基于BP神经网络和遗传算法的软基参数反演与沉降预测

以九江绕城高速公路桩网复合地基加固软基试验段为工程背景,利用智能反演方法、正交试验设计和有限元数值方法相结合,对软基土体参数进行反演和工后沉降预测。研究结果表明,采用有限元和正交试验设计方法相结合,可以为BP神经网络和遗传算法参数反演模型提供大量的训练样本,能够确保参数反演精度;工程应用证明,BP神经网络和遗传算法与ADINA有限元程序相结合对软基工后沉降进行计算和预测是可行的,BP神经网络反演方法计算的软基沉降最大误差为5.26%,遗传算法计算的软基沉降最大误差为3.1%,因此,遗传算法在桩网复合地基软基沉降预测中具有更高的预测精度。     

致密碎屑岩储层预测方法及其应用

针对陆相致密碎屑岩储层勘探的复杂性,以川东GA构造上三叠统须家河组四段储层为例,采用地质与物探相结合的方法进行储层预测研究。确定了其关键测井特征为伽马和声波时差,采用神经网络为基础的地震多属性分析方法进行伽马反演,基于模型的测井约束反演方法进行波阻抗反演,综合两种数据体进行储层描述,刻画出有利储层的平面展布。实际应用结果表明,该套技术紧密结合了多学科方法,具有明显的效果。     

人工神经网络结合遗传算法反演岩体初始地应力的研究

提出综合应用实数编码的遗传算法与改进的BP神经网络的优化反演分析方法,并通过数值分析,探讨了该方法在应用于位移反演岩体初始应力与材料参数方面的有效性.在算例中,以Burgers模型的计算数据作为改进神经网络的训练样本,用遗传算法搜索待反演参数解向量.计算结果表明利用遗传算法优化神经网络权值能提高神经网络迭代算法的效率与可靠性.该方法应用于岩体初始应力场的反演具有迭代过程平稳、收敛快、结果准确等特点,能够有效地求得岩体初始应力与材料参数.     

岩土工程非线性优化反演模型在ABAQUS中的应用

目的 针对常规反演方法应用于岩土工程参数反演时搜索效率低、计算量大的缺点,提出了基于改进Nelder-Mead算法的有限元优化反分析法,为工程所需的计算参数提供参考.方法 基于混合罚函数法,以测点的实测值与计算值建立误差函数,将有限元程序ABAQUS作为一个单独模块嵌入到改进的Nelder-Mead算法中,编制了优化反演分析程序.结果 给出了具体的应用实例,结果表明,改进Nelder-Mead算法提高了参数的搜索效率,用较少的迭代次数就能得到满足精度要求的结果,是一种可行的参数反演方法.结论 笔者提出的优化反演方法具有很强的实用性,可应用于实际工程中复杂岩土体初始应力场反演、渗流场以及位移反分析.     

基于进化神经网络的岩土边坡稳定性预测方法

根据岩土边坡的力学特性和几何尺寸,将遗传算法和人工神经网络有机结合在一起,建立了基于进化神经网络的岩土边坡稳定性预测方法.为了提高神经网络的计算效率和克服BP算法的局部极小的缺陷,采用遗传算法进化神经网络的连接权值和阈值.工程实际应用表明,采用遗传算法训练的神经网络预测岩土边坡的稳定性具有收敛速度快、范化能力强和非常高的预报精度.     

人工神经网络在测井资料参数估算中的应用

利用人工神经网络(BP网络)的原理对测井资料进行了解释，建立了测井解释的BP神经网络模型，对BP网络进行了改进，提高了收敛速度，并防止陷入局部极小．利用多种测井数据及岩芯描述资料作为网络模型的学习样本，通过网络的学习、训练，建立了测井解释的神经网络模型．以渗透率的计算为例，应用此模型定量计算了川西某气田多口井的渗透率值，其解释结果及精度均令人满意，取得了良好的实际应用效果。     

致密碎屑岩裂缝视密度高分辨率非线性反演

针对致密碎屑岩油气藏裂缝预测的复杂性、多样性,提出了利用高分辨率自适应遗传神经网络技术进行速度反演,然后再利用成像测井资料获得裂缝视密度数据,进行视密度剖面反演的思路.以川西某气田须二段为例,在研究测井资料的基础上,以成像测井获得裂缝视密度资料应用自适应遗传神经网络方法进行裂缝密度反演,得到裂缝视密度剖面.反演所得剖面与实际情况具有较好的对应关系,是一种研究致密碎屑岩裂缝性气藏的有益尝试.     

应用BP神经网络预测磨溪气田香四储层孔隙度

神经网络是一门新兴的信息处理技术，它可用来解决测井解释和油藏描述中的模式识别和参数估算等问题，本文利用取心井的储层孔隙度与测井数据，应用改进的ＢＰ神经网络模型建立了川中磨溪气田香四储层物性参数孔隙度的预测模型，与传统方法￣回归方程，灰色方程和测井解释相比，其精度及实际预测效果均令人满意。该法值得推广应用。     

