基于主成分自组织神经网络法的测井曲线分层技术

在砂岩型铀矿找矿工作中,提高测井岩性分层效率和精度至关重要。为提高砂岩型铀矿岩性分层效果,本文采用主成分分析法对多个测井曲线进行降维处理,将主成分分析法的第一主成分、第二主成分、第三主成分作为自组织神经网络的样本数据,进行自组织神经网络训练,将训练好的网络模型用于砂岩型铀矿岩性的自动化分层。实验结果显示:主成分自组织神经网络法岩性分层精度可达到85%以上,高于传统自组织神经网络算法78%的分层精度,具有更好的测井岩性分层效果。因此,主成分自组织神经网算法的岩性分层方法有效减少了输入样本的种类,简化了自组织神经网络结构,其自动化分层效果要优于传统的自组织神经网络算法。本文的研究结果表明,主成分自组织神经网算法在砂岩型铀矿领域岩性识别工作中具有较好的应用效果。

基于自组织神经网络与元启发式算法的地表爆破振动预测方法

提出一种基于自组织神经网络(SONN)和元启发式算法的露天矿爆破诱发地表振动预测方法,通过几种常用的元启发式算法,包括蝠鲼觅食优化(MRFO)、饥饿游戏搜索(HGS)、天鹰优化算法(AO)和裸鼹鼠算法(NMRA),以提高SONN模型的预测精度。利用k折交叉检验以确定算法最优参数,并用于重新训练模型以预测爆破诱发地表振动。以国内某露天矿为例验证了提出方法的有效性。研究结果表明,提出的4种模型均可准确预测爆破诱发地表振动,而在4种模型中,预测精度及可靠性由高到低排序均为:MRFO-SONN模型>HGS-SONN模型>NMRA-SONN模型>AO-SONN模型。推荐采用MRFO-SONN模型来预测由爆破活动诱发的地表振动。

自组织神经网络在火成岩岩性识别中的应用

火成岩储层岩性复杂,识别难度大,当已知地层信息较少时,传统的交会图和有监督神经网络(如BP神经网络)等方法在识别岩性时会受到一定限制。为此,基于自组织神经网络(SOM网络)的结构和原理,在松辽盆地南部利用实际测井资料建立了火成岩样本数据集;利用SOM网络对样本数据集进行了训练,得到了数据集的聚类结果;讨论了SOM网络的标准化方式、结构参数和测井曲线对聚类结果的影响,认为利用正态标准化方法、选择合适的结构参数和测井曲线,以样本数据集的聚类结果作为分类基础,对火成岩井段测井资料进行了岩性识别,获得了较好的效果。

自组织神经网络航空发动机气路故障诊断

为克服学习样本依赖于发动机精确模型的问题 ,提出了一种基于自组织神经网络的发动机智能故障诊断的方法 ,并运用故障特征提取的数据预处理方式 ,成功地对航空发动机气路部件的几种典型故障做出正确诊断。为验证网络的抗噪性能 ,引入了自联想神经网络。研究表明 ,自组织网络可以脱离发动机模型 ,并且对测量噪声有良好的鲁棒性 ,能基本满足航空发动机故障诊断的要求 ,具有较好的工程应用前景。

模糊自组织神经网络在航空发动机故障诊断中的应用

介绍了模糊自组织神经网络在航空发动机故障诊断中的应用方法 ,并通过实例验证了该方法在发动机故障分类中的实用性。该方法具有结构算法简单、无监督自学习和侧向联想等功能。它有很好的应用前景 ,可以广泛应用于发动机的故障诊断。

轨迹分布模式学习的层次自组织神经网络方法

提出一个层次自组织神经网络模型 ,并将其应用于基于事件识别的轨迹分布模式学习中 .该文利用神经元的侧向连接将神经元连成若干条线 ,每条线对应一个“内部网” .对应于层次神经网络模型 ,建立了两个邻域 ,即神经元邻域和“内部网”邻域 ,两个邻域内的神经元都要不同程度地改变权值 ,从而完成运动轨迹分布模式的学习 .还给出了利用轨迹分布模式检测出局部可能的异常现象、检测整个运动轨迹所表示的事件是否为异常事件和目标行为预测的方法 .

