应用人工神经网络识别华南沿海全新世海滩岩和海岸沙丘岩.docVIP

地理研究第 18 卷 第 4 期1999 年 12 月V o l. 18 地 理 研 究 第 18 卷 第 4 期 1999 年 12 月 V o l. 18, N o. 4 D ec. , 1999 GEO GRA PH ICA L R E SEA R CH 文章编号: 100020585 (1999) 0420382209 应用人工神经网络识别华南沿海全新世 海滩岩和海岸沙丘岩 王 为, 吴 正 ( 华南师范大学地理系 广东 广州 510631) 摘要: 华南全新世海岸沙丘岩和海滩岩同是热带、亚热带海岸线附近胶结的岩石, 其沉积结构 和构造极为相似, 很容易混淆。人工神经网络是最近发展起来的一种信息处理方法, 可以处理 模糊的、非线性的、含有噪声的数据, 为海滩岩和沙丘岩的识别提供了一种新方法。用华南海 岸现代风成砂和海滩砂的粒度参数作为训练样本, 华南海岸全新世沙丘岩和海滩岩的粒度参数 作为测试样本, 经过训练的 B - P 网络能够根据海滩砂和海岸沙丘砂的粒度参数来区分大部分 的海滩岩和海岸沙丘岩, 其效果比传统的识别方法好。 关 键 词: 人工神经网络; B 2P 网络; 沉积物识别; 粒度参数 中图分类号: P 73711; T P 183 文献标识码: A 1 引言 人工神经网络是最近发展起来的一种新的信息处理方法。 它实际上是一种由许多非常 简单的彼此之间高度连接的处理单元组成的信息处理系统。 这些单元是模仿大脑中神经细 胞设计成的。 神经网络不需任何数学模型, 只靠过去的经验来学习, 可以处理模糊的, 非 线性的、 含有噪声的数据、 可用于预测、 分类、 模式识别、 非线性回归、 过程控制等各种 数据处理的场合。而且在大多数情况下, 应用效果优于传统的统计方法1 , 因此, 人工神经 网络有非常广泛的应用前景。 目前, 它的主要应用领域涉及生物、 电子、 计算机、 数学和 物理等学科。 神经网络在地学中的应用则是刚刚起步, 本文提出应用人工神经网络对沉积 物进行识别的方法。 2 沉积物分类的粒度参数散点图与神经网络的分类原理 粒度参数是用来描述沉积物粒度特征的基本数据, 在一定程度上可以反映沉积物在侵 蚀、 搬运和堆积过程中动力的大小和性质。 形成于不同沉积动力过程的沉积物应该具有不 收稿日期: 基金项目: 作者简介: 1998211208; 修订日期: 1999208230 国家自然科学基金资助项目 王为 (19562) , 男, 副教授, 1996 年毕业于香港大学地理地质系获博士学位, 现在华南师 同的粒度参数, 所以用粒度参数对沉积物进行分类和识别是沉积学研究中经常用到的方法,其中用粒度参数作散点图区分不同类型沉积颗粒在国内外已经有很多成功的例子。 粒度参数散点图是在一个二维 (参数)的平面上找出一根把两种样品分隔开来的直线 (图 1a、b 同的粒度参数, 所以用粒度参数对沉积物进行分类和识别是沉积学研究中经常用到的方法, 其中用粒度参数作散点图区分不同类型沉积颗粒在国内外已经有很多成功的例子。 粒度参 数散点图是在一个二维 (参数) 的平面上找出一根把两种样品分隔开来的直线 (图 1a、b )。 当散点图可以区分已知样品时, 便可以把未知样品的参数投影到散点图上, 看其落在那个 区域来确定未知沉积物的类型。 感知器是一种前馈型神经网络, 联系网络各层之间的单元的传递函数是线性阀值函数, 是较早用于模式识别的神经网络模型之一2 。在感知器网络的两维平面空间上输入 A 类和 B 类样品, 如果样品类似于粒度参数散点图上的样品是线性可分, 一个只有输入和输出层的 感知器网络能找到一根把 A 、B 两类样品分开的直线, 如图 2a。 当样品在输入空间上的分 布使网络不能用一根直线将其分开时, 可用含有多个中间层的感知网络产生多条直线来区 分样品 A 和 B (图 2b、c、d) 3 。L ippm an n 已经证明三层网络足以解决任意复杂的分类问 题4 。将图 1 和图 2 对比, 可知神经网络比散点图的识别能力高得多, 更适合对沉积物的识 别与分类。但是感知器网络只能满足于线性分类。B 2P 网络是由非线性变换单元组成的前馈 (B ack 2P rop aga t io n ) , 因而称为 B 2P 网络。 它与 型网络, 它的学习算法称为反向传播算法 图 1 区分各种不同沉积物的粒度参数散点图 (a) 华南海岸沙丘岸和海滩岸5 (b ) 华南海岸沙丘砂和海滩砂13 (c) 将 a、 b 两图重合后