共查询到20条相似文献,搜索用时 453 毫秒
1.
2.
3.
4.
石油勘探技术的快速发展,使得石油开采水平得到快速提升,随着高科技信息技术的不断推广和运用,储层地震属性预测技术取得了一定成效,大大提高了储层预测的准确性和可靠性,对于促进油气开采工作正常进行具有重要意义。本文对地震资料极性判别的方法进行介绍,提出地震资料极性判别技术在储层预测中的实际应用,促进我国储层预测技术水平不断提高。 相似文献
5.
6.
选择实验法是通过问卷调查获取大量个体对资源环境属性状态选择集的偏好信息,评估资源环境非市场价值的前沿方法。受访者面对多种选择集的高信息负荷,由于认知水平受限,经常通过为物品属性设定可接受的最低/最高水平,即属性临界值,以简化决策过程,易造成模型估计结果的偏差。本文针对黄海胶州湾海域浒苔治理支付意愿,考虑属性临界值的存在及违反情况,设计引出属性临界值的选择实验问卷,建立修正选择模型,以青岛市实地调研的397个有效样本为数据来源,对居民浒苔治理意愿进行评估。研究结果表明:①属性临界值的存在及违反具有普遍性,忽略其存在及违反情况将导致估计结果的偏差;②将属性临界值存在及违反情况纳入效用方程,对传统选择实验分析框架进行修正,结果表明,经修正的选择模型的拟合度更优,能更好地解释受访者选择行为。在参数估计方面,浒苔治理恢复属性对居民效用水平显著正向影响,滨海景观、近海水质属性临界值的违反对居民效用水平显著负向影响;③青岛市居民对治理浒苔恢复滨海景观、改善近海水质、增加生物多样性和修复海洋生物资源的年支付意愿分别为90.68元、84.92元、49.34元、43.17元,2017年青岛市胶州湾海域浒苔治理总支付意愿为33.006亿元。与传统模型的对比表明,考虑属性临界值存在及违反情况的选择模型能更有效地反映受访者的实际边际效用,并在此基础上提高支付意愿估计结果的效度。 相似文献
7.
8.
9.
网络链接记录存在大量的标称属性,传统的入侵检测方法直接将这些标称属性做离散化处理,破坏了标称属性的无序性,使得检测效果不够理想。为此提出了一种基于标称变量向量化的网络入侵检测算法。该算法首先对网络链接记录中的标称属性进行特殊的向量化处理,然后在处理后的数据集上进行入侵检测。通过对标称属性做向量化处理既对标称属性实现了数值化,同时又保持了标称属性的无序性。在KDD CUP 99数据集上的仿真实验表明本文所提算法具有较高的检测率和较低的误警率。 相似文献
10.
近年来,根据中央关于勘察设计单位市场化改革的要求,国有大型勘察设计单位正逐步建立现代企业制度。在中央"走出去"战略的指导下,国有大型勘察设计单位改革的战略目标基本上都定位在国际型工程公司。文章结合我国勘察设计企业的实际情况,以及面临的国际发展环境,就勘察设计企业国际化的发展方式选择、国际化过程中存在的问题和困难、以及应采取的对策和建议等问题进行了认真的思考和总结。 相似文献
11.
基于粗糙集和BP神经网络的复合图书馆馆藏质量评价研究 总被引:1,自引:0,他引:1
建立了基于粗糙集和BP神经网络的复合图书馆馆藏质量评价模型,首先运用粗糙集模型对评价指标体系中的指标进行约简,消除冗余,然后把约简后得到的评价指标输入到BP神经网络中进行智能训练,最后把待评价的检测样本输入到训练好的BP网络中,得到了馆藏质量实际输出值,实际输出与期望输出结果相吻合,从而证明了评价的可行性和有效性. 相似文献
12.
本文将MATLAB神经网络工具箱应用于核电厂的状态检测与故障诊断,通过对核电厂典型故障的特性分析,确定网络的输入输出并建立相应的网络结构。为验证神经网络故障诊断的有效性,本文对核电厂蒸汽发生器系统进行了仿真实验,验证了神经网络故障诊断的准确性、实时性和可扩充性。 相似文献
13.
BP算法通过迭代地处理一组训练样本,将每个样本的实际输出与期望输出比较,不断调整神经网络的权值和阈值,使网络的均方差最小。BP算法的有效性在某种程度上依赖于学习率的选择,由于标准BP算法中学习率固定不变,因此其收敛速度慢,易陷入局部极小值。针对此问题,通过分析BP神经网络的误差曲面可知,在误差曲面平坦区域需要有较大的学... 相似文献
14.
