计算机地质学1
常用地质软件使用指导手册
常用地质软件使用指导手册【原创实用版】目录1.引言2.地质软件的定义和分类3.常用地质软件的使用方法4.常用地质软件的功能和应用领域5.地质软件的发展趋势6.结论正文【引言】随着科技的发展，地质学研究也在不断地进行现代化改革。
地质软件在地质勘探、资源开发、环境保护等领域发挥着越来越重要的作用。
为了帮助大家更好地了解和运用地质软件，本文将介绍常用地质软件的使用方法和功能。
【地质软件的定义和分类】地质软件是指在地质学研究和实践中应用的计算机软件。
根据功能和用途的不同，地质软件可以分为数据处理软件、数据分析软件、数据可视化软件、地质模型软件等。
【常用地质软件的使用方法】常用的地质软件包括但不限于 Surpac、Gocad、AutoCAD、ArcGIS 等。
下面以 Surpac 为例，介绍地质软件的基本使用方法：1.安装 Surpac 软件2.导入地质数据，如钻孔数据、地质剖面等3.数据处理，包括数据清洗、编辑、整合等4.数据分析，如统计分析、空间分析等5.数据可视化，如制作地质图、三维地质模型等6.导出报告和数据【常用地质软件的功能和应用领域】地质软件具有以下功能：1.数据处理：对原始地质数据进行清洗、编辑、整合等操作，提高数据质量。
2.数据分析：对处理后的数据进行统计分析、空间分析等，挖掘数据背后的规律。
3.数据可视化：将处理后的数据以图表、地质图、三维地质模型等形式展示出来，便于理解和交流。
4.地质模型：通过地质数据建立地质模型，用于地质勘探、资源开发、环境保护等领域。
地质软件的应用领域包括：1.地质勘探：通过地质软件进行数据处理和分析，寻找矿产资源、地下水等。
2.资源开发：利用地质软件对矿产资源进行开发和利用，提高资源利用率。
3.环境保护：通过地质软件对地质环境进行监测和评价，为地质灾害防治提供支持。
【地质软件的发展趋势】随着计算机技术的发展，地质软件将呈现出以下发展趋势：1.智能化：地质软件将更加智能化，能够自动识别和处理地质数据。
计算机在地质学与地震预测中的应用
计算机在地质学与地震预测中的应用地质学和地震预测是两个相互关联的领域，它们研究地球的内部结构和地壳运动，以及地震的产生和演化规律。
计算机技术的快速发展为这两个领域带来了许多创新和突破。
本文将探讨计算机在地质学与地震预测中的重要应用。
一、地质学中的计算机应用地质学是研究地球历史和地球物质组成的学科。
计算机在地质学中的应用带来了许多重要的突破和进展。
首先，计算机在地质勘探中发挥了重要作用。
地质勘探是通过对地质和地球物理信息的收集和分析来了解地球内部结构和矿产资源分布的过程。
计算机可以帮助地质学家处理和分析大量的勘探数据，提高数据处理的效率和精确度。
通过计算机模拟和数据处理，地质学家可以更好地了解地下的地质构造和资源分布情况。
其次，计算机在地质模拟和预测中发挥了重要作用。
地质模拟是通过数值模型和物理模型的构建来模拟地质过程和现象。
计算机可以通过高性能计算和建模软件来精确模拟地球的物理过程，例如地壳运动、地球的形成和演化等。
这有助于地质学家更好地理解地球的内部结构和演化过程，进而提出新的理论和假设。
最后，计算机在地质信息管理和地图制作中也发挥了关键作用。
地质调查和地质图绘制是地质学研究中不可或缺的环节。
计算机可以帮助地质学家存储和管理大量的地质数据，提供高效的数据检索和数据共享平台。
同时，计算机软件也可以用于制作高精度的地质地图，提供准确的地质信息供地质学家和其他使用者参考。
二、地震预测中的计算机应用地震预测是指通过对地下地壳运动和地震活动的监测和分析，尝试提前预测地震发生的时间、地点和强度。
计算机技术为地震预测带来了许多创新方法和工具。
首先，计算机在地震监测和数据分析中起着重要的作用。
