共查询到19条相似文献，搜索用时 612 毫秒
1.
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
2.
基于网格搜索法优化支持向量机的围岩稳定性分类模型 总被引：1，自引：0，他引：1
为科学评价围岩稳定性,本次研究借助支持向量机(SVM)处理小样本、非线性问题能力强的特性,对围岩的稳定性进行了分类。选取16组围岩数据作为学习样本,以岩石质量指标、岩石单轴饱和抗压强度、完整性系数、结构面强度系数和地下水渗水量5个指标作为模型输入,围岩稳定程度为模型输出,建立了基于支持向量机的围岩稳定性分类模型。为增强模型的推广性能,提高其预测准确率,运用改进的网格搜索方法(GSM)寻找最优的支持向量机参数,并对8组围岩数据进行预测,并同BP神经网络模型的预测结果进行对比。结果表明,建立的GSM-SVM模型对预测样本的评判结果与实际结果一致,其预测精度较BP神经网络有很大的提升。 相似文献
3.
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
4.
5.
基于遗传神经网络的瓦斯含量预测研究 总被引：7，自引：0，他引：7
瓦斯含量预测取决于多因素、非线性的函数关系的建立 ,预测模型建立的准确与否决定于各个影响因素之间的相互作用、相互耦合的特性。文中将神经网络与遗传算法有机地结合起来 ,以神经网络理论为基础 ,利用遗传算法优化隐含层神经元个数和网络中的连接权值 ,建立瓦斯含量预测模型。在实验室测试数据的基础上 ,建立遗传神经网络训练和检验样本集 ,其中包含有 38个典型样本 ,并且将检验结果分别与回归模型、标准BP神经网络、自适应BP神经网络的预测结果进行比较。结果表明 :遗传神经网络模型可靠 ,预测精度高 ,为促进软计算技术与瓦斯地质的结合奠定了基础。 相似文献
6.
BP神经网络因具有良好的精度和拟合能力,被广泛地运用在区域性滑坡危险性预测中。本文建立了基于BP神经网络的地震滑坡危险性评价模型并应用于四川九寨沟地区,以2017年8月8日的九寨沟MS7.0地震引发的4834个历史滑坡为例,将其随机划分为70%的训练样本集用于九寨沟地区地震滑坡危险性预测,以及30%的验证样本集对预测结果的精度进行评估。选取高程、坡度、坡向、平行发震断层距离、垂直发震断层距离、震中距离、距道路距离、地面峰值加速度(PGA)以及岩性共9个影响因子,分析发震断层对地震滑坡的控制作用,并总结九寨沟地区地震滑坡空间分布规律特征,其中发震断层、岩性和坡度对九寨沟地区地震滑坡分布产生重要影响。利用模型得到九寨沟地震滑坡危险性预测图,结果显示73.19%的滑坡位于极高和高危险区域,与实际地震滑坡分布基本相符。通过30%的验证样本集来绘制预测成功率曲线,结果表明模型预测成功率(AUC值)为0.90,证实了BP神经网络在九寨沟地区地震滑坡危险性预测中具有良好的精度和拟合能力,评价结果为后续地震滑坡灾害预测和防震减灾工作提供了科学的参考。 相似文献
7.
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
8.
9.
受地质、工程等众多因素的影响,岩土质边坡稳定性具有未确知性、随机性、模糊性、可变性等特点,很难用简单的力学、数学模型描述。提出了用基于Takagi-Sugeno模型的模糊神经网络来对边坡稳定性进行评价,该模型同时兼具神经网络和模糊逻辑二者的优点,既可以比较容易地处理模糊性的实际问题,又具有较好的学习能力。将此模型与BP神经网络模型同时应用于80个实际边坡样本进行训练和预测,结果表明该模型具有预测精度更高、收敛速度更快、预测结果与实际结果吻合度更高的特点 相似文献
10.
矿区岩溶地表塌陷神经网络预测研究 总被引：3，自引：0，他引：3
针对近年来某矿岩溶地表塌陷频繁发生的现象,分析确定了影响地表塌陷的主要因素,构建了矿区岩溶地表塌陷预测BP神经网络模型,以训练后的BP网络模型对矿山帷幕注浆三期工程完成后可能形成的地表塌陷区的空间分布进行预测。并针对矿山现实塌陷情况,结合各区预测塌陷危险分级结果,提出了相应的岩溶地表塌陷灾害防治措施。实践表明,所建模型的预测结果与矿区地表塌陷实际情况相符,可为矿山后续帷幕注浆工程的设计与施工提供有益借鉴,为岩溶矿区地表塌陷灾害提供预警支持。 相似文献
11.
