基于Dropout-BPNN的地球物理反演——以表层横波速度反演为例

• 作者: 余嘉顺 康治梁
• 来源期刊: 工程地球物理学报
• 学科: 地球科学
• 关键词: Dropout机制 神经网络 ReLU函数 地球物理反演 横波速度
• 年，卷（期）: 2019,（3）
• 页码范围: 286-294
• 页数: 9页
• 分类号: P631.5
• 字数: 4248字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-7940.2019.03.005

摘要

在深度学习领域使用的Dropout机制在训练中按一定概率准则随机剔除某些神经元,能够显著提高神经网络的图像和语言识别准确率.受其启发,将Dropout机制引入基于深度BP神经网络的地球物理反演(简称Dropout-BPNN),利用地震放大效应反演浅层S波速度结构,数值试验表明,在相同条件下,Dropout-BPNN的反演效果明显好于传统BPNN.同时研究了深度学习中流行的ReLU激活函数的性能,发现在本地球物理反演案例中,其表现不及传统激活函数.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余嘉顺	成都理工大学地球物理学院	12	102	4.0	10.0
2	康治梁	成都理工大学地球物理学院	2	0	0.0	0.0