15.
BP神经网络因具有自学习、自适应、大规模并行处理等特点而广泛应用于遥感影像分类中,但是该方法训练时容易陷入局部极小值,且收敛速度较慢,针对这些不足提出一种基于相容粗糙集的BP神经网络分类方法。本文以双台子河口湿地为研究对象,以Landsat-8 OLI影像为数据基础,利用相容粗糙集理论对样本数据集进行预处理,将得到的数据作为新的训练样本,在Matlab软件平台下建立BP神经网络的湿地覆被分类模型,进行湿地覆被信息提取,将分类结果与单纯的BP神经网络以及粗糙集样本属性约简预处理的分类结果进行比较分析。结果表明,基于相容粗糙集的BP神经网络分类方法可以剔除训练样本中的噪声数据,提高网络的训练成功率,缩短网络的收敛时间,分类效果较好,其总体精度达到91.25%,Kappa系数为0.8969,比单纯的BP神经网络分类结果高7.92%和0.0926,比粗糙集样本属性约简预处理方法的分类结果高3.03%和0.0357,是一种有效的湿地覆被分类方法。 相似文献
16.
基于BP神经网络的印刷体数字识别研究 总被引:1,自引:0,他引:1
BP神经网络是一种误差逆传播算法训练的多层前馈网络,具备网络学习能力强、输入/输出模式映射关系存贮量大、事先不需要描述输入/输出映射关系等诸多优点的数学方程。本文通过BP神经网络的介绍,利用不变矩特征提取方法设计一种有效的BP神经网络印刷体数字识别演示系统,对印刷体数字识别的深入研究具有一定的指导意义。 相似文献
17.
人工神经网络在地球物理领域中,尤其在模式识别和油气预测方面得到了较好的应用.前向网络的重要特性是能够总结、归纳已知样本隐含的函数关系.然而其推广性能有待进一步研究.本文强调了该问题的重要性并提出了改善网络推广性能的技术,即在网络学习过程中,不仅让总误差下降,还尽可能使建立的“隐函数”平滑.计算实例表明,本文的算法可以明显地改善网络的推广性能.最后给出了用该技术在辽河油田进行油气预测的实例 相似文献
18.
19.
《Journal of The Franklin Institute》2019,356(8):4304-4334
In practice, many controlled plants are equipped with MIMO non-affine nonlinear systems. The existing methods for tracking control of time-varying nonlinear systems mostly target the systems with special structures or focus only on the control based on neural networks which are unsuitable for real-time control due to their computation complexity. It is thus necessary to find a new approach to real-time tracking control of time-varying nonlinear systems. In this paper, a control scheme based on multi-dimensional Taylor network (MTN) is proposed to achieve the real-time output feedback tracking control of multi-input multi-output (MIMO) non-affine nonlinear time-varying discrete systems relative to the given reference signals with online training. A set of ideal output signals are selected by the given reference signals, the optimal control laws of the system relative to the selected ideal output signals are set by the minimum principle, and the corresponding optimal outputs are taken as the desired output signals. Then, the MTN controller (MTNC) is generated automatically to fit the optimal control laws, and the conjugate gradient (CG) method is employed to train the network parameters offline to obtain the initial parameters of MTNC for online learning. Addressing the time-varying characteristics of the system, the back-propagation (BP) algorithm is implemented to adjust the weight parameters of MTNC for its desired real-time output tracking control by the given reference signals, and the sufficient condition for the stability of the system is identified. Simulation results show that the proposed control scheme is effective and the actual output of the system tracks the given reference signals satisfactorily. 相似文献
20.
《Journal of The Franklin Institute》2021,358(17):9023-9033
This paper studies the fault-tolerant model-free adaptive control (FT-MFAC) problem for a class of single-input single-output (SISO) nonlinear networked control systems (NCSs) under denial-of-service (DoS) attacks. A novel FT-MFAC framework is established with the consideration of DoS attacks and the sensor fault, in which DoS attacks obeying the Bernoulli distribution randomly happen in the sensor-to-controller channel and the sensor fault is approximated by the radial basis function neural network (RBFNN). Based on the proposed framework, an FT-MFAC algorithm that uses only input/output data is proposed to guarantee that the output tracking error is bounded in the sense of mean square. Finally, the effectiveness of the proposed algorithm is illustrated by a simulation. 相似文献