基于构造控制的地应力人工神经网络反演研究
来源期刊:中国矿业大学学报2010年第4期
论文作者:汪吉林 李耀民 姜波
文章页码:520 - 527
关键词:地质构造;地应力;人工神经网络;输入指标;反演;
摘 要:在赵楼井田地质构造和地应力场研究的基础上,提出以构造指标优化人工神经网络(ANN)模型的建模方案.实测了井田地应力的大小和方位,结合有限元数值模拟分析了地应力场的分布特征.通过构建具有构造意义的输入指标:岩组相对强度(I),断层相对距离(D),建立了5×7×3结构的3层BP神经网络模型对地应力进行反演,并与不含构造指标的ANN模型进行对比.结果表明:输入层包含构造指标的ANN模型具有高效性、鲁棒性,反演结果的平均误差仅为4.8%~6.6%,精度较之于不含构造指标的ANN模型提高了1个数量级.在应用ANN反演地应力中,应当重视地质构造对地应力的控制作用,构建具有构造意义的输入指标是提高反演地应力效果的关键.
汪吉林1,李耀民2,姜波1
1. 中国矿业大学(徐州)资源与地球科学学院煤层气资源与成藏过程教育部重点实验室2. 兖州矿业(集团)有限责任公司
摘 要:在赵楼井田地质构造和地应力场研究的基础上,提出以构造指标优化人工神经网络(ANN)模型的建模方案.实测了井田地应力的大小和方位,结合有限元数值模拟分析了地应力场的分布特征.通过构建具有构造意义的输入指标:岩组相对强度(I),断层相对距离(D),建立了5×7×3结构的3层BP神经网络模型对地应力进行反演,并与不含构造指标的ANN模型进行对比.结果表明:输入层包含构造指标的ANN模型具有高效性、鲁棒性,反演结果的平均误差仅为4.8%~6.6%,精度较之于不含构造指标的ANN模型提高了1个数量级.在应用ANN反演地应力中,应当重视地质构造对地应力的控制作用,构建具有构造意义的输入指标是提高反演地应力效果的关键.
关键词:地质构造;地应力;人工神经网络;输入指标;反演;