简介：在地球物理地层评价和储库工程中遇到由测井资料评价孔隙度和渗透率问题是件困难和重要的任务。在近来人工神经网络(ANN)模拟加拿大东部近海成果的推动下，我们开发了反演北海测井资料为孔隙度和渗透率资料的神经网络。我们利用两个分离反向传播ANN(BP—ANNs)模拟孔隙度和渗透率。该孔隙度ANN是一个用声波、密度和电阻率测井资料为输入的简单三层网络。

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：利用1961-2002年ERA-40逐日再分析资料和江淮流域56个台站逐日观测降水量资料,引入基于自组织映射神经网络（Self-OrganizingMaps,简称SOM）的统计降尺度方法,对江淮流域夏季（6-8月）逐日降水量进行统计建模与验证,以考察SOM对中国东部季风降水和极端降水的统计降尺度模拟能力。结果表明,SOM通过建立主要天气型与局地降水的条件转换关系,能够再现与观测一致的日降水量概率分布特征,所有台站基于概率分布函数的Brier评分（BrierScore）均近似为0,显著性评分（SignificanceScore）全部在0.8以上;模拟的多年平均降水日数、中雨日数、夏季总降水量、日降水强度、极端降水阈值和极端降水贡献率区域平均的偏差都低于11%;并且能够在一定程度上模拟出江淮流域夏季降水的时间变率。进一步将SOM降尺度模型应用到BCCCSM1.1（m）模式当前气候情景下,评估其对耦合模式模拟结果的改善能力。发现降尺度显著改善了模式对极端降水模拟偏弱的缺陷,对不同降水指数的模拟较BCC-CSM1.1（m）模式显著提高,降尺度后所有台站6个降水指数的相对误差百分率基本在20%以内,偏差比降尺度前减小了40%-60%;降尺度后6个降水指数气候场的空间相关系数提高到0.9,相对标准差均接近1.0,并且均方根误差在0.5以下。表明SOM降尺度方法显著提高日降水概率分布,特别是概率分布曲线尾部特征的模拟能力,极大改善了模式对极端降水场的模拟能力,为提高未来预估能力提供了基础。

简介：摘要：在2018年发布的《神经重症康复中国专家共识（中）》意识康复技术部分中提到正中神经电刺激与经颅直流电刺激均可以促进患者意识神经网络恢复重建，目前对于经颅直流电刺激结合正中神经电刺激的研究较少，本文通过对经颅直流电刺激和正中神经电刺激在意识障碍方面的应用进行讨论，希望能够为意识障碍患者的康复治疗提供新思路。

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：

简介：

简介：海底沉积物中稀土元素的分布特征受很多影响因子的影响,很难定量分析.北部湾沉积物稀土元素（ΣREE）与物源、水动力、沉积物粒度和粘土矿物百分比等关系定性分析显示,本区的ΣREE的物源主要由陆源岩石控制,弱水动力和细粒度都对应较高含量的ΣREE.结合北部湾海底沉积物的位置、砾石含量、砂含量、粉砂含量、粘土含量和粘土矿物含量训练出来的BP神经在控制变量的情况下定量分析它们与ΣREE的关系,获得单个影响因子与ΣREE的关系曲线.这些关系曲线揭示了北部湾沉积物中稀土元素与各影响因子的联系,所获得的结果与定性分析的结果基本一致,该方法能够通过自主学习,自动判断并定量计算,有助于识别每一个因子对稀土元素含量影响的大小,是如何控制ΣREE的分布,从而根据曲线的变化规律结合实际情况去推断区域的环境变化及地质演变,对稀土元素的富集和分散提供有益的理论指导.

简介：根据先进星载热发射和反辐射计（ASTER）图像获取滑坡相关因素，并利用地理信息系统（GIS）开发、应用和验证韩国Boun地区滑坡脆弱性分析的综合技术。从ASTER图像中获取数字高程模型（DEM）、线性特征、归一化差值植被指数（NDVI）和土地覆盖因素并进行分析。根据DEM地形数据库评估边坡、方位和曲率。根据已有空间数据库并利用频率比（FR）、逻辑回归（LR）和人工神经网络模型（ANN）鉴定和量化检测的滑坡位置与6种相关因素之间的关系。在叠加分析中把这些相互关系用作因子额定值以创建滑坡脆弱性指数和滑坡脆弱性图。随后，在FR、LR和ANN模型中作为新输人因子结合并应用3种滑坡脆弱性图，从而创建改进的滑坡脆弱性图。通过对比在模型实验中未使用的已知滑坡位置来验证所有这些滑坡脆弱性图。对比利用3种滑坡相关输入参数创建的改进精度的综合滑坡脆弱性图（FR}莫型为87．00％；LRN型为88．21％；ANN模型为86．51％）与利用ASTER图像中6种因素创建的单独滑坡脆弱性图（FR丰莫型为84．34％；LR模型为85．40％；ANN模型为74．29％）。