人工神经网络在白云岩类型识别中的应用

利用地球化学数据,运用人工神经网络方法对美国密苏里州东南Ｂｏｎｎｅｔｅｒｒｅ组（寒武纪）滨海相的白云岩进行了分类、识别,判别率达１００％,结果表明,该方法性能良好,可望成为岩石分类、判别的有效手段。     

熵值理论和改进BP网络在湖泊富营养化评价中的应用研究

针对湖泊型饮用水源地水体污染、富营养化加剧的问题,引入熵值理论,建立单指标营养状态指数(TSI)和熵权藕合的湖泊综合营养状态指数模型(STSI),计算得到湖泊综合富营养状态指数判断湖泊富营养综合状态;基于神经网络仿真理论和Matlab软件系统,采用附加动量法和自适应学习速率改进BP算法,建立5-3-1结构型式的BP网络模型对湖泊富营养状态进行仿真预测。综合富营养化指数模型及改进BP模型应用于评价及预测固城湖富营养状态,并对模型评价结果进行验证。结果表明,改进BP网络模型可以有效地综合判断水体状态,为富营养评价及预测提供新的方法。     

水污染物浓度的神经网络预测模式及效果检验

污染物浓度预测是环境保护的重要内容,将神经网络用于水中有机污染物浓度的预测并对效果进行检验.结果表明,预测值与观测值符合较好.     

Retrieval of water vapor profiles with radio occultation measurements using an artificial neural network

A new method applying an artificial neural network （ANN） to retrieve water vapor profiles in the troposphere is presented. In this paper, a fully-connected, three-layer network based on the backpropagation algorithm is constructed. Month, latitude, altitude and bending angle are chosen as the input vectors and water vapor pressure as the output vector. There are 130 groups of occultation measurements from June to November 2002 in the dataset. Seventy pairs of bending angles and water vapor pressure profiles are used to train the ANN, and the sixty remaining pairs of profiles are applied to the validation of the retrieval. By comparing the retrieved profiles with the corresponding ones from the Information System and Data Center of the Challenging Mini-Satellite Payload for Geoscientific Research and Application （CHAMP-ISDC）, it can be concluded that the ANN is relatively convenient and accurate. Its results can be provided as the first guess for the iterative methods or the non-linear optimal estimation inverse method.     

ANN在海洋预报中的应用

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理,具有自学习和自适应等一系列优点,因而用它来进行海洋预报是可行的。针对海洋预报问题,初步建立了基于神经网络的预报分析系统,给出了应用实例。     

人工神经网络在天津市区地面沉降预测中的应用

在分析天津市区地面沉降特点的基础上，结合人工神经网络原理，选择1961-1980年的天津市区降水量、地下水开采量、前年沉降量、固结度作为训练样本的输入量，以这20年的地面沉降量作为输出量，用贝叶斯正则化算法训练BP网络，得到沉降的仿真模型。并把1981-1993年的资料用来进行预测检验，结果表明这是一种比较理想的地面沉降预测方法。最后在不同的降水量保证率下，预测了到2010年天津市区地面沉降的情况。     

矿物分类和识别的人工神经网络模型

本文提出矿物分类和识别的人工神经网络模型，并选取一组标样－我国沉积碳酸盐型锰矿中菱锰矿作为研究对象，识别效率达１００％。结果表明，该模型性能良好，可望成为矿物识别的有效手段。     

2009年早春南方地区一次高架雷暴天气过程的机理分析

利用常规观测资料、风廓线雷达和变分多普勒天气雷达分析系统(VDRAS)反演资料,从大气环流形势、垂直结构特征和对流发生发展机制等方面,对2017年7月21日地面冷锋后华北地区发生的一次局地大暴雨过程成因进行探讨。结果表明：(1)局地大暴雨发生在副热带高压北抬、低层回流冷空气侵入的背景下,暴雨区位于地面冷锋后约300 km的冷空气一侧,850 hPa低空切变线是主要的影响系统。(2)在低层回流冷空气作用下850 hPa以下表现为环境温度直减率小于湿绝热递减率(γ < γ_s)的稳定层结;同时受副热带高压北抬影响,700-500 hPa层结不稳定性加强,不稳定层结位于边界层稳定层结之上,具有冷区“高架对流”特征。(3)低层冷垫对应下沉运动,暖湿气流上升运动位于冷垫之上,1.4 km高度附近的中尺度辐合线对高架对流的触发起到了重要作用。(4)带状中尺度对流系统东移缓慢,并呈现明显的后向传播和列车效应特征,是导致降水持续时间长并造成局地大暴雨的主要原因。

     

应用BP神经网络预测煤质参数及含气量

煤层气储层物理结构以及煤层气的存储，运移等方面不同于常规天然气，评价煤质参数的测井等效体积模型难以较好地描述煤层这种复杂的物理结构，提出利用ＢＰ神经网络预测煤质参数及煤层气含量的模型和算法，预测的煤质参数以及煤层含气量与煤样分析结果比较表明，预测与煤样分析参数之间的平均绝对误差和相对误差都较小，精度满足定量计算的要求。     

Well-log correlation using a back-propagation neural network

We present a back-propagation neural network with an input layer in the form of a tapped delay line wich can be trained effectively on one or several well logs to recognize a particular geological marker. Subsequently, the neural network proposes locations of this marker on other wells in the field. Another neural network, similar in architecture to the first one, performs the same task for secondary markers using, in addition to the well logs, a depth reference function to the first marker. This method is shown to have better performance and better discrimination than standard cross-correlation techniques. It lends itself well for an interactive implementation on a workstation.