共查询到20条相似文献，搜索用时 156 毫秒
1.
提出了把专家系统和社会网络混合起来使用的新方法,这种方法可克服专家系统和社会网络单独使用时的缺陷。以钻进过程的安全监控为例,研究了这种方法在确定性和不确定性条件下的使用步骤有效果。 相似文献
2.
3.
介绍了人工神经网络的工作原理，分析了传统专家系统的局限性，阐述了神经网络专家系统的基本构成，设计了金刚石钻头配方设计专家系统的框架，论述了该系统所采用的神经学习算法和理机制，并给出了实际应用示例。 相似文献
4.
5.
钻头配方设计神经网络专家系统 总被引：2，自引：0，他引：2
利用人工神经网络中的ＢＰ算法,设计的金刚石钻头配方神经网络专家系统具有知识规则较少、界面友好等特点,用于开发钻头配方设计是可行的。实践中经与相同设计条件的钻头相比,其使用效率和寿命均有所提高。 相似文献
6.
提出了钻进过程实时状态监控与事故诊断的人工智能方法—专家系统,给出了实现钻进过程实时状态监控与事故诊断专家系统的总体思想,以及如何建立综合数据库、产生式规则和控制策略的具体方法和步骤。试验证明这种方法切实可行,具有一定的应用价值 相似文献
7.
钻进过程实时状态监控与事故诊断专家系统：人工智能在钻井工程中的？… 总被引：2，自引：0，他引：2
提出了钻进过程实时状态监控与事故诊断的人工智能方法－专家系统,给出了实现钻进过程实时状态监控与事故诊断专家系统的总体思想,以及如何建立综合数据库,产生式规则和控制策略的具体方法和步骤,试验证明这种方法切实可行,具有一定的应用价值。 相似文献
8.
基于神经网络的储层识别处理技术及在塔河油田的应用 总被引：3，自引：4，他引：3
简述神经网络用于储层识别模型的建立,并指出单独使用神经网络进行识别的不足。对此,设计了具有辅助神经网络作用的计算机程序,从而使单独使用网络的不足之处得到完善。通过塔河油田实际资料应用表明,在单独使用BP神经网络进行储层类型预测效果不是十分理想的情况下,采用这种处理技术,能够取得较好的效果。 相似文献
9.
用自组织人工神经网络研究黄土孔隙性分类判别 总被引：1，自引：0，他引：1
本文运用Ｔ．Ｋｏｈｏｎｅｎ自组织人工神经网络，对洛川黄土孔隙性的实测数据进行了分析，建立了洛川黄土孔隙性预测的计算机智能专家系统。结果表明，神经网络方法性能良好，可望成为黄土孔隙性分类、判别的有效辅助手段。 相似文献
10.
11.
基于人工神经网络的膨胀土判别分类方法：以宁连一级公路为例 总被引：6，自引：2，他引：4
以往用于膨胀土判别分类的定量手段,如模糊数学,灰色聚类法等都或多或少带有一定的人为因素,不可避免的影响了分类结果,本文提出了一种膨胀土判别分类的新方法－ＢＰ神经网络模型,较好的弥补了这方面的缺点,并具有容错能力强,客观性好等特点,研究表明,这种方法在实践中合理的,可行的。 相似文献
12.
人工神经网络模型在地下水水质评价分类中的应用 总被引：20，自引：0，他引：20
人工神经网络(ArtificialNeuralNetwork以下简称ANN)是一种行之有效的数据处理和分析方法,它的应用领域不断扩大并逐渐完善,本文在传统ANN方法基础上进行了进一步的探讨,立足于BP算法,通过调整ANN输出结构,提高其鲁棒性能,从而使其更具有适应性。将改进后的ANN应用于地下水水质评价分类,并和模糊综合评判评价结果进行了比较,分类结果令人满意。 相似文献
13.
地下水动态并行预测方法 总被引：6，自引：0，他引：6
本文首次提出了地下水动态并行预测的概念，采用人工神经网络技术使并行预测得以实现，两个算例演示结果表明，人工神经网络不但实现了并行预测而且还比传统的不确定性主人有较高的预测精度。 相似文献
14.
