《基於遺傳神經網路的大地電磁非線性反演》是依託中南大學，由王鶴擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於遺傳神經網路的大地電磁非線性反演
- 項目類別：青年科學基金項目
- 項目負責人：王鶴
- 依託單位：中南大學
項目摘要,結題摘要,
項目摘要
反演是影響地球物理數據資料解釋的重要因素，由於線性化反演結果依賴於初始模型、易陷入局部最優解，而單一的非線性反演往往存在早熟收斂、收斂速度較慢且結果不穩定等問題，申請者提出結合兩種非線性方法的混合最佳化算法，並套用於大地電磁一二維反演中。本項目首先針對大地電磁一二維地電模型建立神經網路基本框架，研究基於大地電磁的網路學習過程，然後利用遺傳算法對神經網路學習過程進行最佳化，得出網路連線權值的最優解，最後對訓練好的遺傳神經網路進行反演驗證，並與其它經典反演方法進行比較。該算法採用遺傳算法最佳化神經網路權值，充分利用遺傳算法的並行計算能力和全局搜尋性以及神經網路的局部尋優性，提高運算效率和計算精度。經過學習訓練後的遺傳神經網路套用於大地電磁非線性反演中，可使反演具有實時性，提高野外實踐的工作效率。本算法將為改進和完善地球物理非線性反演提供新的方法，推進非線性反演的進一步發展。
結題摘要
實現了遺傳算法最佳化神經網路的大地電磁反演。由於大地電磁神經網路學習訓練過程一般採用隨機值進行網路權值的初始化，而網路使用的學習算法是一種梯度下降法，有可能產生局部最優解而不是全局最優解，為進一步提高大地電磁非線性反演的穩定性、運算效率及準確度，將遺傳神經網路算法引入大地電磁反演。首先針對大地電磁地電模型建立BP神經網路基本框架進行學習訓練，網路輸入為已知地電模型的視電阻率參數，輸出為該地電模型參數，比較不同隱含層數及節點數的計算誤差，設計了合理的神經網路結構；再利用遺傳算法對神經網路學習訓練過程進行最佳化，計算出多種地電模型網路連線權值和閾值的最優解；最後將學習訓練好的網路用於未知模型進行反演測試，網路輸入為未知地電模型的視電阻率參數，輸出為該地電模型參數。實驗結果表明：遺傳神經網路算法充分結合了遺傳算法的並行計算性和全局尋優性，以及神經網路的局部尋優性，相比單一神經網路算法，在網路學習訓練中提高了解的收斂成功率和計算速度，在反演測試中能更準確地逼近真實模型，驗證了遺傳神經網路算法在大地電磁反演中的可行性和有效性。
