基于ANN与GIS技术的区域岩溶塌陷稳定性预测———以桂林西城区为例   总被引：6，自引：0，他引：6  

胡成陈植华  陈学军 《地球科学》2003,28(5):557-562

岩溶地面塌陷是岩溶区常见的一种地质灾害, 塌陷区域预测是进行国土规划、资源开发与灾害防治的必要工作.由于岩溶塌陷的影响因素众多且相互作用, 发展过程复杂, 加之各评价因子的数值获取困难, 致使长期以来塌陷区域定量预测成为一个难以解决的课题.现行的区域预测模型不能描述塌陷形成模式的非线性特征, 也难以克服评价因子权重确定过程中人为经验因素的影响.神经网络技术的自学习、自适应与高度非线性映射特点显示了其在塌陷区域预测领域中应用的前景.根据研究区内地面塌陷空间聚集分布的特征, 提出了不同因子组合条件下塌陷发生可能性的定量化方法, 结合选定的评价因子类别确定了神经网络预测模型的结构, 利用312个塌陷点样本中的292个进行网络训练, 余下的20个样本的校验结果表明该模型具有较高的可信度.运用GIS技术将研究区进行评价单元划分, 并获取各评价因子的取值, 输入到训练好的网络中进行预测.将各单元的输出值进行归并处理后得到研究区岩溶塌陷的稳定级分区图.   相似文献   

煤油气共生矿井的采面瓦斯涌出预测   总被引：1，自引：1，他引：0  

王生全 《煤田地质与勘探》2003,31(3):13-16

以煤系含油气的陈家山煤矿综采工作面瓦斯地质资料为依据,应用灰色系统理论中的关联分析方法,在研究影响采面瓦斯涌出量主控地质与生产因素的基础上,借助人工神经网络理论中的BP网络方法,建立了综采工作面瓦斯涌出量预测的BP网络模型。通过误差分析及实际应用,证明将关联分析与BP网络结合起来开展采面瓦斯涌出量预测是一种可行的方法。   相似文献   

通用土壤流失方程最新研究改进分析   总被引：4，自引：0，他引：4  

张照录  崔继红 《地球信息科学学报》2004,6(4):51-55

通用土壤流失方程(USLE)是水动力土壤侵蚀研究领域应用广泛的经验模型。其结构简单,所需输入数据量少,计算结果可满足一定精度下,土壤侵蚀预测的要求。模型的改进使其应用范围扩大,适用性增强,计算精度提高。通用土壤流失方程的发展趋势:其一,传统方法,不改变模型的结构,通过引进合理的新参数或优化参数的取值来提高模型的预测能力;其二,非传统方法,通过模糊逻辑或人工神经网络方法来改变模型的结构,使土壤侵蚀影响因子的确定更加灵活合理,土壤流失量的计算结果更加精确可信。  相似文献   

人工神经网络在煤与瓦斯突出强度预测中的应用   总被引：3，自引：1，他引：2  

赵旭生  王山海 《煤田地质与勘探》2002,30(2):23-25

介绍了人工神经网络的原理及算法,并从地质角度出发,建立了突出强度预测的BP网络模型,通过实例应用结果表明,人工神经网络用于煤与瓦斯突出强度预测是可行的,操作较为简便、准确性高。   相似文献   

基于人工神经网络模型的岩石特性预测          下载免费PDF全文

陈晓君  陈小根  宋刚  陈根龙 《探矿工程》2019,46(1):34-38

近年来,软计算技术被用作替代的统计工具。如人工神经网络（ANN）被用于开发预测模型来估计所需的参数。在本研究中,通过利用冲击钻进过程中的一些钻进参数（气压、推力、钻头直径、穿透率）和所产生的声级,建立了预测岩石性质的神经网络模型。在实验室中所产生的数据,用于开发预测岩石特性（如单轴抗压强度、耐磨性、抗拉强度和施密特回弹数）的神经网络模型,并使用各种预测性能指标对所建模型进行检验,结果表明人工神经网络模型适用于岩石性质的预测。  相似文献   

