李瑞友，张淮清，吴昭

(重庆大学 输配电装备及系统安全与新技术国家重点实验室,重庆 400044)

0 引言

瞬变电磁法(transient electromagnetic method, TEM)是地球物理勘探中最常用的方法之一，广泛应用于矿产、地下水勘探及浅层地质调查等领域[1-3]。瞬变电磁法是一种利用快速关断脉冲电流产生二次接收电压的电磁探测方法，而TEM反演是根据其得到的探测数据推导出地电结构参数，后者是一个典型的具有非线性特征和不适定参数估计的反演问题，它一直是地球物理研究中的重要问题。在过去的几十年里，各种解释地电阻率数据的方法相继发表[4-6]。其中，人工神经网络在TEM数据解释中展现了最为广阔的潜力。

人工神经网络反演算法能够模拟人脑神经元信息学习和处理，直接从样本数据中构造数学模型，以较强的学习能力和泛化能力在地球物理反演解释中得到广泛应用[7-10]。其中，Srinivas等[11]比较了一维垂直电测深数据中BPNN (back propagation neural network)、RBFNN(radial basis function neural network)和GRNN(general regression neural network)的反演性能表现；Maiti等[12]研究了一种以一维电测深数据为基础的贝叶斯神经网络训练方法；Johnson等[13]利用人工神经网络方法成功地估算了层状大地模型电阻率参数。综上所述，在地球物理反演解释中神经网络得到了广泛的应用(具有良好的非线性拟合能力)，但在瞬变电磁反演应用中仍然存在收敛速度慢、精度低以及训练中过拟合等局限性[14]。因此，复杂的电磁响应数据和模型参数(电阻率和层厚)反演需要更高效的神经网络模型和更完善的优化程序来获得更好的结果和解释。……