资源描述：
《地球物理资料非线性反演方法讲座5人工神经网络反演法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、工程地球物理学报第5卷第3期Vol15,No132008年6月CHINESEJOURNALOFENGINEERINGGEOPHYSICSJun1,2008文章编号:1672—7940(2008)03—0255—11地球物理资料非线性反演方法讲座(五)人工神经网络反演法王家映(中国地质大学地球物理与空间信息学院,武汉430074)摘要:木文概要地介绍了近年来发展起来的一种强有力的地球物理资料非线性反演的方法———人工神经元法(ANN)。比较系统地介绍了ANN的基本知识和两种基于不同原理的ANN反演方法。基于模式识别和基于最小
2、方差的ANN反演方法。列举了这两种方法在地球物理资料反演中的一些应用实例、指出了该方法的存在问题和发展方向。关键词:非线性反演方法;人工神经元法;BP回传网络;Hopfield网络中图分类号:P631文献标识码:A收稿日期:2008-03-19LectureonNon-LinearInverseMethodsinGeophysicalData(5)TheArtificialNeuralNetworkMethodWangJiaying(InstituteofGeophysics&Geomatics,ChinaUniversi
3、tyofGeosciences,Wuhan430074,China)Abstract:Inthispaperwebrieflyintroducedthemostpowerfulnonlinearinversemethod----artificialneuralnetwork,whichhasbeendevelopedandusedsuccessfullyingeo2physicaldatainversioninlasttwodecades.WenotonlyintroducedsomebasicknowledgeofANN
4、,butalsoanalyzedtwokindsofinversemethods,foundedinpublications,basedonpatternrecognitionandminimumvariance.Wealsodescribedtheapplicationofthetwomethodsingeophysicaldata.Finally,wepointedouttheproblemofthemethodsandfu2turedevelopment.Keywords:non-linearinversemetho
5、d;artificialneuralnetwork;BPnetworks;Hopfieldnetworks的信息,并由大脑分析,判断,做出采取进一步行1引言动的决定。大脑是人的神经中枢,对人的思想和行动起作控制作用,因而很早就引起了人们的重‘天生物,人最灵’。灵就灵在人有一个结构视,科学家们对它的结构和原理进行了长期的、深精密,机理奥妙,功能完善的大脑。正由于有了大入的研究,并在许多学科的理论研究和实际应用脑,人才能通过视觉、听觉、嗅觉、触觉等接收外部方面,如模式识别、信号处理、决策判断、组合优化作者简介:王家映(1937
6、-),男,教授,博士生导师,主要研究方向为电磁法和地球物理反演理论。E-mail:j.y.wang@cug.edu.cn©1994-2009ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.http://www.cnki.net256工程地球物理学报(ChineseJournalofEngineeringGeophysics)第5卷[1]和工程应用,都取得了重要的成果。虽然,对大脑的研究至今已有近半个世纪的历程,但是,由于实验手段的局限性和人脑的
7、特殊性,建立大脑模型,即人工神经网络(ArtificialNeuralNetwork,ANN,简称“神经网络”),仍然是目前研究大脑神经行之有效的方法和手段。实践已经证明,ANN是一项具有广阔前景,有着巨图1简单人工神经元的M-P模型大理论价值和应用价值的新理论、新技术。Fig.1M-PstructureofneuralcellANN在地球物理学中的应用,始于20世纪的80年代。开始阶段,主要研究ANN在模式识1(u≥0)1(u)=(3)别上的应用,如‘亮点’的识别,地震波初至的拾0(u<0)取,同相轴的追踪,位场特征的识
8、别,电磁法曲线可见M-P模型的特点是:[2～7,13～32]①多输入的分类,储层预测,烃源岩的测井评价;,单输出;近年来,用ANN求取地震波速度,用于直流电阻②阀值作用;率法,大地电磁法,测井资料的解释和地震模型参③输入与输出均为两态,0和1(抑制、兴奋);[8～12]④每个输入通过权值来表征它对神经元