地震监测是通过地震仪、地震台和其他地震监测设备来记录和收集地震活动的信息。
计算机可以帮助地震学家自动化地记录和处理地震数据，提高地震数据的采集效率和数据质量。
同时，计算机也可以用于地震数据的分析和挖掘，从而更加准确地判断地震的发生时间、地点和强度。
数学中的数学地质学
数学中的数学地质学数学地质学是一门综合了数学和地质学的交叉学科，旨在通过数学的表达和推导，研究地质学中的各种现象和问题。
数学地质学可以帮助地质学家更好地理解地球的形成和演化，揭示地质过程背后的数学规律，并为地质学的研究提供更精确的分析工具。
本文将介绍数学地质学的基本概念和应用领域，探讨数学地质学在地质学中的重要作用。
一、数学地质学的基本概念数学地质学是一门跨学科的研究领域，它将地质学和数学结合起来，利用数学的方法和工具来研究地质学中的各种问题。
数学地质学主要包括以下几个方面的内容：1. 统计学在地质学中的应用：地质学中经常需要对大量的地质数据进行统计分析，如测井数据、地震数据等。
统计学可以帮助地质学家总结和分析这些数据，揭示数据背后的规律和趋势。
2. 数学建模和模拟：地质学中的许多现象和过程可以通过数学模型来描述和解释。
数学建模可以帮助地质学家更准确地模拟地质过程，预测地质事件的发生和演化。
3. 地理信息系统（GIS）：地理信息系统是一种集成了地理学、地图学、地质学和计算机科学等技术的综合学科。
数学地质学可以借助GIS技术对地质信息进行处理、分析和可视化展示，提高地质学的研究效率和精度。
二、数学地质学的应用领域数学地质学的应用领域广泛，可以应用于地质学中的各个分支，如构造地质学、沉积地质学、岩石学等。
下面我们以几个具体的应用领域为例，探讨数学地质学在地质学中的重要作用。
1. 地层的解释和对比：地层是地质学中重要的研究对象，通过对地层的解释和对比可以推断出地质历史和地质事件的发生顺序。
数学地质学中的相似性对比方法可以帮助地质学家在不同地点的地层之间建立起联系，揭示地层的演化规律。
2. 重力和磁力方法的应用：重力和磁力方法是地球物理学中常用的勘探方法，可以用于查明地下结构和地质构造。
数学地质学可以通过数学模型和算法，对重力和磁力数据进行处理和解释，揭示地质构造的特征和地下岩石体的分布情况。
3. 地震活动的预测和研究：地震是地质学中的一个重要研究方向，通过对地震活动进行研究可以揭示地球内部的结构和动力学过程。
数学地质
数学地质一、名词解释1、数学地质：地质学与数学和计算机科学相互渗透、紧密结合而逐步形成的一门地质学的边缘学科。
它是以数学为方法、以计算机为主要研究手段，定量研究地质学基础理论和定量探矿法的一门方法性学科。
2、研究对象和任务：地质系统、地质工作方法。
3、数学模型：是指用定量方法描述地质体系发生、演化过程及其变量间关系的模型。
4、地质系统：一个动态的由相互联系的若干地质成分组成的集合。
5、地质概念模型：是指在对地质体系深刻理解和抽象思维的基础上，以定性方式表达地质体系发生和演化过程及其变量间关系的模型。
6、地质数据：是表示地质信息的数、字母和符号的集合。
它是用来表示地质客观事实这一地质信息的。
7、狭义地质数据类型：分为观测、综合、经验数据三类。
其中观测数据又可分为定性（名义型、有序型）、定量（间隔型，比例型）数据两类。
8、误差：观测值与真实值之间的差异称为误差，误差与真实值之比称为相对误差。
包括随机、系统和过失误差。
9、离群数据：由于各种原因造成的观测数据局部异常局部的异常高值和异常低值称为离群数据。
10、地质变量：反映某地质现象在时间或空间上变化规律的量。
11、回归分析：依据相关变量y、x i(i=1, 2, …, m)的n组观测值(x1k, x2k, …, x mk, y k)(k=1, 2, …, n)，研究变量y、x i(i=1,2, …, m)间相关关系并确定近似定量关系的一种统计分析方法。
