简介：基于压裂液返排工艺技术要求，综合考虑压后返排涉及的裂缝闭合、流体滤失、支撑剂运移、地层流体流动和井筒流动等问题，现对压裂液返排模型进行了系统和深入的研究，重点研究了返排过程中支撑剂的运动模型、起动模型和压裂液返排率的计算模型，并首次模拟了考虑返排的压后气井产能。研究成果对于丰富压裂设计模型具有理论意义，对于指导压裂液返排具有重要的意义。

简介：酸压改造是川东北地区海相碳酸盐岩储层增储上产的重要手段。川东北海相碳酸盐岩储层具有的埋藏深、温度高、非均质性强、低孔低渗、部分地区高含硫等特点，使实施储层改造措施面临大量技术难题。为此，选用该地区储层岩心进行室内试验，优选出适合该地区的胶凝酸酸液体系；从实际情况出发，结合储层的具体特征，优选出适合该地区的闭合酸化工艺；并以一口典型井为例，证实了优选出的酸液体系及酸化工艺在该地区具有较好的适应性。图4表4参6

简介：闭合多边形的旋转方向判定是GIS空间分析和算法中较重要的内容之一,由于现在算法较多,其算法的效率和精确度参差不一.对比分析了基于凸包的闭合多边形旋转算法、基于多边形面积计算的闭合多边形旋转算法和基于凹凸顶点判定方法的闭合多边形旋转算法,从算法设计复杂程度、算法效率等方面进行了详细阐述,指出了基于凹凸顶点判定方法是最简单最有效的一种判定方法.

简介：目前低渗透致密油气藏开发主要采用体积压裂技术,形成的大规模缝网中有相当部分次级裂缝未被填砂,在地层受力不均的情况下会发生闭合或者剪切滑移,对储层渗透率改善具有重大影响。采用实验方法研究致密砂岩岩心人工闭合裂缝渗透率随覆压增大的变化规律,结果表明：人工裂缝即使在完全闭合的情况下仍然可以比岩心基质渗透率平均增大950.4倍;裂缝错位后的渗透率也比闭合时的渗透率有所增加,其增大程度与错位程度和裂缝壁面的粗糙度有关,错位程度和粗糙度越大,渗透率增加幅度就越大。实验还表明,覆压增大对人工裂缝闭合和错开时的岩心渗透率影响均不大,在6%范围以内。

简介：在分析传统测井岩性解释中存在的一些问题的基础上，从神经网络的机理、特点出发，探讨了利用神经网络技术进行测井岩性识别的可行性及优越性，并以找矿目的层为对象，进行了岩性分析与对比，为该方法的进一步应用开拓了前景。

简介：在进行水化学样品全分析数据的统计处理中，应用原始数据和经过标准化处理后的数据，进行统计量计算时出现了不一致性。如本无相关关系的原始数据子成份，在经标准化处理后的数据子成份中却出现了负相关；原始数据和标准化数据的协方差阵相差甚远；因子分析图解中出现了曲面结构等。本文根据ＪｏｈｎＡｉｔｃｈｉｓｏｎ提出的对数比法，结合实例，对这一问题进行了探索，论证了对数比法在水化学资料处理中的可行性。

简介：利用“内蒙古微气象观测蒸发试验”的观测资料，对6种地表土壤热通量计算方法（PlateCal法、TDEC法、谐波法、热传导对流法、振幅法和相位法）进行比较，检验了6种方法在不同干湿地表状况下的适用性，并研究了6种方法计算地表土壤热通量的差异以及对地表能量闭合度的影响。结果表明：一般情况下，PlateCal法计算的2cm土壤热通量与观测值最接近，计算结果的均方差为6.9W/m2。在不同干湿地表状况下，干燥和降水条件下适合使用PlateCal法，计算结果的均方差分别为14.0W/m2和30.1W/m2；湿润条件下适合使用谐波法，计算结果的均方差为21.4W/m2。6种方法计算的地表土壤热通量存在明显差别，最大相差178.6W/m2，不同方法计算地表土壤热通量的最大差值超过25W/m2的时次占样本的96.3%。不同方法计算地表土壤热通量的差异对地表能量闭合度的大小有明显影响，但不影响近地层能量闭合度随湍流混合增强而增大的规律。

简介：本文根据神经网络的基本原理，利用实测数据建立了用于大断面隧道收敛变形预测的BP神经网络模型。基于神经网络的预测模型具有预测精度高，使用方便灵活，适合于复杂系统的特点，是解决隧道变形预测问题的一种崭新途径。

简介：介绍了人工神经网络原理和卫星云图估计降水的原理.从GMS红外卫星云图资料中抽取12个降水云图特征量,构造了网络结构为12-98-7的降水估计人工神经网络模型,并用1993年的小时地面雨量资料和GMS数字云图资料对神经网络模型进行训练,用1992和1994年资料对该神经网络模型分别进行测试.在日面降水估计试验中,地面雨量计值和卫星估计降水之间的相关系数分别为0.94和0.97,相对误差分别为41%和32%.