基于神经网络法的逐点渗透率测井解释研究

渗透率参数是储层解释与评价中极其重要的一个参数。采用常规测井解释方法逐点计算单井剖面中各小层的渗透率往往很难达到精度要求。鉴于单井剖面中解释点的地层渗透率与多种测井参数有关以及围岩点测井参数对其的影响,采用了BP神经网络技术通过构建合理的BP网络结构建立起多种测井信息与渗透率之间的逐点非线性预测模型,实现利用测井资料高精度地逐点解释单井剖面的渗透率。利用该模型处理了T3井等井的测井资料,逐点计算的渗透率不但与取心段的岩心渗透率较为一致,而且非取心段的处理结果令人满意。该法为测井解释地层渗透率参数找到了一条新的途径。     

基于BP神经网络的有杆抽油系统故障智能判断

神经网络已成为智能化数字信号处理学科的热点之一，其中又以BP神经网络的应用最为广泛．BP神经网络由于本身具有理论上可以逼近任意非线性映射的特点和优点，使得它在解决多数参数复杂的实际问题上具有广阔的应用前景．对BP神经网络在有杆抽油系统故障判断智能化方面进行探讨和研究。     

运用BP人工神经网络计算储集层含水饱和度

与传统的测井综合解释与数字处理方法相比较,ＢＰ人工神经网络方法具有极大的优越性和适用性,它勿需传统测井综合解释与数字处理方法所需的各种建立在试验之上的非精确的测井解释公式,只需知道测井原始数据和求解的实际数据,而在进行求解参数预测时则只需知道测井原始数据即可。这为复杂地层以及其它一些特殊情况下的测井解释和数字处理提供了一条切实可行的新途径。     

浅谈钻时在录井及钻井中的应用

钻时是地质录井必须录取的一个参数,它在岩性判断、缝洞识别、对比划分地层、提高录井剖面符合率、预防工程事故以及为钻井施工提供决策依据等方面都具有重要作用。正确应用钻时,能够给录井和钻井施工提供很多帮助。     

基于多矿物模型分析的最优化测井解释

多矿物模型分析的最优化解释能采用多种测井信息和多种模型来研究和评价复杂油气层。与传统测井解释方法相比，它能将所有的测井信息、误差及某些地区地质经验综合成一个多维信息复合体，运用最优化的数学方法，进行多维寻优处理，来求取地层参数。将该方法应用到乌尔禾低效油田克拉玛依组复杂岩性低渗碎屑岩储层参数解释中，成功解释了该地区一百多口井的测井资料，得到了可靠的地层矿物（岩性）剖面和储层参数。与试油资料、录井资料等对比证实，该方法提供了一种比较有效的地层岩性和物性参数及流体性质的解释方法，效果较好。     

声波测井曲线的沃尔什反演

在地球物理常用的沃尔什函数法基础上,提出了声波测井曲线的沃尔什反演法;对反演过程的具体技术问题作了细致、深入的探索,总结出了逐点反演法和逐段反演法;并对临盘油田Ｌ２－３井的声波测井曲线进行了反演,取得了满意的效果。     

基于神经网络的换热器翅片参数灵敏度分析

为了探索将人工神经网络技术应用于翅片参数对换热器(HX)性能影响研究的可行性,建立2个结构不同的3层反向传播(BP)神经网络进行训练及优化.分别对流动阻力特性和传热特性进行性能预测,根据预测结果进行翅片参数的灵敏度分析.训练和测试样本数据来源于大量的风洞实验和数值仿真结果.经过优化后的预测传热和流动阻力的网络隐层神经元个数分别为2和6,隐层和输出层的传递函数分别为tansig和purelin函数,采用基于Levenberg Marquardt（L M）算法的训练函数.网络性能测试结果表明,人工神经网络以优越的非线性映射能力,能够很好地预测翅片参数变化对换热器性能的影响.翅片参数灵敏度分析结果与实践工程经验比较吻合.     

改进BP神经网络在裂缝预测中的应用

常规基于线性的测井计算方法不能很好地表征复杂的裂缝系统,而现有的成像测井技术虽然分辨率高,能较好地记录裂缝特征,但其成本高,实用性不强。因此,本文首先研究了改进BP(Back Propagation)神经网络算法,极大地提升了BP神经网络算法的收敛速度和全局收缩能力,然后将该算法引入到裂缝预测中,使利用常规测井曲线就能较好地达到预测裂缝的目的。结合实际的生产资料进行了效果分析,结果表明,对常规测井资料应用神经网络技术能较好地识别裂缝。     

基于神经网络的多属性火成岩岩性反演技术

在岩心分析的基础上,应用地质、测井、地震等多学科资料对枣园火成岩的岩性、电性、波阻抗特征进行了研究,并对岩性、电性与波阻抗、地震属性间的相关性进行了系统分析.在此基础上,针对常规波阻抗反演方法的不足,形成了一套基于神经网络的多属性岩性反演技术,采用该技术对枣园火成岩不同岩性进行了反演,给出了火成岩厚度及孔隙度分布.     

Evaluation on Stability of Stope Structure Based on Nonlinear Dynamics of Coupling Artificial Neural Network

The nonlinear dynamical behaviors of artificial neural network(ANN) and their application to science and engineering,were summarized.The mechanism of two kinds of dynamical processes,i.e.weight dynamics and activation dynamics in nerual networks,and the stability of computing in structural analysis and design were stated briefly.It was successfully applied to nonlinear neural network to evaluate the stability of underground stope structure in a gold mine,with the application of BP network,it is proven that the neuro-computing is a practical and advanced tool for solving large-scale underground rock engineering problems.