地学自由曲面径向基函数网络重建的详细算法  

THE ALGORITHM OF RBF NETWORK FOR DISCRETE DATA GRIDDING

作　　者：陈明[1] 何凯涛[2] 王全明[2] 

机构地区：[1]国家地质实验测试中心,北京100037 [2]中国地质调查局

出　　处：《物探化探计算技术》2005年第1期75-77,共3页Computing Techniques For Geophysical and Geochemical Exploration

基　　金：国家863项目(2001AA135120);国家973项目(G1999045708);国家自然科学基金(49973015)

摘　　要：径向基函数(RadialBasisFunction,简称RBF)神经网络是一种理想的地学离散数据网格化工具,能够适应各种不同分布形式和边界条件的数据,收敛速度较快,可以逼近任何复杂曲面。这里详细介绍了RBF神经网络的算法。适当径向基函数的形式和偏差系数是使用RBF神经网络作地学曲面重建的关键。大量的实际数据验证结果表明,当选用Gauss型径向基函数时,一般可获得比较理想的网格化效果,同时具备"曲面平滑"和"拟合度高"的特点。RBF network is an perfect tool for discrete data grid fitting to various kinds of data distribution and boundary condition. It has rapid convergence rate to fit arbitrary complex surface. Experiments show that better effect can be achieved if Gauss RBF and suitable coefficient of skewness are used.

关 键 词：RBF神经网络 径向基函数网络 算法 曲面重建 数据验证 自由曲面 地学 网格化 简称 拟合度 

分 类 号：P628[天文地球—地质矿产勘探] TP391[天文地球—地质学]