戴 珂，张少仲，蒋 波，白 英，王小妹

(大连海事大学信息学院，辽宁 大连 116026)

基于多层前馈神经网络SPDS算法的地质数据非线性分析问题研究*

戴 珂，张少仲，蒋 波，白 英，王小妹

(大连海事大学信息学院，辽宁 大连 116026)

多层前馈神经网络善于解决非线性分析问题，但对于复杂的地质数据，普通的训练算法难以收敛。首先介绍了SPDS算法，并把它用于解决地质数据的非线性分析问题。算法的仿真实验表明，用SPDS算法训练的多层前馈神经网络，比较好地解决了该问题。

BP算法；SPDS算法；非线性分析

1 引言

人工神经网络是国际上迅速发展的前沿研究方向之一。它模拟生物神经结构，有着杰出的学习能力，具有广泛的应用前景。特别是它能以任意精度逼近非线性函数，这个特点使它更适合解决非线性问题。近20年来，神经网络技术逐渐成熟，而且已经被用于解决实际生活中诸如控制、分类、模式识别、模拟仿真等问题。但是，作为神经网络经典训练算法的BP算法，由于存在着一些缺点，使得用它来训练网络时，经常会不收敛[1]。

近年来，关于BP算法的改进算法的研究一直是一个热点。基于单参数动态搜索算法的SPDS(Single Parameter Dynamic Search)算法也是其中之一[2～4]。SPDS算法的优点是，由于巧妙地避开了“网络瘫痪”[5]，从而收敛速度很快[6]；也不易落入局部极小点；用它训练得到的网络的泛化能力和容错能力很强[7]；特别是它的算法复杂性是网络参数个数的指数形式，更适合解决网络参数不太大而样本很大的问题[8]。

在研究我国某地钼矿蚀度、矿化的成因时，要研究钼(Mo)与其他变量的关系，用以预测钼矿化的强度与变化，揭示矿化与蚀度的关系，以指导找矿与勘探工作。……