人工神经网络技术在地球化学研究中的潜在应用

地质论坛，您的移动信息库，掌上图书馆，记得星标哦

人工神经网络技术在地球化学研究中的潜在应用

李立武 李中平 杜丽 曹春辉 刘艳 贺坚 邢蓝田 杨辉

公共技术服务中心，中国科学院地质与地球物理研究所兰州油气资源研究中心

1.前言

20世纪80年代，人工神经网络的研究进入热点，至今在很多领域获得了应用，如信息处理、自动化、工程领域、经济领域和生物医学领域。在石油天然气研究与勘探开发领域，其应用也很广泛，如地震信息提取、储层参数预测和模式识别等。在分析化学方面，应用人工神经网络方法建立光谱与化合物之间的对应关系，从而鉴定化合物或者化学结构。

2.初步应用

在地球化学研究方面，人工神经网络技术的应用实例还很少见。近年来，在解决气体组分质谱数据处理问题的过程中，我们尝试使用了这项技术。最简单的网络是单层感知器，选择数个或数十个质荷比，从质谱中提取相应的峰高数据，作为自变量数组，以待测气体组分作为因变量数组，通过纯组分或混合组分标准气体的分析，用单层感知器方法求解因变量数组与自变量数组之间的关系式数组。将未知样品的自变量数组代人该关系式数组，就可以获得未知样品的组分数据。

(a)MAT271质谱数据处理的LMS程序

(b)四极质谱数据处理的BP程序设计

(c)质谱数据处理的RBF程序设计

图1(a)为最小均方规则法(LMS)程序运行界面，LMS是一种单层感知器人工神经网络，当气体浓度与质谱峰高为线性关系时，这种方法很实用，我们用此方法处理了幔源岩脱气质谱组分数据，获得了较满意的结果。图1(b)为误差回传神经网络(BP)设计时的界面，BP是一种非线性人工神经网络，四极质谱仪的质谱峰高与进气量有关，其质谱峰高与气体浓度之间的线性关系受进气量的影响，用非线性的网络处理数据可能更好，但试验结果仍不满意。图1(c)为径向基函数神经网络(RBF)设计时的界面，RBF是基于数学原理的非线性神经网络，当质谱峰高与气体浓度之间为非线性关系时，可能用处更多，如离子阱质谱的数据处理。

3.潜在应用

用气相色谱、液相色谱、红外光谱和质谱等仪器分析混合物时，经常会遇到重叠峰的解析问题，国内外也开发了一些谱图解析的软件，就地球化学分析测试而言，样品来源往往很复杂，混合物中的成分也很复杂，用人工神经网络来解析谱图，可能会产生好的效果，由于其具有模糊的特点，即使存在未知的成分，也可以解析。例如，质谱测量同位素比，常遇到其它成分的干扰，我们将这些干扰考虑进去，获得带干扰的标准样品质谱图，建立待测同位素与质谱图的关系，通过解析未知样品的质谱图，就可以获得待测同位素的比值。

上面提到的单层感知器、误差回传神经网络和径向基函数神经网络方法，在解决线性和非线性响应的定量分析问题上适应。如果将定性的结果用数值表示，也可以解决分类的问题。例如，烃源岩评价，以有机碳含量和氯仿沥青A等等参数作为自变量，以数值表示烃源岩分类级别，就可以建立神经网络关系。

还有一类自组织人工神经网络，可以用于解决分类问题。例如，研究沉积物与环境的关系，首先对沉积物进行一系列的测试，通过自组织人工神经网络对其进行分类，然后研究其分类结果与环境的对应关系，从而优选出与环境密切相关的特征参数或特征标志。

特别提示：十分感谢小编的悉心整理，本号原创作者搜寻活动开启中，对网络存在大量未署名文章，追本溯源，希望作者能主动与我们联系，让知识能更好的传播和被引用，同时如若图文资源侵犯您权益，请及时与我们联系，我们将第一时间做出处理。

好看是一种鼓励 |分享是最好的支持

共 享

地质论坛公众号旨在分享和传播优秀文化思想，版权归原作者所有，如有侵权请与我们联系！欢迎广大朋友投稿。本号所有文章开放转载，其他公众号如需转载，无需单独申请添加白名单，仅需注明来源即可。