12、趋势面分析：在空间中已知点M i(x i, y i, z i) 的控制下，拟合一个连续的数学曲面，并以此研究地质变量在区域上和局部范围内变化规律的一种统计方法。
13、趋势值：数据中反映总体规律的部分，即由某些地质特征的大区域因素决定的地质变量趋势值，常用趋势面函数表示。
14、局部异常值：反映局部范围的变化特征，即由局部因素引起的地质变量的局部异常值。
15、随机干扰值：由各种随机因素所造成的干扰值(偏差)。
计算机应用在地质研究中的实践
计算机应用在地质研究中的实践地质研究是一门涉及地球表面构造、岩石组成及地质过程的学科，为科学家提供了对地球演化和资源探测的重要工具。
而计算机应用的出现，为地质研究带来了巨大的变革和提升。
本文将详细讨论计算机在地质研究中的实践应用。
一、地球模拟与可视化技术地质研究需要对复杂的地球系统进行模拟和可视化，以便更好地观察和理解地质过程。
计算机技术为地球模拟和可视化提供了强大的支持。
通过使用计算机模拟软件，地质学家可以模拟不同的地质事件，如地震、火山喷发等，并通过可视化技术将模拟结果以图形化的方式展示。
这种模拟和可视化技术能够在实验室环境下模拟地质现象，并帮助科学家更好地理解地球内部的结构和演化过程。
二、地质数据处理与分析地质研究需要大量的地质数据进行分析和处理。
计算机在这方面发挥了巨大的作用。
科学家可以使用计算机软件对地质数据进行处理和分析，例如地震数据、地磁数据等。
计算机技术能够对大量的数据进行高效的计算和处理，为科学家提供准确的地质数据，帮助他们了解地球的构造和演化过程。
三、地质图像处理与解译地质图像是地质研究中不可或缺的一部分，可以提供关于地壳形态、构造特征和地质组成的重要信息。
计算机技术能够对地质图像进行处理和解译，提取出更加准确的地质信息。
例如，计算机图像处理技术可以对卫星遥感影像进行特征提取和分类，帮助科学家快速识别出地质构造和岩石类型。
四、地下资源勘探与开发地质研究的另一个重要方面是对地下资源的勘探和开发。
计算机在这方面发挥着至关重要的作用。
通过使用计算机模拟软件，科学家可以模拟地下资源的分布情况，并通过数据分析和可视化技术找到最佳的开发方案。
此外，计算机在地震勘探和地质探测中的应用也为地下资源的勘探和开发提供了高效的手段。
五、地质信息管理与共享在地质研究中，地质信息的管理和共享十分重要。
计算机技术为地质信息的管理和共享提供了高效的手段。
科学家可以使用数据库管理系统来存储和管理地质数据，通过网络技术实现地质信息的共享。
北师大地质学1
三、地貌学及其研究思维
1.研究对象：地表形态及地貌过程 研究对象： 研究对象 2.研究内容：形态、成因 、演变、内部结构、 研究内容： 演变、内部结构、 研究内容 形态、 分布规律 3.研究思维 研究思维 侵蚀与堆积动态平衡 物质与能量动态平衡 4、研究意义 、 工程建设 资源利用 灾害防治 系统因子
关于地球表层系统
地球表层系统指与人类关系非常密切的地表 及其上下临近区域， 及其上下临近区域，由各地理因子构成的复 杂系统 ~~~~人类生命支撑系统~~~~ 地球表层系统包括岩石圈的上部， 地球表层系统包括岩石圈的上部，大气圈的 下部，地貌圈、水圈、土壤圈、 下部，地貌圈、水圈、土壤圈、生物圈和人 类圈的全部 地球表层系统过程包括各种物理、化学、 地球表层系统过程包括各种物理、化学、生 物和人文过程
地质学与地貌学
Geology and Geomorphology
第一章 绪论
一、地质学与地貌学在地学中的地位 二、地质学及其研究思维 三、地貌学及其研究思维 四、课程和考试安排 五、参考书目
一、地质学与地貌学在地学中的地位
关于地学 关于地理学 关于自然地理学
1. 2. 3.
