ИСТИНА

При решении обратных нелинейных задач геофизики в последние годы эффективно применяются НС методы [1], которые основаны на аппроксимации приближенного обратного оператора задачи с помощью многослойной нейронной сети (НС аппроксиматора). Оптимизационные задачи построения (обучения) НС аппроксиматора и оценки погрешности получаемых приближенных решений ОЗ решаются с использованием методов группы Монте-Карло. [2] Для этого рассчитываются выборки решений прямых задач (порядка нескольких тысяч) для различных векторов параметров среды, которые изменяются случайным образом, и на их основе определяются оценки решений рассматриваемых оптимизационных задач. Исследуются вопросы сходимости и устойчивости получаемых оценок при увеличении объема выборки. Приводятся численные примеры, иллюстрирующие работу алгоритмов на модельных и полевых данных для задач геоэлектрики. В работе использовались ресурсы суперкомпьютерных кластеров МВС-100K МСЦ РАН. Исследование выполнено за счет гранта Российского научного фонда (проект №14-11-00579, И.Е. Оборнев, НИИЯФ МГУ).