神经网络专家系统在试井解释中的应用

论述了应用专家系统和人工神经网络自动识别试井解释模型的新方法。首先应用人工智能对试井解释模型的应力导数图进行识别，建立了用专家系统构成模块式识别系统；然后应用人工神经网络实现试井解释模型识别；该系统能根据新的试井资料识别试井解释模型；最后，神经网络和专家系统相结合用于试井解释。油田实际试井数据的识别结果说明该方法是一种非常有效的识别方法，对不完全的，有噪声的试井数据也能有效地识别，识别准确率较其它     

人工神经网络模型在智能化镗削加工状态监测中的应用研究

以人工神经网络理论为基础，研究了有关加工状态的智能模式识别技术。应用神经网络的误差反向传播算法（ＢＰ）和大量的实测数据样本训练出了能在线诊断四种加工状态的ＢＰ模型并成功地诊断了实际加工状态。     

不稳定试井分析中参数识别的神经网络方法

在不稳定试井分析中，调整试井解释参数往往花费解释人员大量的时间。特别，当试井解释参数较多时，进行参数调整就更为困难，有时得不到一个合理的参数识别结果。因此，研究新的试井解释参数识别方法势在必行。目前，典型曲线的自动拟合方法是其研究成果之一，但由于数值计算方法的局限，使得该方法难于推广。文中研究了基于神经网络的系统辨识方法在不稳定试井分析参数识别中的应用。通过神经网络对一实际的油气藏系统进行建模和辨识，从而由新的神经网络模型可以获得参数识别结果。着重讨论了均质地层和双重介质地层的压力不稳定测试的参数识别问题，一个实例的分析显示了该识别算法的特性。     

地震多参数BP人工神经网络自动识别小断层

依据小断层地震波运动学和动力学特征，提取了时间域互相关系数、极大方差范数及最大振幅值，频率域主频，频带宽度和主频带能量共６个参数．选取２０组学习样本，利用３层ＢＰ（ＢａｃｋＰｒｏｐａｇａｔｉｏｎ）人工神经网络模型，采用误差逆传播算法，训练ＢＰ人工神经网络，用训练好的ＢＰ网络自动识别小断层．经实例试算，证明该方法可行，精度高．     

人工神经网络在环境质量评价中的应用

为探索人工神经网络在环境质量评价中应用的合理性和可靠性，建立了一个三层前向式神经网络，并以改进的Ｂ－Ｐ算法对网络进行了训练．在湖泊富营养化程度评价的应用成果表明，人工神经网络用于环境质量评价简便实用，具有客观性和通用性，有广泛的应用前景     

智能化辅助试井解释

综合集成的试井解释模型和解释模型的自动识别一直是试井解释研究的热点,文中提出了一种基于句法模式识别的试井模型识别新技术,它克服了现有技术在曲线形态识别与模型诊断推理方面的困难,将模型识别的复杂过程分为特征抽取、形态跟踪、模型推断等简单过程;利用试井分析和非线性最优化技术形成了一套集成多种解释模型的高效率解释软件。     

人工神经网络在环境质量评价中的应用

为探讨人工神经网络在环境质量评价中应用的合理性和可靠性，建立了一个三层前向式神经网络，并以改进的Ｂ－Ｐ算法对网络进行了训练，在湖泊富营养化程度评价的应用成果表明，人工神经网络用于环境质量评价简便实用，具有客观性和通用性，有广泛的应用前景。     

开采煤层自燃危险性预测的人工神经网络方法

建立了开采煤层自燃危险性预测的人工神经网络模型．采用ＢＰ算法编制了计算程序，并选取一组样本进行了预测模型的训练，“未知”样本对训练后的网络模型的验证结果表明了预测的准确性．在此基础上，对南屯煤矿３上煤层进行了自燃危险性预测计算．     

人工神经网络在CAPP定位基面选择中的应用

在分析专家系统和人工神经网络特点的基础上,提出了一种基于人工神经网络的零件定位基面选择方法,分组建立了ＢＰ网络模型,并要根据零件特征提出了网络的输入编码方法,针对ＢＰ网络的特性,在训练中采用了变步长和变精度和方法来加快收敛速度,并给出了实例。     

液压逻辑阀系统的神经网络控制技术

介绍基于人工神经网络的液压逻辑阀控制技术及液压逻辑阀控制网络的特点与结构。分析了人工神经网络的主要特点和拓扑结构。重点是研究用于处理逻辑阀的前馈网络，对其训练算法进行了推导与改进。并通过改进型ＢＰ算法，对此进行训练，取得了满意的实验结果。     

