共查询到20条相似文献，搜索用时 31 毫秒
1.
基于模糊神经网络和符号的地震预报专家系统NGESEP 总被引：7，自引：0，他引：7
本文介绍了专家系统的发展、神经网络、模糊系统与专家系统相结合的优点以及新一代地震报专家系统的构成等。该系统除具有传统专家系统的特点外，还因使用模糊联想记忆神经网络模型而具有良好的学习功能。文中也对ＦＡＭ神经网络模型及其应用作了介绍。 相似文献
2.
结构振动控制中神经网络应用的新进展 总被引：11，自引：0，他引：11
介绍了作者近年来应用神经网络在结构振动控制研究中所取得的一些进展,包括：（１）提出了自递归神经网络（ＳＰＮＮ）,这种网络的学习收敛速度比一般的ＢＰ网络快得多;（２）应用自递归神经网络预测了结构地震响应。预测结果与结构实际响应相当吻合;（３）提出了一种基于自递归神经网络的结构响应过程中不同状态下Ｌｙａｐｕｎｏｖ方程,该法简单、快速,能够满足在线控制要求。 相似文献
3.
储层预测中BP神经网络的应用 总被引：7，自引：13，他引：7
论述了BP神经网络的基本原理及在油气预测中的应用，特别讨论了网络的学习和网络技术的改进，通过SN油田SGH组的油气预测，表明利用BP神经网络进行油气藏的储层预测是有效的。 相似文献
4.
近年来,深度学习的发展给科研人员开辟了地震定位研究的新思路,科研人员将深度学习技术应用于地震定位并取得了较好的效果。文章首先介绍根据神经网络的编码与解码对深度神经网络的分类,然后对深度学习的基本流程进行总结,最后对深度学习中广泛应用于地震定位的方法进行综述,总结不同方法的特点和实际应用情况。结果表明：深度学习方法能够实现地震事件的自动定位,且定位的精度较高,缩短了地震定位所需时间,在处理地震大数据方面也具有明显优势,能够克服目前传统地球物理方法在地震定位方面的一些不足之处。相信随着深度学习技术的进一步发展,必将更为广泛地应用于地震定位研究中。 相似文献
5.
为实现自动检测地震噪声波形是否异常,提出应用BP神经网络技术进行地震噪声波形检测.选取福建地震台网88个测震台站2018-2019年的地震噪声原始波形,计算波形的加速度功率谱密度(PSD)值作为神经网络的输入特征值,在MATLAB中构建BP神经网络进行学习训练和仿真测试.测试验证了训练后的BP神经网络模型具备了可靠的地震噪声波形是否异常的检测能力.应用BP神经网络检测地震噪声波形免去了人工判断的工作,实现全自动处理,提高了检测效率,为今后地震噪声波形质量自动监控提供了新的技术方法. 相似文献
6.
结构网络最小混合型神经元网络油气预测 总被引：1，自引：0，他引：1
基于统计学习理论中的结构风险最小化原理，从理论上给出了神经网络的结构设计方法和实现过程。该方法能自适应地扩展神经网络的容量，从而完成网络的结构设计，并且在有限样本的情况下，阳大限度地提高网络的训练精度和泛化能力，进而提高神经网络预测结果的可靠性。此外，本方法可使神经网络同时具有多种类型的特性函数，增强了网络的信息处理能力。文中给出了该方法在大庆油田某开发区块储层油气检测的应用实例。 相似文献
7.
为进一步提高大地电磁非线性反演的稳定性、运算效率及准确度,将遗传神经网络算法引入大地电磁反演.首先针对大地电磁二维地电模型建立BP（Back Propagation）神经网络基本框架进行学习训练,网络输入为已知地电模型的视电阻率参数,输出为该地电模型参数;再利用遗传算法对神经网络学习训练过程进行优化,计算出多种地电模型网络连接权值和阈值的最优解;最后将最优连接权值和阈值对未知模型进行反演测试,网络输入为未知地电模型的视电阻率参数,输出为该地电模型参数.模型实验表明：遗传神经网络算法充分结合了遗传算法的全局寻优性和神经网络的局部寻优性,相比单一神经网络算法,在网络学习训练中提高了解的收敛成功率和计算速度,在反演测试中能更准确地逼近真实模型.将遗传神经网络算法与最小二乘正则化反演进行对比,理论模型和实测数据都验证了遗传神经网络算法在大地电磁反演中的可行性和有效性. 相似文献
8.
9.
深度神经网络虽然在震相拾取中取得了良好效果,但作为高复杂度的机器学习模型,深度神经网络在取得较高精度的同时需要付出较高的计算代价,而且试验研究表明震相拾取中并不需要过高的模型复杂度。为此,本文根据地震波形的特点设计了四种具有不同复杂度的深度神经网络改进模型,可以综合具体的精度和速度需求从中选取合适的模型。在此基础上,将改进模型与现有四种到时拾取的深度学习网络模型进行了对比,结果表明本文中的网络模型在到时拾取上具有较高的速度和精度。同时,本文的深度神经网络通过使用多种深度学习模型压缩手段可将震相拾取模型的大小压缩到2.0 MB以内,从而使得模型可以在低功耗设备上完成高速震相拾取的同时尽可能地减少精度损失。 相似文献
10.
