自组织人工神经网络在滇东震旦系—寒武系分界线岩相古地理研究中的应用

运用T.Kohonen自组织人工神经网络,根据滇东24个剖面的渔户村组中谊村段的各种单元素(包括岩段厚度、组成岩段的岩石薄片单因素-白云质、硅质、泥质、磷质、陆屑及盆屑,和岩段的24种光谱元素)的统计资料,建立了该地区震旦系-寒武系分界线的岩相古地理相区识别的计算机智能专家系统,其识别成功率达100％。结果表明,该方法性能良好,可望成为岩相古地理定量研究的一种有效的辅助手段。     

基于RBF神经网络的地震与爆破识别技术

利用天然地震震源和人工爆破震源之间信号能量分布的差异,结合RBF神经网络技术,对2类事件进行分类,具体步骤如下:使用8个带通滤波器对事件波形进行滤波,并划分为4个波形段:P波、P波尾波、S波和S波尾波,分别计算每个滤波器信道和波形段的能量特征值,以所得32个特征参数作为输入向量,利用RBF神经网络,对地震和爆破事件进行分类识别。结果表明,基于RBF神经网络的地震事件识别方法,识别率为88.1%,具有较高的准确性,可作为地震与爆破事件识别的一个重要依据。     

Topological properties of disjoint channel networks within enclosed regions

Enclosure of some portion of one or more natural stream-drainage basins by superposition of a rectangle on a map of drainage network results in fragmentation of the natural basins into a set of disjoint channel networks. Each of these may have some channel links and forks of the natural network plus truncated links intersected by the enclosure boundary. The topological properties of the network elements in the enclosure are used to set up a model of random network patterns, in which the number of disjoint channel networks is expressed as a function of the number of links and forks in the enclosures. This function is shown to be a multiplicative constant times the square root of the number of links or forks. Empirical data on square and rectangular enclosures of several sizes from the Inez (Kentucky)Quadrangle map showed that the predicted multiplicative constants do not agree with observation, but that the square-root relation seems to hold at least to a first approximation. The models thus can be used as a norm against which deviations of real-world enclosures from network pattern randomness can be studied.     

测井资料在碳酸盐岩洞—裂缝型储层产能评价中的应用

介绍了一种基于测井资料来预测双孔结构碳酸盐岩储层产能的新方法。首先根据碳酸盐岩剖面中双孔结构储层的地质和测井特征,提取与储层产能密切相关的多个测井和地质参数,考虑到这些参数与产能的非线性相关关系以及产能数据的变化特点,采用BP神经网络技术建立其储层产能的预测模型,由此处理了轮南地区的多口井测井资料。所预测的储层段产能与试油产能较为一致,效果良好。     

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。     

地质灾害的非线性数据处理与建模技术

本文简略地介绍了几种地质灾害数据处理与建模的非线性方法,主要包括GMDH自组织建模技术、神经网络方法。GMDH是一种高阶非线性回归建模方法,它是以简单的二元二次回归方程为基础,通过"代复一代"的"生产"过程,客观、自动地求得实际资料的非线性模型。而神经网络则是用工程技术手段模拟生物神经网络的结构特征和功能特征的一类人工系统。与常规统计方法相比,神经网络最突出的优点为它是通过对网络的学习和训练,来掌握变量之间的非线性关系。因此,其处理复杂问题的能力更强大。实例检验效果表明,这些非线性数据处理与建模技术考虑了地质灾害问题的非线性特性,其比基于常规统计理论的数据处理方法的精度要高得多。     

塔河油田下奥陶统碳酸盐岩储层测井分类识别研究

塔河油田下奥陶统碳酸盐岩为一套缝洞发育的复杂储层,通过大量已知井的测井曲线与岩心分析数据对照观察、分析,归纳出了五种储层的电性分类识别标准。在此基础上,又利用自然伽玛(GR)、深浅侧向电阻率(Rd,Rs)、声波时差(AC)、密度(DEN)、中子孔隙度(CNL)的响应特征,建立了神经网络识别模型。通过在该区三十多口井的实际应用,取得了较好的效果。     

基于改进的Elman神经网络的中长期径流预报

径流中长期预报长期以来一直都是人们关注的热点研究问题。现行的径流预报方法很多,传统的有时间序列法,多元回归分析法等,这些方法虽然简单易用,但是如果预报对象提供的样本容量偏小或者因子选择不够合理,都会造成预报精度偏差过大,难于有效的指导工程应用。鉴于此,本文提出一种改进的采用局部回归的Elman神经网络方法。并应用到凤滩水库优化调度的径流预报中。结果表明,与回归分析法、BP网络相比较,该方法不仅提高了算法的效率,而且提高了预报的精度,在径流预报中具有有效性和优越性。     

基于主成分分析和贝叶斯正则化方法的神经网络年最大洪峰流量预测模型探讨

针时水文预测建模中输入因子过多而导致神经网络结构规模过大,泛化能力差的问题,利用主成分分析和贝叶斯正则化方法对神经网络进行改进,优化网络结构,从而提高泛化能力。以洮儿河流域镇西站年最大洪峰流量预测为例,研究结果表明,改进的神经网络预测方法与传统的神经网络方法相比,泛化能力有显著提高,而且网络的收敛也比较稳定,实际预测中效果良好。     

人工神经网络在色彩变换中的应用

给出了一种针对数字彩色硬拷贝的输出设备，建立了由CIE色度值到设备控制值色彩变换的神经网络方法。基于蒙版方程的颜色传递机理，由色度密度变量实现色彩变换。结果表明，该色彩变换对各种色调均有较明显的校正作用，且保持了高饱和色的饱和度。