基于神经网络方法获得最优化月球内部结构模型

由于观测手段有限,目前对月球内部结构的认识还存在很大的不确定性,至今仍没有一个被广泛认可的内部结构模型,且现有对月球内部结构模型的研究几乎很少关注观测值对观测精度的影响.本研究采用混合密度神经网络方法得到了月球内部结构模型的后验概率密度分布,获得了平均月球内部结构模型(Mean模型)、最大后验概率对应的月球内部结构模型(MAP模型)以及满足1-σ准则的月球内部结构模型(1-σ模型),其中MAP模型即为本文给出的最优化月球内部结构模型.此外,研究结果表明月球低速区S波波速低于月幔S波波速,因此本文结果支持月幔底部存在一个低速区的观点.不同观测值观测精度对模型影响的研究结果表明,勒夫数k_(2)存在一个约为0.0220的下边界,且其观测精度对月球内部结构模型的影响显著大于平均密度和平均转动惯量.