储层潜在敏感性B-P网络快速预测方法研究

对神经网络算法以及利用神经网络进行敏感性预测中经常出现的问题进行了探讨。着重介绍了合理网络结构的确定方法、学习样本的搜集与处理以及学习算法的改进等 ,并建立了改进的B P算法。通过水敏性预测 ,介绍了神经网络在敏感性预测中的具体应用过程 ,并对其在实际生产中的应用效果进行了验证。结果表明 ,利用改进后的神经网络对储层敏感性进行预测的方法 ,具有预测精度高、自适应好、容错能力强等优点。为了便于使用 ,编制了功能完备的敏感性预测软件 ,现场使用效果良好。     

基于粒子群改进BP神经网络的组合预测模型及其应用

针对应用广泛的传统人工智能预测BP(Back propagation)神经网络自身局限以及其在处理中长期复杂预测问题中需要样本数量大、泛化能力弱等不足,提出利用粒子群算法优化BP神经网络的学习算法,在此基础上,利用灰色预测方法和自回归移动平均模型(ARIMA)时序预测对历史数据进行初步预测,对中长期预测中数据趋势项和随机项进行模拟;将初步预测的结果作为改进BP神经网络的输入,在此基础上进行训练和预测,构建基于改进BP网络的组合预测模型.以我国1978-2007年能源需求数据为样本,进行实例分析.结果表明:组合预测模型预测精度较BP神经网络、灰色预测方法和ARIMA预测方法分别提高4.8%,6.1%和5.3%,验证了组合预测方法在中长期预测问题处理中的有效性.     

利用神经网络预测油气层损害

利用人工神经网络预测油气层敏感性参数，根据大港油田的油气层岩石物性参数，岩石学分析参数以及油气层岩石敏感性参数等历史资料，训练神经网络，以此神经网络预测某些油气层的敏感性参数，该方法能迅速，准确地预测未来指定油气层的敏感性参数，为保护油气层提供依据。     

基于进化神经网络的RNA二级结构预测方法

本文提出了一种基于进化神经网络预测RNA二级结构的方法.该方法利用进化算法优化了神经网络结构和权值,改善了传统BP人工神经网络容易陷入局部最优等缺陷.实验结果表明该算法能够获得一个最优结构和权值的神经网络,利用该网络去预测不带伪结的RNA二级结构能获得理想的效果,敏感性和相关系数都有所提升,证明了该改进算法的可行性.     

利用神经网络预测油气层损害

利用人工神经网络预测油气层敏感性参数，根据大港油田的油气层岩石物性参数、岩石学分析参数以及油气层岩石敏感性参数等历史资料，训练神经网络，以此神经网络预测某些油气层的敏感性参数，该方法能迅速、准确地预测未来指定油气层的敏感性参数，为保护油气层提供依据。     

粒子群优化-BP神经网络对岩爆的预测

岩爆是典型高地应力区主要地质灾害之一,其预测理论和发生机制的研究目前并不成熟.本文通过选择合适的影响岩爆程度的主要因素,应用BP神经网络对岩爆样本进行训练并利用预测样本进行检验,由于BP神经网络的初始权值和阀值对网络学习效率和预测结果有影响,因此其对检验样本的预测结果往往不够理想.利用粒子群算法(PSO)对BP网络的初始权值和阀值进行优化,将改进后的BP神经网络算法应用于预测,预测的结果优于BP神经网络.表明利用PSO-BP神经网络算法对实际工程中的岩爆进行预测是可行的.     

基于混沌模糊神经网络方法的短期负荷预测

针对模糊神经网络的BP学习算法提出改进,引入全局性较强的混沌搜索算法,提出一种基于混沌搜索学习算法的模糊神经网络模型.将改进的模型应用于短期负荷预测建模,应用我国南方某市电网的实际负荷数据进行实证研究.仿真结果显示改进后的模糊神经网络较改进前在同一样本预测中精确度提高了2.5%,增加算法运行时间仅为3.1 s,说明本文提出的新的负荷预测建模方法具有更好的预测效果.     

基于EHO优化的COBDP预神测经模网型络污水处理出水COD预测模型

为了改善在污水处理环节中对有关化学需氧量预测效果的问题,提出了一种经象群算法优化的 BP 神经网络预测模型。 首先通过将象群算法中的分离操作与改进权重的粒子群算法相结合,有效去除了种 群中适应度较差的个体,进一步提高算法寻找最优值的能力;首次利用改进后的象群算法优化 BP 神经网络 对预测数据进行更好的逼近,提高预测模型的预测准确度;最后,通过仿真结果清晰表明:改善后的 BP 神经 网络相对于传统 BP 神经网络以及一般的小波神经网络有着更高的预测精度。 改进后的象群算法结合 BP 神经网络所建立的预测模型在一定程度上可以对污水处理中的出水化学需氧量进行比较准确的预测,能满 足预测出水化学需氧量的一般要求,具有一定的研究价值。     

基于改进CS优化算法的灰色神经网络预测模型

为了提高灰色神经网络在人工智能预测领域中的预测准确性,提出一种改进布谷鸟算法优化灰色神经网络的预测方法.通过改进的布谷鸟算法对常规灰色神经网络(GNN)的白化参数进行优化,寻找出最优初始化参数,并将其结果作为灰色神经网络的输入,建立了基于改进布谷鸟优化的灰色神经网络预测模型,在此基础上,采用该方法对煤与瓦斯突出进行预测.仿真实验表明,该模型的预测精度要优于标准灰色神经网络和基于粒子群算法的灰色神经网络等方法.     

