吉林大学学报（地球科学版）
吉林大學學報（地毬科學版）
길림대학학보（지구과학판）
JOURNAL OF JILIN UNIVERSITY(EARTH SCIENCE EDITION)
2011年
3期
900-906
,共7页
周晓华%林君%陈祖斌%焦健%郭同健
週曉華%林君%陳祖斌%焦健%郭同健
주효화%림군%진조빈%초건%곽동건
改进BP神经网络%微动%频散曲线%面波%迭代反演
改進BP神經網絡%微動%頻散麯線%麵波%迭代反縯
개진BP신경망락%미동%빈산곡선%면파%질대반연
通过分析微动探查方法和改进神经网络迭代反演算法,提出采用改进的神经网络迭代反演微动面波频散曲线.该方法在网络训练学习阶段通过批处理学习和优化网络结构提高网络学习速度;在迭代反演阶段通过δνγ/δλR-f曲线极值点的变化来调整输入模型以减少迭代反演次数;最后设计反演方案,并对6层介质模型进行频散曲线的网络训练和迭代反演,验证了方法的有效性.对比分析结果表明:该方法明显减少了迭代反演次数,提高了收敛速度,而且具有良好的抗干扰能力.
通過分析微動探查方法和改進神經網絡迭代反縯算法,提齣採用改進的神經網絡迭代反縯微動麵波頻散麯線.該方法在網絡訓練學習階段通過批處理學習和優化網絡結構提高網絡學習速度;在迭代反縯階段通過δνγ/δλR-f麯線極值點的變化來調整輸入模型以減少迭代反縯次數;最後設計反縯方案,併對6層介質模型進行頻散麯線的網絡訓練和迭代反縯,驗證瞭方法的有效性.對比分析結果錶明:該方法明顯減少瞭迭代反縯次數,提高瞭收斂速度,而且具有良好的抗榦擾能力.
통과분석미동탐사방법화개진신경망락질대반연산법,제출채용개진적신경망락질대반연미동면파빈산곡선.해방법재망락훈련학습계단통과비처이학습화우화망락결구제고망락학습속도;재질대반연계단통과δνγ/δλR-f곡선겁치점적변화래조정수입모형이감소질대반연차수;최후설계반연방안,병대6층개질모형진행빈산곡선적망락훈련화질대반연,험증료방법적유효성.대비분석결과표명:해방법명현감소료질대반연차수,제고료수렴속도,이차구유량호적항간우능력.