神经网络在岩体力学参数和地应力场反演中的应用 总被引：20，自引：7，他引：13
BP神经网络已广泛地应用于岩体力学参数和初始应力场的反演分析,但在实际应用中,BP网络存在着网络训练易于过度、收敛速度慢、易陷入局部极小以及隐层节点数难于确定等缺点。采用RBF网络和改进的BP网络,利用基于有限差分格式的快速拉格朗日算法进行正分析计算,依据若干测点的正应力数据,反演了计算区域的岩体力学参数以及初始应力场。算例表明,RBF神经网络与快速拉格朗日算法相结合,在样本容量相同的情况下,反演分析的精度、网络的拓扑结构以及学习、收敛速度,均优于采用BP网络的反演算法。 相似文献
12.
高密度电法技术在煤矿地质灾害勘探中发挥着重要的作用。近年来,以BP（Backpropagation）神经网络为代表的一类非线性反演方法被广泛运用到高密度电法的反演中。针对BP神经网络方法在高密度电法反演中存在的易陷入局部极小、收敛缓慢、反演精度差等问题,将BP神经网络算法与遗传算法（Genetic Algorithm,简称GA算法）联合演算,实现高密度电法的二维非线性反演。通过典型地电模型对该方法进行验证,结果表明遗传算法能有效优化BP神经网络的权值和阈值,提高了算法的全局寻优性。 相似文献
13.
以内蒙古自治区开鲁县玉米作物为研究对象,将生育期内玉米遥感影像所提取的多种植被指数和实地采样点的测产数据作为训练值,利用BP(back propagation)神经网络和遗传算法优化BP(GA-BP)神经网络估产模型,得出网络预测的玉米产量数值。通过决定系数R 2和均方根误差RMSE,比较实测产量与预测产量之间的精度,BP神经网络模型R^2为0.8452,RMSE(%)为28.37;遗传算法优化BP神经网络模型R^2为0.9850,RMSE(%)为6.70,表明遗传算法优化BP神经网络估产模型具有一定可行性和可信度。 相似文献
14.
15.
16.
喀斯特流域降雨-径流人工神经网络模型结构分析及模拟 总被引：1，自引：1，他引：0
喀斯特流域降雨-径流响应是一个非线性过程,分析确定地下河流量过程的主要影响因子对喀斯特流域水文过程模拟具有重要意义。本文利用普定后寨河流域实测降雨、径流系列资料,采用神经网络权重分析法确定该流域的人工神经网络模型结构为两个隐含层、三个输入变量,该人工神经网络模型结构可以保持降雨-径流模拟的稳定性。模型经交叉训练与验证,训练期效率系数（NSC）达0.9以上,验证期NSC达0.88以上。说明神经网络权重分析法能够较好地确立预报因子与预报对象的关系,为喀斯特流域降雨-径流模拟提供一种有效的分析手段。 相似文献
17.
The investigation throughout the world in past two decades provides evidence which indicate that significance variation of radon and other soil gases occur in association with major geophysical events such as earthquake. The traditional statistical algorithm includes regression to remove the effect of the meteorological parameters from the raw radon and anomalies are calculated either taking the periodicity in seasonal variations or periodicity computed using Fast Fourier Transform. In case of neural networks the regression step is avoided. A neural network model can be found which can learn the behavior of radon with respect to meteorological parameter in order that changing emission patterns may be adapted to by the model on its own. The output of this neural model is the estimated radon values. This estimated radon value is used to decide whether anomalous behavior of radon has occurred and a valid precursor may be identified. The neural network model developed using Radial Basis function network gave a prediction rate of 87.7%. The same was accompanied by huge false alarms. The present paper deals with improved neural network algorithm using Probabilistic Neural Networks that requires neither an explicit step of regression nor use of any specific period. This neural network model reduces the false alarms to zero and gave same prediction rate as RBF networks. 相似文献
18.
岩溶水系统的径向基神经网络仿真 总被引：1，自引：0，他引：1
岩溶水系统的复杂性决定了其输入与输出间具有非常复杂的非线性关系,利用人工神经网络方法进行系统的仿真是一种十分有效的手段。本文以MATLAB为平台,介绍了RBF网络的基本原理与训练方法,具有结构自适应确定、输出不依赖初始权值的优良特性。试用该方法建立了济南市岩溶水系统地下水位及其影响因子间的RBF网络模型,讨论了训练样本集与检测样本集的构建、原始数据的预处理方法、神经网络训练误差设置等重要环节,并与同结构的BP网络进行了对比,其结果BP网络效果依赖初始权值,表现出极不稳定性,且训练速度更慢,RBF网络具有更好的应用价值。 相似文献