云南及其邻近地区地震活动的模式识别

本文用模式识别方法(CORA—3修改方法)研究了云南及其邻近地区大地震的发生时间与中强地震活动特性的关系。结果表明(不分子集):M≥7.0级大震前1—2年内,5—5.9级地震频度有明显增强。前1年6—6.9级地震相对减弱,前2—4年内6—6.9级地震可增至一定水平。对于CORA—3修改算法在采用“CLUSTERS”算法和不用“CLUSTERS”算法所得识别分类结果基本一致。FH(future history test)试验表明,用1930—1986年为学习时段,1969—1986年为预测时段。得到D类识别率为0.6,N类误识率为0.38。     

自然灾害危害度模糊模式识别

本文根据文献[1]提出的相对隶属度概念和模糊模式识别理论，讨论了相对隶属度及模糊模式识别用于自然灾害危害度评价的原理和过程，并结合贵州毕节地区泥石流危害度评价，阐述相对隶属度和模糊模式识别用于自然灾害危害度评价的合理性和可行性，收到满意的效果。     

基于BP神经网络的手写数字识别

介绍了光学字符识别的几种方法以及神经网络的特点，神经网络技术能够解决传统OCR方法所不能解决的问题，同时指出了手写数字识别存在的困难，论证了利用神经网络技术解决这种困难的可能性。本文实现了通过一个含有1个隐藏层的BP网络来识别手写数字，并取得了良好效果，论证了这种技术用于手写数字识别的可行性。     

改进的模糊模式识别方法在测井曲线分层中的应用

应用改进的基于数域上的模糊模式识别方法，综合多条测井曲线进行自动分层。首先，找出各条曲线总的上升沿（或下降沿），然后，在对上升沿（或下降沿）中各采样点构造模糊集时采用测井曲线的斜率，而不是采用测井曲线值。在求取各点隶属度时，采用各条曲线中的最大斜率值，反映了地层分层点在测井曲线拐点这一客观规律。最后，应用贴近度准则分层。该方法给出了更合理的分层点。     

模式识别中特征选择与聚类分析

针对模式识别中传统的特征选择方法具有的局限性，对聚类分析理论与方法进行应用性的研究、分析和扩展，并将研究成果初步应用于信息模式识别中特征参数的选择，获得了一些有益的结论。     

一种基于元学习的大口径射电望远镜俯仰轴承故障辨识方法研究

在经过长期运行后大口径射电望远镜俯仰轴会出现微小扭曲, 滚动轴承作为承载俯仰轴的核心部件, 也会因长期承受交变载荷增加疲劳风险, 导致轴承寿命以及望远镜指向精度的下降, 极大影响望远镜的性能. 以俯仰轴承为研究对象, 开展故障辨识方法研究, 可为望远镜天线的高性能运行提供重要支撑. 为实现在有限数据和复杂工作条件下准确地辨识俯仰轴承故障, 提出了一种小样本条件下基于元学习的故障辨识方法(Few-shot Meta-learning Fault Identification, FMFI). 首先将不同工况下的原始信号转换为时频图像数据, 之后按照元学习协议将数据样本随机采样到不同的学习任务中. 在有限样本的条件下, FMFI可以通过训练任务中的样本信息获取通用的先验知识, 在未知的测试任务下实现准确快速的故障辨识. 选取了与望远镜俯仰轴承工况具有相似性的变负载轴承数据集进行实验, 实验结果表明, FMFI方法具有很高的准确性和可靠性, 为大口径射电望远镜俯仰轴承的主动运维和高质量服役提供了有力的技术支持.     

模糊模式识别理论在水源地水质评价中的应用

本文提出利用模糊模式识别理论模型进行水源地水质评价,并根据水质评价的特殊性,对模糊模式识别模型进行了改进;实例评价结果说明是有效的。     

基于动态聚类分析和模糊模式识别法的北京城区汛期降雨时空分布规律研究

以北京城区近十几年汛期50场暴雨过程为样本,利用动态聚类分析和模糊模式识别方法对单站雨型和降雨整体空间分布特征进行了研究,得到北京城区汛期最容易发生的雨型以及时空分布规律。结果表明,北京城区汛期主要发生前单峰型雨,峰值集中且极值雨量大,容易造成内涝积水。发生双峰型雨的次数较少,且极值雨量较小,对内涝积水影响相对较小。     

苏里格气田盒8气藏的砂体展布特征

受到地震分辨率的限制,河流相薄而窄的砂体展布很难预测。根据苏里格气田的实际情况,在地震保幅处理、水平井地质录井、修正等时试井等资料的基础上,运用单砂体模式识别技术确定砂体展布,并建立了苏里格气田盒8气藏砂体分布的地质模型。通过研究对比运用多种技术方法综合确定河流相薄而窄小的砂体是切实可行的,所建立的砂体分布地质模型为开发井位优选提供了依据。     

基于微粒群算法的神经网络在岩性识别上的应用

针对前馈多层神经网络BP算法存在的易陷入局部最优的不足,采用了微粒群算法(PSO)加以改进。通过胜利油田及其它油田的岩性识别所做的实例验证,并与BP神经网络进行比较,结果表明,在同等条件下,此方法效果较为满意。