模糊联想记忆神经网络及其在地图数字注记识别中的应用

地图上数字注记的自动识别是实现全要素图纸读取的关键技术之一。本文分析了传统的光学字符识别方法和ＢＰ神经网络识别方法在识别时存在的种种困难，提出了一种基于模糊联想记忆神经网络的识别方法，并以初步实验证实了这种方法的有效性。     

BP网络在位场解释中的应用

介绍了ＢＰ网络的特点，阐述了它在位场资料解释中的应用的方法，特点和可行性。通过模型计算证实了该方法在位场异常识别中的效果，正确率达９７％。此外，通过修改网络单元的激发函娄，增强网络的稳定性和插功能，使ＢＰ网络在多层密度界面反演中得到满意的结果，西医 实例计算证明了该方法的有效性。     

用人工神经网络法预测气—水边界

文章研究了在构造复杂地区（如高陡构造带、断层发育等），地震记录上储层的信噪比低的情况下，用人工神经网络方法预测气水边界。对影响预测效果的某些因素作了试验，其中包括地震特征参数的选择、计算时窗大小、数据圆滑方式、学习样本与预测区域的选择等。文中还给出了已知剖面的预测结果，并被钻井证实是成功的。     

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。     

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。     

基于遗传模拟退火算法的神经网络模型在陕西省需水预测中的应用

神经网络模型是近年来在需水预测方面应用较为广泛的一种方法,在陕西省的需水预测中根据实际情况采用遗传模拟退火算法对其进行优化,预测的结果和其他预测方法进行对比,证明该方法预测的结果较为合理,能够在类似的预测中加以推广应用.