RBF神经网络反演二维重力密度分布

摘要

密度反演以物性变化勾画场源范围,具有模拟复杂地质体的能力和较强的适应能力,是提高重力方法解决地质问题能力的重要途径.本文利用径向基函数(RBF,Radical Basis Function)神经网络突出的非线性映射能力和泛化性,实现了重力密度二维非线性反演.应用此法对中国某地区重力异常剖面进行反演计算,证实了此方法的实用性.研究表明，RBF神经网络结构简单、训练简洁而且收敛速度快，避免了线性反演中求取偏导数矩阵的困难和迭代过程，对于数据量大、反演参数多的二维重力密度反演，通过选择合适的网络结构和网络参数，该方法能够得到较精细的密度分布结构。该方法便于与已知信息相结合，如地质体水平位置、深度、物性取值范围等，从而能够有效降低反演问题中的多解性，得到符合实际情况的解。