[发明专利]一种基于改进型BP神经网络的地震数据双向预测插值方法

权利要求书

1.一种基于改进型BP神经网络的地震数据双向预测插值方法，包括：

步骤I、获取地震数据信息，根据地震数据信息缺失的实际情况，确定插值方式，并建立相对应的双向预测模式，所述双向预测模式包括左右双向预测模式或上下双向预测模式，所述插值方式包括横向插值和竖向插值，当横向插值时，相对应的预测模式为左右双向预测，当纵向插值时，相对应的预测模式为上下双向预测；

步骤II、通过引入附加动量法和自适应学习速率法对BP神经网络改进，建立改进型BP神经网络；

步骤III、基于步骤I中建立的双向预测模式和步骤II中建立的改进型BP神经网络，分别从相对的两个方向进行地震数据插值预测，并将预测结果输出；

步骤IV、将步骤III中得到的相对的两个方向的地震数据插值预测结果进行融合，得到最终的地震数据插值结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤II中，建立改进型BP神经网络后，还包括确定预测参数，并输入已获取的地震数据信息进行学习训练。

3.根据权利要求2所述的方法，其特征在于，所述步骤II中，所述预测参数包括输入层、隐含层、输出层、预测误差和迭代次数。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述地震信息包括地震速度场、地震叠前炮记录和地震成像数据体。

5.根据权利要求1-3中任一项所述的方法，其特征在于，在步骤IV之后还包括步骤V：对地震数据插值结果进行误差分析。

6.根据权利要求1-3中任一项所述的方法，其特征在于，在步骤IV中，采用反距离加权的方式将两个方向的地震数据插值预测结果进行融合。

7.根据权利要求1-3中任一项所述的方法，其特征在于，所述改进型BP神经网络是对现有的BP神经网络中的误差的反向传播过程中的权值和阈值的修正项进行改进，包括引入动量因子和学习速率，改进型BP算法中的权值和阈值的调节公式为：

ΔW(d+1)＝(1-mc)ηδ_jp_k+mcΔW(d) (4-21)

Δb(d+1)＝(1-mc)ηδ_j+mcΔb(d) (4-22)

其中，d为训练次数，mc为动量因子，δ_j为输出节点j的计算误差，p_k为输入节点k的计算输入，ΔW(d)为第d次训练时权值增量，Δb(d)为第d次训练时阈值增量，η为学习速率。

8.根据权利要求7所述的方法，其特征在于，在引入进行附加动量法时，还包括附加动量法的判断条件，采用附加动量法的判断条件是：

其中，mc为动量因子，E(d)为第d次训练时误差平方和，E(d-1)为第d-1次训练时误差平方和。

9.根据权利要求8所述的方法，其特征在于，在引入自适应学习速率算法时，在训练过程中，学习速率自动调节，自适应学习速率的调整公式为：

其中，η(d)为第d次训练时的学习速率，E(d)为第d次训练时误差平方和，E(d-1)为第d-1次训练时误差平方和，E(d+1)为第d+1次训练时误差平方和。