rbf网络在铅锌多金属矿综合物化探找矿预测中应用

《rbf网络在铅锌多金属矿综合物化探找矿预测中应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、RBF网络在铅锌多金属矿综合物化探找矿预测中应用　　摘要：RBF神经网络能够将矿床预测由原先的定性预测发展成为定量预测，它可以实现输入到输入的高度非线性映射。因为矿床位置与矿床定位影响因子之间存在着十分复杂的非线性关系，所以传统的矿床定位智能进行定性化预测。而RBF神经网络可与预测铅锌区综合物化探找矿，并能够预测对隐伏矿床，使用的方法与实际地质情况较为吻合，说明RBF神经网络的方法具有很高的准确性。关键词：矿床定位；综合物化探找矿预测；RBF神经网络中图分类号：P641.4+63文献标识码：A文章编号：6因为近年来地质成矿的

2、复杂性与非线性，人们目前所面临的重要课题就是寻找外围隐伏矿床。要想对成矿进行准确的预测，采用简单的线性分析的方法来寻找矿标志信息的效率是比较低的。随着现代化科学技术的发展，在处理复杂非线性问题时，人工神经网络已经成为了一种有效的方法，在矿产定量预测方面已经广泛地使用到这种技术。人工神经网络具有自组织性、自学习性、高度非线性、可变性、巨量并行性等特点。文章以RBF网络对矿区综合物化探信息进行成矿预测为例，探析地质找矿定量预测方法的同时，较为成功地对铅锌矿成矿有利区段进行有效确定。综合物化探方法可按照任务目标，用于快速现场找矿。

3、国内外的地质工作者们在找矿的探测深度技术和理论中，进行了关键技术的突破，使得综合物化探找矿的方面得到了飞速的发展，对推进探找矿事业做出了贡献。综合物化探的方法也具有很多，其中包括了地电地球化学学法、金属活动态测量法等化探技术方法，也包括了可控源音频大地电磁测深、瞬变电磁测深等物探技术和方法。1、RBF神经网络概念6人工神经网络也成为连接模型或神经网络，其网络依靠系统的程度较为复杂，信息的处理是通过对内部大量节点之间相互连接的关系进行调整，最终得以实现的。神经网络是分布式并行信息处理的算法数学模型，它是以模范动物神经网络行为为

4、特征。在诸多的领域中，人工神经网络因为具有独特的处理信息的能力而被广泛使用。RBF为径向基函数神经网络，它具有全局最优以及最佳逼近的性能，它是一种有效的、新型前馈式神经网络。径向基函数为一个取值只依赖于离原点距离的实值函数。径向函数用到了近似给定函数，神经网络是这种近似的最终解释。在支持向量机中，径向基函数也被用做核函数。在对非线性时间序列的预测中，RBF得到了比较广泛的应用。RBF在初次应用于神经网络设计的时间是1988年，它构成了径向基函数神经网络，也就是今天我们的主角RBF神经网络。RBF网络的基本思想是：RBF把低维

5、的模式输入数据转变至高维空间，期间，变换了一次输入矢量，将隐单元作为隐含层空间，通过隐单元输出加权求和最终得到输出。RBF网络的构成有3层。第一层有信号源节点组成，是为输入层。第二层，作为一种局部分布非负非线性函数，隐单元的变换函数对中心点径向对称，并且进行逐步衰减，所以第二层是为隐含层，由所描述问题的需要来对隐含层的单元数进行确定。第三层网络的输出为隐单元输出的线性加权，是为输出层。RBF神经网络的结构如图所示。输出层输出的节点是简单的线性函数，隐含层的隐层节点有辐射状作用函数构成，输入层只将输入信号传递到隐层。图RBF神

6、经网络图2、RBF神经网络优点6RBF神经网络的全称是基于误差反向传播算法的人工神经网络，是一种神经网络学习算法。RBF神经网络具备了很强的生物学背景，它还反映出人脑的反应特点。RBF网络的优点如下：①选取基函数中心是关键所在，对于网络性能而言，BRF网络中的非线性激活函数形式具有着深远的影响。②网络响应在输入接近RBF网络的接受域的情况下产生，BRF网络在做出响应时的决策包含了距离的概念，这就说明BRF网络具有局部接受特性。在RBF网络中，要预先确定隐层RBF单元半径以及中心，在输入层和输出层之间的全部权值则为“1”，可对

7、隐层到输出层间的权值是可以进行调整。RBF网络的隐层将输入空间映射到另一个隐层空间，在新的空间中，输出层实现线性组合。③隐单元的非零响应为在输入空间的指定区域中输入时才会产生，即隐单元的激活函数一般是具有局部接受域的函数。④前向网络。前向神经网络通过对参数的选择，能够连续函数接近一定的精确值。目前，已被很多领域应用。它需要以非线性优化技术为基础，通过梯度下降算法，最终满足优化标准的局部最小化。在铅锌矿床预测中RBF网络的应用决定了成矿信息隐含性和多解性的就是成矿作用的复杂性。以铅锌矿体的外为隐伏矿体预测为说明，在选择预测变量

8、时，要根据本地域指示矿化富集带异常实际物化探资料来进行。预测变量包含了土壤化探测量的具体数据，变量包括了。包括电阻率和极化率的中梯剖面测量数据。要想获得基于RBF神经网络的神经网络进行预测，作为输入相量，采用已知的勘探剖面数据来对人工神经网络进行建立、训练。在使用建立好的神经网络进行预测。