重力梯度张量的拟BP神经网络反演

《重力梯度张量的拟BP神经网络反演》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第42卷第12期中南大学学报(自然科学版)Vol.42No.122011年12月JournalofCentralSouthUniversity(ScienceandTechnology)Dec.2011重力梯度张量的拟BP神经网络反演郭文斌，朱自强，鲁光银(中南大学地球科学与信息物理学院，有色金属成矿预测教育部重点实验室，湖南长沙，410083)摘要：基于重力梯度张量是反映重力场空间变化率的参数，比传统的重力异常具有更高的分辨率和更丰富的信息，将改进的BP神经网络算法应用于重力梯度张量的反演中并分析其反演效果。该算法是一种基于RPROP算法的拟BP神经网络反演算法，采用三层神

2、经网络结构，用隐层神经元表示物性单元的密度值，根据RPROP算法自动修改各单元密度值，从而得出场源空间的密度分布。研究结果表明：采用这种算法对重力梯度张量进行反演计算，收敛速度快，对初始模型依赖性小，可准确反映出异常体形态特征和密度特征。关键词：重力梯度张量；拟BP神经网络；RPROP算法；反演中图分类号：P631文献标志码：A文章编号：1672−7207(2011)12−3797−07Quasi-BPneuralnetworkinversionofgravitygradienttensorGUOWen-bin,ZHUZi-qiang,LUGuang-yin(KeyLabor

3、atoryofMetallogenicPredictionofNonferrousMetals,MinistryofEducation,SchoolofInfo-PhysicsandGeomaticsEngineering,CentralSouthUniversity,Changsha410083,China)Abstract:Basedonthefactthatgravitygradienttensorisaparameterwhichcanreflectthespatialvariationofgravityfield,andthatithasahigherresolut

4、ioncomparedtothetraditionalgravityanomaly,amethodforinterpretationofgravitygradienttensorwasproposed.Themethodisakindofquasi-BPneuralnetworkalgorithmwhichisbasedonRPROPalgorithm.Athree-layernetworkandthehiddenlayerneuronsdenotephysicsvaluewereused.Thephysicsvaluewasautomaticallymodifiedacco

5、rdingtoRPROPalgorithm,andthephysicaldistributionoffieldsourcewasgotten.Theresultsshowthatthemethodhasafastconvergencespeedandlittledependenceoninitialmodelusedintheinversionofgravitygradienttensordate,andcanreflecttheshapeanddensitycharactersofanomalousbody.Keywords:gravitygradienttensor;qu

6、asi-BPneuralnetwork;RPROPalgorithm;inversion与传统的重力异常相比，重力梯度张量测量的是张量的全部独立分量。超导重力梯度仪的应用使运动重力矢量的梯度，能更直接地反映密度异常体的边界，载体上的重力测量结果(如航空重力)的分辨率达到地对圈定矿藏范围或地质构造形态方面具有重要意义。面重力测量结果的分辨率，具有矿产资源勘探的能力。[1−8]此外，梯度测量能够克服运动载体自身加速度的影响，国内外重力梯度张量解释技术也取得了一定成就，[3]重力梯度张量测量被广泛应用于海洋、航空及卫星重如：Vasco等利用张量重力的对角线元素对力测量。目前，国外的

7、重力梯度测量技术相对成熟。Oklahoma西南地区的航空重力张量进行了反演；[4]BellGeospace公司、ARKeX公司和EDEX公司等都Zhang等利用欧拉反褶积法反演了重力全张量；[5]开发出全张量重力梯度测量系统，可以测量重力梯度Zhdanov等采用三维正则化收敛方法对重力梯度张收稿日期：2010−12−06；修回日期：2011−03−10基金项目：国家自然科学基金资助项目(41174061)；国家高技术研究发展计划(“863计划”)项目(2007AA06Z102)；中南大学自由探索计划项目