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压力导数图进行识别，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，识别准确率较其它方法都有较大提高     

一种可提高试井模式识别准确度的改进HT—BP方法

在用BP神经网络进行试井问题模式识别的过程中,若将现场试井数据简单地以点对方的方式送入BP神经网络进行识别,则与训练模式无法对应;若在用BP神经网络学习和识别曲线之前进行归一化处理,则会引起曲线的尺度变化和空间位移。结合试井问题对Hough变换进行了改进,提出了改进Hough变换相应的比例和空间压缩方法。用比例变换和空间压缩方法及改进Hough变换法对试井曲线进行预征处理后再送入BP神经网络,可以大大改善识别能力。实例说明,改进Hough变换与BP神经网络相结合的方法（ＭＨＴ－ＢＰ）对试井模式识别的准确性较高。     

城市环境质量的BP网络综合评价

人工神经网络已广泛用于模式分类与识别等问题，而城市综合环境质量评价是多因子组合的模式判别问题．采用二级 Ｂ Ｐ 网络构造城市综合环境质量评价模型，该模型应用于四川省 １６个城市的环境质量综合评价和排序，研究结果表明， Ｂ Ｐ网络用于环境质量综合评价具有通用性、客观性和实用性．     

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。     

神经网络文字识别系统的研制

研究人工神经网络技术在文字识别上的应用．阐述了该系统的基本原理、模型，并运用反向传播（ＢＰ）模型进行文字识别系统的模型，以探求解决集合庞大、字形复杂并且存在大量相似结构的汉字的高速自动输入途径     

抽油井示功图神经网络识别模型

以专家经验及大量的现场实例为基础，应用模糊数学与人工神经网络技术理论，建立了有限个精选井下示功图和反向传播的神经网络示功图识别模型．该识别系统可初步用于对现场实测示功图进行识别诊断，性能基本稳定，能有效地诊断抽油机的故障类型．     

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。     

基于人工神经网络基础上的汽轮发电机组励磁与转速控制

在对汽轮发电机组过渡过程和人工神经网络理论分析研究的基础上，把人工神经网络引入到对发电机组励磁与转速系统的控制中，根据分工合作、协调控制的原则提出了由两个三层ＢＰ网络为核心的ＡＮＮ综合控制器．该控制器能识别运行状态的变化，在故障时自动启动快关汽门装置，达到对机组的综合协调控制．最后给出了该控制器对单机－无穷大系统的数字仿真结果     

神经网络在大型回转机械故障诊断中的应用

利用人工神经网络对大型回转机械中的常见故障进行分类和识别。首先讨论了如何从现场故障振动信号中提取故障特征;然后利用一个隐层的BP网络对故障特征进行训练,在训练信息不完备的情况下,就神经网络对组合故障的出现进行了计算,最后利用工厂实际数据进行比较和验算,结果令人满意。     

南海磁异常场分区研究：应用人工神经网络方法

首次提出用人工神经网络理论处理磁测资料，进行磁异常场分区的定量计算方法。并将该方法应用于南海研究。该方法将研究区域划分为若干统计单元，确定各统计单元中的特征变量、选择标准模型，并对ＢＰ神经网络进行训练。用学习成功的网络识别、分析整个研究区的磁异常场，从而将南海的磁异常场划分为１２个特征区。