發(fā)布時間：2018-05-07 15:28

  本文選題：BP神經網絡 + 遺傳算法�。� 參考：《吉林大學學報(地球科學版)》2017年02期

【摘要】：BP神經網絡方法在二維密度界面的反演中取得了較好的效果,但在反演三維界面時,由于模型更復雜、參數更多,BP神經網絡的收斂速度和反演精度都有一定程度的下降。為了改善反演效果,本文利用遺傳算法對BP神經網絡的權值、閾值選擇過程進行優(yōu)化,獲得了更好的網絡模型;并將此模型應用于密度界面模型的反演中,預測誤差從上百米減小到數十米,同時迭代計算步數減少了近2/3,有效減少了計算時間,反演結果更準確。利用基于遺傳算法優(yōu)化的BP神經網絡反演了法國某地區(qū)莫霍面深度,預測相對誤差僅為1.8%,取得了較好的應用效果�；谶z傳算法優(yōu)化的BP神經網絡在密度界面的反演中具有良好的應用價值和研究前景。
[Abstract]:The BP neural network method has achieved good results in the inversion of two-dimensional density interface, but the convergence rate and inversion accuracy of the BP neural network with more parameters are decreased to some extent because of the more complex model and the more parameters in the inversion of the three-dimensional interface. In order to improve the inversion effect, the genetic algorithm is used to optimize the weight and threshold selection process of BP neural network, and a better network model is obtained, and the model is applied to the inversion of the density interface model. The prediction error is reduced from hundreds of meters to tens of meters, and the number of iterative calculation steps is reduced by nearly 2 / 3, which effectively reduces the calculation time and the inversion results are more accurate. A BP neural network based on genetic algorithm is used to inverse the Moho depth in a certain area of France. The relative error of prediction is only 1.8, and a good result is obtained. BP neural network optimized by genetic algorithm has good application value and research prospect in the inversion of density interface.
【作者單位】： 吉林大學地球探測科學與技術學院;
【基金】：國家高技術研究發(fā)展計劃(“863”計劃)項目(2014AA06A613)~~
【分類號】：P631;TP18

【參考文獻】

相關期刊論文 前10條

1 胡立天;郝天珧;;帶控制點的三維密度界面反演方法[J];地球物理學進展;2014年06期

2 徐黎明;王清;陳劍平;潘玉珍;;基于BP神經網絡的泥石流平均流速預測[J];吉林大學學報(地球科學版);2013年01期

3 郭文斌;朱自強;魯光銀;;重力異常的BP神經網絡三維物性反演[J];地球物理學進展;2012年02期

4 張國翊;胡錚;;改進BP神經網絡模型及其穩(wěn)定性分析[J];中南大學學報(自然科學版);2011年01期

5 王貝貝;郝天珧;;具有已知深度點的二維單一密度界面的反演[J];地球物理學進展;2008年03期

6 劉銀萍;孟令順;;利用重力異常研究虎林盆地的構造分區(qū)和基底形態(tài)[J];吉林大學學報(地球科學版);2007年S1期

7 張新兵;王家林;陳冰;吳健生;;BP、Hopfield神經網絡在位場反演中的應用比較[J];物探化探計算技術;2007年02期

8 柳建新;童孝忠;李愛勇;許建榮;;MT資料反演的一種實數編碼混合遺傳算法[J];中南大學學報(自然科學版);2007年01期

9 焦新華;陳化然;吳燕岡;范美寧;;天津地區(qū)地殼物性界面的計算及深部構造特征[J];吉林大學學報(地球科學版);2006年04期

10 李瓊;李勇;李正文;吳朝容;;基于GA-BP理論的儲層視裂縫密度地震非線性反演方法[J];地球物理學進展;2006年02期

【相似文獻】

相關期刊論文 前10條

1 劉彩紅;唐萬梅;;基于組合神經網絡的教師評價模型研究[J];重慶師范大學學報(自然科學版);2008年04期

2 鐘義信;;神經網絡:成就、問題與前景[J];科學;1992年02期

3 莫恭佑;;神經網絡及其在英國的應用[J];國際科技交流;1992年03期

4 閔志;;神經網絡:使計算機具有快速學習功能[J];國際科技交流;1992年03期

5 馮建峰,錢敏平;神經網絡中的退火——非時齊情形[J];北京大學學報(自然科學版);1993年03期

6 唐功友;離散Hopfield神經網絡的穩(wěn)定性[J];青島海洋大學學報;1994年S2期

7 靳蕃;;中國神經網絡學術大會在西南交通大學隆重召開[J];學術動態(tài)報道;1996年04期

8 彭宏,張素;帶有時滯的神經網絡的穩(wěn)定性[J];杭州大學學報(自然科學版);1997年04期

9 陳新,孫道恒,黃洪鐘;結構分析有限元系統(tǒng)與神經網絡[J];起重運輸機械;1999年06期

10 成宇;神經網絡是怎么搭建的?[J];百科知識;2005年16期

相關會議論文 前10條

1 徐春玉;;基于泛集的神經網絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經網絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經網絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經網絡的新機遇——紀念中國神經網絡10周年[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經網絡與圖論[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數值預報產品的神經網絡釋用預報應用[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經網絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經網絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經網絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

相關重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經網絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經網絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經網絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經網絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經網絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經網絡[N];健康時報;2006年

8 劉力;我半導體神經網絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經網絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經網絡應用研究通過鑒定[N];中國船舶報;2006年

相關博士學位論文 前10條

1 楊旭華;神經網絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經網絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經網絡的混沌性及幾類時滯神經網絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經網絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經網絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經網絡并行實現及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

相關碩士學位論文 前10條

1 章穎;混合不確定性模塊化神經網絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經網絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經網絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經網絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經網絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經網絡的上證指數預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經網絡血壓預測研究與系統(tǒng)實現[D];華南理工大學;2015年

9 張韜;幾類時滯神經網絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經網絡的穩(wěn)定性分析[D];渤海大學;2015年

，

本文編號：1857461