杨 磊

(中铁第四勘察设计院集团有限公司 地质路基设计研究院，湖北 武汉 430063)

1 引 言

重力勘探资料是研究地质构造、圈定地下空洞异常区域和地下成矿带的重要数据集。随着空间探测技术的发展，卫星重力、航空重力和微重力测量得到广泛应用[1,2]。野外实测重力异常通常是由地表到地下深部所有密度不均匀体引起的重力效应叠加场，包含着不同深度异常体的丰富信息。重力资料解释通常把实测重力异常看作由区域异常和局部异常组成，区域异常主要由分布范围较广的、相对深的地质因素引起，其异常幅值大、范围宽、梯度小、体征出现低频信息；局部异常通常由比区域地质因素范围小的研究对象引起，其异常幅度小、范围小、梯度大、体征出现高频信息[3]。重力异常包含了地下异常构造和不同深度密度不均匀体的叠加信号，因此，位场分离研究已经成为重力勘探解译工作的重要环节[4-6]。

目前，重力异常分离的主要方法有解析延拓法、趋势分析法、匹配滤波法、小波分析法等[4-6]。但这些方法在复杂的重力异常信号源中提取目标异常信号时，滤波或信号分离层次的选取一直是较为棘手的问题，处理效果较大地依赖于实际地质资料。近些年来逐渐发展起来的反向传播(Back-Propagation)神经网络算法，它具有数据映射高度非线性、数据处理运行速度快和批量处理的并行性等特点[7-9]。其较好的学习和训练能力，在面对大量数据集合时，通过特定的学习训练能力计算出数据的特征分布，在实际工程勘察研究中得到了系列发展[10,11]。……