基于粒子群优化的细胞神经网络油气重力异常信息提取

细胞神经网络方法是一种有效的重力异常提取方法,提取出的重力异常信息具有较强的横向分辨能力,但如何训练优化模板是影响该方法提取精度的关键所在。笔者引入粒子群优化算法进行参数优化,结合细胞神经网络和粒子群方法各自的特点,通过细胞神经网络动态性能分析,对模板加入约束条件,并在粒子群算法中引入收缩因子,提出一种基于改进的粒子群优化的细胞神经网络算法。使用该方法进行了模型验证和实际资料处理,处理结果表明,该方法提高了重力异常提取的稳定性,能够更准确地提取油气藏重力异常信息。     

一种基于径向基神经网络的地磁场K指数实时标定方

K指数是一种重要的地磁活动指数,标定K指数的难点在于规则日变化S_R的确定,尽管FMI（Finnish Meteorological Institute,芬兰气象学院）方法能够比较准确地识别规则日变化S_R,给出合理的K指数,但是该方法存在一天的延迟,无法实现实时标定.为了解决这一问题,本文提出了一种基于径向基神经网络的K指数实时标定方法：首先用修正后的FMI方法提取H分量的时均值序列,接着以径向基神经网络对该序列进行建模,最后基于神经网络模型实时获取规则日变化,并结合H分量分均值观测数据标定K指数.实验结果表明：该方法能够以3.8598 nT的标准误差实时获取规则日变化S_R;实时标定的K指数与直接用FMI-H方法延迟一天标定的K指数相比,完全吻合的占69.8%,差别大于一个标度的仅占0.77%.     

水化学溶液下灰岩力学特性及神经网络模拟研究

基于水化学溶液浸泡的饱和灰岩三轴压缩试验结果,分析了影响灰岩变形及强度等力学特性的主要因素,认为随溶液酸碱度增加,弹性模量及峰值强度均有降低的趋势;相同pH值,Na2SO4溶液、蒸馏水和CaCl2溶液对灰岩强度的弱化程度依次降低;随着围压的增加,岩石强度逐渐增大,岩石到达峰值强度时的轴向变形也越来越大,塑性变形明显增加。考虑应力路径和化学溶液的影响,利用遗传算法优化神经网络结构,建立了进化神经网络本构模型。通过样本学习模型能较好地描述化学环境下灰岩的力学性能,5种不同化学环境下的力学试验验证了进化神经网络模型模拟结果的可靠性,该方法可以推广到化学环境下其他岩石的力学试验模拟。     

样本数据预处理对基于BP神经网络的GPS高程拟合的影响

分析在基于BP神经网络的GPS高程拟合建模中样本数据预处理的必要性,并列举了归一化、中心化、标准化3种数据预处理方法,然后结合实例,在神经网络建模中增加一个数据预处理层,分别用3种训练方法对基于不同数据预处理的模型进行训练建模,将计算结果进行对比分析,并与二次曲面模型结果进行比较,得出不同数据预处理方法对基于神经网络的GPS高程拟合建模精度的影响不同,且神经网络方法比二次曲面方法的拟合精度更高。     

基于遗传算法和BP神经网络的矿井涌水量预测

为避免BP神经网络极易陷人局部解的问题,针对遗传算法具有全局寻优的特点,提出了用遗传算法优化BP神经网络预测方法,并以刘桥二矿为例,对其矿井涌水量进行了预测。首先选取刘桥二矿区的2005年3月至2006年12月的矿井涌水量数据进行分析,然后使用遗传算法优化BP网络的初始权值和阈值,最后使用BP神经网络进行训练。将其成果与纯BP网络算法进行比较,结果表明：遗传算法优化BP神经网络的预测方法的预测精度高于纯BP网络算法,将其应用于矿井涌水量预测是有效可行的。     

Optimal Interpolation of Gravity Maps Using a Modified Neural Network

This paper proposes an interpolation method based on a modified Kohonen artificial neural network, and is used to interpolate marine gravity data on a regular grid. This method combines accuracy comparable to that of kriging with a much shorter computing time than kriging. It is particularly efficient when both the size of the grid and the quantity of available data are large. Under some hypotheses similar to those of kriging with a trend, the unbiasedness and optimality of the method can be demonstrated. Comparison with kriging with a trend using marine gravity data shows similar results. Although neural interpolation is slightly less efficient, it is more robust outside of the marine data area.     

BP神经网络在古气候序列重建中的应用

当前小区域的古气候变化研究受模拟资料分辨率和可靠性的严重制约.为了将大区域的气候模拟资料应用到小区域的古气候研究中去,亟待建立有效的降尺度方法.为此以徽鄂地区为例,建立了一个3层BP神经网络拟合模型,利用相关气象要素作为拟合因子,拟合并重建了该地区近千年来1月、7月和年平均的温度和降水序列,通过与观测及模拟资料的对比分析发现,该模型拟合及重建的近千年气候序列有较高的精度和可靠性,能反映小区域气候的年际和年代际变化信号,提高了模拟资料对小区域气候变化的刻画能力.     

水库排沙调度优化模型

在分析水库排沙调度机理的基础上建立了水库排沙调度优化模型,以遗传算法作为寻优算法,并用BP神经网络拟合一维水沙数学模型计算成果的方法简化了泥沙淤积计算,使得所建模型得以有效求解。以三峡水库为例进行优化,结果表明,利用所建立的模型和求解方法可以有效优化三峡水库的排沙调度,在保证淤积不增多的基础上大大增加了发电效益。     

具有逆辨识结构的模糊神经网络控制及其应用

该文提出一种新型模糊神经网络结构及算法。在这种控制方案中,采用三层模糊神经网络控制器和神经网络逆辨识控制器相结合的结构。计算机仿真研究和实际应用表明,采用新型模糊神经网络控制方法,对大滞后非线性系统的控制是有效的。     

基于新型联想记忆神经网络的非线性系统辨识

Hopfield网络模型具有联想存储器功能,但对系统辨识不适用。具有动态记忆功能的Elman神经网络的泛化能力比较低。该文提出了一种新型联想记忆神经网络结构和学习算法,通过引入联想记忆衰减因子,提高了对非线性系统的辨识能力。通过与Elman动态神经网络辨识方法的仿真比较,说明联想记忆神经网络辨识方法具有很好的动态辨识能力和泛化能力。