神经网络在地球物理反演中的应用

本文简要介绍神经网络与神经计算机，神经元模型，层状网络结构，误差逆传播算法及其在地球物理反演中的应用。

同时反演两个三维密度界面的拟神经网络BP算法

两个界面或多界面重力异常的显著特点是异常的不可分高性，即不能简单地根据异常的幅值和水平宽度等数理特点将两个界面或多个界面的异常区分开来。直接用两个三维密度界面的叠加重力异常同时反演两个界面埋深和起伏形态是本文的特色之一。借助于快速正演算法，对界面进行详细的单元划分，使反演结果更为精细。由于采用带输出反馈抑制策略的拟神经网络BP算法，使本反演方法收敛性好，收敛速度快。拟BP算法借用了神经网络的并行、自适应联想等概念，使算法便于利用初始控制条件，从而减少解的非唯一性。理论模型及在某油田勘探区的应用实例说明，此方法在石油勘探及在与密度界面相关的问题研究中有良好推广前景。

用于划分磁异常的新方法—插值切割法

在考察空间域和波数域中划分磁异常区域场和局部场常用方法特点的基础上,作者提出了插值切割法。该方法以当前计算点场值与四点圆周平均值的插值运算为切割算子,通过连续切割,得到磁异常的切割区域场,而从磁异常中减去后,就得到切割局部场。误差分析表明,磁异常中的随机误差在切割区域场中被压制,而在切割局部场中没有明显放大。本研究对四个理论模型和一个野外实例的处理结果表明,这种新方法适合于复杂磁异常区域场与局部场的划分,其他的一些特点是计算速度快、分辨率和精度高。

划分重力区域场与局部场的多次切割法

本文给出了多次切割法的算法。

重磁异常反演的直接算法——随机搜索法

解约束非线性最优化反演问题的控制随机搜索法(简称CRS法),是用参量空间多组估值的“重心”来取代常规最优化反演的单组估值,使解更接近复杂多元函数的全局极小点,CRS法可用异常残差向量的任意范数作目标函数,不需求导,也不需给定参量的初值,能使迭代快速稳定收敛。理论模型和实例表明,CRS法比Marquardt抗干扰能力强,收敛速度快。它可用于单个异常反演和物性界面反演,适用于二维、三维、地形起伏、观测面水平等情况。

模糊直接识别方法在湘南地区成矿预测中的应用

本文利用信息量法及模糊直接识别方法对湘南地区的地质、物化探资料进行综合处理来优选找矿靶区，取得了一定的效果，为靶区优选提供了一条新的途径。

重磁图像信息计算机自动提取及识别方法探讨

本文从重磁本身固有的地球物理意义及空间函数关系出发,提出了模拟专家目视解释分析重磁图像异常信息过程的模式,识别地球物理模型及数学模型,并对计算程序进行了探讨。以湘南何家渡区重磁资料为例进行了验证,证明了该算法的可行性.