基于自组织神经网络和稳态模型的多台感应电动机聚合方法

电力系统稳定计算中,精确的负荷模型为计算结果的可信度提供了保证。在利用统计综合法进行负荷建模时,如何提高多台感应电动机的聚合精度是研究的重要内容之一。文中提出一种基于自组织神经网络对电动机进行分类、并针对同一类型的电动机采用稳态模型进行等值的聚合方法。最后,应用中国电力科学研究院开发的PSD-BPA暂态稳定计算程序,将分类聚合前后的典型居民和典型商业电动机数据分别代入进行仿真计算。结果表明,采用所提出的聚合方法可以提高多台电动机的聚合精度。

基于自组织神经网络的滚动轴承状态评估方法

针对单一特征在进行故障诊断时准确率不高的问题,提出了一种基于自组织神经网络(SOM)的滚动轴承状态评估方法。该方法首先从原始振动信号中提取出多特征数据,运用主成分分析(PCA)方法对多特征数据进行预处理,采用SOM进行网络训练,构建多特征数据的融合模型,输出竞争神经元层的权值矢量;然后,计算每一个样本到竞争神经元层权值矢量的最小欧氏距离,输出最终的融合指标;最后,通过比较待检测样本与正常样本的最小欧氏距离的差异来判断轴承的状态。将该方法应用于滚动轴承状态评估,试验结果表明:融合指标比单一指标对早期故障更加敏感、更加稳健;同时,融合指标能够定量地描述轴承状态的劣化过程。

自组织神经网络在测井储层评价中的应用

在测井储层评价过程中,岩性及流体性质的识别难度很大。当地层信息较少时,传统的交会图和有监督神经网络(如BP神经网络)等方法在识别岩性时会受到一定限制。为此.基于自组织神经网络的结构和原理,建立了岩性和流体样本数据集,利用自组织神经网络对样本数据集进行了训练和纠错,得到了数据集的聚类结果,通过选择合适的测井曲线和网络权值,以样本数据集的聚类结果作为分类基础,对岩性和流体进行了识别,获得了较好的效果,实际资料处理结果与岩心分析资料对比,吻合度高。

基于自组织神经网络的煤矿安全预警系统

结合煤矿安全生产的具体要求,将自组织神经网络原理运用于煤矿安全预警问题中,建立了多指标综合评价的安全预警系统网络模型,并以实测数据为例对所建模型进行了训练和检验,研究结果表明,该网络性能良好、预测精度高且简便易行,是安全综合评价的一种有效方法。

语音识别中HMM与自组织神经网络结合的混合模型

基于隐马尔可夫模型和自组织神经网络模型提出了一种用于语音识别的混合模型，给出了训练调整权向量的算法，实验结果表明其在语音识别中具有很好的性能·

基于自组织神经网络的生态敏感性分区--以北京市房山区为例

采用自组织神经网络(SOM)模型,以北京市房山区为例,对其进行生态敏感性分区.分别以土壤侵蚀、地表水环境、地下水环境和生境为生态敏感性因子,作为SOM模型的4个二维输入矩阵,通过多次迭代学习和自组织聚类,使结果在4维(4个生态因子)生态敏感性空间内最大限度地逼近房山区生态特征分布.结果表明,房山区西北部山区的敏感性最高;东部平原是地表、地下水非常丰富的地区,属中度敏感;二者之间的丘陵浅山区敏感性相对较弱.

