共查询到20条相似文献，搜索用时 62 毫秒
1.
小波神经网络在基桩动测信号处理中的应用 总被引：1，自引：0，他引：1
基于小波变换的时频局部化特性及人工神经网络的非线性映射特性，将小波变换和人工神经网络的优点结合起来，从基桩动测信号二进小波变换的频域中提取特征，最后将这些特征输入人工神经网络进行训练和分类，进而实现基桩缺陷的诊断。数值模拟试验显示了该方法的合理性，在此基础上进行了工程桩的现场试验研究，结果表明训练成功的神经网络可以作为智能分类器对基桩常见缺陷进行识别和诊断。 相似文献
2.
3.
《地质科技情报》2020,(4)
鉴于传统的光谱特征参数方法存在不能综合考虑光谱在整个波长范围内的谱形、对于单一吸收带相似的不同矿物难以区分等问题,研究采用深度置信网络方法对火星专用小型侦察影像频谱仪(CRISM)高光谱影像中的火星表面矿物进行自动识别,该算法具体包括:①预训练阶段。利用非监督算法逐层训练受限玻尔兹曼机,自动学习模型参数,提取光谱特征。②调优阶段。将自动学习的光谱特征输入分类器,采用反向传播算法对模型进行监督微调,识别矿物在CRISM影像中的分布。在算法的研究中,采用光谱比值方法降低火星表面灰尘等噪声对矿物光谱的影响,并探讨样本数量、隐含层节点数、网络深度等对算法识别精度的影响,试图构建适宜于CRISM影像火星表面矿物识别的深度置信网络模型。以火星表面镁铁蒙脱石和氯盐为例进行测试,实验结果表明:该方法能够对火星表面矿物进行自动识别,准确率达到85%以上,与光谱参数法的识别结果基本叠合,并能够探测光谱参数法未能识别的部分矿物分布。 相似文献
4.
BP网络在位场解释中的应用 总被引：3，自引：0，他引：3
介绍了ＢＰ网络的特点，阐述了它在位场资料解释中的应用的方法，特点和可行性。通过模型计算证实了该方法在位场异常识别中的效果，正确率达９７％。此外，通过修改网络单元的激发函娄，增强网络的稳定性和插功能，使ＢＰ网络在多层密度界面反演中得到满意的结果，西医 实例计算证明了该方法的有效性。 相似文献
5.
人工神经网络在基桩低应变完整性检测中的应用 总被引：2，自引：0，他引：2
目前基桩低应变完整性检测数据的后期处理有很多方法 ,但分析中人为干预较多。利用人工神经网络强大的非线性映射能力和学习训练功能 ,提出了基于BP网络的基桩完整性检测模型。该模型基于现场实测资料 ,避免了数据处理过程中各种人为干预。应用该模型对工程实例进行了分析 ,训练和测试网络结果说明该方法能够快速、方便地对基桩质量进行模式识别 相似文献
6.
介绍了ＢＰ网络的特点，阐述了它在位场资料解释中应用的方法、特点和可行性。通过模型计算证实了该方法在位场异常识别中的效果，正确率达９７％。此外，通过修改网络单元的激发函数，增强网络的稳定性和内插功能，使ＢＰ网络在多层密度界面反演中得到满意的结果，模型和实例计算证明了该方法的有效性。 相似文献
7.
8.
针对传统反演方法存在的初始模型依赖、计算时间较长等问题,提出了一种新的基于AlexNet深度神经网络的重力异常反演方法。该方法首先借鉴经典的深度神经网络AlexNet设计了一种用于重力异常反演的Alex反演网络(AlexInvNet),接着设计大量密度异常体模型并通过正演计算得到带标签的数据集,然后用该数据集训练AlexInvNet网络,最后将重力异常数据输入训练好的AlexInvNet网络直接得到反演结果。理论模型反演结果表明,该方法相较于全连接网络深度学习反演方法,能够更好地反演出异常体的位置和密度,具有较好的泛化能力和抗噪声能力。实测数据反演结果表明,该方法能有效解决重力异常反演问题。 相似文献
9.
