天然气储量的价值分级--模型设计与检验

目的 对天然气储量建立科学的价值分级和评估模型，从而科学地评价其储量资产的价值。方法采用综合评价方法，研究了天然气储量资源在勘探开发中，由于储量资源受地质条件、气田所处地理位置、交通运输条件和社会经济条件的不同影响，使各储量资源形成级差成本和级差收益。结果建立一种天然气储量的价值分级模型，并选取长庆气田和川西气田的26个区块作为样本对所建立模型进行检验。结论天然气储量的价值是以资源地质自然条件等级为主变量，同时受其所处自然地理条件和社会经济条件的影响。     

神经网络在自走车辆最优轨迹控制中的应用

介绍了分层网络的基本理论和相关的有效算法反向传播学习算法（Ｂ－Ｐ算法），并介绍了将神经网络应用于车辆自动行走轨迹优化控制的研究。     

自组织神经网络在CRM中的应用

提出了一种利用自组织神经网络来进行海量数据的挖掘和分类归纳的方法,该网络实现简单,反应速度较快,而且分类准确,冗余性强,对企业决策具有指导意义.     

基于灰色关联分析的自适应神经网络及其在水轮机建模中的应用

以灰色关联分析为基础,提出了一种自构形神经网络的算法,实例表明,自适应神经网络是建立水轮机数学模型的有效方法。     

模拟退火神经网络模型在地下水质评价中应用

采用模拟退火算法与神经网络相结合的方法建立了地下水水质评价的SA-BP神经网络模型,并对阜新新邱露天煤矿地下水水质进行了评价.结果表明,模拟退火算法具有快速学习网络权重和全局搜索的超强能力,有效地解决了BP算法的局部收敛的问题.应用此方法评价地下水水质简便可靠,预测精度高,具有通用性和客观性等优点.     

LM神经网络在环境质量评估中的应用

环境质量评估与社会、经济、管理等各个领域紧密相关,是一个多目标、多层次、多因素的复杂系统工程。神经网络可实现非线性关系的隐式表达,据此提出基于Levenberg-Marquardt神经网络的环境质量评估方法,并用MATLAB实现模拟计算。结果表明,该方法不仅简化了评估过程,而且稳定、快捷,预测结果精度较高。     

开关磁阻电动机的神经网络建模及算法研究

针对标准BP算法存在收敛速度慢,容易陷入局部最小值和前向网络拓扑结构中,隐节点选取困难的问题,采用一种由Levenberg-Marquardt算法与改进自构形算法相结合而成的快速自构形算法训练BP神经网络,建立了训练收敛快,泛化能力强,网络规模小,便于实时控制的开关磁阻电机非线性BP神经网络模型.经与样机实测数据对比,验证了该模型的准确性.该模型有助于进一步优化能量转换,减小转矩脉动.     

基于自组织神经网络的模式分类研究

分析了常用的ＶＱ（ＶｅｃｔｏｒＱｕａｎｔｉｚｅｒ──矢量量化）分类算法所存在的缺点，提出用自组织神经网络模型取代ＶＱ算法，对这种模式分类的过程进行了描述，并阐明它的优点．     

自组织神经网络在空中目标识别中的应用

本文研究了将自组织神经网络用于空中目标识别的方法,并基于此提出一个识别飞机及其诱饵红外图象的方案,提出目标表面的分形特征和熵特征,针对各特征量纲不统一,信息表达方式差异等特点,利用自组织神经网络来实现特征间的有效融合,实验表明,该方法具有较高的稳定性和准确性。     

自适应神经网络及其在刀具智能监控中的应用

讨论了神经网络的拓扑结构的学习和神经元激活函数等问题,提出了自构形神经网络的概念和算法,较好地解决了隐节点数目选取问题.将自适应神经网络用于刀具加工状态智能监控的信号融合之中,取得了满意的结果.     

