地球物理勘探,简称物探,是研究地质构造和解决找矿勘探问题的基本方法之一。它以各种岩石和矿石的密度、磁性、电性、弹性、放射性等物理性质的差异为研究基础。其中,重力勘探、磁法勘探是目前使用的两种主要物探方法。区域重磁数据处理的目的之一是通过对区域地球物理场的各种方法处理与分析,推断研究区域内的构造断裂分布.这一过程可通过解析延拓、任意水平方向导数等,与其它地球物理资料进行综合解译得到各种有关深部结构与断裂分布的信息。进而根据地质体之间存在物性的差异,就能解释推断存在的断裂构造和环形构造。在对区域重磁数据提取以及处理的过程中,人工智能算法被大量应用其中,以解决诸如判断轴线相关等非线性问题。目前,应用的比较成熟的人工智能模型就是BP人工智能网络模型。本文研究了传统BP人工智能网络模型在重磁数据处理中的应用,并总结了传统BP算法的一些缺陷与不足,结合新的改进遗传算法,对传统BP人工智能模型进行了改进,此新方法最后的实验证明有效的克服了BP算法容易陷入局部极小点从而导致网络训练失败的缺点,而且BP网络收敛速度慢,训练时间长问题也得到了改善。