重力梯度张量的拟BP神经网络反演

详细信息   

• 责任者：郭文斌^c中南大学有色金属成矿预测教育部重点实验室^d1976^e博士^f副教授 ; 朱自强 ; 鲁光银
• 刊名：中南大学学报（自然科学版）
• 出版年：2011
• 卷期：42^b12总208
• 关键词：重力勘探 ; 神经网络系统20^a重力异常 ; 三维模型 ; 算法 ; 反演问题30^a重力梯度张量
• 页码：3797～3803
• 索书号：P706.6/140
• 图表：^c参23插图
• 分类号：2100
• 文摘期号：2012/09/a

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。