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：本文描述了利用基于卫星降雨量评估浅层滑坡预报系统的水文．岩土工程建模系统的潜在适用性。通过集成一个利用无限斜坡稳定性方法和基于网格分布式运动波降雨径流模型，基于物理的分布式模型得到开发。该模型被用于NOAA．CPC提供的基于卫星的近实时半小时CMORPH全球降雨量。该方法结合了以下两种模型输出，从而确定浅层滑坡在流域何时何地发生：（1）边坡易失稳地区非时变的空间分布，根据临界相对土壤饱和度，把这些地区划分成不同稳定类型。这种输出用来描绘准静态陆地表面变量和土壤强度性能对边坡失稳的影响；（2）与空间和时间变化的水文特性相联系的地图提供了一个随时间变化且响应降雨的斜坡活动敏感性评估。水文模型预测每个网格单元的土壤饱和动态。随后，每个网格单元中的储存水用于更新土壤相对饱和度和分析边坡稳定性。当土壤相对饱和度高于临界水平，斜坡网格被认为是不稳定，这也是发出浅层滑坡预警的基础。该方法适用于过去印度尼西亚Citarum流域上游（2，310平方千米）的山体滑坡；非时变滑坡敏感性图说明该方法与记录的历史滑坡（1985．2008年）的空间类型有很好一致性。在最近2个浅层滑坡中的应用表明，该模型可以成功地预测降雨活动和强度对触发浅层滑坡水文变量时空动态的影响。山体滑坡的几个小时前，该模型可以预测在浅层滑坡实际发生的网格和其附近的不稳定条件。总的来说，结果表明建模系统对浅层滑坡灾害预测和预警具有潜在适用性。