[发明专利]一种基于改进的自组织神经网络的地震相分析方法及系统

权利要求书

1.一种基于改进的自组织神经网络的地震相分析方法，其特征在于，包括步骤：

S1、初始化自组织神经网络，所述自组织神经网络为具有K个神经元的两层自组织神经网络，其中，K为地震相种类数；

S2、逐一计算输入数据与各个神经元的相似度并据此确定胜出的神经元；

S3、更新神经元的相关参数；

S4、每隔M个时间步，按照第一预设规则增加或者插入一个新的神经元，按照第二预设规则删除或者废弃一个神经元。

2.根据权利要求1所述基于改进的自组织神经网络的地震相分析方法，其特征在于，所述步骤S2中，输入数据与各个神经元的相似度d_j为：

其中，是每个神经元的权重矢量,为当前的输入数据。

3.根据权利要求1所述基于改进的自组织神经网络的地震相分析方法，其特征在于，所述步骤S2中与输入数据最相似的神经元为胜出的神经元。

4.根据权利要求1所述基于改进的自组织神经网络的地震相分析方法，其特征在于，所述神经元的相关参数包括神经元的胜出频次及神经元的权重。

5.根据权利要求1所述基于改进的自组织神经网络的地震相分析方法，其特征在于，所述第一预设规则为：

统计出胜出频次最大的神经元ν_q；

由邻域函数得到v_q邻域内且与ν_q最远的神经元v_f，并对于这个范围内的神经元，依此计算出两个权重矢量的差e：

其中j∈[q，f]，对于给定的参数a和b，当aeb时，就在j和j+1之间插入一个神经元v_r。

6.根据权利要求4所述基于改进的自组织神经网络的地震相分析方法，其特征在于，所述步骤S4包括：

将插入的神经元v_r的权重赋值为：

胜出频次调整为：

7.根据权利要求1所述基于改进的自组织神经网络的地震相分析方法，其特征在于，所述第二预设规则为：

统计出胜出频次最小的神经元，当所述胜出频次最小的神经元的胜出频次C_p小于预设阀值时，废弃所述胜出频次最小的神经元。

8.一种基于改进的自组织神经网络的地震相分析系统，其特征在于，包括：

初始化模块，用于初始化自组织神经网络，所述自组织神经网络为具有K个神经元的两层自组织神经网络，其中，K为地震相种类数；

计算模块，用于逐一计算输入数据与各个神经元的相似度并据此确定胜出的神经元；

参数更新模块，用于更新神经元的相关参数；

神经元更新模块，用于每隔M个时间步，按照第一预设规则增加或者插入一个新的神经元，按照第二预设规则删除或者废弃一个神经元。

9.根据权利要求8所述基于改进的自组织神经网络的地震相分析系统，其特征在于，所述第一预设规则为：

统计出胜出频次最大的神经元ν_q；

由邻域函数得到ν_q邻域内且与ν_q最远的神经元ν_f，并对于这个范围内的神经元，依此计算出两个权重矢量的差e：

其中j∈[q，f]，对于给定的参数a和b，当aeb时，就在j和j+1之间插入一个神经元v_r；

所述第二预设规则为：

统计出胜出频次最小的神经元，当所述胜出频次最小的神经元的胜出频次C_p小于预设阀值时，废弃所述胜出频次最小的神经元。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行的至少一个程序，其特征在于，所述至少一个程序被所述计算机执行时使所述计算机执行上述权利要求1～7任一项所述的方法中的步骤。