基于ART神经网络的地震剖面反褶积新方法

提出一种基于ＡＲＴ神经网络（及其改型）从地震剖面中识别子波的新方法．发挥神经网络在模式识别和优化计算两方面的优势，先以无教师学习算法从剖面中识别出子波，再通过ＴＨ神经网络作反褶积．实验结果表明，本文提出的方法有明显的效果，特别在地震剖面中存在一些相隔较远的反射层时有很好的效果．     

基于神经风络的地震剖面反褶积新方法

地震剖面的反褶积经常是地震勘探资料处理阶段的一个重要步骤，它是公认的提高剖经的有铲方法。常规的反褶积方法已经很多，但如何在提高剖面分辨率的同时又有效地抑制噪声，提高剖面的信噪比，始终是困扰人们的问题。针对这一问题，提出了一种基于反馈神经网络及其衍生物的地震剖面反褶积方法。     

最佳剖面准则反褶积方法的研究

本文提出了一种用于石油物探资料数字处理的最佳剖面准则反褶积方法，实验结果表明，该方法确定能够改善同相轴的连续性，改善分辨率，同时能明显地提高信噪比。     

应用神经网络技术提高地震资料分辨率

通过神经网络技术以井数据和井旁地震数据作为输入,学习它们之间的褶积关系,利用这种关系可以求出地震子波通过求取子波的逆即得到反子波,使建立在褶积模型基础上的地震数据可以与反子波褶积得到波形压缩提高资料的分辨率。该方法和传统的反褶积方法的区别在于对子波没有最小相位假设,而地震子波一般是混合相位的．同时有井数据的参与使得对目的层的子注求取更为准确,通过反褶积使地震波形得到很好的压缩,提高了分辨率     

探地雷达信号的反褶积研究

根据探地雷达信号基本子波的特点,设计了一种适宜于探地雷达信号的反褶积算法。该方法将基本子波转化为一个位于子波绝对最大值处的尖脉冲,反褶积后,子波被压缩在绝对值最大处,而不是在子波的开始。它可以有效地去除基本子波的拖尾,压缩基本子波的长度,提高信号的纵向分辨率和信噪比。通过对探地雷达实验数据和高速公路检测数据的计算,表明了该算法是一种非常有效的方法。     

垂直地震剖面横波分裂的理论研究

地下岩石中普遍存在着由地应力诱导排列的垂直裂隙或裂缝，地震横波通过这样的介质传播时，会发生横波分裂。文中首先推导了含裂隙介质中零井源距垂直地震剖面记录的解析表达式，然后就不同方位裂隙组成的多层介质使用的伪谱法模拟了二分量横波全裂的ＶＳＰ记录，最后利用ＶＳＰ记录的解析式分析了ＶＳＰ记录中的横波分裂。     

利用VSP提高叠后地面地震资料分辨率

反褶积是地面地震处理中提高成像分辨率的常用方法。地面地震资料因地面接收干扰严重,高频成分在中深层衰减和吸收作用较大,得到的叠后剖面中深层频率偏低,难以提取真实反映地震波在地下各个深度地层传播的地震子波,不能得到精确的反褶积算子。利用VSP测井在井下不同深度地层接收的特征,从VSP资料中提取该反褶积算子用于叠后地面地震资料反褶积处理,使地震剖面的分辨率明显提高,同时同相轴的连续性得到改善,波阻特征有所加强,叠后处理剖面整体质量得到较大的改进。     

基于遗传神经网络的地震综合预测系统研究

提出利用遗传神经网络技术对地震预测建模,其基本思想是利用遗传算法具有全局搜索能力、不易陷入局部极小点的特点优化神经网络的权重和阈值,利用优化的神经网络挖掘地震前兆异常属性和震级之间的潜在的关系,从而实现地震预测.并选取了《中国震例》中的97个样本数据进行实验,震例验证的结果表明,遗传神经网络算法用于大地震综合预测效果较理想.     