基于自组织神经网络的图书馆关联知识聚合研究

文章在构建基于自组织神经网络知识聚合模型的基础上,详尽地分析了基于自组织算法的知识聚合机理,经过知识抽取、自组织映射、算法运算等处理过程,对处于离散分布状态的知识进行实时标引,完成独立的资源与路径的图书馆关联知识聚合,实现了图书馆关联知识的有序分布与完全共享,为图书馆宏观知识生态系统的后续研究提供理论指导和技术支撑。

自组织神经网络定量分析内燃机油粘度指数

对自组织神经网络仅具有的定性分析功能进行了发展,将自组织神经网络从无监督聚类方法改为有监督聚类方法,建立了近红外光谱-内燃机油粘度指数定性分析模型;从自组织神经网络连接神经元权重中提取定量信息,建立了近红外光谱-内燃机油粘度指数定量分析模型。该方法不仅实现了用近红外光谱技术对内燃机油粘度指数同时进行定性和定量分析,而且能够优化自组织神经网络的训练。使用了不同生产厂家、不同牌号的内燃机油,用20个样品作为训练集训练该模型,用10个样品作为测试集检验该模型。研究结果表明,内燃机油的近红外光谱中含有与粘度指数相关的信息,用该模型能够实现对内燃机油粘度指数的定性和定量分析。

基于混合核函数的自组织神经网络遥感图像分类

自组织神经网络SOM作为一种无监督学习的竞争式网络,已经得到了广泛的应用,它通过对输入信号的竞争学习,将样本划为不同的类别,但其分类效果常很难令人满意。提出了一种基于混合核函数的SOM神经网络改进方法,并和传统的SOM网络进行了对比,Iris数据和Wine数据的分类实验表明,该方法可以明显改进SOM网络的分类效果。然后对某地Landsat卫星遥感图像数据进行分类实验,实验结果表明,与传统的SOM网络、基于多项式核的SOM网络以及基于RBF核的SOM网络相比较,基于混合核函数的SOM神经网络方法的分类效果有较明显的提高。

基于自组织神经网络的居民区域旅游影响感知研究--以安徽省灵璧县为例

本文以旅游资源型小城镇安徽省灵璧县为例,以居民对旅游影响的感知、态度为基础,利用自组织神经网络方法,对居民旅游影响感知进行分类研究,并对分类结果进行深入剖析。通过分类研究,把握旅游地居民感知特征,为旅游地的可持续发展、旅游规划提供依据。同时作者将分类结果与前人对不同发展阶段旅游地的分类结果进行比较分析,验证了旅游地发展阶段理论,证实了神经网络方法在居民旅游影响感知分类研究中的适用性,促进了旅游学科与更多方法的融合。

基于频谱分析和自组织神经网络的火焰燃烧诊断研究

通过对实验室煤粉燃烧炉实验数据的采集与分析,介绍了一种基于FFT变换处理与自组织神经网络状态识别相结合的燃烧诊断方法。首先,通过光电传感器获得一系列以一定的频率、在某个均值左右上下波动的火焰强度值。然后,利用FFT程序将获得的时域信号转换成频域上的功率谱信号。因为在稳定和不稳定的燃烧状态下,转换后得到的低频分量有明显的区别,所以把每个功率谱中前30个低频分量取出,将其作为神经网络的训练输入。通过自组织训练,神经网络将得到对应于稳定和不稳定燃烧状态火焰信号的不同输出区域。经过验证,这种方法能非常有效地识别燃烧火焰状态的稳定与否,在信号采样频率的选择,神经网络算法的改进等方面作了有意义的探索。

自组织神经网络在CRM中的应用

提出了一种利用自组织神经网络来进行海量数据的挖掘和分类归纳的方法,该网络实现简单,反应速度较快,而且分类准确,冗余性强,对企业决策具有指导意义.

Matlab自组织神经网络在遥感图像分类中的应用

以Matlab平台为基础 ,利用神经网络工具箱构建了自组织神经网络 ,对一幅TM4 32假彩色遥感图像通过 30 0次训练后 ,仿真输出能真实地反映原始图像的特征。其分类总精度为 87.14 % ,Kappa系数为 0 .85 。