基岩裂隙水神经网络专家系统实例研究

高级搜索

全国中文核心期刊
中国科技核心期刊
美国工程索引（EI）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基岩裂隙水神经网络专家系统实例研究

束龙仓, 林学钰, 廖资生

文章导航 > 水科学进展 > 1998 > 9(4): 384-388

束龙仓, 林学钰, 廖资生. 基岩裂隙水神经网络专家系统实例研究[J]. 水科学进展, 1998, 9(4): 384-388.

引用本文:

束龙仓, 林学钰, 廖资生. 基岩裂隙水神经网络专家系统实例研究[J]. 水科学进展, 1998, 9(4): 384-388.

Shu Longcang, Lin Xueyu, Liao Zisheng. Application of Neural Network Expert System to Bedrock Fissure Water Prospecting[J]. Advances in Water Science, 1998, 9(4): 384-388.

Citation:

Shu Longcang, Lin Xueyu, Liao Zisheng. Application of Neural Network Expert System to Bedrock Fissure Water Prospecting[J]. Advances in Water Science, 1998, 9(4): 384-388.

基岩裂隙水神经网络专家系统实例研究

1.
河海大学水文水资源系南京210098;
2.
长春科技大学应用水文地质研究所长春130026

基金项目: 高等学校博士点基金

中图分类号: P641.2

Application of Neural Network Expert System to Bedrock Fissure Water Prospecting

1.
Department of Hydrology and Water Resources, Hohai University, Nanjing 210098;
2.
Institute of Applied Hydrologeology Changchun University of Science and Technology, Changchun 130026

摘要: 详细介绍了基岩裂隙水寻找与开发的神经网络专家系统的建立,包括神经网络专家系统的组成、结构和神经网络模型的训练,并将训练后的神经网络模型应用于某裂隙水水源地的勘探工作中,取得了较好的效果.
- 基岩裂隙水 /
- 神经网络 /
- 专家系统
Abstract: This paper introduces the application of neural network expert system to bed rook fissure water prospecting,including the composition and structure of neural network expert system,and training of the neural network.The trained networks are applied to the prospecting of a bed rock fissure water source field in Jilin Province,the results are good.
- bedrock fissure water /
- neural network /
- expert system

[1]	1 Alber to Prieo.Artificial neural networks,Springer-Verlag.1991.227～468 2 焦李成.神经网络系统理论.西安:西安电子科技大学出版社,1990.242～251 3 余庄.人工神经网络专家系统的建立和训练.模式识别与人工智能.1993,6(2):343～346 4 廖资生,束龙仓,林学钰.基岩裂隙水专家系统.西安:陕西科学技术出版社,1997.72～39

[1]	甘富万, 李义天, 邓金运, 陈建. 水库排沙调度优化模型 . 水科学进展, 2009, 20(6): 863-868.
[2]	万星, 周建中. 自适应对称调和遗传算法在水库中长期发电调度中的应用 . 水科学进展, 2007, 18(4): 598-603.
[3]	刘宁. 区域水资源水环境保护治理的符点目标推定 . 水科学进展, 2006, 17(6): 859-864.
[4]	张小峰, 袁晶. 基于熵值法的BP网络输入变量加权分层方法研究 . 水科学进展, 2005, 16(2): 263-267.
[5]	陈守煜, 李亚伟. 基于模糊人工神经网络识别的水质评价模型 . 水科学进展, 2005, 16(1): 88-91.
[6]	崔远来, 马承新, 沈细中, 马吉刚. 基于进化神经网络的参考作物腾发量预测 . 水科学进展, 2005, 16(1): 76-81.
[7]	袁晶, 张小峰. 基于遗忘因子的BP神经网络水文实时预报方法 . 水科学进展, 2004, 15(6): 787-792.
[8]	覃光华, 丁晶, 刘国东. 自适应BP算法及其在河道洪水预报上的应用 . 水科学进展, 2002, 13(1): 37-41.
[9]	陈守煜, 王国利, 朱文彬, 聂相田. 大连市水资源、环境与经济协调可持续发展研究 . 水科学进展, 2001, 12(4): 504-508.
[10]	宋立松, 魏高峰. 感潮河段水位过程预报探讨 . 水科学进展, 2000, 11(3): 302-306.
[11]	王慧敏, 徐立中. 流域系统可持续发展分析 . 水科学进展, 2000, 11(2): 165-172.
[12]	李荣, 李义天. 基于神经网络理论的河道水情预报模型 . 水科学进展, 2000, 11(4): 427-431.
[13]	张翔, 丁晶. 神经智能信息处理系统的研究现状及其在水文水资源中的应用展望 . 水科学进展, 2000, 11(1): 105-110.
[14]	顾世祥, 王士武, 袁宏源. 参考作物腾发量预测的径向基函数法 . 水科学进展, 1999, 10(2): 123-128.
[15]	陈守煜, 聂相田, 朱文彬, 王国利. 模糊优选神经网络模型及其应用 . 水科学进展, 1999, 10(1): 69-74.
[16]	李惠恩, 许家信, 郭林, 郝贵文, 赵培贞. ²¹⁸P₀ 测量法寻找基岩裂隙水研究 . 水科学进展, 1998, 9(1): 52-58.
[17]	邱林, 陈守煜, 聂相田. 模糊模式识别神经网络预测模型及其应用 . 水科学进展, 1998, 9(3): 258-264.
[18]	翁文斌, 罗强, 王喜喜. 汾河防洪专家系统的设计与应用 . 水科学进展, 1996, 7(1): 79-84.
[19]	胡铁松, 万永华, 冯尚友. 水资源决策支持系统目前动态及展望 . 水科学进展, 1993, 4(3): 237-242.
[20]	翁文斌, 蔡喜明. 京津唐水资源规划决策支持系统研究 . 水科学进展, 1992, 3(3): 190-198.

WeChat

点击查看大图

计量

文章访问数: 64
HTML全文浏览量: 19
PDF下载量: 487
被引次数: 0

基岩裂隙水神经网络专家系统实例研究

1. 河海大学水文水资源系南京210098;

2. 长春科技大学应用水文地质研究所长春130026

基金项目: 高等学校博士点基金

收稿日期: 1996-12-23
修回日期: 1997-05-17
刊出日期: 1998-10-25

中图分类号: P641.2

关键词:

基岩裂隙水 /

摘要: 详细介绍了基岩裂隙水寻找与开发的神经网络专家系统的建立,包括神经网络专家系统的组成、结构和神经网络模型的训练,并将训练后的神经网络模型应用于某裂隙水水源地的勘探工作中,取得了较好的效果.

English Abstract

束龙仓, 林学钰, 廖资生. 基岩裂隙水神经网络专家系统实例研究[J]. 水科学进展, 1998, 9(4): 384-388.

引用本文:

束龙仓, 林学钰, 廖资生. 基岩裂隙水神经网络专家系统实例研究[J]. 水科学进展, 1998, 9(4): 384-388.

Shu Longcang, Lin Xueyu, Liao Zisheng. Application of Neural Network Expert System to Bedrock Fissure Water Prospecting[J]. Advances in Water Science, 1998, 9(4): 384-388.

Citation:

Shu Longcang, Lin Xueyu, Liao Zisheng. Application of Neural Network Expert System to Bedrock Fissure Water Prospecting[J]. Advances in Water Science, 1998, 9(4): 384-388.

全文HTML

参考文献 (1)

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回