神经网络在储层横向预测中的应用

传统的冯·诺依曼程序存储式计算机擅长于数据处理，但是在类似于面貌及声音识别这样一些简单的认知问题方面，与人类相差很大．这种差异推动了神经网络的研究．本文讨论了误差反向传播网络（ＢＰ）．给出了ＢＰ网络在储层横向预测测方面的应用．     

BP神经网络在计算储层参数中的应用

人工神经网络近年来在石油行业中广泛使用,以稳定性和计算能力强为特点的BP神经网络更是广为应用。孔隙度和渗透率是储层物性的重要参数,在储层评价中占据重要地位。寻找一种广泛而有效的方法计算孔隙度和渗透率是石油工作者的一项艰巨任务,本文选用了BP神经网络分别建立计算孔隙度和渗透率的模型,并通过与岩芯分析数据作对比,取得了良好的效果,有进一步推广的潜力。     

BP神经网络算法的研究

给出了BP神经网络的原理、结构、模型、算法及特性,提出了BP算法中值得改进的几个方面.     

BP神经网络气水识别研究

传统的测井解释技术由于建立在岩石颗粒的均匀排列、孔隙流体均匀分布假定模型基础上,将地层岩性、孔隙率、渗透率等参数作线性研究,致使获得的测井解释结果在大部分复杂地区与地层的真实值不一致。运用测井神经网络,根据测井资料、岩性分析资料、试油资料,可以解决求取地层孔隙率、渗透率、泥质含量、流体饱和度等参数以及进行油气水识别、岩性岩相识别、裂缝识别、水淹层识别、生油岩识别等等。测井神经网络处理解释新技术的兴起和发展,对解决非均质性地层的非线性映射问题具有良好的实用效果。     

基于改进神经网络的自动调制识别研究

自动调制识别技术可以用于排除通信系统中的非法用户及其干扰,是保证合法通信的关键措施之一.选取了几种典型的调制方式MFSK,MASK,BPSK,QPSK,OFDM,通过分析其时域特征,提取了反映调制类型显著差异的5个特征参数的新组合.为了克服标准BP算法收敛速度慢且存在多个局部最小点等缺陷,采用改进的弹性BP算法,从提高收敛速度和网络识别性能出发,构建了有效识别调制信号的弹性BP神经网络分类器.仿真结果表明,与基于决策理论的逐级判决调制识别方法相比,所设计的弹性BP神经网络分类器在SNR=0～20dB时对以上的调制方式均具有较高的识别率,即使在SNR=0 dB时也达到了95%以上的识别率.     

BP神经网络探析脱机手写汉字识别

神经网络是一种新型的信息处理模型,通过对生物神经系统的模拟,凭借自适应学习以及自动处理等功能,可达到预期目的。脱机手写汉字识别难度较大,为提高识别速度和精确度,采用了建立在反向传播法基础上的神经网络模型,对脱机手写汉字进行识别。以小字符集汉字识别为例,针对反向传播法中存在的缺陷,如收敛速度过慢,易陷入局部最小点等,对其算法进行了改进,取得了较好的效果。     

基于改进神经网络的自动调制识别研究

自动调制识别技术可以用于排除通信系统中的非法用户及其干扰,是保证合法通信的关键措施之一。选取了几种典型的调制方式MFSK,MASK,BPSK,QPSK,OFDM,通过分析其时域特征,提取了反映调制类型显著差异的5个特征参数的新组合。为了克服标准BP算法收敛速度慢且存在多个局部最小点等缺陷,采用改进的弹性BP算法,从提高收敛速度和网络识别性能出发,构建了有效识别调制信号的弹性BP神经网络分类器。仿真结果表明,与基于决策理论的逐级判决调制识别方法相比,所设计的弹性BP神经网络分类器在SNR=0~20 dB时对以上的调制方式均具有较高的识别率,即使在SNR=0 dB时也达到了95%以上的识别率。     

利用BP神经网络识别数字图像

本文首先介绍了数字图像以及数字图像在试验中的存储方式，然后分析了实验中使用的三层BP神经网络模型及神经网络学习算法，讨论了图像中心区域象素点与边缘区域象素点不同的处理过程，最后描述该BP神经网络的识别结果及应进一步研究的几个问题。实验表明，用BP神经网络识别数字图像是一种高效、高正确率的方法。     

