基于人工神经网络的岩石含油气性评价方法

神经网络计算法是模拟人体经络系统活动的机理来研究事物的新方法。本文运用T .Kohonen提出的SOM自组织人工神经网络模型 ,以准噶尔盆地的彩南油田一主力油层为例 ,建立起岩石含油气性评价的人工神经网络模型。实例研究表明 ,人工神经网络法性能良好 。

基于粗糙集—支持向量机的震害预测模型及应用

结合粗糙集理论的属性约简与支持向量机的分类功能,建立了基于粗糙集与支持向量机的建筑物震害预测模型。该模型首先运用粗糙集理论,建立决策表,进行属性离散、属性重要性排序、属性约简和分类规则的提取,然后用所提取的关键成分训练支持向量机。该模型不但能有效降低建筑物震害影响因子数据维数及支持向量机的复杂程度,提高训练速度和分类精度,而且还能对各因子的影响程度进行排序。最后,通过实例验证了该模型的性能。

基于粗糙集的范例推理在泥石流危险性评价中的应用

将粗糙集理论和范例推理相结合,建立了基于粗糙集-范例推理的泥石流危险性评价模型。运用粗糙集理论对范例库中的范例进行属性约简和特征向量权值计算,用相似度量理论来实现最相似范例检索,得到泥石流的危险性评价结果。选取了一次泥石流(可能)最大冲出量,泥石流发生频率、流域面积、主沟长度、流域相对高差、流域切割密度、24h最大降雨量、松散固体物质储量共8个因素作为泥石流危险性的影响因子;选取云南东川和西藏八宿等共14条泥石流沟资料进行建模分析。实例研究表明,基于粗糙集-范例推理的泥石流危险性评价结果与实际状态相吻合,该方法具有简便、高效、直观、实用的特点。

粗集神经网络在建筑物震害预测中的应用

将粗糙粗集理论和神经网络原理结合起来,建立了基于粗集-神经网络的建筑物震害预测模型。首先运用粗糙集理论,根据原始样本建立决策表进行属性离散化、属性重要性排序、属性约简和分类规则的提取;然后将所提取的关键成分作为神经网络的输入训练模型。实例研究表明,基于粗集-神经网络的多层砖房震害预测结果与实际震害基本吻合。该模型简化了神经网络结构,提高了训练速度和分类精度,还能对各因素对房屋震害的影响度进行分析。

人工神经网络用于岩体工程的方法改进

岩体工程问题往往具有高度的复杂性和非线性 ,而人工神经网络是非线性的动力系统 ,是解决这类问题最有效方法之一 .但经典BP网络模型存在着收敛速度慢、稳定性差、易陷入局部极小的缺陷 .本文针对神经网络拓扑结构、数据的预处理、学习算法三方面的改进作了较系统的介绍 .实例研究表明改进后的BP网络性能良好 。

建筑物震陷预测新方法研究

利用人工神经网络的基本原理 ,本文修正了经典 BP型神经网络的激励函数 ,并对学习率和训练样本进行了动态调整等多方面改进。根据 70个多层建筑震陷的实测资料 ,在分析了建筑物震陷的影响因素基础上 ,提取了 9个指标 ;采用改进后的 BP算法 ,建立了多指标的建筑物震陷预测模型。研究结果表明 ,改进的 BP网络性能良好 ,所建立的模型预测精度高 ,具有一定的工程实用价值 ;神经网络法是一种有效可行的预测新方法 。

基于MATLAB的边坡稳定性评价方法

针对边坡变形破坏的复杂性,建立了基于MATLAB的边坡稳定性评价神经网络模型,对面向MATLAB神经网络设计中的若干问题进行了探讨。研究表明基于四种快速算法的边坡稳定性评价模型均可满足工程的要求。

水泥土搅拌法加固软土地基效果初探

近年来 ,在软土地基的加固处理中较多地采用水泥土搅拌法。由于该项技术较新 ,尚不十分完善 ,很多问题有待进一步的深入研究。本文在大量室内试验和前人研究的基础上 ,从水泥土搅拌法的加固机理出发 ,分析了影响水泥土搅拌法加固软土地基的主要因素及其影响 ,总结了该项技术的适应性 ,并提出了施工中应注意的有关问题 。

深基坑支护方案最优决策方法研究

深基坑支护工程是一个复杂的系统工程 ,支护方案的优劣受众多因素影响 ,应用层次分析原理 ,将复杂的深基支护方案决策问题层次化 ,并根据深基坑支护系统的特点建立层次结构模型 ,通过逐层分析比较 ,选出最优支护方案。实例研究表明 ,层次分析法简便、高效、科学合理 。

分层强夯法处理软弱地基设计工程实例

本文结合某重点工程的地基处理实例 ,阐述了采用分层强夯法处理非均匀软弱地基的可行性。并对处理方案选择、参数设计、施工。

高压注浆在高层建筑软弱地基加固中的应用

通过4栋高层建筑工程实例,用水泥、土高压注浆技术加固高层建筑软弱下卧层,承载力特征值可提高90%~120%,最终沉降由295 mm降低为10~15 mm,地基变形大幅度降低,且施工简便,经济效益佳,可供类似工程参考。

边坡抗震稳定性分析的神经网络法

从人工神经网络的基本原理出发 ,建立了边坡稳定性分析的人工神经网络模型。选择四川和云南地区的 70个边坡实例作为学习样本 ,对BP算法进行了学习和检验。计算表明 ,BP网络性能良好 ,所建立的模型预测精度高 。