人工神经网络的互连权空间的演化方程学习算法

本文把人工神经网络的互连权视为广义的自旋变量，网络的学习问题看作互连权空间的优化问题，进而将通常在人工神经网络组态空间的连续时间动力学方程组推广到人工神经网络的互连权空间，并在方程组中引入类似Ｍｅｔｒｏｐｏｌｉｓ的ＭｏｎｔｅＣａｒｌｏ算法机制改进此方程组了以提高寻优能力，提出了一个人工神经网络的演化方程学习算法，该算法在很大程度上摆脱了局域极值的束缚，得到最优或接近最优的互连权，本文集中研究单层反     

神经网络在可装配性设计中的应用

本文介绍了作者提出的一种可装配性评价的折方法——基于神经网络的评价方法AAE(Ar-tificia1 Neural Network-based Assembly Evaluation),分析了以往可装配评价存在的问题,阐述了基于神经网络的可装配评价的原理、特点,并讨论了可装配评价的实现策略。     

蒙特卡洛法在油气储量估算中的应用

详细论述了蒙特卡洛法的数学原理及其在油气储量估算中的具体使用方法 ,并通过应用实例说明在油气田的不同勘探开发阶段 ,根据拥有资料的多少选用适当的数学模型 ,利用蒙特卡洛法都可以估算出一个具有一定可信度的比较合理的油气储量数值。当一个区块勘探程度较高 ,拥有资料较多时 ,用蒙特卡洛法估算的储量与用容积法估算的储量比较接近。     

基于神经网络的一类非线性系统参数估计

基于Ｈｏｐｆｉｅｌｄ神经网络的神经计算原理，提出了一类非线性系统的参数估计方法：首先将系统参数估计问题转化为以系统模型残差平方和为目标函数的优化计算问题，然后利用连续Ｈｏｐｆｉｅｌｄ神经网络的神经计算估计待辨识参数．数字仿真结果表明，该方法不仅算法简单，而且估计精度高．     

神经网络在采面顶板聚类及辨识中应用

本文在神经网络聚类与辨识原理简介的基础上，时采面顶板聚类与辨识问题进行了应用研究，其聚类及辨识的正用率达１００％。实例表明，神经网络是用于复杂非线性系统聚类与辨识的有效方法，并可望在煤矿开采领域其它聚类及辨识问题中得以推广应用。     

神经网络在储层横向预测中的应用

传统的冯·诺依曼程序存储式计算机擅长于数据处理，但是在类似于面貌及声音识别这样一些简单的认知问题方面，与人类相差很大．这种差异推动了神经网络的研究．本文讨论了误差反向传播网络（ＢＰ）．给出了ＢＰ网络在储层横向预测测方面的应用．     

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。     

基于神经网络的宗地地价评估探析

当前,人工神经网络的研究方兴未艾,已成为人工智能领域的研究热点,其应用领域也越来越广．根据宗地地价评估的特点,对人工神经网络在宗地地价评估中的应用进行了探索．首先分析了宗地地价的特点和影响因素,并选取了济南市住宅用地交易样点,然后在DPS软件中用神经网络对所选样点进行宗地地价评估．通过预测结果与实际结果的对比得出,基于神经网络的宗地地价评估简便可行,并比传统方法更客观．     

多层神经网络的软件工具设计与应用

本文介绍多层神经网络模型及其改进型反向传播算法,提出了运用Turbo-C语言实现其软件工具的设计原理和方法,并经实例验证是可行的,为用户提供了一种开发多层神经网络应用的通用性软件工具CSBP。     

基于人工神经元网络模型的预测控制研究

研究了基于人工神经元网络模型的非线性预测控制，所采用的网络为一种将线性模型与多层前向网络相结合的ＤＬＦ网络，仿真结果表明，该“混合网络”易训练，收敛速度可大大加快，在ＤＬＦ模型的基础上，本文研究了一种非线性预测控制算法，它的显著特点是在线计算量小。对于一非线性过程－球形罐液位的仿真结果表明，基于ＤＬＦ的非线性预测控制效果颇佳。