不同神经网络在岩体质量分级中的应用与比较

在使用统一的学习和测试数据的基础上,通过在MATLAB人工神经网络工具箱中进行模拟计算,比较了BP神经网络、概率神经网络、学习矢量量化神经网络和Elman神经网络在模式分类方面的异同和优劣,分析了这4种神经网络的适用条件,为人工神经网络方法在岩体质量分级中的应用提供了有益的借鉴和参考.     

遥感图像监督分类在老挝波罗芬高原三水铝土矿找矿中的应用

在遥感图像的处理中,图像分类起到特征提取的作用。结合老挝波罗芬高原铝土矿普查项目,进行遥感图像分类尝试,从遥感图像分类的基本概念和特征出发,分析评价主要遥感图像分类方法的原理特点及监督分类方法的优势与局限性。监督分类以及野外调查、专家知识和特殊地区的分区分类有机地结合起来,大大提高了可操作性和分类精度,经分类处理所得铝土矿、铁矿及砂岩等分布面积,与野外填图实测的结果几乎一致,说明本区所采用的遥感图像监督分类方法对该区找矿十分有效。     

基于神经网络铀矿边坡稳定性分析

如何能比较准确地预测滑坡的发生,已成为各矿山开采过程中的难题之一。对人工神经网络及BP网络模型作了简要的介绍,分析BP网络的结构特点、参数选择、数据收集与处理、构造网络模型等问题之后, 以中核金安铀矿的边坡稳定状况为学习训练样本及预测样本, 建立了预报模型。讨论了基于BP神经网络技术的边坡岩体稳定性分析方法及其有效性。实例计算表明,通过样本的训练检验,利用人工神经网络方法对边坡稳定性的预测取得了比较满意的效果,为今后此类边坡稳定性的评价提供了可借鉴的方法。为神经网络在矿山边坡稳定性的应用提供了可行性。     

概率神经网络在ETM+影像分类中的应用

为了提高Landsat7卫星搭载的ETM+影像分类的精度,文中分析了ETM+传感器拍摄的江西局部区域的遥感影像。通过分析概率神经网络的结构和算法,运用MATLAB对图像进行了处理,得到分类后的图像像素属性数据,并对处理结果均匀取样本点进行了精度分析。结果表明:概率神经网络可以满足ETM+影像分类的要求,具有很好的应用前景。     

数字图像处理技术在遥感图像分类中的应用

介绍了数字图像处理技术在遥感图像的分类中的应用。主要应用了用于遥感图像的监督分类和非监督分类。基于这些基本原理,利用遥感图像处理软件ENVI分别对唐山市南湖区1987年和1992年的遥感图像进行分类,并对南湖区的深水水域的变化进行了简单的分析。     

基于人工神经网络的煤种聚类分析

为对煤样所属煤种进行快速分类,测量了76个不同煤种样品的发热量、灰分、挥发分、硫分四项参数。基于Matlab7.1中的人工神经网络工具,以自编程序设计BP神经网络模型,并应用该模型分析了煤样的所测参数,预测了实验煤样所属煤种。结果表明:模型精度较高,适用于煤种的快速分类。     

BP神经网络和线性神经网络在煤与瓦斯突出预测中的应用研究

煤与瓦斯突出预测对于煤矿安全生产具有重要意义。人工神经网络是一种用于处理非线性问题的较好方法。采用人工神经网络原理,建立煤与瓦斯突出预测的神经网络模型,为煤与瓦斯突出预测提供新的理论参考依据。研究了线性神经网络和BP神经网络的工作原理,论述了基于MatLab的编程实现。结果表明,两种方法均能满足要求,但BP神经网络的预测精度更高。     

基于并联型灰色神经网络模型的隧道沉降量预测方法探讨

灰色预测方法和人工神经网络,在建筑物变形预测中有各自的优势和不足.为了提高预测精度,该文结合灰色GM(1,1)模型和BP神经网络模型的特点,构造并联型灰色神经网络模型(PGNN)对南京地铁隧道某监测点的沉降量进行预测.结果显示,PGNN的预测精度明显高于单一的灰色GM(1,1)模型和BP神经网络模型,证明了PGNN组合方法在地铁隧道沉降量预测中的有效性.     

混合遗传BP算法及其在影像分类中的应用

通过对遗传算法和神经网络的优缺点的对比分析,将遗传算法改进BP神经网络的混合遗传BP算法(GA-BP)应用于遥感影像分类。算法程序在MATLAB环境下实现,通过采用GA-BP算法和Levenberg—Marquart算法(L—M)改进BP算法分别对同一算例进行试验,得到了精度相当的结果,验证了GA-BP算法在影像分类应用领域的可行性。     

基于MATLAB的图像压缩技术研究

介绍了MATLAB在图像压缩研究方面的应用,探讨基于BP人工神经网络的图像压缩的MATLAB实现和基于小波的图像压缩技术。MATLAB软件使用MATLAB R2007a版本,并且通过计算机实验证明了经过小波变换和BP神经网络编解码的图像在实现高压缩率的情况下能够保证很好的图像质量,具有较好的视觉效果。