基于BP神经阂络的地震预测

地震预测是地理问题研究领域中的一个重要课题。由于引起地震的相关性因素很多,很难建立物理理论模型。神经网络在预测和构造未知对象模型方面具有独特的优势,因而在预测控制领域得到广泛的应用。本文探讨将BP神经网络应用到地震预测中的一种方法。     

基于BP神经网络的地震预测

地震预测是地理问题研究领域中的一个重要课题.由于引起地震的相关性因素很多,很难建立物理理论模型.神经网络在预测和构造未知时象模型方面具有独特的优势,因而在预测控制领域得到广泛的应用,本文探讨将BP神经网络应用到地震预测中的一种方法.     

基于BP神经网络对地震前兆的研究

地震是地壳快速运动释放巨大能量的一种自然灾害,科学界普遍认为在地震发生前兆的多个自然指标数据,可以作为预测地震发生的依据。首先选取地震前30天的12个指标,以数学方法分析地震前期的数据特征,预处理筛选出对地震敏感程度最大的6个指标,以此作为预测今后地震发生的主要指标。利用基于BP神经网络的地震预测模型,将地震前兆数据和正常数据进行训练,在设定判别准则之后,对30天的指标数据输入判别,判别结果基本较好,在一定程度上可以表示出地震前兆数据的特征,可以对地震是否发生做出简单预测。     

波形分类技术及在WZ油田中的应用

在油气田勘探过程中,用各种地震属性来预测油气储量以及分析石油储层特征来增加勘探的成功几率是非常小的。近年来,地震油气储层预测新技术不断涌现和发展,地震波形分类技术就是其中之一。地震波形的总体变化是地震波振幅、频率、相位的综合反映,是重要的地震属性参数。地震波形分类技术充分利用了地震资料信息丰富的特点,该技术的基础是当沉积相单元发生变化时,其地震反射特征(包括振幅、频率、相位、积分能谱、时频能量等)也必定有所变化,利用神经网络技术把地震信号的总体变化定量地刻画出来即对波形进行分类,形成地震波形异常即地震相图。本文简要地介绍了地震波形分类技术的基本原理,一般流程及关键参数等技术环节并应用波形分类技术对涠西南凹陷沉积相进行了预测,预测结果与该区宏观沉积环境吻合,其结果符合沉积规律。     

基于A-K-GN法的边坡稳定性分析

在边坡稳定性分析中,边坡安全系数受地质条件、地貌因数、水文气候、地震作用、风化作用等众多因素的影响,这给边坡评价带来了极大的困难。采用A-K-GN法预测边坡安全系数:用层次分析法对影响边坡稳定性的主要因素进行分析;用自组织竞争kohonen神经网络对边坡样本进行归类;运用经过遗传算法优化的BP神经网络(遗传神经网络)方法,建立边坡安全系数隐函数关系式,从而预测边坡安全系数。用kohonen神经网络归类后的边坡数据为样本,用层次分析法选取了容重γ、粘聚力c、内摩擦角φ、边坡角α、边坡高度H和孔隙压力比γu作为边坡安全系数隐函数的随机变量输入单元,以边坡安全系数F作为输出单元。通过预测值与实际值的对比分析,验证了A-K-GN法预测边坡安全系数的合理性。     

交通流量VNNTF神经网络模型及其预测研究

研究了VNNTF神经网络交通流量混沌时间序列预测的问题。首先,通过混沌理论提取了交通流量时间序列的混沌特征,并在此基础上建立了VNNTF神经网络交通流量时间序列模型;接着,阐述了VNNTF神经网络学习算法原理．设计了交通流量Voltem神经网络的学习算法快速学习算法：最后利用交通流量混沌时间序列对VNNTF网络模型、Voherra预测滤波器和BP神经网络进行了单步预测,并对预测结果的仿真图和真实值与预测值的方均根进行了比较,结果表明基于混沌学习算法的VNNTF神经网络的预测性能明显优于Volterra预测滤波器和BP神经网络。     

基于BP神经网络的电力系统负荷预报

研究了基于BP网络在中电力负荷预测中的应用,通过神经网络对训练样本的学习,自动提取影响中长期电力负荷的诸多因素。从训练速度、预测误差等方面分析对比了两种神经网络预测能力,仿真和实例数据表明了两种神经网络在中长期电力负荷预测方面的可行性和良好效果。     

基于神经网络的地震死亡人数快速评估研究

选取了1630年一来的101个中国大陆地区造成人员死亡的地震震例,选取地震发生的时间、震级、震中烈度、震中人口密度和地震所在地区作为影响地震人员伤亡的主要因素建立输入层神经元,地震死亡人数作为输出层神经元,利用BP神经网络为平台,建立了地震死亡人数快速评估模型,结果标明:(1)神经网络模型快速评估的地震死亡人数更接近真实情况,评估结果更精确;(2)地震前的准确预报措施可以显著的减少地震造成的人员伤亡。事实证明神经网络地震死亡人数快速评估模型可以应用到地震灾害快速评估,为政府决策和救援提供参考依据。     

神经网络方法在蛋白质结构预测中的研究与应用

蛋白质结构预测在生物信息学研究中占有重要地位。对神经网络在蛋白质结构预测中的应用作了评述。首先,简要地介绍了人工神经网络,然后对近年来用神经网络算法解决蛋白质结构预测的研究作了回顾,并分析了算法的效果和特点。最后,展望了用神经网络算法解决蛋白质结构预测问题的前景。     

