河道深泓线变化神经网络预报模型研究与应用

以来水来沙及河段上下游边界条件为基本因子，建立了基于BP神经网络的河道深泓线变化预报模型。经长江中游马宜咀和长江口南支河段实测资料验证，模型能较准确模拟两河段的深泓平面变化，而且也能准确预测河段深泓平面变化趋势，该模型的建立为河道深泓平面摆动的定量预报以及河道治理和航道整治等工程实践提供了一种新途径。     

用于机器人轨迹定位纠正系统的回声状态神经网络研究

循环神经网络(RecurrentNeuralNetworks)是人工神经网络(ArtificialNeuralNetworks)中重要的分支,与前馈神经网络(ForwardNeuralNetworks)相比具有更好的时间序列学习能力。但长期以来其学习法一直不能脱离前馈神经网络而自成一体,回声状态神经网络(EchoStateNetworks(ESN))是打破这一局面的全新学习方法。其独特的结构,良好的短期记忆能力,方便的学习方法,不俗的非线性特性是以前循环神经网络所不可比的。本文在介绍了回声状态神经网络之后将其用于四轮机器人的位置测量系统中,有良好的表现。     

采用BP神经网络记忆模糊规则的控制

本文提供了一种比模糊推理更为自然的方式使用人们的经验知识,通过一组神经元不同 程度的兴奋表达一个抽象的概念值,由此将抽象的经验规则转化成多层神经网络的输入一输 出样本.通过Back-Propagation学习算法使得网络记忆这些样本.控制器以"联想记忆"方 式使用这些经验.本文介绍了控制器的构造方法,给出了控制仿真结果,并讨论了这种控制器 的特点和发展前途.     

基于小波神经网络的信号识别

信号的分选和识别技术在当今信号处理的系统中占有相当重要的地位.小波分析和神经网络是近年来兴起的一种分析信号方法.文中对二者的结合问题进行了研究.小波空间可以作为信号分类的特征空间,进而可以通过神经网络对信号进行特征识别.小波神经网络是基于小波分析而构造的神经网络模型.在信号调制类型识别中,利用小波伸缩平移把信号分解到不同频道上进行特征提取;把提取的特征信息输入神经网络进行分类.仿真结果表明,利用此方法可以较好的对信号进行分选和识别.     

应用遗传神经网络研究低渗透储层成岩储集相—以胜利渤南油田三区沙河街组为例

以渤南油田三区沙河街组为例,应用遗传人工神经网络模式识别方法,开展了低渗透储层成岩储集相的研究。该工作是在储集层沉积相、成岩作用研究的基础上,选用流动层带指标、孔隙度、渗透率、粒度中值、泥质含量、孔喉半径均值和变异系数等7项参数,采用神经网络模式识别方法,通过建立遗传神经网络的学习及预测模型,对渤南油田三区沙河街组进行了成岩储集相识别,识别出4类成岩储集相:不稳定组分强溶解次生孔隙成岩储集相、碳酸盐胶结物溶解次生孔隙成岩储集相、强压实强胶结残余粒间孔成岩储集相和极强压实强胶结致密成岩储集相。Ⅰ类储集相的储集性能最好,Ⅳ类最差,为非储层或差储层。     

地震勘探技术在焉耆盆地勘探开发中的合理应用探讨

地震勘探技术应用可以分为以二维地震研究构造为主的地震勘探初级阶段、以地震地层学为主的地震勘探中级阶段、以三维地震油藏静态描述为主的地震勘探高级阶段、以地震储层研究为主的开发地震妆级阶段和以四维地震进行油藏监测为主的开发地震高级阶段。针对5个不同阶段的地质条件和地质任务，选择使用合理的地震勘探技术是有效提高勘探开发效益的重要途径。焉耆盆地的勘探开发体现了以地震勘探为主的思路，在勘探开发过程中重视了针对不同勘探开发阶段和不同的地质 地震技术，因此，在早期勘探开发中取得了很好的经济效益。     

神经网络在缺陷识别中的应用

为了准确、快速地进行缺陷识别，介绍了一种新型的前馈神经网络模型，即径向基概率神经网络。与以往的算法相比，该方法具有分类识别精度高且速度快的优点。仿真获得了很好的结果。     

基于遗传算法的BP网络在导弹武器系统元器件贮存可靠性预测中的应用

针对目前BP神经网络在应用中,网络结构难以确定以及网络极易陷入局部解问题,用遗传算法优化神经网络的连接权和网络结构,并在遗传进化过程中引入交叉概率和变异概率与个体的适度值相联系,改进了操作算子,而且在交叉操作后又引入模拟退火机制,提高遗传算法的局部搜索能力.建立了基于改进遗传算法的BP网络贮存可靠性预测模型,并以某型导弹武器系统的元器件进行实例分析,计算结果表明,该方法预测的准确性高,且预测结果稳定.     

炼铁生产环境负荷分析和预测研究

利用寿命周期评价的思想，计算了炼铁生产过程中的环境负荷，并分析了各因素对环境负荷的影响，运用神经网络对炼铁生产过程环境负荷进行了预测。