GA+BP神经网络在薄互层储层预测中的应用

地震信号的特征是由地下岩石、流体的物理特征及其变化直接引起的,有效挖掘隐藏于地震数据中的有关岩性和储层物性信息具有深远而现实的意义。地震属性参数之间多是非线性关系,并且地震属性参数受环境的影响很大。神经网络可以建立属性参数与预测目标之间的高度非线性映射,而遗传算法选择适者生存。改进BP算法,综合BP的快速收敛和GA的全局寻优的特点,具体应用于薄互层储层厚度预测。     

The Application of BP Networks to Land Suitability Evaluation

The back propagation (BP) model of artificial neural networks (ANN) has many good qualities comparing with ordinary methods in land suitability evaluation.Through analyzing ordinary methods‘ limitations,some sticking points of BP model used in land evaluation,such as network structure,learning algorithm,etc.,are discussed in detail,The land evaluation of Qionghai city is used as a case study.Fuzzy comprehensive assessment method was also employed in this evaluation for validating and comparing.     

自适应BP算法及其在河道洪水预报上的应用

提出一种改进的BP算法,即自适应BP算法。该方法采用两种策略:一是在权重修改公式中加动量项;二是学习率随总误差的变化作自适应调整,亦即总误差增加时,学习率将减小,反之学习率增大。以上两种策略能有效的抑制网络陷于局部极小并缩短了学习时间。实例研究表明,该算法用于河道洪水的预报,能取得令人满意的结果。     

人工神经网络在致密砂岩气层识别中的应用

致密砂岩气层识别是一个难题。如何在已有的地质、钻井、测井、地震等资料的基础上，利用现代人工智能方法进行气层识别，值得我们去探计。作者在本文中利用一个改进的BP网络模型，充分利用现有的地质、测井等资料，以单井为单元进行垂向气层识别，然后又以地震资料为约束进行气层横向预测，结果非常令人满意。     

遗传BP网络在地震和爆破识别中的应用

将遗传算法(GA)和反向传播算法(BP算法)相结合成为GA-BP算法，以此建立了遗传BP神经网络．并将以BP算法为基础的BP神经网络及以GA-BP算法为基础的遗传BP神经网络用于对地震和爆破的识别中．得到的结果表明:遗传BP网络比BP网络对事件的识别能力略好些．      

基于BP网络的框架结构损伤的多重分步识别理论

本文介绍了基于BP网络的框架结构损伤识别的多重分步识别方法，这一方法采取先确定有损伤的层，再确定层内有损伤的杆件最后确定损伤程度的策略，具有所需网络学习样本少和识别准确性与精度高的优越性，文中通过一个钢框架模型的模拟地震振动台试验的应用，详细说明了该方法的应用过程及有效性。     

BP神经网络在工程岩体质量分级中的应用研究

以GB50218－94岩体质量分级标准为基础，在金川二矿区采准巷道试验段的岩体分级中尝试采用BP神经网络方法进行岩体质量分级，其结果与按国家标准分级是一致的，但该方法简便易行，工作量小。     

基于神经网络的GPS周跳探测的新方法

为了用GPS获得高精度的定位结果,周跳必须在数据处理过程中被检测和修复。通过对周跳产生原因和特点的分析,提出神经网络方法,并与传统方法进行比较。用神经网络建立模型对周跳进行预测。通过对比预测值的不同来确定周跳的大小,从而实现周跳的修复。此外,还利用实测的相位数据,验证方法的可行性与有效性。     

神经网络BP算法中的误差及其改进方法研究

人工神经网络(Artificial Neural Networks)是模仿人脑结构和功能的一种信息处理系统。该方法在处理非线性问题上具有其独特的优越性,在工程应用中越来越被人们所关注。与此同时,神经网络计算的精度和收敛速度也成为人们普遍关心的问题。本文试验发现BP算法在归一化过程中存在最值误差和区间变形误差,在此基础上,本文对常规BP网络进行了改进,提高了BP网络的预测精度。     

BP模型在变形监测数据分析和预测中的应用

本文通过对BP网络模型的研究,建立BP神经网络预测模型,并使用VC++语言编程加以实现。将模型应用于东江大坝实测变形监测数据的分析和预测,对时间序列建模和以环境变量为自变量两种方法建模,发现这两种模型都可以很好的实现变形量的预测,且以自变量为因素所建立的模型预测精度更高。