神经网络在蛋白质结构预测中的应用

蛋白质结构预测在生物信息学研究中占有重要地位.此文对神经网络在蛋白质结构预测中的应用作了评述。首先,简要地介绍了人工神经网络,然后对近年来用神经网络算法解决蛋白质结构预测的研究作了回顾,并分析了算法的效果和特点。最后,展望了用神经网络算法解决蛋白质结构预测问题的前景。     

神经网络与预测方法研究

1 引言在科学技术和社会高速发展的今天,愈来愈多的问题,具有系统的复杂性、时变性和模糊性的特点,这就使得利用传统的预测方法解决这类问题十分困难。1987年,Lapedes和Farber首先应用神经网络进行预测,开创了神经网络预测方法的历史。目前,在范围广泛的商贸信息交流中,神经网络技术可以解决用传统方法不能解决的问题。例如Varfis和Versino运用神经网络解决经济时间序列预测问题,White利用神经网络进行IBM公司每日库存占用资金率的预测,都得到了很好的效果,节约了大量的资金。人们     

基于Elman神经网络的电信业务预测研究

介绍了Elman神经网络的结构,并将Elman神经网络应用于我国电信业务量预测。仿真结果和BP神经网络对比表明,Elman神经网络的预测结果更精确。     

基于BP神经网络预测企业竞争情报搜集成本

为克服传统方法的局限性,本文尝试以企业竞争情报内容和情报搜集活动过程作为情报搜集成本分析的基础,在此基础上引入BP神经网络进行预测,并用部分样本数据验证对比了线性回归分析法和BP神经网络的预测结果。验证结果表明,BP神经网络预测模型用于情报搜集成本的预测具有较高的预测精度。     

红柳斜坡带馆陶组岩性油藏勘探技术研究

近年来,在“网毯式”油气聚集成藏理论的指导下,以神经网络多属性预测、测井约束反演、地震相干处理技术为支撑,相继发现了垦东641、垦东60-1、垦东642—4等储量区块,成功实现孤东红柳油田含油来连片。     

地震属性优化技术在SH地区沙一段的应用

地震属性与所预测对象之间的关系十分复杂。不同工区和不同储层有不同的敏感地震属性,同一工区、同一储层不同预测对象对应的敏感地震属性也有差异。应用单一地震属性预测储层精度不高,且地震属性种类繁多,不能同时参与预测。应用地震属性优化技术研究SH地区沙一段生物灰岩储层发育区,在不同岩性组合地震反射特征分析的基础上,运用聚类分析方法优选出对生物灰岩储层最敏感的地震属性组合进行储层预测,极大地提高了储层预测的可靠性。     

基于神经网络算法的钢水脱氧合金化元素收得率预测

首先对神经网络理论进行分析,建立了BP神经网络预测模型,利用MATLAB神经网络工具箱予以求解,求解结果显示预测效果不佳。经过改进算法后,利用小波优化BP神经网络,此优化后网络有较好的对波动数据的处理。小波神经网络结果显示预测准确率在80%以上。讨论构建神经网络算法,以C、Mn两种元素作为例子对其收得率进行预测,并尽可能提高这两种元素收得率的预测准确率。     

基于小波神经网络的电力负荷预测

小波神经网络是建立在小波理论基础上的一种新型前馈神经网络,具有许多优良特性。本文分析了小波神经网络的特点,建立了电力负荷的小波神经网络预测模型,设计了小波神经网络结构,给出了小波网络参数调节算法。对实际电力负荷预测算例,以及与BP网络的对比研究实验表明,小波神经网络对非平稳信号能进行有效地预测,比BP神经网络具有更高的预测精度。     

BP神经网络在股价预测中的应用

对BP神经网络方法在股价预测中的应用进行了研究,对BP神经网络的结构进行了介绍。针对BP网络学习速度慢,采用弹性BP学习算法和tansig传递函数提高了收敛速度。在仿真过程中通过MATLAB编程实现了BP神经网络对中国石油近一年交易日的数据的训练和测试,获得了一定的预测精度,对BP算法和改进后的BP算法在预测股票中的收敛性能和拟合程度进行比较,并用训练好的BP网络股市预测模型来预测其股票数据,达到了预测效果。     

基于粗糙集和BP神经网络的钻井作业安全事故预测

本文在钻井作业安全事故预测系统中引进了粗糙集和BP神经网络。在本文中,笔者首先使用粗糙集对基于钻井作业安全的信息系统进行属性约简,获取对应于最小条件属性集的信息表。之后,笔者用得到的数据对BP神经网络进行训练,进而对钻井作业安全事故进行预测。通过实例研究,本文发现粗糙集可以加快神经网络的训练,并提升网络的预测精度。本文的研究结果表明粗糙集和BP神经网络可以高效地对钻井作业安全事故进行预测。     

基于BP_Adaboost模型的燃气短期负荷预测

针对神经网络在非数学模型预测中所面临的3个主要问题,提出了一种基于BP_Adaboost算法的预测模型对燃气负荷进行短期预测。预测结果表明,该模型与BP神经网络相比,不但提高了预测精度和泛化能力,而且更能满足具有非线性、时变性和不确定性的负荷预测的需要,具有较好的应用前景。