基於神經網路的混合非線性電阻率反演成像

內容簡介

《基於神經網路的混合非線性電阻率反演成像》在介紹神經網路基本概念和基本原理的基礎上，對神經網路非線性反演在電阻率成像技術中的套用進行了理論研究。分析了BP神經網路和RBF神經網路在電阻率成像反演中的最佳化算法、建模方法和反演流程。通過將神經網路與粒子群最佳化算法、差分進化算法、混沌技術、信息準則等多種新技術相結合，最佳化了神經網路反演模型的結構和性能，對今後神經網路在電法反演中的深入研究提供了可借鑑的經驗。

《基於神經網路的混合非線性電阻率反演成像》可供從事地球物理正反演以及人工智慧等領域的相關研究人員參考使用，也可作為高等院校相關專業的教師、研究生和高年級本科生的教學參考用書。

圖書目錄

第1章緒論

1．1 電阻率成像

1．2 電阻率成像技術國內外研究進展及發展趨勢

1．2．1 國外電阻率成像反演的研究進展

1．2．2 國內電阻率成像反演的研究進展

1．2．3 電阻率成像反演的發展趨勢

1．3 神經網路的研究現狀

1．3．1 神經網路的概念和研究歷史

1．3．2 神經網路的基本模型

1．3．3 神經網路在電阻率法反演中的套用

1．4 粒子群最佳化算法

1．4．1 粒子群最佳化算法的研究現狀

1．4．2 粒子群最佳化算法在地球物理資料反演中的套用

1．5 微分進化算法

1．5．1 微分進化算法的研究現狀

1．5．2 微分進化算法在地球物理資料反演中的套用

1．6 主要研究工作和章節安排

1．6．1 課題研究的目的與意義

1．6．2 主要研究工作

1．6．3 章節安排

1．7 本章小結

第2章基於神經網路的電阻率反演成像

2．1 電阻率法的基本理論

2．1．1 穩定電流場的基礎理論

2．1．2 視電阻率的概念和意義

2．1．3 常用電阻率方法

2．1．4 正演問題的數值模擬方法

2．2 BP神經網路的反演方法

2．2．1 BP神經網路的基本結構

2．2．2 BP神經網路的學習算法

2．2．3 BP神經網路的樣本劃分與建模

2．2．4 BP神經網路的反演流程

2．3 本章小結

第3章基於混沌振盪PSO-BP算法的電阻率成像反演

3．1 粒子群最佳化算法的基本原理

3．2 基於混沌慣性權重的PSO算法

3．2．1 基於振盪遞減的PSO算法

3．2．2 混沌的基本理論

3．2．3 基於混沌振盪的PSO算法

3．3 混沌振盪PSO一BP算法反演建模

3．3．1 BP神經網路的樣本劃分與建模

3．3．2 BP神經網路的隱含層結構設計

基於神經網路的混合非線性電阻率反演成像

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條