C. Kayadelen 《国际地质力学数值与分析法杂志》2008,32(9):1087-1106
Great efforts are required for determination of the effective stress parameter χ, applying the unsaturated testing procedure, since unsaturated soils that have the three‐phase system exhibit complex mechanical behavior. Therefore, it seems more reasonable to use the empirical methods for estimation of χ. The objective of this study is to investigate the practicability of using artificial neural networks (ANNs) to model the complex relationship between basic soil parameters, matric suction and the parameter χ. Five ANN models with different input parameters were developed. Feed‐forward back propagation was applied in the analyses as a learning algorithm. The data collected from the available literature were used for training and testing the ANN models. Furthermore, unsaturated triaxial tests were carried out under drained condition on compacted specimens. ANN models were validated by a part of data sets collected from the literature and data obtained from the current study, which were not included in the training phase. The analyses showed that the results obtained from ANN models are in satisfactory agreement with the experimental results and ANNs can be used as reliable tool for prediction of χ. Copyright © 2007 John Wiley & Sons, Ltd. 相似文献
15.
The determination of the compaction parameters such as optimum water content (wopt) and maximum dry unit weight (γdmax) requires great efforts by applying the compaction testing procedure which is also time consuming and needs significant amount of work. Therefore, it seems more reasonable to use the indirect methods for estimating the compaction parameters. In recent years, the artificial neural network (ANN) modelling has gained an increasing interest and is also acquiring more popularity in geotechnical engineering applications. This study deals with the estimation of the compaction parameters for fine‐grained soils based on compaction energy using ANN with the feed‐forward back‐propagation algorithm. In this study, the data including the results of the consistency tests, standard and modified Proctor tests, are collected from the literature and used in the analyses. The optimum structure of a network is determined for each ANN models. The analyses showed that the ANN models give quite reliable estimations in comparison with regression methods, thus they can be used as a reliable tool for the prediction of wopt and γdmax. Copyright © 2010 John Wiley & Sons, Ltd. 相似文献
16.
17.
对用人工神经网络方法来解决钻探生产的实际问题, 在不取心的情况下识别所钻地层的岩性进行了研究.根据钻探生产的特点, 设计了人工神经网络的结构和输出方式, 开发了人工神经网络识别所钻地层的软件, 分析了影响人工神经网络应用效果的各因素, 在人工神经网络的优化设计方面作了较深入的研究.研究表明: 人工神经网络用于识别所钻地层有很好的效果; 人工神经网络的参数, 如学习率、隐含层层数、隐含层单元数和数据处理方式等对人工神经网络的应用效果有影响. 相似文献
18.
结合一工程实例,通过浸水CBR试验,分析高塑性土在毛细饱水情况下的强度特征,揭示高塑性土的路用特性,并将室内研究成果结合现场工艺试验,研究在不添加外掺剂的前提下,直接利用高塑性土填筑路基的途径和方法。 相似文献
19.
The reliability of heterogeneous slopes can be evaluated using a wide range of available probabilistic methods. One of these methods is the random finite element method (RFEM), which combines random field theory with the non‐linear elasto‐plastic finite element slope stability analysis method. The RFEM computes the probability of failure of a slope using the Monte Carlo simulation process. The major drawback of this approach is the intensive computational time required, mainly due to the finite element analysis and the Monte Carlo simulation process. Therefore, a simplified model or solution, which can bypass the computationally intensive and time‐consuming numerical analyses, is desirable. The present study investigates the feasibility of using artificial neural networks (ANNs) to develop such a simplified model. ANNs are well known for their strong capability in mapping the input and output relationship of complex non‐linear systems. The RFEM is used to generate possible solutions and to establish a large database that is used to develop and verify the ANN model. In this paper, multi‐layer perceptrons, which are trained with the back‐propagation algorithm, are used. The results of various performance measures indicate that the developed ANN model has a high degree of accuracy in predicting the reliability of heterogeneous slopes. The developed ANN model is then transformed into relatively simple formulae for direct application in practice. Copyright © 2016 John Wiley & Sons, Ltd. 相似文献
20.
FORECAST OF PREFERRED FAULT BASED ON NEURAL NETWORK 总被引：10，自引：2，他引：8
基于优势面区域稳定性评价理论和人工神经网络 (ANN)的原理和方法 ,探讨了基于 ANN的优势断裂预报神经网络算法及模型 ,并结合实例检验表明应用反传 (BP)神经网络模型判定优势断裂的新方法是有效的 ,且取得了理想的结果。 相似文献