图1 地球的 基本结 构
空间差异是地球表层系统复杂性在外延 上的表征
对地域分异即地理三维空间状况的关注是地 理学区别于其他学科的最主要特征之一 地理学是一门空间科学
复杂的因子系统是地球表层系统复杂性 在内涵上的表征
地理学是一门系统科学
二、地质学及其研究思维
1.研究对象：地球（狭义指地球浅层） 研究对象：地球（狭义指地球浅层） 研究对象 2.研究内容 研究内容
物质组成 构造特征 形成、 形成、发展和演化规律
3.研究方法与思维 研究方法与思维
计算机在工程地质中的应用
地质学知识：地理信息系统在地质科学领域的应用与发展
地质学知识：地理信息系统在地质科学领域的应用与发展随着科技的不断进步，地理信息系统在地质科学领域的发展越来越引人关注，同时也给地质学家在地质探测、矿产资源分析和环境保护等方面提供了一种全新的研究手段。
本文将重点探讨地理信息系统在地质科学领域的应用与发展。
一、地理信息系统在地质科学领域的应用1.地质探测地理信息系统能够帮助地质学家快速、准确地获取到地形、地貌、地质构造及其他相关地质信息，从而为地质探测提供了强有力的支持。
地质学家可以通过地理信息系统分析地下岩层出露、厚度、不连续性等情况，进而得出岩石性质、矿物成分、储量等各种地质信息。
2.矿产资源分析地理信息系统可以对地质信息进行有效整合，快速生成多种形式的资源状况地图，对不同尺度、不同分辨率的资源格局进行分析，为地质专业人员提供了重要的信息支撑。
地理信息系统可以对野外考古、气象、地球物理、化探、遥感等数据进行融合，实现多源数据的全面综合解译。
地理信息系统还可以对地质与非地质因素进行综合分析，比如地质体状条件、岩石产出率、提取率等，从而根据已知规律预测未知区域内的矿产资源数量和分布范围。
3.环境保护地理信息系统可以对地区环境的生态、水文、气象等相关因素进行系统综合分析，从而得出环境对矿产资源分布的限制程度、对物质流动的影响等相关信息。
地理信息系统还可以根据环境、地质、工程等因素进行综合影响分析，预测自然和人为因素对环境的影响程度，制定出适合该区域可持续发展的重点工作和相关政策。
此外，地理信息系统还可以在地质灾害预测、生态红线划定、城市规划等方面得到广泛应用。
二、地理信息系统在地质科学领域的发展1.技术手段的不断完善随着计算机硬件和软件技术的不断进步，地理信息系统的探测范围、数据容量和处理能力不断扩大，成为准确和全面反映地质现象的工具。
地理信息系统用户不仅可以在三维视角下观察地形、地貌、地下构造等影响地质现象的因素，还可以进行大数据量的分析和挖掘，快速提供多种形式的地质数据。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
三大理论基本原理
Three basic principles of theory
三大理论应用进展
Progress in the application of the three theories
结
论
02
Conclusion
01
PART ONE
摘 要 与 引 言
鄂尔多斯盆地储集层的研究，认为孔隙度、渗透率、排驱压力、分选系数、 孔喉均值是储层评判对象因素集。经过储层评判对象因素集逐步回归分析， 建立了1-4类储层分类评价标准。 魏漪等人[17]研究筛选出13项影响储层评价的主要因素，采用模糊数学的方法 ，利用SPSS分析软件，对G油田H储层进行了综合评价。最终筛选出了5个贡 献最大的因子，并将储层分为3大类。
3.2 模糊数学在地质学科中的应用进展
模糊数学主要应用于地灾评价、矿山地质、石油地质和瓦斯地质等方面。
在矿山地质方面，
王利等人[13]根据矿山地质灾害的发生现状，将矿山地质灾害类别划分为5 类，结合模糊数学理论特点建立模型区分灾害发生的不同级次区域，并预 测未来可能发生地质灾害区域。
陈伯辉等人[14]针对传统安全评价方法量化标准由人为制定，易受感情控制 ，且结果很难做到精确、可靠的缺点，引入模糊数学的理论和原理。通过 构造模糊数学模型，运用模糊集值统计等方法建立模糊综合评判关系矩阵 ，求出模糊综合评价结果向量并进行分析，从而确定煤矿的安全程度等级 ，为煤炭企业的安全决策和预防措施提供指导。
3.1 灰色理论在地质学科中的应用进展
在瓦斯地质方面，
张银智等人[10] 将灰色理论应用于煤层气富集区的预测中，并基于灰色理论 的灰色异常和灰色关联度属性分别应用于连井剖面和整个工区，最后通过分 析基于灰色理论提取的地震属性，结合钻井信息优化并与波阻抗反演圏定的 构造煤发育带对比，取得较好预测效果。 根据灰色理论中的GM(1,1)模型，王文才等人[11]采用保德煤矿的瓦斯涌出量 记录原始数据，建立瓦斯涌出量的灰色模型，并对其进行预测预报，为煤矿 安全管理的正确决策提供科学依据。 李国祯等人[12] 以不同煤层埋藏深度及其相对瓦斯涌出量数据为原始序列， 将非等间隔序列转化为等间隔序列，通过灰色处理建立微分方程预测模型， 使用灰色预测模型预测了采深增加后的未开采区瓦斯涌出量大小，对开采下 部煤层时瓦斯治理工作提供了数据支持。
