遗传算法优化的BP神经网络在两层密度界面反演中的研究

摘要

本文利用基于遗传算法优化的BP神经网络进行两层密度分界面的反演计算。首先建立了界面深度的三维模型，正演计算得到两层界面产生的叠加重力异常。利用这个重力异常值进行反演，根据算法原理，将对应坐标点的重力异常场值和深度值作为一个数据对，从样本总体中按照一定的原则选择具有代表性的训练样本，数量一般可选为总体数量的1%-5%。为验证方法的有效性和实用性，数量选择为总体数量的1%。其次将异常场值作为网络输入，深度值作为网络输出，建立BP网络模型并进行训练，若输入层节点数为n，一般选择隐含层节点数为2n+1。本文利用遗传算法代替传统训练函数计算最优的网络权值和阑值，然后对网络进行训练，多次重复这个过程选择网络输出和实际输出的均方误差最小的网络模型，保存这个模型作为反演算了。最后将正演得到的重力异常值作为输入，即可计算出相应的深度值。根据多次试验的反演结果，将遗传算法的交义概率选为0.85，变异概率选为0.02，基于遗传算法优化的BP神经网络在直接反演两层密度分界面的应用中具有较好的效果，有效降低了反演计算的难度，提高了效率。在实际应用中，结合地震数据，将地震剖面的深度点作为网络的训练样本可以快速计算得到两层界面模型，因此这种方法在多层密度分界面的直接反演具有一定的实际意义和应用价值。