论文部分内容阅读
粒子群优化算法是一种启发式的全局优化算法，将其与BP神经网络结合，能够有效地改善BP神经网络在进行电阻率层析反演中的收敛速度和求解质量。提出一种基于混沌振荡的粒子群算法，使用混沌振荡曲线来自适应调整惯性权重W以提高PSO算法的全局寻优能力，并使用其训练和优化BP神经网络的权值和阈值。比较不同隐含层节点数目和惯性权重W值对反演结果的影响，并给出混沌振荡PSO-BP算法非线性反演的具体实现方案。对均匀半空间中异常体理论模型进行反演，实验结果表明：混沌振荡PSO-BP不依赖初始模型，在稳定性和准确性上优于BP反