期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于遗传神经网络的煤层气含量预测 被引量:3
1
作者 胡锦宏 《绿色科技》 2015年第2期260-263,共4页
指出了煤层气含量预测是煤层气勘探开发的一个关键问题,传统的线性回归预测方法已不能反映各影响因子和煤层气含量之间的内在关系,据此提出了基于遗传-BP神经网络的非线性新型智能算法。其中,神经网络用来学习,遗传算法用来优化神经网... 指出了煤层气含量预测是煤层气勘探开发的一个关键问题,传统的线性回归预测方法已不能反映各影响因子和煤层气含量之间的内在关系,据此提出了基于遗传-BP神经网络的非线性新型智能算法。其中,神经网络用来学习,遗传算法用来优化神经网络的连接权值及阈值,该方法能有效避免陷入局部极小值,具有全局寻优的特点。研究表明:构建的新型智能算法相对标准的BP网络预测精度要高,该方法为今后煤层气含量的预测提供了可靠依据。 展开更多
关键词 煤层气含量预测 遗传算法 BP神经网络 智能算法
下载PDF
Application of seismic multi-attribute fusion method based on D-S evidence theory in prediction of CBM-enriched area 被引量:1
2
作者 祁雪梅 张绍聪 《Applied Geophysics》 SCIE CSCD 2012年第1期80-86,116,117,共9页
D-S evidence theory provides a good approach to fuse uncertain inlbrmation. In this article, we introduce seismic multi-attribute fusion based on D-S evidence theory to predict the coalbed methane (CBM) concentrated... D-S evidence theory provides a good approach to fuse uncertain inlbrmation. In this article, we introduce seismic multi-attribute fusion based on D-S evidence theory to predict the coalbed methane (CBM) concentrated areas. First, we choose seismic attributes that are most sensitive to CBM content changes with the guidance of CBM content measured at well sites. Then the selected seismic attributes are fused using D-S evidence theory and the fusion results are used to predict CBM-enriched area. The application shows that the predicted CBM content and the measured values are basically consistent. The results indicate that using D-S evidence theory in seismic multi-attribute fusion to predict CBM-enriched areas is feasible. 展开更多
关键词 D-S evidence theory CBM seismic attributes thsion
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部