沈阳建筑大学学报(自然科学版)
瀋暘建築大學學報(自然科學版)
침양건축대학학보(자연과학판)
JOURNAL OF SHENYANG ARCHITECTURAL AND CIVIL ENGINEERING INSTITUTE
2010年
3期
599-603
,共5页
马斌%祃艳双%王永会%边艳丽%张万江%郭彤颖
馬斌%祃豔雙%王永會%邊豔麗%張萬江%郭彤穎
마빈%마염쌍%왕영회%변염려%장만강%곽동영
高密度电阻率%反演计算%神经网络%地电模型
高密度電阻率%反縯計算%神經網絡%地電模型
고밀도전조솔%반연계산%신경망락%지전모형
目的 对高密度电阻率数据反演计算,解决传统局部线性化迭代反演时求解容易陷入局部模型极小解和依赖初始模型的选择等问题.方法 采用二维改进有限元法计算不同地电模型的视电阻率,利用所得结果训练BP神经网络,神经网络的自学习能力将使最终输出为全局最优解.结果 将神经网络与最小二乘法的反演结果作以比较,BP神经网络能够得到全局最优解,因此能较好地反映地电模型,并且计算过程中不需要选择初始模型.结论 神经网络训练成功后,能够克服传统反演方法的不足,因此适合解决复杂的非线性反演问题.
目的 對高密度電阻率數據反縯計算,解決傳統跼部線性化迭代反縯時求解容易陷入跼部模型極小解和依賴初始模型的選擇等問題.方法 採用二維改進有限元法計算不同地電模型的視電阻率,利用所得結果訓練BP神經網絡,神經網絡的自學習能力將使最終輸齣為全跼最優解.結果 將神經網絡與最小二乘法的反縯結果作以比較,BP神經網絡能夠得到全跼最優解,因此能較好地反映地電模型,併且計算過程中不需要選擇初始模型.結論 神經網絡訓練成功後,能夠剋服傳統反縯方法的不足,因此適閤解決複雜的非線性反縯問題.
목적 대고밀도전조솔수거반연계산,해결전통국부선성화질대반연시구해용역함입국부모형겁소해화의뢰초시모형적선택등문제.방법 채용이유개진유한원법계산불동지전모형적시전조솔,이용소득결과훈련BP신경망락,신경망락적자학습능력장사최종수출위전국최우해.결과 장신경망락여최소이승법적반연결과작이비교,BP신경망락능구득도전국최우해,인차능교호지반영지전모형,병차계산과정중불수요선택초시모형.결론 신경망락훈련성공후,능구극복전통반연방법적불족,인차괄합해결복잡적비선성반연문제.