在工程地质方面，
汪中杰[1]在研究贵州某公路土质边坡稳定性时，采用灰色关联分析确 定了边坡稳定影响因素的重要程度顺序，依据已有边坡数据作为参考 ，表明可以运用灰色关联工程类比评价判断考察边坡的稳定状态。 针对现有泥石流危险性评价过程中指标权重确定方法的缺点，罗冠枝 等人[2]基于粗糙集理论和灰色理论提出一种综合定权重法，并与模糊 数学相结合，通过对四川地区雅泸高速公路的 6条泥石流沟危险性进 行了评价。 王利等人[3]将地质灾害类别划分为5类，通过采用灰色理论建立地质灾 害模型，预测了未来几年地质灾害损失，结合模糊数学理论特点建立 了不同级次灾害分区。
（2）对原始数据序列进行累加生成处理
我们称之为一阶单变量灰微分方程模型， 记为GM（1,1）。 GM（1,1）模型的时间响应函数模型为：
（3）构造数据矩阵[B]和数据向量[Yn] （6）精度检验
精度检验可采用残差（相对误差）检验 方法、后验差检验方法和留步检验方法。 （7）残差校正
2.2 模糊数学
灰色理论、模糊数学和神经网络在地质学科 中的应用动态研究
计算机地质学
Xi’an University of Science and Technology
童仁剑 王家乐 韩 丹 吴 佩
201411567 201411571 201411590 201411619
CONTENT
01
02 03 04 摘要与引言
3.2 模糊数学在地质学科中的应用进展 在瓦斯地质方面，
侯海海等人[18]运用多层次模糊数学的思路，对资源因素、煤储层因素、保存因 素以及次一级影响因素共计19项参数，进行关键要素定量排序，针对吐哈盆地 特有的成藏地质条件建立了煤层气选区评价标准。 基于模糊数学理论，付东青等人[19]在充分分析煤与瓦斯突出影响因素的基础上 ，建立多因素模糊数学方法对煤与瓦斯进行预测，划分危险性区域，指导矿井 瓦斯防治工作的展开。 孟艳军等人[20]在系统分析影响煤层气产能潜力开发地质因素的基础上，确立了 以二级评价指标地质储量参数和开发参数为支撑的煤层气产能潜力模糊评价体 系及对应的三级评价指标并采用模糊数学方法对各评价指标进行了权重赋值， 建立了用于煤层气产能潜力评价模糊数学评价模型。 邵龙义等人[21]对影响煤层气勘探开发潜力的各种因素进行了综合研究，确定了 煤层气勘探开发潜力评价的 3个二级指标（生气潜力、储层物性和封盖性能） 及对应的三级指标。采用模糊数学方法对各级因素指标赋予权重，建立了用于 煤层气勘探开发潜力评价的多层次模糊数学评判模型。
3.2模糊数学在地质学科中的应用进展 在石油地质方面，
朱伟等人[15]基于模糊数学的评价方法，通过多元回归分析优化地质要素，确 定孔隙度、渗透率、含油饱和度、砂岩厚度作为关键地质因素，建立了模糊
数学关系模型，克服了常规的储层含油气性评价过程中诸多不确定因素带来 的复杂化和主观性问题。
武春英等人[16]运用模糊数学综合评判法，确定储层评判对象因素集，通过对
原理——综述——总结
04
02
PART TWO
三大理论基本原理
灰色理论、模糊数学、神经网络
2.1 灰色理论
邓聚龙教授于1982年创立了灰色系统理论，它以“部分信息已知，部 分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象，主要 通过对“部分”已知信息的生成、开发，提取有价值的信息，实现对系统 运行行为、演化规律的正确描述和有效监控。 灰色系统理论经过30年的发展，现已建立起一门新兴学科的结构体系。 其是以灰色代数系统、灰色方程、灰色矩阵等为基础的理论体系，以灰色 序列生成为基础的方法体系，以灰色关联空间为依托的分析体系，以灰色 模型（GM）为核心的模型体系，以系统分析、评估、建模、预测、决策 、控制、优化为主体的技术体系。 灰色系统的模型GM(n,h)是以灰色模块概念为基础，以微分拟合法为核 心的建模方法。其中n表示微分方程阶数，h表示参与建模的序列个数，用 得较多的是GM(1,1)模型。
3.1 灰色理论在地质学科中的应用进展
在石油地质方面，
赵国祥[8]选取孔隙度、渗透率、碳酸盐含量、力度均值及排驱 压力作为储层评价的参数，利用灰色关联理论来对塔南凹陷目 的层位进行储层评价，确定目的层位有利储层的分布区域及与 沉积相之间的相互关系。 在大庆外围低渗透油田产量预测中，朱丽莉等人[9]结合其滚动 开发的特点，以不同时间投产井的历年生产数据为基础，分别 建立GM(1,1)预测模型，并进行拟合预测，最后运用叠加原理 将其叠加即为某油田某区块的产量。
2.1 灰色理论
GM（1，1）模型 （4）用最小二乘法求参数向量
（1）建立变量的（拟）时间数据序 列。设对某变量进行了n次等时间间隔的 观测（或在空间上按一定方向、一定时 间间隔观测了n个点），则观测数据可构 成该变量的（拟）时间数据序列：
（5）写出白化形式微分方程的解.
