文献

J-GLOBAL ID：201802262976537346   整理番号：18A1572309

遺伝的ニューラルネットワークに基づく大地電磁インバージョン【JST・京大機械翻訳】

Magnetotelluric inversion based on BP neural network optimized by genetic algorithm

著者 (5件)： Wang He (中南大学地球科学与信息物理学院,長沙410083;中南大学有色金属成鉱預測与地質環境監測教育部重点実験室,長沙410083) ,  Liu Menglin (中南大学地球科学与信息物理学院,長沙410083;中南大学有色金属成鉱預測与地質環境監測教育部重点実験室,長沙410083) ,  Xi Zhenzhu (中南大学地球科学与信息物理学院,長沙410083;中南大学有色金属成鉱預測与地質環境監測教育部重点実験室,長沙410083) ,  Peng Xingliang (中南大学地球科学与信息物理学院,長沙410083;中南大学有色金属成鉱預測与地質環境監測教育部重点実験室,長沙410083) ,  He Hang (中南大学地球科学与信息物理学院,長沙410083;中南大学有色金属成鉱預測与地質環境監測教育部重点実験室,長沙410083)
資料名： Diqiu Wuli Xuebao  (Diqiu Wuli Xuebao)
巻： 61  号： 4  ページ： 1563-1575  発行年： 2018年 
JST資料番号： B0627A  ISSN： 0001-5733  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 大地電磁の非線形インバージョンの安定性,計算効率および精度をさらに改善するために,遺伝的アルゴリズムを大地電磁インバージョンに導入した。最初に,BP(BackPropagation)ニューラルネットワークの基本フレームを,大地電磁2次元地動モデルの学習訓練のために確立し,そして,ネットワーク入力は,既知の地動モデルの見かけの抵抗パラメータであり,そして,出力は,本モデルのパラメータであった。遺伝的アルゴリズムを用いて,ニューラルネットワークの学習と訓練の最適化を行い,そして,多重モデルネットワークの接続重みづけと閾値の最適解を,計算した。最後に,最適接続重みと閾値を未知のモデルの反転試験に用い,ネットワークの入力は未知の接地モデルの見かけの抵抗率パラメータであり,出力はモデルのパラメータである。モデル実験は,遺伝的アルゴリズムのグローバル最適化とニューラルネットワークの局所的最適化が,ニューラルネットワークアルゴリズムよりよく結合して,ネットワーク学習トレーニングにおいて,収束の成功率と計算速度を改善して,逆位テストにおいて,より正確に現実のモデルに近づくことができるのを示している.。遺伝的アルゴリズムと最小二乗正則化インバージョンの間の比較により,理論モデルと実測データの両方は,地球電磁インバージョンにおける遺伝的ニューラルネットワークアルゴリズムの実行可能性と有効性を示したものであることが分かった.。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 地動 ,  アルゴリズム ,  パラメータ ,  遺伝的アルゴリズム ,  *ニューラルネットワーク ,  *ネットワーク ,  モデル ,  正則化 ,  学習 ,  重みづけ ,  二次元 ,  *遺伝 ,  最小二乗法 ,  最適化
準シソーラス用語： 最適解 , 【Automatic Indexing@JST】

著者キーワード (4件)： Magnetotelluric (MT) ,  Inversion ,  Genetic algorithm ,  Neural network

分類 (2件)： 電気探査・検層  (DE10040M) ,  地震学一般  (DC03020A)

タイトルに関連する用語 (2件)： ニューラルネットワーク ,  大地