论文较深入研究了细胞神经网络方法用于突出浅层局部重力异常的理论与技术，拓展了方法的功能，使之也能用于提取深部区域场信息。 细胞神经网络方法大致分为两步，首先通过细胞神经网络的拟BP算法训练神经元与周围相邻的神经元的连接权值（简称之为模板），使其最终具有提取某种有用信息的功能。再将最终得到的模板用于模型、实际资料处理。论文详细研究了细胞神经网络的基本理论以及在图像处理上的应用。重点研究了细胞神经网络的拟BP学习算法，并推导了算法的权值修正公式，提出数据压缩和数据扩边的预处理方案，对初始化权值的选择采用了“逐步搜索，选取最优”的方法，有效避免网络陷入局部极小点。在应用神经网络方法处理资料时发现了神经网络取得最佳效果的规律。通过大量的模型试验，验证了该方法的有效性、正确性，并且总结了方法的适用条件和特点。考虑到实际地质条件复杂，为了提高方法的精度，提出了实时训练神经网络模板的方案，并且通过验证取得不错效果。试验证明该方法具有以下几个方面的优势： （1）突出目标异常，消除或减弱目标异常以外的干扰信息。 （2）区分水平叠加异常，神经网络方法能将水平（横向）叠加异常区分开，具有较强的横向分辨率。 （3）确定异常体的边界。清晰的显示浅层异常体的位置和规模，边界。可用于圈定火成岩体，寻找局部矿藏等工作。 （4）有较强的抗噪性。在有随机误差影响的情况下，与常规垂向二次导数方法相比有较强的抗干扰能力。