影响水力压裂效果的因素及人工神经网络评价

水力压裂是低渗透油气田提高开采效益的主要技术手段之一,但是影响水力压裂效果的因素较多,如地质特征、储层物性和地层能量等。为了达到理想的压裂效果,就要综合考虑各个影响因素之间的相互关系,找出影响压裂效果的主要因素。本文利用人工神经网络方法建立了数学评估模型并对已有的大量生产数据进行了网络训练和方法验证。结果证明所建立的压裂井潜能评估模型稳定性好,预测精度较高,对油田水力压裂的选井评层及产能预测具有一定的指导意义。      

基于神经网络的区域生态环境分类方法研究

如何利用智能化信息提取技术，进行区域生态环境自动分类，一直是一种前沿性研究。该文在分析研究区自然景观特征的基础上，总结了影响区域生态环境的建模要素，基于神经网络技术，并根据生态环境的遥感探测机理，利用TM卫星遥感数据中的可见光、热红外、植被指数(NDVI)以及DEM数据，建立了基于BP神经网络的区域生态环境信息自动提取模型，形成了一种新的生态环境分类方法，其分类结果与实际情况完全一致。     

利用卫星资料反演月平均近海面气温和湿度

为弥补广阔海面上气象参数的观测数据的不足,利用专用成像传感器SSM／I和红外辐射计AVHRR资料进行近海面气温和湿度的反演,首先分析与近海面气温和湿度关系比较密切的几个气象因子及其相关性,并采用神经网络建立近海面气温和湿度与它们之间的关系,利用训练好的网络模型反演月平均近海面气温和湿度,并与TAO和NDBC提供的浮标及观测站的实测数据进行比较,近海面气温和相对湿度的均方根差分别为0．87℃和3．73％。低纬度反演的结果精度较高,达到0．53℃（气温）和2．03％（相对湿度）;较大的误差（气温1．06℃、相对湿度3．85％）主要发生在近岸和高纬度区,因为近岸的地形比较复杂,并且很容易受陆地气候的影响;高纬度地区的气候变化比较剧烈,同时目前能得到的高纬度地区的实测资料比较少,这些因素都会影响反演结果的准确度。     

地震相分析在探测煤层中火成岩侵入范围的应用

煤田地震岩性解释普遍采用波阻抗反演技术和地震属性技术,二者的共同缺陷是无法把握地震信号的总体变化及其分布规律。基于波形的地震相分析技术综合利用了地震波的频率、相位、速度、能量等各种信息,即基于地震信号的整体差异进行分类。把地震相分析技术引入煤田三维地震资料岩性解释中,在确定煤层中火成岩侵入范围中取得了初步地质成果。     

基于神经网络的沉陷区水深遥感研究

为获取煤矿积水沉陷区遥感影像数据与沉陷区水深的定量关系,建立了BP神经网络水深反演模型,并对淮南潘一矿积水沉陷区水深进行了反演。首先对Landsat卫星影像数据(TM影像)进行几何校正、大气校正和沉陷区范围提取等,然后输出像元反射率值,并与水深实测控制点坐标匹配,使水深值与反射率值对应。实验结果表明:以水深值2 m为阈值,水深值小于2 m的区域,模型反演水深值与实测水深值的平均绝对误差为0.166 3 m,平均相对误差为13.29%;水深值为2~6 m的区域,模型反演水深值与实测水深值平均绝对误差为0.578 6 m,平均相对误差为15.20%。     

浮游植物密度的人工神经网络预测研究

将人工神经网络模型应用于藻类密度数据的预测计算之中,并利用遗传算法对其网络结构进行优化计算以保证计算结果的准确性且自动确定网络结构,分别对神经网络的“当天模型”和“预测模型”进行了计算。结果显示：几种人工神经网络模型在计算精度以及预测数据的趋势上都有较好的效果,目前国内学者使用的人工神经网络“当天模型”无法对其后数据进行预测,不能起到实际预测的作用,而经过遗传算法优化后的人工神经网络“预测模型”不仅达到了很好的预测效果,而且网络结构简单,适用于浮游植物密度的预测计算。     

基于人工神经网络的海底细粒土工程分类研究

海洋沉积物工程定名对于开展海洋工程建设具有重要作用,然而海底粉土和黏性土的定名受人为因素影响容易产生误差.使用人工神经网络的方法对黄河口埕岛海域284组细粒土数据进行了训练和学习,得到了只利用沉积物粒径质量分数进行定名的方法.结果表明,使用人工神经网络的方法能够有效地对沉积物进行工程定名.当网络含有5个输入层节点、9个...     

基于人工神经网络的RC框架结构地震响应预测方法

为了实现钢筋混凝土(Reinforced Concrete, RC)框架结构地震响应的快速预测，提出了一种基于人工神经网络的RC框架结构地震响应预测方法，设计低层、多层和小高层共3个典型RC框架结构作为研究对象，以四川雅安地区为目标场地，基于条件均值谱选取地震动记录作为输入并进行弹塑性时程分析，所得样本数据用于训练人工神经网络。以地震动强度信息和结构信息为输入预测结构响应，同时对模型进行参数敏感性分析。结果表明：建立的人工神经网络模型具有较好的泛化性能，平均谱加速度具有最高的平均影响值，提出的方法为快速预测RC框架结构地震响应提供了方法借鉴。     

神经网络在海洋天然气水合物检测中的应用

文章主要讨论了如何利用神经网络预测天然气水合物的合成和分解。利用了声速、幅度、频率来反映天然气水合物的合成。建立了一个3层前向型网络,通过实验,人工神经网络的引用取得了良好的效果。     

基于FR的多种机器学习模型在地质灾害易发性评价中的对比分析

选取建模效果较好的3种模型,支持向量机模型、随机森林模型和人工神经网络模型,以福建福鼎为研究区进行地质灾害易发性分析,将3种模型建模结果通过ROC曲线和频度比法进行对比,选择最优福鼎地质灾害易发性分析结果,为该地区防灾减灾提供有利指导。结果表明:3种模型均能有效地预测出福鼎地质灾害易发性,是基于该区域可靠性较高的预测模型;支持向量机模型的准确率(86.7%)高于人工神经网络(84.7%)和随机森林(79.7%)的准确率;支持向量机模型的频度比分析值更具梯度,是最适合该地区的易发性分析模型。