分析了传统测井解释方法的局限性。从神经网络的机理、特点出发,提出了一种基于人工智能神经网络技术的岩性识别、孔隙度和渗透率预测方法。首先选取适当的测井资料向量组成一个训练模式对,由多个训练模式对构成一个学习样本集。通过神经网络的学习,使网络记住这些特征并形成预测模型,最后根据预测模型计算相应参数。以十红滩地区的找矿目的层为对象,进行了岩性分析与对比,预测了孔隙度与渗透率,并与实测值进行了对比。上述实例分析表明,该方法用于砂岩型铀矿预测岩性、孔隙度和渗透率具有一定的可行性。与传统方法相比,该方法不需要建立具体的解释模型和计算公式,有较好的适应性和预测精度。基于人工智能神经网络技术的岩性识别、孔隙度和渗透率预测方法具有较高的实用价值。 相似文献
10.
人工神经网络已应用在岩土工程的各个方面。针对常用的BP网络的不足之处,建立了基于自适应神经模糊推理系统（ANFIS）的单桩竖向极限承载力预测模型。利用文献中桩的载荷试验数据来训练ANFIS网络,确定了网络参数。研究结果表明,同常用的BP网络相比,ANFIS预测模型具有学习速度快,拟合能力较好,训练结果唯一等优点,该方法是一种有效地预测单桩极限承载力的方法。 相似文献
11.
自组织竞争神经网络在决策分析中的应用 总被引：2，自引：0，他引：2
在油气田的勘探过程中,通常有多种方法可以采用,每种方法所需要的经济成本均不同,因此需要利用数学工具为油气开采选择一种最为经济的方法。这里充分利用了人工神经网络的高度智能性,给出了网络训练权值及网络训练以后的权值拓扑结构,并从理论上保证了其分类的可靠性。结合该工程中具体的数据进行了分类处理,实现了三维数据下的聚类分析,得到了良好的分类效果。最好对该算法进行了总结和分析,表明该算法具有很大的灵活性和可扩展性。 相似文献
12.
细胞神经网络在重力异常分异中的研究及应用 总被引：1，自引：0，他引：1
介绍采用细胞神经网络CNN(cellular neural network)方法,对铬铁矿区内的矿体和围岩的重力异常进行分异。首先阐述了CNN方法的原理和算法,采用拟BP学习算法训练网络的权值,用全局误差函数求导方法推导权值的修正公式,讨论了如何根据目标异常训练适合该地质条件的网络的连接权值;其次将重力异常数据预处理,以达到适合CNN方法处理的数据格式和要求;最后由于该矿区内没有已知的重力数据作为网络训练的目标输出,根据相关地质图设置相应的地下构造模型。利用"点元"法分别正演出叠加异常和矿体异常,进而训练出适合全区的网络连接权值,实现了对全区重力异常的分异。应用结果表明,细胞神经网络方法较好地突出该矿区高异常和矿体的边界,只要选择了合适的网络连接权值,就能将横向叠加异常区分开,故CNN方法可以实现矿体和围岩的重力异常分异。 相似文献
13.
泥石流活跃程度的评判结果对保护当地人民生命财产安全和经济建设的发展及地质灾害的防治工程布置有着很大的影响。然而以往的评判方法多以定性评判为主。由于每个人的知识水平、工作经验及评判问题的思维方式的差异，从而使评判结果或多或少存在一定的误差。论文旨在寻求一种新的方法来实现对泥石流活跃程度的定量分析，以便尽可能的减少人为误差。人工神经网络是一种具有学习、记忆、计算、仿真等功能的网络结构。BP网络是目前工程上运用最为广泛的一种误差反传的人工神经网络。它可以模拟任意复杂的非线形映射关系。应用神经网络对泥石流活跃程度进行定量分析评判，可以在一定程度上减少定性评判中的人为因素影响，提高评判的准确性。论文简要介绍了BP神经网络的基本原理、训练过程，以及如何利用MATLAB软件中的神经网络工具箱来创建、训练和应用评判泥石流活跃程度BP网络。在BP网络模型建立时采用了对研究区泥石流活跃程度影响最主要的8个参数作为输入层，并选取了研究区的20个样本对网络进行训练。最后用训练好的网络对研究区的10条支沟分别进行计算。计算结果与实际情况相符，说明利用BP神经网络来评判泥石流活跃程度具有很好的实用价值。 相似文献
14.