简介：利用探井资料,采用神经网络方法,研究了新井产能的预测神经网络方法。实际气田的应用表明,该方法具有需要资料少、精度高等特点。

简介：通过采用遗传算法优化神经网络初始权值的方法,将GA算法与BP神经网络有机结合,应用于海底底质分类。基于多波束测深系统获取的反向散射强度数据,应用改进的BP神经网络分类方法,实现对海底基岩、砾石、砂、细砂和泥等底质类型的快速、准确识别。通过实验比较,GA-BP神经网络分类精度明显高于BP神经网络,证明了该方法的有效性和可靠性。

简介：ＢＰ人工神经网络是摸拟人脑机理和功能的一种新型计算机和人工智能技术，它在数据处理中可避免数据分析和建模中的困难，采用拟人化的方法进行处理，特别适用于不确定性和非结构化信息处理，因而对地质学中各种未知信息的预测有着较好的适用性。

简介：滩坝砂储集体具有分布较广、厚度较薄、空间分布不连续的特征。地震剖面上,通常是多个砂体以复合波的形式出现,很难形成单独的反射。滩坝砂储层信息的弱信号常被背景信息淹没,无法准确识别储层。针对滩坝砂储层的地震反射信号特点,将扩展交替投影神经网络算法引入到地震领域,对地震资料进行弱信号分离,并将算法应用到识别滩坝砂储层中,解析出砂体（组）在地震剖面上的展布特征。通过对理论模型及实际资料的试算,处理后的地震资料可以较好地展示储层展布特征,有利于滩坝砂体的识别。

简介：小波神经网络对建筑物变形预报具有较高的模型拟合及预报精度.从小波神经网络算法原理出发,阐述了使用该方法对所获得的桥梁变形监测数据进行模型建立及预报的过程,并利用Matlab实现了编程代码.通过对某桥梁变形监测预报的应用表明,该方法具有很强的可行性和实用性,可及早为桥梁变形预警,避免或减少灾害的发生.

简介：为研究各种理化因子与赤潮藻类浓度间的非线性对应规律和有效预测赤潮藻类浓度,构建了基于BP算法的一个四层模糊神经网络模型.将模糊神经网络（FNN）技术引入赤潮预测研究,并与普通BP网络、RBF网络的结果作比较,结果表明,该模型能够较好地反演出各种理化因子与夜光藻密度的非线性对应变化规律,有更好的预测功能.

简介：为了能够客观地对海水水质进行综合评价，在分析人工神经网络概念和原理的基础上，从阈值角度出发，通过对各类海水水质污染指标浓度生成样本的方法，生成了适用于BP人工神经网络模型训练的样本，并应用基于误差反向传播原理的前向多层神经网络，建立了用于海水水质评价的BP人工神经网络模型。将该模型用于渤海湾近岸海域水环境评价，通过模型的计算，得到该海域的水质类别。结果表明，2004-2007年，渤海湾近岸海域污染指标总体上在河流丰水期时比枯水期时高，2005年和2006年污染较为严重，2007年有所好转。经训练的评价模型应用于实例的评价结果表明，该模型设计合理、泛化能力强，对海水水质评价具有较好的客观性、通用性和实用性。

简介：摘要：在多个行业中技术人员常会用到钢印与金属铭牌字符识别技术，钢印及金属铭牌字符主要刻打在各类硬质外表面上，多具有字符与背景颜色相近、背景易反光、字符印迹不明显、字符倾斜等特征。因此，使用传统方法对钢印及金属铭牌字符进行检测时，容易受到各类因素的干扰导致检测准确率低，此外传统方法的效果优化操作复杂且实现度较差。本文提出采用基于神经网络的金属序列号识别技术，有助于解决以上问题。

简介：利用Landsat7ETM＋遥感图像反射率和实测水深值之间的相关性，建立了动量BP人工神经网络水深反演模型，并对长江口南港河段水深进行了反演。结果表明：具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况：由于受长江口水体高含沙量的影响，模型对小于5m的水深值反演精度较高，而对大于10m的水深值反演精度较低。

简介：首先简要介绍了BP网络及其算法的基本原理,然后,详细讨论了GPS高程拟合系统的研制,并结合某GPS首级施工控制网实例,将该高程拟合系统中的BP网络算法具体应用于GPS高程拟合中。结果表明,BP网络算法在GPS高程拟合中是完全可行的,该高程拟合系统在工程实践中具有一定的实用价值。

简介：为了掌握洪湖水质未来的变化情况以及预防污染事件的发生,建立了一个BP神经网络水质指标预测模型。利用洪湖1990~2014年的水质指标实测数据作为学习样本,选取了pH、溶解氧（DO）、铵态氮（NH4＋—N）、硝态氮（NO3-—N）、总氮（TN）、总磷（TP）6项指标作为预测参数,建立了BP神经网络模型,并运用该模型对洪湖水质指标进行了预测,同时引入一元线性回归模型与GM（1,1）灰色预测模型与该模型进行对比。结果表明,BP神经网络模型预测的水质指标的相关性系数都在0.998以上,平均相对误差都控制在2.5%以内,对单个指标的预测相对误差也都小于9%,明显优于一元线性回归模型和灰色预测模型;BP神经网络模型预测精度较高,预测速度快,能够相对准确地预测大部分水质指标,可以有效地应用于洪湖以及其它水域水质指标的预测和水质趋势的预警预报系统中。