改进的神经网络并行算法和其在地震初至拾取中的应用.pdfVIP

第34卷第3期 成都理工大学学报(自然科学版) V01．34No．3 OFCHENGDUUNIVERSITYOF Edition) 2007年6月 JOURNAL TECHNOLOGY(Science＆TechnologyJun．2007 [文章编号]1671—9727(2007)03—0348～06 改进的神经网络并行算法及其 在地震初至拾取中的应用 王金峰 罗省贤 李录明 (成都理工大学信息工程学院，成都610059) [摘要]针对经典BP神经网络易于陷入局部极小点、易于产生振荡等缺点，提出了神经网络初 始权值的二分法，改进了一种网络结构自动确定算法，并将随机算子和遗忘因子引入BP神经 网络中。在提高全局寻优能力的同时，加快了网络的收敛速度。在分析了神经网络内在并行 性的基础上，基于MPI实现了改进算法的并行化，将算法应用于地震资料的初至拾取，并取得 了良好的应用效果，验证了算法的有效性。 [关键词]神经网络；并行算法；网络结构；初至拾取 [分类号]TPl83：P631．4[文献标识码]A 由于人工神经网络具有高度的非线性特性、 1．1初始权值范围确定的二分法 大规模并行处理和分布式信息存储能力，以及良 BP算法实质是根据输出平方误差的偏导数 好的自适应和自组织性，使得人工神经网络在非 来修正权值。偏导数不但表明了权值修改的大 线性处理、模式识别、信号检测等众多领域有着广 小，而且表明了权值修改的方向。我们所期望的 泛的应用。本文在研究了现有BP神经网络的不 是偏导数值大且误差距全局极小点近，这样才能 足之处后提出了综合改进的方法，并且基于并行 训练速度快，同时解决不收敛和进入饱和区或局 部最小区的问题。 编程环境消息传递标准MPI[1]，利用神经网络的 内在并行性，实现了一种改进型BP神经网络并 但实际上在网络权值空问中，均方误差相对 行算法，且有效地将该算法应用于地震初至波拾 于各权值的变化具有非常复杂的曲面。从图1所 取。 示的误差曲面～维截取线图上可以看出，有无数 个点可以到达终点，也有无数个点不能到达终点， 1 BP神经网络的综合改进 虽然反向传播(BP)算法得到广泛的应用，但 它也存在自身的限制与不足，由于BP算法实质 上是非线性优化问题的梯度算法，因此存在收敛 性问题。即该算法不能保证学习的结果一定收敛 到均方误差的全局最小点，而有可能落入局部极 D 小点使算法不收敛，导致网络陷入错误的工作模 圈1 简化的Pw曲线示意图 E_Wcurve 式。 Fig．1Simplified [收稿日期]2006—11—24 [基金项目]四川省DNCPC重点实验室基础研究项目(D [作者简介]王金峰(1979一)，男．!硕士研究生，研究方向：信号处理和地震勘探数据处理。 万方数据 第3期 王金峰等：改进的神经网络并行算法及其在地震初至拾取中的应用 ·349· 这就使得初始权值的选择非常重要。 一般情况下权值取为[一1，1]之间的随机数， 可考虑将1w?’I的范围进行划分，以缩小搜