基于神经网络电性源半航空视电阻率反演研究

为解决目前电性源时域半航空视电阻率反演效率低、适用性差的问题,在快速计算电性源时域半航空感应电动势基础上,将理论计算的感应电动势进行等效变换,建立感应电动势与电阻率单一映射关系的样本集,选用三层误差反向算法(Back Propagation,BP)神经网络和Levenberg-Marquardt算法对样本集进行训练,优选出收敛速度快、误差小的网络参数.基于层状模型,对比了神经网络反演方法与传统方法反演效果,对于均匀半空间模型,神经网络反演结果相对误差在5%以下,传统反演结果相对误差大于20%;对于层状大地模型,结果较传统方法更接近真实模型.基于神经网络的反演方法明显优于传统方法,这为半航空电磁数据提供了新的处理与解释方法.