论文部分内容阅读
为了提高重力反演分辨率,提出一种利用高斯径向基函数的拟神经网络反演方法.该方法利用高斯径向基函数压缩模型空间,在保证复杂模型表征能力的前提下,实现了反演参数的降维;以高斯径向基函数为激活函数,构建一种拟神经网络结构,不需要训练,可以克服建立训练数据集的困难.该方法较好地解决了重力反演不适定性所导致的趋肤、垂向分辨率低、多解性强和严重依赖先验约束等问题,并从重力数据中最大程度地提取有效信息以提高反演结果的分辨率,增强可靠性.模型实验证明了该方法具有较高的精度和分辨率,能较准确地反演模型的位置、边界和密度.应用该方法反演车镇凹陷重力数据,得到了垂向分辨率较高的剩余密度模型,从中提取密度界面和剖面开展构造解释,揭示了下古生界构造格局和潜山发育规律,证明了该方法的实用价值和应用潜力.