高密度电阻率法是以岩石、矿石之间电阻率的差异作为基础的一种勘探方式,通过观测和研究地下空间中各介质间的电阻率差异,研究电场在空间上的分布特点和变化规律,从而到达查明地下地质构造,寻找地下电性目标体的目的。事实上,高密度电阻率法本质上属于直流电法,是其中一个分支,是在常规电阻率法勘探基础上发展起来的一种新型电阻率勘探方法,在探测断面上同时布置多个电极,通过传导电极向地下输送电流,使地下空间内的电性不均匀体形成稳定电流场,通过自动转换转置对布设的断面进行自动测量和记录,获得地电断面。高密度电阻率法在进行地层划分、探测隐伏构造、岩溶空洞以及地质滑坡体等任务中效果显著,不仅在地下资源的勘探中有着广泛的应用,而且在各种工程中同样有着广泛的应用。然而,高密度电阻率法的反演实际上则是一个相当复杂的非线性求解问题,传统的反演方法中,总是将非线性问题进行线性化处理。将非线性问题在初始模型附近进行线性化处理,容易导致反演陷入局部极小、依赖初始模型的选择等一系列问题,同时,在二维有限元反演中,关键性的偏导数矩阵的求解是比较困难的。随着计算机性能的不断提升和人工神经网络算法的不断完善,因其独有的学习记忆和非线性逼近能力,本文尝试使用人工神经网络算法中的BP神经网络算法来处理电法数据。BP神经网络具有能够避免过度依赖初始模型的优点,也不需要将非线性问题进行线性化处理,在很大程度上能解决常规反演所遇到的问题。神经网络非线性反演还能够得到比传统反演方法效果更好的精细结构,一旦训练完成,其效率和精度是传统反演方法无法比拟的。在全球变暖的大背景下,全球气温不断升高对冻土的冻胀、融降等产生很大影响,冻土的冻胀和融降又对人类生活、生产带来了了很大影响,我国又是一个冻土大国,尤其东北地区更是一个受季节性冻土和永久冻土广泛影响的地区,位于东北地区的交通设施、建筑、市政工程等受影响严重。处理不好冻土带来的影响,就有可能引起重大灾难,给国家经济建设和人民生命财产安全带来巨大隐患。因此,本文首次使用高密度电阻率法对季节性冻土进行长期监测,并首次使用神经网络算法对高密度视电阻率数据进行处理,开展深入研究,了解其冻融规律,掌握其特性,对我们进行工程建设有重要指导意义。本文先使用人工神经网络算法中的BP神经网络对合成数据进行反演时,并且建模时是将所有的视电阻率数据和真电阻率数据作为神经网络的训练样本对神经网络进行训练,采用最新型的网络函数。训练样本均是通过基于有限差分方法正演得到,训练样本中的训练模型电极数设置为36个电极,装置形式采用温纳装置,电极距设置为1m,供采集10层195个视电阻率数据,同时生成的真实电阻率数据个数为1960个,共获得95个包括层状、块状等模型在内的训练模型用于训练神经网络。本文又使用经典的地质模型对训练好的BP神经网络进行检验,经BP神经网络反演得到的结果表明,相对传统反演方法而言,使用BP神经网络对高密度视电阻率数据进行反演可以获得更为精细的地电结构,而且一旦训练完成,反演则变得快速简单。最后,本文根据相应的先验信息先对在吉林大学朝阳校区内的防空洞处所采集的实测数据专门设计了训练模型,并用BP神经网络对实测数据进行了反演,反演结果表明使用训练得当的BP神经网络来对视电阻率实测数据进行反演可以获得比传统方法更为准确的反演结果,能更好地刻画反演目标体的精细结构,不仅形态上更为准确,结果中的电阻率值相对传统反演方法也比较精确。然后本论文又首次使用BP神经网络算法对连续长达七个月跨越三个季节的长春地区冻土监测实测数据进行了处理,反演结果表明,在对BP神经网络进行充分训练的情况下,使用BP神经网络可以更好地反映出整个土壤由未冻到冻结再到解冻整个过程,更好地反映季节性冻土的冻融规律和电性剖面特征。