线性灰微分方程的白化形式为：
模糊综合评判的一般步骤如下： （1）确定因素集
因素集又称为指标集，它的元素是研究对象的 种因素或指标，一般都 是很明确的. （2）确定评判集 评判集又称为评语集、评价集、决策集等，该集的元素个数和名称由 评判者根据实际问题确定.
2.2 模糊数学
（3）确定模糊评判矩阵
（4）综合评判 ①计算指标权重 计算指标权重：记xi为第i指标实测值（x1，x2，…，x5）=（……）， pi为该指标在水质评价分类表中五个数据的平均值（p1，p2，…，p5）= （……），第i指标权重为
模糊数学又称Fuzzy数学，是研究和处理模糊性现象的一种数学理论 和方法，它是在模糊集合、模糊逻辑的基础上发展起来的模糊拓扑、 模糊测度论等数学领域的统称。 模糊性系统理论包括模糊聚类分析、模糊模式识别、模糊综合评判、 模糊决策与模糊预测、模糊控制和模糊信息处理等。 模糊综合评判是应用模糊数学方法对所论对象的多种特性进行综合 ，从而将这些对象进行排序，或者按某种方法从论域中选出最优对 象。
3.1 灰色理论在地质学科中的应用进展 在矿山地质方面，
戚蓝等人 [4] 用灰色理论 GM(0,1) 进行了地应力场分析，以处理实测地应力 资料少的小样本问题，得到了满意的结果。 褚程程等人[5]运用灰色理论建立煤矿涌水量预测GM(1，1)模型，在某矿井 太原组工作面涌水量资料的基础上，通过增加观测频率和数据密度的方法 对模型进行修正，使精度提高到96.26%，证明所建立模型较为可靠。 傅永帅[6]利用灰色系统理论中的灰嫡理论和层级分析法，确定影响煤矿安 全生产各因素的权重，建立了煤矿安全评价模型。 利用灰色理论和粗糙集理论处理不确定问题的优越性，刘勇等人[7]结合贵 州某煤矿建立了基于这两种理论相结合的煤层地质条件综合评价模型。
从而得U上模糊子集 ②模糊矩阵乘法运算. 表示权重的模糊子集与表示隶属度的模糊矩阵作乘法，从而获得模糊 综合评价结果。 （5）最大可能评判 如果 那么认为综合评判的最大可能是yp。
2.3 神经网络
神经网络（Neural Networks，NN）包括生物神经网络和人工神经网络 。而人工神经网络（Artificial Neural Networks，ANN）是以计算机 网络系统模拟生物神经网络的智能计算系统，是对人脑或自然神经网 络若干基本特性的抽象和模拟。 人工神经网络是近年来得到迅速发展的一个前沿课题。神经网络由于 其大规模并行处理、容错性、自组织、自适应能力和联想功能强等特 点，已成为解决很多问题的有力工具。 人工神经网络具有四个基本特征： （1）非线性，非线性关系是自然界的普遍特性。 （2）非局限性，一个神经网络通常由多个神经元广泛连接而成。 （3）非常定性，人工神经网络具有自适应、自组织和自学习能力。 （4）非凸性，一个系统的演化方向，在一定条件下将取决于某个特定 的状态函数。 典型的神经网络模型有：感知器模型、线性神经网络模型、BP模型、 径向基函数网络、竞争T THREE