傳統(tǒng)的梯度反演方法依賴于初始模型選取,且容易陷入局部極小,在一定程度上影響著反演的求解精度和收斂速度,為此,提出一種基于改進(jìn)粒子群深度神經(jīng)網(wǎng)絡(luò)的頻率域航空電磁反演方法。首先,通過頻率域航空電磁模型正演獲取樣本數(shù)據(jù)集;隨后,依據(jù)樣本數(shù)據(jù)集建立深度神經(jīng)網(wǎng)絡(luò)的基本框架,網(wǎng)絡(luò)的輸入為歸一化垂直磁場(chǎng)分量,輸出為相應(yīng)地電模型參數(shù);第三,提出一種慣性權(quán)重振蕩衰減措施在粒子群優(yōu)化算法的基礎(chǔ)上進(jìn)行改進(jìn),以提高粒子群優(yōu)化算法的全局尋優(yōu)能力,并利用改進(jìn)的粒子群優(yōu)化算法優(yōu)化深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程,得到連接權(quán)值與閾值的最優(yōu)解;最后,將最優(yōu)的權(quán)值與閾值作為網(wǎng)絡(luò)的初始值,并利用該網(wǎng)絡(luò)對(duì)未知地電模型進(jìn)行反演測(cè)試。利用層狀地質(zhì)模型測(cè)試改進(jìn)粒子群深度神經(jīng)網(wǎng)絡(luò)算法、粒子群神經(jīng)網(wǎng)絡(luò)算法和單一的神經(jīng)網(wǎng)絡(luò)算法的反演效果,并將此方法運(yùn)用于實(shí)測(cè)航空電磁數(shù)據(jù)反演。研究結(jié)果表明:本文提出的改進(jìn)粒子群神經(jīng)網(wǎng)絡(luò)算法充分結(jié)合了粒子群優(yōu)化算法的全局尋優(yōu)性能和深度神經(jīng)網(wǎng)絡(luò)的局部尋優(yōu)性能,在反演過程中能有效避免反演陷入局部極小,尋找到全局最優(yōu)解,并能準(zhǔn)確地反演出地電模型參數(shù);與粒子群神經(jīng)網(wǎng)絡(luò)算法和單一的神經(jīng)網(wǎng)絡(luò)算法相比,本文提出的方法具有更高的求解...

【文章頁數(shù)】：12 頁

【部分圖文】：

圖1 頻率域航空電磁層狀介質(zhì)模型示意圖

深度神經(jīng)網(wǎng)絡(luò)(deepneuralnetwork,DNN)，是近年興起的一種學(xué)習(xí)能力極強(qiáng)的機(jī)器學(xué)習(xí)方法，在語音識(shí)別、圖像識(shí)別及自然語言處理等領(lǐng)域應(yīng)用廣泛。它起源于傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)，具備更深的網(wǎng)絡(luò)深度，能夠融合各種非線性特征，具有強(qiáng)大的非線性學(xué)習(xí)和擬合能力[27]。DNN由多....

圖2 深度神經(jīng)網(wǎng)絡(luò)示意圖

式中：di是訓(xùn)練數(shù)據(jù)的正確輸出；M是節(jié)點(diǎn)的個(gè)數(shù)。式(11)為均方誤差函數(shù)，式(12)為交叉熵函數(shù)。由于DNN具有較多的隱含層，訓(xùn)練難度較大，為使代價(jià)函數(shù)達(dá)到最小值而避免陷入局部極值，常用隨機(jī)梯度下降和Adam等優(yōu)化方法[28]。本文采用6層全鏈接DNN模型，代價(jià)函數(shù)選擇均方誤差函....

圖3 慣性權(quán)重迭代曲線

慣性權(quán)重迭代曲線如圖3所示，由圖3可見：當(dāng)?shù)鷦傞_始時(shí)，粒子的慣性權(quán)重取值較大，粒子將以較大的飛行速度尋找到全局最優(yōu)解的范圍，保證粒子群優(yōu)化算法的全局搜索能力；在搜索的后期慣性權(quán)重取值較小，粒子的飛行速度較小，進(jìn)而可以對(duì)最優(yōu)解領(lǐng)域范圍進(jìn)行精確搜索，保證算法的局部搜索能力。同時(shí)，在....

圖4 改進(jìn)粒子群優(yōu)化深度神經(jīng)網(wǎng)絡(luò)流程圖

在求解復(fù)雜的非線性問題時(shí)，深度神經(jīng)網(wǎng)絡(luò)在設(shè)置初始權(quán)值時(shí)依賴于對(duì)樣本空間反復(fù)試驗(yàn)，易產(chǎn)生網(wǎng)絡(luò)不穩(wěn)、收斂速度慢以及陷入局部最優(yōu)等問題。而改進(jìn)的粒子群優(yōu)化算法具有良好的全局尋優(yōu)能力，將其與深度神經(jīng)網(wǎng)絡(luò)結(jié)合，理論上可以尋找到求解問題的全局最優(yōu)解。改進(jìn)粒子群優(yōu)化算法優(yōu)化深度神經(jīng)網(wǎng)絡(luò)基本流程....

本文編號(hào)：4043501