Integration of neural networks and cellular automata for urban planning     

AnthonyGar-onYeh LIXia 《地球空间信息科学学报》2004,7(1):6-13

This paper presents a new type of cellular automata (CA) model for the simulation of alternative land development using neural networks for urban planning. CA models can be regarded as a planning tool because they can generate alternative urban growth. Alternative development patterns can be formed by using different sets of parameter values in CA simulation. A critical issue is how to define parameter values for realistic and idealized simulation. This paper demonstrates that neural networks can simplify CA models but generate more plausible results. The simulation is based on a simple three-layer network with an output neuron to generate conversion probability. No transition rules are required for the simulation. Parameter values are automatically obtained from the training of network by using satellite remote sensing data. Original training data can be assessed and modified according to planning objectives. Alternative urban patterns can be easily formulated by using the modified training data sets rather than changing the model.  相似文献   

基于神经网络的沉陷区水深遥感研究   总被引：1，自引：0，他引：1  

武彦斌  彭苏萍  黄明  邹冠贵 《煤田地质与勘探》2007,35(2):41-44

为获取煤矿积水沉陷区遥感影像数据与沉陷区水深的定量关系,建立了BP神经网络水深反演模型,并对淮南潘一矿积水沉陷区水深进行了反演。首先对Landsat卫星影像数据(TM影像)进行几何校正、大气校正和沉陷区范围提取等,然后输出像元反射率值,并与水深实测控制点坐标匹配,使水深值与反射率值对应。实验结果表明:以水深值2 m为阈值,水深值小于2 m的区域,模型反演水深值与实测水深值的平均绝对误差为0.166 3 m,平均相对误差为13.29%;水深值为2~6 m的区域,模型反演水深值与实测水深值平均绝对误差为0.578 6 m,平均相对误差为15.20%。   相似文献   

用人工神经网络方法分析油藏压裂效果——以靖安油田塞A井区长2油藏为例     

李新明 《地质与资源》2009,18(3):217-221

通过已有的少数井的试井资料分析得出压裂裂缝参数,以现有的参数为样本建立人工神经网络系统.以影响压裂结果的地层厚度、孔隙度、泥质含量、压裂施工参数、工作压力加砂排量为输入参数,以裂缝导流能力和裂缝半长为输出参数,用BP神经网络训练,推断出所有井的压裂裂缝参数,从而得到整个油藏的压裂裂缝分布特征,对压裂措施的效果有了直观的评价.  相似文献   

冲绳海槽中部表层沉积物的成因矿物学研究   总被引：6，自引：0，他引：6  

高学民  林振宏  刘兰  林晓彤 《中国海洋大学学报(自然科学版)》2000,30(1):165-172

研究样品由“向阳红16号”于1992年6～7月间取自冲绳海槽中部。对表层沉积物中>63μm粒级的石榴石和磁铁矿进行显微镜、扫描电镜能谱分析以及人工神经网络(B-P网络)的应用。研究表明,陆架边缘和槽坡的石榴石、磁铁矿主要来源于东海大陆架;槽底的石榴石部分来源于槽坡,部分属于海底火山或海底热液成因;槽底中北部的磁铁矿主要来源于火山活动,槽底南部的磁铁矿则可能主要来自于岛坡。  相似文献   

Evaluation of total load sediment transport formulas using ANN   总被引：2，自引：0，他引：2  

Chih Ted YANG  Reza MARSOOLI  Mohammad Taghi AALAMI 《国际泥沙研究》2009,24(3):274-286

The calculated results from various sediment transport formulas often differ from each other and from measured data. Some parameters in the sediment transport formulas are more effective than others to estimate total sediment load. In this study, an Artificial Neural Network （ANN） model is trained using four dominant parameters of sediment transport formulas. ANN models are able to reveal hidden laws of natural phenomena such as sediment transport process. The results of ANN and some total bed material load sediment transport formulas have been compared to indicate the importance of variables which can be used in developing sediment transport formulas. To train ANN, average flow velocity, water surface slopes, average flow depth, and median particle diameter are used as dominant parameters to estimate total bed material load. Two hundreds and fifty samples are used to train the ANN model. Twenty-four sets of field data not used in the training nor calibration of ANN are used to compare or verify the accuracy of ANN and some well-known total bed material load formulas. The test results show that the ANN model developed in this study using minimum number of dominant factors is a reliable and uncomplicated method to predict total sediment transport rate or total bed material load transport rate. Results show that the accuracy of formulas in descending order are those by Yang （1973）, Laursen （1958）, Engelund and Hansen （1972）, Ackers and White （1973）, and Toffaleti （1969）. These results are similar to those made by ASCE （1982） based on laboratory and field data not used in this paper. Study results also show that the formulas based on physical laws of sediment transport, like those formulas that were developed based on power concept, are more accurate than other formulas for estimating total bed material sediment load in rivers.  相似文献