利用北京国家观象台的测震记录,探索了样本构建、训练过程、模型结构等因素对远震震相P-S和近震震相Pg-Sg拾取模型性能的影响。结果表明:适中的卷积层深度、正则化和数据清洗能够有效地改善模型性能,而残差块的影响却相对有限。与此同时,基于类模型可视化和平滑GradCAM++的模型解释显示:卷积神经网络复现了震相的关键特征,其决策敏感区域也与震相识别的经验准则一致。最后,连续波形的扫描结果展示了卷积神经网络在远-近地震震相识别的应用前景与提升空间。此外,本文针对模型搭建与训练中存在的问题提出了样本选择、模型架构、标签标注和集成学习等改进方案,以供后续研究参考。 相似文献
11.
本以反应谱的特征提取为主题,讨论了被估计目标特征的自动提取问题,中给出了反应谱特征参数提取的神经网络模型,该应用模型通过学习积累有关特征的知识,然后利用已学到的知识自动完成新目标相应特征的提取,体现出神经网络设计智能系统的潜力。 相似文献
12.
13.
14.
介绍了神经网络的一些基本概念，ＢＰ神经网络及其算法，使用地震强度因子Ｍｆ值，地震空间集中度Ｃ值，地震危险度Ｄ值对华北地区１９７２￣１９９２年期间进行空间扫描的中期和短期异常资料，通过ＢＰ神经网络进行学习并进行地震短期预测。研究结果表明：利用这３类资料的多项因子进行短期预测的效果较为理想。文章还对使用ＢＰ神经网络的一些具体问题进行了讨论。 相似文献
15.
神经网络可以看成是空间映映的应用，即输入空间到输出空间的映射。为了模拟设想的映射关系，网络必须通过反复改变内部参数的学习过程，通过很多输入模型和与它们相应的输出模型的展示过程来实现。如果在训练组中所有样本的期望输出和计算输出之间的误差达到最小，也就完成了训练过程，这时，网络就可以模拟训练样本的限制范围内合余需要的映射关系。这里，我们描述一个实验，其中，神经网络的设计以接受人工爆破选排（即从单个源得 相似文献
16.
基于遗传算法优化神经网络权值的大坝结构损伤识别 总被引：1，自引：0，他引：1
针对传统 BP 神经网络存在着容易陷入局部极小点、训练时间太长等缺点,本文采用基于浮点编码的遗传算法,对 BP 神经网络的初值空间进行了遗传优化。用基于浮点编码的遗传算法来优化 BP 神经网络的权值,可得到最佳初始权值矩阵,并按误差前向反馈算法,沿负梯度搜索进行网络学习。文中以混凝土重力坝结构作为算例,用结构的模态频率变化作为网络的输入向量,结构的损伤位置作为输出向量,对网络进行了训练。仿真结果表明：遗传 BP 神经网络的收敛和诊断能力优于传统 BP 神经网络,可有效地运用到大坝结构的健康诊断与损伤识别中。 相似文献
17.
人工神经网络及其在地震预报中的应用 总被引：7，自引：3，他引：7
文概述了人工神经网络的原理和算法，利用１９８５－１９９２年全国年度趋势会商报告的资料来训练的检验神经网络。结果表明，网络经训练后具有较高的识别能力，在地震预报中有深入研究和进一步应用的价值。最后讨论了神经网络中几个重要参数的取值问题。 相似文献
18.
本文研究了神经网络方法在基于地震活动性指标的中短期地震预报和基于非测震学前兆异常从属函数的短期地震预报中的应用。选用含一个或两个中间层的前向神经网络模型，并采用与之相适应的ＢＰ算法。以华北地区多年的地震活动性资料和首都圈及其邻近地区的短水准、地电阻率、地磁总强度、水位、水氡含量等前兆观测手段的８０余个台项的多年测资料为基础，对神经网络方法以上两方面的应用作出了实际计算、分析与检验。对一些大地震的发 相似文献
19.
模糊联想记忆神经网络模型在地震预报中的应用 总被引：4，自引：0，他引：4
介绍了模糊联想记忆FAM(Fuzzy Associative Memory)神经网络模型、FAM自适应学习算法以及FAM推理机的原理，并成功地将其用于新一代的地震预报专家系统NGESEP，使得系统既具有良好的学习功能，又避免了通常神经网络学习知识隐含在权值中不易被人们理解和专家系统解释的缺点。 相似文献
20.
地震数据中存在的多次波影响偏移成像,误导地震资料的解释,因此通常视为相干噪声而被去除.为了对多次波进行智能化衰减,本文提出了一种基于数据增广训练的使用深度神经网络的多次波压制方法.设计的深度神经网络包括卷积编码和卷积解码过程,其中卷积编码过程学习全波场数据中的一次波特征,卷积解码过程利用这些特征来重构一次波并压制多次波和随机噪声.在训练阶段,旋转训练集并在输入数据中加入随机噪声构成增广训练数据集来提升神经网络的抗噪稳定性和泛化性,通过迁移学习让深度神经网络具备跨工区压制多次波的能力.简单模型与Sigsbee2B模型三套模拟数据的实例验证了本文方法在一次波重构和多次波压制中的有效性、稳定性和良好泛化性;一套崎岖海底模型地震物理模拟数据的应用实例表明本文方法具有应用于复杂条件下压制地震多次波的能力. 相似文献