模糊优选神经网络储层识别技术在长庆中部气田马五_1段的应用

鄂尔多斯盆地奥陶系马家沟组岩性复杂,属于致密储层,所以储层识别是该层系天然气开发中所面临的关键问题和难点之一。传统的储层识别方法准确率较低,因此提出了利用基于粒子群算法的模糊优选神经网络对储层中的气、水、干层进行识别。选用长庆中部气田19口井分层测试92个已知样本,通过对物性、测井和储渗特征等参数的分析,选取电阻率、自然伽马、产能系数、储渗因子和介质类型因子5个主成分控制特征参数作为样本输入,以样本储层的产能赋值作为输出,构建了基于粒子群算法的模糊优选神经网络的储层识别模型。通过试算,优选了2个模型,回判正确率分别达到96.2%和92.3%,储层识别正确率达到100%。

冰凌预报模糊优选神经网络组合预测方法

基于工程模糊集、人工神经网络、遗传算法与组合预测理论,提出了模糊优选神经网络组合预测模型,应用于黄河内蒙古段冰凌预报,给出了3种单一预测模型和组合预测模型的预测值,结果表明:组合预测模型物理意义明确,数学推导过程严谨,预测精度高于单一预测模型。

基于模糊优选神经网络与GIS结合的流域面雨量预测方法

提出了一种模糊优选神经网络模型与地理信息系统(GIS)相结合的流域面雨量预测方法.利用GIS软件对流域点雨量进行了空间分析,作为模糊优选神经网络的期望输出对网络进行训练,从而在流域面雨量与各站点观测雨量之间建立映射关系.新的点雨量观测数据输入训练好的网络,即可快捷得到本次降雨流域面雨量.

可变模糊优选神经网络综合评价模型

针对多指标评价问题中区间形式评价标准的处理方式和指标权重的确定方法直接影响评价的科学性及合理性,首次将可变模糊集理论和模糊优选神经网络有机结合,提出了一种新的评价模型———基于可变模糊集理论和模糊优选神经网络的综合评价模型,并应用模型对黄河流域9个行政分区的水资源可再生能力进行了综合评价。评价结果表明,黄河流域水资源可再生能力总体上较弱;新的评价模型是科学、合理的。

模糊优选神经网络模型在水资源价值评价中的应用

为了克服水资源价值评价中可变模糊综合评价模型的平方准则、距离参数及权重确定方法选取主观性的不足,本文在综合模糊优选模型和神经网络理论的基础上,运用神经网络的自学习能力,通过网络结构的调整自主获得指标权重,提出了基于模糊优选神经网络的水资源价值评价模型。提出的模型通过利用水资源价值模糊综合评价指数,将反映水资源价值不同层次的各种因素综合起来,反映与水资源有关的诸要素的影响。将提出的模型运用到济南市的水资源价值的综合评价中,结果表明模糊优选神经网络模型的评价结果不但与可变模糊综合评价模型相近,而且能够克服可变模糊综合评价模型中的人工定参数的不足,具有较强的实用性,为水资源价值评价提供了一个很好的途径。

模糊优选神经网络BP模型在植被生物量参数反演中的应用(英文)

根据模糊优选神经网络BP模型,利用1988年小麦生长期中生物量参数和微波(10.2GHz)主被动遥感实测数据,作为输入输出I/O矢量对,计算出网络模型的正向传输权重矩阵及反向传输权重矩阵。用1989年小麦生长期中微波实测数据和该神经网络模型得到的权重矩阵,来反演其生物量参数在整个1989年生长期中的变化,反演结果与遥感实测结果的比较说明了所提方法的准确性。

基于模糊优选BP神经网络模型的作物-水盐响应关系模拟研究

棉花在诸多影响因素下,生长过程表现为复杂的非线性,使其水-盐的响应关系难以用传统的数学模型进行精确描述。本研究基于大田棉花膜下咸淡水滴灌试验成果,采用模糊优选BP神经网络模型,对籽棉产量与灌溉水量和灌溉水矿化度的响应关系进行了模拟。结果表明:该模型的模拟结果精度良好。模拟得到的连接权重矩阵可良好地表达籽棉产量与各生长阶段微咸水处理水平之间的响应关系,在微咸水灌溉技术中具有一定的指导意义。

基于PSO的模糊神经网络短期负荷预测

针对短期负荷预测的特点,提出基于粒子群(PSO)优化的模糊神经网络短期负荷预测模型。将PSO与模糊优选人工神经网络进行融合,在对模糊优选神经网络训练中采取PSO算法和梯度下降算法相结合的方法,充分发挥PSO全局寻优的能力和梯度下降局部细致搜索优势。对广西某地区进行短期负荷预测,并与实际值进行比较分析,结果表明这一模型应用于短期负荷预测能获得较高的预测精度,是一种行之有效的短期负荷预测方法。

模糊优选递归神经网络模型及其在水利水电投资项目评价中的应用

在模糊优选BP神经网络模型上,加入反馈信号及偏差单元,生成递归神经网络.其基本思想是通过对前馈神经网络中加入附加的、内部的反馈通道来增加网络本身处理动态信息的能力.将该模型用于水电投资项目的评价,所得结果与其它方法所得结果相比较,对该方法用于水利水电投资项目的评价的有效性进行了说明.

模糊可变集合与模型及在岩爆分级预测中的应用

在工程模糊集理论基础上，系统建立模糊可变集合理论、模型与方法，其中包括：差异函数的概念与定义、相对隶属度公式、模糊优选BP神经网络模型及级别特征值公式，并对相关公式进行了分析论证。提出模糊可变集合的预测方法，针对国内外一些岩石地下工程实例进行了分析，并用级别特征值对岩爆的发生与否及烈度大小进行预测，结果与实际情况吻合地较好，说明模糊可变集合综合预测方法是有效的。

松花江流域蓄滞洪区方案优选智能决策研究

针对松花江流域防洪工程重要组成部分的蓄滞洪区,基于陈守煜提出的模糊优选BP神经网络模型,引入了遗传算法,提出融入遗传算法的模糊优选神经网络智能决策模型,对松花江流域蓄滞洪区方案优选进行智能决策.该模型既能合理地构造神经网络的拓扑结构,又可加快网络的收敛速度,并能改善网络的全局寻优能力,是对模糊优选BP神经网络模型的进一步发展,同时更对松花江流域蓄滞洪区的优选提供了理论依据.

深圳市供水智能组合预测分析

通过对深圳市的供水量分析,建立线性回归模型、非线性二元转折模型及模糊优选BP神经网络模型,分别对深圳市的中远期供水量进行预测,并将这三个模型的预测结果联立起来,作为模糊优选BP神经网络的输入,对深圳市供水量进行再次的网络训练。计算结果表明,智能组合预测模型的预测结果优于三个模型的单独预测结果。