Hopfield神经网络和平均场退火及其在地震反褶积和多次波衰减中的应用

本文阐述了一种基于全局优化的算法－平均场退火算法（简称MFA），及其在地震数据处理中的两个基本问题－地震道反褶积与表面有关的多次被衰减中的应用，基于平均场近拟，MFA耕用一套确定性的修正规则代替了模拟退火的随机性，且这些规则不是作用在变量自身上，而是作用在变量的均值上，当温度降低时，MFA规则根据前一温度上各个变量的值修正其变量，通过最小平均值，MFA较常规模拟退火法能更快地收敛到平衡状态，修正规则依赖于价格函的形式，在价格函数类似于Hopfield网络的能量函数时，很容易获得，将一个问题映射成Hopfield网络不是使用MFA的前提条件，但映射能使解析计算更为简单，通过将震源子波和反射系数用二值神经表示，问题就是反褶积问题可映射到一个Hopfield网络，在本文中，当网络的神经元到达平衡状态时，问题最小化MFA网络的价格样的思路来设计算子，此算子可用来衰减由平面波转化的地震记录中与表面有关的多次反射波，消除多次波问题的价格函数是基于被多次压制地震数据的最小能量标准的。