神经网络方法在放射性地球物理寻找铀矿中应用初探.pdfVIP

中国核科学技术进展报告（第一卷） 铀矿地质分卷 Progress Report on China Nuclear Science Technology （Vol.1 ） 2009 年11 月 神经网络方法在放射性地球物理 寻找铀矿中的应用初探 1 1 2 1 1 1 郑勇明 ，杨亚新 ，余水泉 ，张 叶 ，陈 越 ，杨 兴 （1. 东华理工大学核资源与环境教育重点实验室，江西 南昌 330013 ；2. 中国核工业地质局，北京 100013 ） 摘要：在大量采集放射性地球物理数据的基础上，将神经网络方法引入到应用放射性地球物理方法寻找铀矿的数据 处理工作中。在充分分析了测量数据的特点之后，建立了BP 模型，结合工作区的地质、地球物理资料对模型计算的 结果进行了解释和对比。研究结果表明，将神经网络方法应用于放射性地球物理预测铀矿找矿的远景区域工作中是 可行的。 关键词：铀矿找矿；BP 神经网络；放射性勘探数据 随着我国核电事业的迅速发展，铀资源的需求量不断增加，发现大而富的铀矿是目前我国铀资 源勘查领域重要的任务。通过几十年的铀矿地质找矿工作，地表的铀矿找矿工作已基本结束，目前 需要寻找埋深较大的富铀矿。利用传统的放射性地球物理找矿方法和数据处理技术寻找埋深较大的 铀矿受到一定的限制，因此需要利用新的物探测量方法及数据处理技术，以提取微弱的有用信息， 从而提高找矿的成功率。 在用放射性方法寻找铀矿时，最常用的是氡气测量、热释光测量及能谱测量等方法，并对获取 的放射性数据和资料进行处理、对比和分析，进而预测地下铀成矿情况，需要进行多种参数的综合 考虑。多参数的综合分析结果与地下地质体之间的相关关系，属于复杂的非线性问题,不能仅用一个 简单的数学表达式来模拟和分析，而处理复杂的非线性问题恰恰是神经网络的优势。本文将神经网 络方法引入放射性铀矿勘探的数据处理中，并以实例说明该方法的应用效果。 1 BP 人工神经网络原理 人工神经网络（artificial neural network，ANN ）简称神经网络，它具有神经计算与并行处理功 能、容错性、自适应性、知识的分布存储[1]等基本特征。人工神经网络有多种模型，本文选用的是 反向传播网络（back-propagation network ，简称BP 网络），建立在梯度下降的基础上，是一种有导 师的学习算法，其主要原理和算法如下。 在本项目的研究过程中采用三层前馈网络进行识别。对于闭区间内的任一连续函数都可以用一 个隐含层且隐层节点数为2n+1(n 为输入层节点数) 的BP 网络来逼近[2] ，因而一个三层的BP 网络可 以完成任意的N 维到M 维的映射[3] ，其节点非线性激活函数采用Sigmoid 函数。设输入为向量P ， 输入层有r 个神经元，隐含层有s 1 个神经元，输出层有s2 个神经元，输出向量M ，目标矢量为向量 T，则隐含层第i 个神经元的输出为： r A1 f (∑w p =+θ ),i 1,2,s1 (1) i ij j j j 1 同理输出层第k 个神经元的输出为： 作者简介：郑勇明 （1976—），男，江西抚州市人，讲师，地球探测与信息技术专业 基金项目：国家基金项目（基金号）和国防科技工业局基础研究项目（项目号：A3420060145 ）资助 78 s1 A f (∑w A =+θ ),k 1, 2,s (2) 2k ki 1i k 2 i 1 式中：