基于遗传算法和BP神经网络的结构损伤识别

鉴于BP神经网络需要较长的训练时间、易陷入局部极小值、网络权值和阈值难确定等不足。运用遗传算法全局寻优的特点对BP网络的权值和阈值进行优化。同时运用遗传算法进行网络训练,避免网络收敛于局部极小值。通过对一根单梁实验数据的识别,结果表明两者的结合能对结构进行准确的识别。     

基于BP神经网络的学生分层算法研究

计算机网络已经渗透到各个领域,日常教学也广泛的使用到,利用网络所获取的有用信息快速对班上学生分层,从而进行因材施教有一定的实用价值;本文基于网络辅助教学系统,对学生利用网络上交作业信息进行挖掘分析,利用BP神经网络的自适应学习特点,于上交作业时间与上交作业的质量为基础,挖掘出与成绩的关系。     

基于BP神经网络的土基回弹模量反算

基于三层BP神经网络和层状弹性理论,由路表变形反算土基回弹模量。利用层状弹性计算程序构建了土基回弹模量与路表弯沉数据库,并输入BP神经网络进行训练,建立了基于BP神经网络的土基回弹模量反算模型。理论和实测路表弯沉反算结果表明,该方法具有良好的识别能力和泛化能力,是一种实用而有效的方法,为进一步快速、有效地评定土基的承载能力提供了依据。     

基于PSO-EO算法优化的BP神经网络研究

PSO算法优化的BP神经网络解决了其收敛速度慢或不收敛等缺点,但PSO算法本身却存在早熟和局部收敛的问题。为此引入EO算法,用EO算法与PSO算法相结合对BP神经网络进行改进。通过实验表明:EO算法与PSO算法结合优化的BP算法具有良好的收敛性和较高的预测精度,其性能优于传统的BP算法及PSO优化的BP算法。     

BP神经网络的模型优化研究及应用

随着神经网络在数据分析、预测及生产控制中的应用,神经网络的优化学习成为研究的一个重要课题。通过探讨BP神经网络模型的建立过程,针对BP神经网络的模型优化问题进行了详细研究。并通过对银行客户分类的仿真实验证明,优化模型能够有效地提高BP神经网络的收敛速度及预测精度。     

基于BP神经网络的直流电机PID控制系统研究

以直流电动机为控制对象,建立数学模型,并在传统PID的基础上结合神经网络算法,充分利用神经网络自学习功能,实现对PID参数的实时在线自整定.克服了PID控制参数难以确定和控制过程无法随环境等变化而自适应的缺点,体现了神经网络较好的智能性与较强的鲁棒性.利用Matlab软件进行仿真研究,结果表明神经网络PID较传统PID更精准,更具适应性,控制效果优越.     

基于BP神经网络的电机转子故障诊断的研究

介绍了一种基于 BP算法的神经网络在电机转子常见故障诊断中的应用。首先利用测振传感器获得转子的振动信息 ,然后用 FFT分析 ,将振动信号的频谱分析作为神经网络的训练样本。通过选择足够的故障样本来训练神经网络 ,将代表故障的信息输入训练好的神经网络后 ,由输出结果就可以判断发生的故障种类。     

基于BP算法的神经网络内模控制器

文章针对一类非线性系统,采用加入阻尼项的权值调整BP算法,设计了基于BP算法的神经网络内模控制器,并进行了仿真,结果显示该控制器对阶跃信号和扰动均无稳态误差,对非线性环节有较好的控制效果。     

基于分层遗传算法的BP神经网络学习算法

针对BP算法局部搜索能力强,而分层遗传算法全局搜索优势突出的特点,结合二者优势构造了一种分层遗传算法与BP算法相结合的前馈神经网络学习算法．将分层遗传算法引入到前馈神经网络权值和阈值的早期训练中,再用BP算法对前期训练所得性能较优的网络权值、阈值进行二次训练得到最终结果．仿真结果表明,该混合学习算法能够较快地收敛到全局最优解,优于BP算法、分层遗传算法,具有一定的实用价值．     

基于BP神经网络的教材质量评价研究

教材质量评价是教材管理工作的关键环节。为了对教材质量进行科学有效地评价,提高评价工作的效率,建立了基于BP神经网络的教材质量评价模型。经过BP神经网络的构建、训练和分类等主要工作,建立了一个具有较高准确率的教材质量评价模型。通过分析结果表明,该模型能够科学和高效地评价教材的质量,具有较高的实用性。