基于人工神经网络的负荷预报模型

针对基于ＢＰ（ＢａｃｋＰｒｏｐａｇａｔｉｏｎ）学习算法存在的问题,提出了变步幅最速下降和共轭梯度的混合算法来训练人工神经网络,并建立负荷预报人工神经网络模型．为了提高预测精度,对预报权值进行在线修正．实例证明,混合算法在全局收敛特性和收敛速度上要好于基本ＢＰ算法,所建立的预报模型能达到令人满意的精度．     

BP网络用于红外光谱碎片结构识别——模型与算法的研究

研究了用于红外光谱碎片结构识别的新型ＢＰ网络模型，并由此构建了ＰＲＯＧＡＮＮ程序软件，了红外光谱数据的预处理以及网络输出的统计分析方法，通过对４４种结构碎片的识别结果表明，所提出的模型与方法较之常规ＢＰ网络具有更大优越性。     

四种水质综合评价方法的比较

将人工神经网络技术运用于水质评价,建立了地面水环境质量综合评价的ＢＰ网络模型和Ｈｏｐｆｉｅｌｄ网络模型,并与水质综合评价方法中经典的模糊综合指数法和灰色聚类法进行了比较,结果表明,ＢＰ网络是四种方法中的首选。     

BP网络用于红外光谱碎片结构识别——模型与算法的研究

研究了用于红外光谱碎片结构识别的新型ＢＰ网络模型，并由此构建了ＰＲＯＧＡＮＮ程序软件，提出了红外光谱数据的预处理以及网络输出的统计分析方法。通过对４４种结构碎片的识别结果表明，所提出的模型与方法较之常规ＢＰ网络具有更大优越性。     

基于人工神经网络的负荷预报模型

针对基于ＢＰ学习算法存在的问题,提出了变步幅最速下降和共轭梯度的混合算法来训练人工神经网络,并建立负荷预报人工神经网络模型,为了提高预测精度,对预报权值进行在线修正,实例证明,混合算法在全局收敛特性和收敛速度上要好于基本ＢＰ算法,所建立的预报模型能达到令人满意的精度。     

RBF神经网络在电力负荷预测中的应用

将ＲＢＦ（Ｒａｄｉａｌ Ｂａｓｉｓ Ｆｕｎｃｔｉｏｎ，辐基函数）人工神经网络模型用于电力系统日峰值负荷与日小时负荷的预测。文中首先给出了ＲＢＦ网络的结构，然后讨论确定ＲＢＦ网络中心及网络训练的聚类和正交化法，利用从京津唐系统中收集到的负荷数据进行网络模型的训练和回响检测，所得结果证实了ＲＢＦ网络用于负荷预测的有效性。     

神经网络在计算测井参数中的应用

论述了人工神经网络的基本原理。采用误差反向传播神经网络（ＢＰ网络）对油田测井解释参数束缚水饱和度进行了计算和分析，使误差精度提高了１０％。     

基于深度学习的语音识别模型及其在智能家居中的应用

为了满足人们对智能家居设备控制便捷化的需求,提出了一种基于降噪自动编码器的深度学习语音识别模型,经过语音识别模型解析出短语控制指令,以实现家居设备控制。该语音识别模型主要包含两个部分:首先进行无监督学习预训练,预训练前随机将一些网络节点置为0,人工模拟噪声数据,然后采用限制玻尔兹曼机权重矩阵依次训练每一个隐含层,通过比较输入数据与输出数据的偏差修改权重,优化参数;然后进行有监督微调,把训练好的参数作为整个网络的初始值,采用误差反向传播算法对整个网络模型调参。实验结果表明:该语音识别模型与深度信念网络对比,在语音识别率和对噪声的鲁棒性都有明显提高。将该语音识别模型和智能家居系统相结合,从普通短语中判断出家居控制指令,实现人机交互非接触式、便捷式控制,从而使系统更加智能化。     

基于人工神经网络的水源判别方法

应用人工神经网络的基本原理，建立了一个对矿井水源进行判别的多层前传网络数学模型，同时给出了利用ＢＰ算法进行求解的步骤，通过实际数据的检验，取得较为理想的判别效果．     

RBF神经网络在电力负荷预测中的应用

将ＲＢＦ（ＲａｄｉａＢａｓｉｓＦｕｎｃｔｉｏ．辐基函数）人工神经网络模型用于电力系统日峰值负荷与日小时负荷的预测。文中首先给出了ＲＢＦ网络的结构，然后讨论确定ＲＢＦ网络中心及网络训练的聚类法和正文化法。利用从京津唐系统中收集到的负荷数据进行网络模型的训练和回响检测，所得结果证实了ＡＢＦ网络用于负荷预测的有效性。