基于改进CS优化算法的灰色神经网络预测模型

为了提高灰色神经网络在人工智能预测领域中的预测准确性,提出一种改进布谷鸟算法优化灰色神经网络 的预测方法.通过改进的布谷鸟算法对常规灰色神经网络(GNN)的白化参数进行优化,寻找出最优初始化参数, 并将其结果作为灰色神经网络的输入,建立了基于改进布谷鸟优化的灰色神经网络预测模型,在此基础上,采用该 方法对煤与瓦斯突出进行预测.仿真实验表明,该模型的预测精度要优于标准灰色神经网络和基于粒子群算法的 灰色神经网络等方法.     

导出相对速度分布和质心速度分布的另一方法

从混合气体系统中任意两个组分的速度的几率分布出发，在证明了从速度坐标集合到速度坐标集合之间的速度坐标变换为正则变换的情况下，本文作为柯尼希定理的应用之一，较为详细地给出了推导相对速度分布、质心速度分布的另一种方法。     

地下水系统稳定性判断研究

本文从地下水系统的角度出发,分析了矿井涌水量预测难以得到理想结果的原因,指出地下水系统的稳定性判断是其关键,并从系统理论和统计理论两方面探讨了进行地下水稳定性判断的依据,提出了从系统状态估计入手进行地下水系统稳定性判断的方法。参7。     

关于多元函数极限与连续性定义的探讨

多元函数的极限、连续以及间断,是数学分析中最基本的概念。然而,到目前为止国内流行的教材中对这些概念还没有统一的定义。为此,本文探讨了以上几个概念,并提出了合理的定义,特别是给出了二元函数间断点的合理定义。     

岩石的五个弹性常数的测定方法

为了模拟和预测定向井的井眼轨迹,需要确定岩石的弹性常数。本文把岩石视为横观各向同性材料,给出了岩石的本构方程,根据电阻应变片的基本原理,研究了岩石五个弹性常数的实验测定方法,并给出了几种岩石的五个弹性常数的测量结果。     

杨树溃疡病菌致病力分化及杨树抗病性评价

用来源于不同地区、不同寄主上杨树溃疡病原Botryosphaeria dothidea的17个菌株在杨树上进行接种试验,结果表明,病原在杨树上存在致病力分化的现象,但不同来源地的菌株之间和不同寄主来源的菌株之间致病力没有明显的差异,说明病原致病力分化与地区分布和寄主来源无关。文章试用一种数值方法,对11种杨树感病性分别作了评价。     

粘附理论发展述评

对粘附理论的发展加以述评，主要包括机械连结理论、吸附理论、静电理论和扩散理论。     

自定中心振动筛的自定中心原理研究

筛箱各点运动轨迹为圆的振动筛工作时,激振轴上存在唯一的瞬时速度中心线,而且瞬心线的位置不变。瞬心线位于激振轴中心线与偏心块质心之间,该线到激振轴中心线的距线等于振动筛的振幅。只要胶带轮的几何中心安装于瞬心线上,胶带轮就只作定轴转动,不随筛箱振动。     

几种木兰属植物花粉粒的超微结构

<正>木兰属(Magnolia L.)植物全世界约有80余种,主要产于亚洲及北美;我国有30余种,大部分是著名的观赏树种和药用植物。而且其中某些树种对大气中的二氧化碳、氯气等有较强的抗性,所以又是城市绿化、净化空气的优良树种。 哈钦松的真花学说认为,木兰科植物是现存被子植物中最原始的类群,得到了许多植物系统学家的赞同。美国马萨诸塞大学植物系的James W. walker曾研究了毛茛类(包括木兰科)植物1000种以上,和若干属的醋酸酐分解的花粉,并用扫描电子显微镜考察了其中的100多个属的代表种花粉。可是他们所研究的只限于美国的特有种,如福莱氏木兰(Magnolia fraseri)、达老玉兰(Talauma sp.)等。至于我国的特有种类,前人曾做过部分光学显微镜下的形态研究,但应用电子显微镜方面的研究还仅开始。我们对南京林学院校园内栽培的木兰属六个种,用扫描电子显微镜的方法对花粉纹饰结构进行比较观察,并拍摄了照片,以增补植物分类学的基础内容,并为良种繁育工作提供信息。     

结球生菜基因转化组织培养受体系统的建立

以结球生菜马莱克为试材，以ＭＳ为基本培养基，采用不同的激素配比，经愈组织诱导及芽分化、生根、移植入土三个步骤的离体培养，获得正常的再生植株，建立了结球生菜的基因转化受体系统，为下一步的基因转化工作提供了有利条件，愈伤组织诱导及芽分化培养基为ＭＳ＋Ｂ０．１－４．０ｍｇ／Ｌ＋ＩＡＡ（或ＮＡＡ或２，４－Ｄ）０．００５－２．０ｍｇ／Ｌ；分根培养基为１／２ＭＳ，还测定了外植体对抗生素的敏感性。     

中立型抛物方程组解的振动性

本文给出了一类中立型抛物方程组解振动的若干充分条件。