王良玉， 张明林， 祝洪涛， 刘 洋

(1.核工业二四三大队， 内蒙古 赤峰 024000； 2.中国核工业地质局， 北京 100013)

在地球科学研究中，地学数据常常是定性和定量数据，且不同的获取技术和获取手段直接导致了地学数据的不确定性、经验性、间接性、不完整性及数据量大等特点[1]。地质工作者面临的重要问题是如何从多源综合信息中找到地学本质的特征，并对地学问题进行研究。传统的分析方法是采用数理统计分析、聚类分析、回归分析、判别分析、因子分析和线性规划等方法分析定量数据，利用数量化理论等方法分析定性数据，从而揭示地学现象与本质之间的关系[2]。由于地球的演化过程是复杂的，未知变量比较多，且不具有某种统计分布条件，同时传统方法对多源的地学数据进行综合和定量处理存在不足，因而在实际的地质问题中传统的方法难以有效的解决问题[3]。而人工神经网络(ANNs)具有较强的学习能力，具有高度的并行结构和并行实现能力，有较好的耐故障能力、信息融合能力、综合推理能力和较快的总体处理能力，能有效解决地学数据处理中常见的困难[4]，是近年来地学应用领域里的一个热门研究课题。

因此，论述人工神经网络及其在地学中的应用特点和现状，总结人工神经网络在地学中主要应用，展望人工神经网络在地学中的发展趋势，对推动地学领域数字化、智能化具有参考意义。

1 人工神经网络概述

1.1 人工神经网络发展历程

20世纪40年代，Warren McCulloch和Walter Pitts(1943)提出了第一个人工神经元的数学模型(MP神经元模型)[5]，该模型权重值都是预先设置的，并不能学习。……