含气储层的产能与测井响应之间的关系,探讨了根据测井资料应用人工神经网络技术预测含气储层产能的方法。利用已知气井测试结果和测井资料作为网络的训练样本。根据网络学习训练结果,输入储集层的测井资料等静态参数,可预测该储集层的产能。根据这种关系采用神经网络技术实现了测井对产能的预测评价,从而为大庆深部致密砂砾岩含气储层的开发提供了一定的依据。     

红板岩材料隐式本构模型的建立及其应用研究

针对红板岩材料在岩土工程中所表现的大量模糊的和不确定的因素等特点,基于人工神经网络的学习能力,借助于室内岩石力学试验,进行了对该材料的力学本构特性进行了神经网络模拟研究,提出了隐式本构模型的思想和方法,并通过该方法对该岩石的流变试验结果进行学习,获得了以网络权值结构保存的力学特性知识,由此得到了表征红板岩应力应变本构关系的隐式本构模型。应用结果表明,该方法对岩土类材料本构关系的模拟研究具有很好的应用前景。     

Kohonen网络与BP网络的集成应用研究

本文介绍了 Kohonen神经网络对输入数据进行聚类方法在卷烟配方中的应用 ,提出了从核心样本动态搜索 BP网络训练样本的新探索 ,摒弃了过去 BP算法中训练样本固定不变 ,互不相交的方法 ,实现了 BP网络和 Kohonen网络动态无缝集成。     

基坑支护结构水平变形预测的遗传神经网络方法

采用遗传算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,先用遗传学习算法进行全局训练,再用BP算法进行精确训练。就遗传算法过程中的选择、变异进行了探索,提出了用BP网络训练产生变异的遗传算法。作为实例,将该方法应用于预测基坑支护结构水平变形中。结果表明,该方法有收敛速度较快、预测精度高等优点。