共查询到20条相似文献，搜索用时 187 毫秒
1.
地下水水位动态预测对农田土壤盐渍化防治、地下水地表水资源的合理调度具有十分重要的意义。以新疆和静县某地下水观测井为研究对象,选择月均蒸发量、气温和灌溉量3个因素作为BP神经网络模型的输入量,利用遗传算法优化神经网络的权值与阈值,建立地下水水位的遗传BP神经网络预测模型。结果表明:遗传BP神经网络模型能较好表达地下水位与主控因素之间的非线性关系,预测结果与实测值之间的平均绝对百分比误差为0.040 3,测试样本的网络输出值与网络目标值的相关系数达0.967 3,模型预测效果较佳。研究结果为区域地下水的开发利用与保护提供参考依据。 相似文献
2.
3.
针对BP人工神经网络具有易陷入局部极小等缺陷,提出了将遗传算法与神经网络结合,同时优化网络结构的权值与阈值的思想,建立了基于遗传算法的围岩松动圈预测的神经网络模型。用该模型对巷道围岩松动圈厚度进行了预测并与BP预测结果相比较。结果表明,该遗传神经网络模型可靠,预测精度高,用来对围岩松动圈厚度进行预测是有效的和可行的。 相似文献
4.
5.
针对BP人工神经网络具有易陷入局部极小等缺陷,提出了将遗传算法与神经网络结合,同时优化网络结构的权值与阈值的思想,建立了基于遗传算法的混凝土坝抗震可靠度预测的神经网络模型。该模型分别对混凝土坝抗滑稳定可靠度、抗压可靠度和抗拉可靠度进行了预测,并与BP神经网络预测结果进行比较。结果表明,遗传神经网络模型可靠,预测精度高,在岩土工程中利用该方法进行可靠性问题预测是有效及可行的。 相似文献
6.
文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究。目标储量报告里定火沙三段中孔、中渗;岩性（粒度）和孔隙度是储层渗透率的主要影响因素。根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型。通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响。优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37%,比传统的二元回归统计模型精度提高了26%。对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求。 相似文献
7.
8.
基于遗传-神经网络的单桩竖向极限承载力预测方法研究 总被引：15，自引：4，他引：11
分析了BP神经网络的缺陷和遗传算法的特点,建立了基于遗传-BP神经网络的单桩竖向极限承载力预测模型。实例研究表明,预测模型性能良好、预测精度提高、简便易行、行之有效,该方法具有广泛的应用前景。 相似文献
9.
10.
滑坡位移预测是预报滑坡灾害的重要依据,以往的滑坡位移预测模型多数为时间序列预测模型、BP神经网络预测模型、Gaussian拟合预测模型以及其他一些非线性预测模型。这些滑坡位移预测模型在建立上缺乏力学理论支撑,对不同力学特性产生的滑坡位移预测分析上没有针对性。文章针对力学特性为重力蠕变型滑坡位移的预测,提出一种基于遗传优化算法的滑坡蠕滑位移非线性预测模型。以鲁家坡滑坡东侧J05监测点的累计水平位移为例,划定测试区域与预测区域进行模型预测分析,并将新模型预测结果与Gaussian拟合预测模型、 BP神经网络预测模型预测结果进行对比分析。结果表明,相较于传统预测模型,新模型的预测效果有所提升,有一定的工程价值与实践价值。 相似文献
11.
为了提高深部煤层瓦斯含量的预测精度,提出了采用灰熵分析法对瓦斯含量影响因素进行研究,以潘三矿深部11-2煤层为例,根据灰熵关联度的大小选取不同的影响因素分别建立了GM（1,3）、GM（1,4）和GM（1,5）预测模型,依据精度检验结果选择精度更高的瓦斯预测模型。研究结果表明,影响潘三矿深部11-2煤层瓦斯含量的因素重要程度从大到小依次为:主断层距离、煤层埋深、煤厚、顶板砂泥比、煤层倾角。由此建立的3个模型的预测精度都在合格以上,其中GM（1,4）模型预测精度达到了1级,平均相对误差为5.063 6%,可采用该模型对11-2煤层瓦斯含量进行预测,为深部煤与瓦斯安全高效开采提供可靠依据。 相似文献
12.
基于改进型前馈神经网络的流域产流预报模型的研究 总被引：4，自引：0，他引：4
在分析流域产流机制、影响因素和现行产流计算方法的基础上,首次取前期影响雨量、主产流历时、全过程面平均雨量和４个代表雨强计７个因子作为神经网络输入,直接以流域产流深作为神经网络输出,并针对传统ＢＰ算法的固有缺陷,采用混合ＧＮ－ＢＦＧＳ算法训练网络。实例验证了所建模型及算法的有效性和可行性。还对神经网络隐层单位数等进行了初步研究。 相似文献
13.