基于AdaBoost组合学习方法的岩爆分类预测研究 总被引：2，自引：0，他引：2
针对岩爆等级划分问题,考虑了岩爆灾害发生的多种主要影响因素,采用新的数据挖掘方法AdaBoost（即Adaptive Boosting）的组合学习方法,结合流行的人工神经网络BP算法,构建了集成神经网络AdaBoost-ANN（简称AB-ANN）的岩爆等级多分类预测模型。该模型克服了单一弱分类器的不稳定性,提高了分类器精度,实验结果表明,预测的结果与实际值比较吻合,证明了该方法的可行性。 相似文献
15.
16.
基于模糊预测对象的证据权方法及其在土地沙漠化评价中的应用 总被引：3，自引：3，他引：0
为了使在地理信息系统中被广泛用于点事件预测的证据权方法能对面事件进行评价和预测, 提出了一种新的基于模糊训练层的证据权方法.它是一种更广泛的证据权方法, 与普通证据权方法所不同的是, 它的训练层是模糊集合, 其取值是它的隶属度.通过适当的变换也可以把点训练层转换为模糊集合.因此, 该方法可以对面事件、点事件和线事件进行评价和预测.该方法可以处理训练层和证据层均为模糊集合的情况, 被称为双重模糊证据权方法.作为该方法的一个应用实例, 本文介绍毛乌素沙漠边缘的晋陕蒙地区土地沙漠化评价的应用实例. 相似文献
17.
通过分析微动探查方法和改进神经网络迭代反演算法,提出采用改进的神经网络迭代反演微动面波频散曲线。该方法在网络训练学习阶段通过批处理学习和优化网络结构提高网络学习速度;在迭代反演阶段通过vR/λR-f曲线极值点的变化来调整输入模型以减少迭代反演次数;最后设计反演方案,并对6层介质模型进行频散曲线的网络训练和迭代反演,验证了方法的有效性。对比分析结果表明：该方法明显减少了迭代反演次数,提高了收敛速度,而且具有良好的抗干扰能力。 相似文献
18.
刘高村王绪本袁崇鑫李德伟谢卓良 《物探化探计算技术》2023,(4):484-496
传统大地电磁反演通常是基于确定性梯度的迭代求解,不仅需要大量时间计算雅可比矩阵,还依赖于初始模型的输入和正则化因子等参数的设置。近年来学者们不断引入机器学习方法以试图改善大地电磁反演,该方法不需要计算雅可比矩阵,不用输入初始模型,训练好的网络仅需几毫秒就可实现反演成像。这里利用Google团队提出的Transformer神经网络经典框架搭建大地电磁数据和模型之间的映射网络,以9240组正演数据为样本,对Transformer网络参数进行训练。采用南非开源大地电磁数据,实现了由视电阻率图像到电阻率模型的反演成像。研究表明:①经训练后的Transformer网络可以较准确的反映出异常体位置和大小;②网络实现了简单的矩阵并行化运算,大幅度提高训练的效率,且成像效率高于传统的反演。 相似文献
19.
20.
介绍网络加密技术和DES(对称密钥体制)加密算法，分析了选用DES数据加密标准对网络数据流加密的可行性和优越性，研究了JAVA安全结构和在B／S模式下APPLET与SERVLET之间的通信机制，最后基于该模式给出了一个在四川省图书馆综合管理系统中的应用实例。 相似文献