摘要
选用目前非线性方法中的2个研究热点,即BP神经网络和模拟退火算法,用优化后的BP神经网络为主框架,结合位场反演的特点,在反演过程中引入模拟退火算法,这样既利用了BP神经网络指导学习的功能,提高了局部搜索性能,又利用了模拟退火算法的概率突跳性,实现了最终的全局收敛性,从而在减少多解性和提高反演的速度和精度等方面有了新的进展。通过模型试验,验证了该方法的有效性。本方法应用于伊朗某地区的重力资料反演,较好地反映了剖面的地质情况。
This paper presents a hybrid inversion method which uses the optimized back-propagation neural network (BPNN) as main frame while simulated annealing algorithm is used in the course of inversion. This method takes advantages of both BPNN.whose self learning ability helps improve local search performance,and SA. whose abrupt probabilistic change is used to achieve global convergence.The method was validated by model test.and was applied to inversion of gravity data from Kashan. Iran.
出处
《勘探地球物理进展》
2005年第3期215-218,10,共4页
Progress in Exploration Geophysics
基金
中国科学院知识创新工程重大项目(KZCXI-SW-18)资助。
关键词
模拟退火
拟BP神经网络
重力反演
伊朗
simulated annealing algorithm
back-propagation neural network
gravity inversion
Iran