Hazard assessment model for debris flow prediction 总被引：4，自引：3，他引：1
Debris flow disasters have plagued Taiwan in recent decades, and caused casualties and destruction of property. Several methods,
including the numerical method, statistical method, and experimental method, have been adopted in recent years to predict
debris flow, and more recently, the neural network (NN) and the genetic algorithm (GA) methods have been introduced to simulate
the occurrence of debris flows. This study proposes using the GA to weigh seven important variables according to principles
similar to natural selection. The study then simultaneously inputs these variables into a NN model to predict debris flow
occurrences based on relevant factors. There were 154 potential cases of debris flow collected from eastern Taiwan and fed
into the model for testing. The average ratio of successful prediction reached 94.94%, which demonstrates that the proposed
model can provide stable and reliable results for predicting debris flow in hazard mitigation and guard systems. 相似文献
14.
致密砂岩储层孔隙度小、渗透率低、含气饱和度低,基本上没有自然产能,需要进行压裂,所以压裂产能的预测很重要。广义回归神经网络 ( GＲNN) 稳定,对样本数量的要求低。产能预测关键是样本的选取以及扩展因子的选取。在原有的 GＲNN 预测产能的基础上,利用交叉验证法改进 GＲNN 网络,选取最优的样本确定最优的 GＲNN 网络结构,利用循环判断法,选取最优的扩展因子。改进的 GＲNN 神经网络可以避免确定 GＲNN 网络结构和扩展因子过程中过多的人为影响。笔者利用灰色关联分析法分析压裂产能的影响因素,利用改进的 GＲNN 网络有针对性地建立适合苏里格地区致密砂岩气层的压裂产能预测模型。结果表明该方法在苏里格地区气层压裂产能预测中有较好的应用效果。 相似文献
15.
基于Langmuir 等温吸附方程式,开展不同煤阶不同温压条件下等温吸附模拟实验,实验结果表明：在煤岩镜质组反
射率Ro<3.0%时,Langmuir 等温吸附曲线随煤阶、温度、压力升高表现出明显的分带性。随着煤阶的升高,煤吸附能力逐
渐增强。温度小于55℃时不同煤阶Langmuir 体积受温度影响较小,之后影响逐渐增大。低煤阶在12 MPa、中高煤阶在
15 MPa以前随压力增加Langmuir 体积增大明显。根据实测含气量外推法结合高温高压等温吸附实验建立了深煤层含气量数
学模型,显示煤层含气量随埋深呈现快速增加—缓慢增加—不增加—缓慢减小的变化规律,其中低煤阶临界深度介
于1400~1700 m,中高煤阶临界深度介于1500~1800 m。该含气量数学模型对预测深部煤层含气量变化规律及煤层气资源评
价提供基础依据。 相似文献
16.
17.
Parisa Bagheripour Mojtaba Asoodeh Ali Asoodeh 《Central European Journal of Geosciences》2013,5(4):508-513
Oil formation volume factor (FVF) is considered as relative change in oil volume between reservoir condition and standard surface condition. FVF, always greater than one, is dominated by reservoir temperature, amount of dissolved gas in oil, and specific gravity of oil and dissolved gas. In addition to limitations on reliable sampling, experimental determination of FVF is associated with high costs and time-consumption. Therefore, this study proposes a novel approach based on hybrid genetic algorithm-pattern search (GA-PS) optimized neural network (NN) for fast, accurate, and cheap determination of oil FVF from available measured pressure-volume-temperature (PVT) data. Contrasting to traditional neural network which is in danger of sticking in local minima, GA-PS optimized NN is in charge of escaping from local minima and converging to global minimum. A group of 342 data points were used for model construction and a group of 219 data points were employed for model assessment. Results indicated superiority of GA-PS optimized NN to traditional NN. Oil FVF values, determined by GA-PS optimized NN were in good agreement with reality. 相似文献
18.
统计预测模型是进行中长期水文预报的主要手段之一,在统计预测模型建模过程中面临的一个重要问题是如何从诸多待选模型中挑选出一个预测投入较低、预测精度较高的模型。针对这一多属性综合评价问题,提出了利用数据包络分析中的CCR模型进行水文统计预测模型综合评价的方法。模型的输入指标包括预测因子指标和模型参数指标,输出指标为模型精度评价指标,评价结果为模型的相对效率。作为典型案例,对参考作物腾发量预测的20个径向基函数网络模型的有效性进行了评价,结果表明该评价方法是可行的。模型中预测旬参考作物腾发量的关键因子是最高、最低温度,其次是风速,再次是日照时数;将预测时段所属的旬序号作为网络输入可显著提高模型预测精度和相对效率。 相似文献
19.
基于指数趋势模型的卡尔曼滤波法在危岩体变形分析中的应用 总被引：1，自引：0，他引：1
以指数趋势模型为基础,建立卡尔曼滤波模型对链子崖危岩体GA监测点的位移量进行预测。首先,把非线性的指数趋势模型经线性化处理后转化成线性模型,用线性最小二乘法求出线性化后的模型参数,再将线性化后的模型参数看作带有动态噪声的状态向量,建立卡尔曼滤波模型,以此模型为基础,对危岩体的位移量进行预测。实例计算表明,用卡尔曼滤波模型对危岩体的位移量进行预测,其预测误差较小,效果较为理想。 相似文献