基于目标函数的地表一致性反褶积方法

常规的地表一致性处理方法是在得到各个地震道的炮点分量和检波点分量之后,计算两个分量褶积的预测反褶积算子,将该算子作用在各自的地震道上,由此消除激发和接收因素对地震子波的影响。当激发和接收因素变化较大时,由于没有明确的目标函数,其应用效果不甚理想。为此,在利用常规方法实现地震道分解之后,赋予每个地震道相同的目标函数。然后,以炮点分量和检波点分量的褶积为输入函数,利用维纳滤波算子对每个地震道进行地表一致性反褶积处理。实验结果表明,该方法较好地消除了不同地震道之间激发和接收因素的差异,地震子波的一致性得到改善。     

基于神经网络的自适应滤波研究

自适应信号处理在信号处理中占据主要地位,自适应滤波又是自适应信号处理中的主要应用.目前对自适应滤波的研究主要集中在算法上,但很难在收敛速度、稳定性和跟踪性能上同时取得最佳性能.综合考虑自适应滤波的各种性能,研究基于神经网络的自适应滤波方法,并通过实例应用来证明了该方法的有效性.该研究对拓展自适应滤波方法和神经网络的应用都具有重要的参考价值.     

基于粗集理论的神经网络

在分析了粗集理论方法和人工神经网络方法两者各自的特点与共同之处后,首先探讨粗集学习与神经网络学习的结合方法,然后提出一种基于粗集预处理的神经网络系统,最后给出一个基于粗集方法作为信息预处理的神经网络文字识别的例子,来说明基于粗集的神经网络系统的优越性     

基于盲反卷积的脑电信号盲分离研究

采用卷积混合模型描述观测脑电信号(electroencephalogram,EEG),提出一种基于盲反卷积的EEG盲分离方法.结合EEG源成分的独立性确定代价函数,并采用共轭梯度法进行迭代寻优.针对EEG仿真实验数据进行方法验证,采用分离信号与源信号之间的相关系数作为验证指标.实验结果表明,本文方法可以较好地实现EEG盲分离,为EEG信号处理和其他生理信号处理分析提供理论和方法借鉴.     

基于神经网络处理油井液面深度的方法

本文介绍了利用神经网络处理油井液面信号的基本方法，并给出利用此方法处理液面信号的结果。     

Techniques of Image Processing Based on Artificial Neural Networks

This paper presented an online quality inspection system based on artificial neural networks. Chromatism classification and edge detection are two difficult problems in glass steel surface quality inspection. Two artificial neural networks were made and the two problems were solved. The one solved chromatism classification. Hue, saturation and their probability of three colors, whose appearing probabilities were maximum in color histogram, were selected as input parameters, and the number of output node could be adjusted with the change of requirement. The other solved edge detection. In this neutral network, edge detection of gray scale image was able to be tested with trained neural networks for a binary image. It prevent the difficulty that the number of needed training samples was too large if gray scale images were directly regarded as training samples. This system is able to be applied to not only glass steel fault inspection but also other product online quality inspection and classification.     

基于最小输出熵的盲反卷积方法

针对多通道卷积混叠模型，基于信息理论的最小熵准则，利用单时间点观测样本给出了一类多通道盲反卷积方法，这种方法不同于其它方法的地方在于考虑了源和观测信号的上下文信息。     

基于神经网络的模糊推理预测方法

将模糊推理技术与神经网络结合．利用模糊集理论来处理输入、输出信息，借助神经网络系统来完成推理、判断与知识的记忆存储及学习．从而给出了基于神经网络的模糊推理预测模型。     

细胞神经网络信号传播机制研究

通过对反符号数值不对称细胞神经网络微分方程的分析,给出了正弦信号在传播时网络参数的条件,及正弦信号在无衰减传播时信号频率与网络参数应满足的关系,推导了传播速度的表达式．基于信号无衰减传播的机制,提出了一种新型的移相器,它具有理想化的特性,通过调节参数可使相移在-π／2和π／2间任意取值,而信号的幅度不发生变化．