基于神经网络的混合非线性电阻率反演成像pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

基于神经网络的混合非线性电阻率反演成像PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论 1

1.1 电阻率成像 1

1.2 电阻率成像技术国内外研究进展及发展趋势 1

1.2.1 国外电阻率成像反演的研究进展 1

1.2.2 国内电阻率成像反演的研究进展 3

1.2.3 电阻率成像反演的发展趋势 4

1.3 神经网络的研究现状 5

1.3.1 神经网络的概念和研究历史 5

1.3.2 神经网络的基本模型 6

1.3.3 神经网络在电阻率法反演中的应用 7

1.4 粒子群优化算法 9

1.4.1 粒子群优化算法的研究现状 9

1.4.2 粒子群优化算法在地球物理资料反演中的应用 9

1.5 微分进化算法 10

1.5.1 微分进化算法的研究现状 10

1.5.2 微分进化算法在地球物理资料反演中的应用 12

1.6 主要研究工作和章节安排 12

1.6.1 课题研究的目的与意义 12

1.6.2 主要研究工作 14

1.6.3 章节安排 15

1.7 本章小结 16

第2章 基于神经网络的电阻率反演成像 17

2.1 电阻率法的基本理论 17

2.1.1 稳定电流场的基础理论 17

2.1.2 视电阻率的概念和意义 18

2.1.3 常用电阻率方法 19

2.1.4 正演问题的数值模拟方法 21

2.2 BP神经网络的反演方法 24

2.2.1 BP神经网络的基本结构 24

2.2.2 BP神经网络的学习算法 26

2.2.3 BP神经网络的样本划分与建模 30

2.2.4 BP神经网络的反演流程 31

2.3 本章小结 32

第3章 基于混沌振荡PSO-BP算法的电阻率成像反演 34

3.1 粒子群优化算法的基本原理 34

3.2 基于混沌惯性权重的PSO算法 37

3.2.1 基于振荡递减的PSO算法 37

3.2.2 混沌的基本理论 38

3.2.3 基于混沌振荡的PSO算法 42

3.3 混沌振荡PSO-BP算法反演建模 43

3.3.1 BP神经网络的样本划分与建模 43

3.3.2 BP神经网络的隐含层结构设计 43

3.3.3 混沌振荡PSO-BP算法的实现步骤 46

3.4 数值仿真与模型反演 47

3.4.1 混沌振荡PSO-BP算法的性能验证 47

3.4.2 理论模型反演结果评估 48

3.5 本章小结 51

第4章 基于混沌约束DE-BP算法的电阻率成像反演 52

4.1 微分进化算法的基本原理 52

4.2 基于混沌约束的DE算法 55

4.3 混沌约束DE-BP算法反演建模 59

4.3.1 BP神经网络的样本划分与建模 59

4.3.2 BP神经网络的隐含层结构设计 61

4.3.3 混沌约束DE-BP算法的实现步骤 63

4.4 数值仿真与模型反演 64

4.4.1 混沌约束DE-BP算法的性能验证 64

4.4.2 理论模型反演结果评估 65

4.5 本章小结 67

第5章 基于信息准则的RBF神经网络电阻率成像反演 69

5.1 RBF神经网络结构 69

5.2 RBF神经网络学习算法 71

5.2.1 聚类算法 72

5.2.2 梯度算法 73

5.2.3 正交最小二乘法 74

5.3 基于汉南-奎因信息准则的OLS学习算法 75

5.3.1 RBF神经网络的泛化能力 75

5.3.2 信息准则 76

5.3.3 HQOLS算法的实现步骤 77

5.4 HQOLS-RBF电阻率成像反演建模 79

5.5 数值仿真与模型反演 81

5.5.1 HQOLS-RBF算法的性能验证 81

5.5.2 理论模型反演结果评估 83

5.6 本章小结 87

第6章 基于二阶段学习的RBF神经网络电阻率成像反演 89

6.1 基于二阶段学习的RBF神经网络基本理论 89

6.1.1 OLS-RBFNN的不足 89

6.1.2 RBF神经网络的样本规划与建模 90

6.1.3 第一阶段学习 90

6.1.4 第二阶段学习 92

6.2 基于二阶段学习的RBF神经网络实现步骤 93

6.3 数值仿真与模型反演 95

6.3.1 信息准则的选择 95

6.3.2 二阶段学习RBF神经网络的性能验证 96

6.3.3 理论模型反演结果评估 97

6.4 本章小结 100

第7章 基于主成分-正则化极限学习机的超高密度电法非线性反演 102

7.1 超高密度电法的基本原理及正演方法 102

7.2 极限学习机理论 104

7.2.1 标准极限学习机 104

7.2.2 主成分-正则化极限学习机 105

7.3 主成分-正则化极限学习机反演建模 107

7.3.1 样本构造 107

7.3.2 PCA降维 107

7.3.3 参数寻优 110

7.3.4 反演流程 112

7.4 模型反演 113

7.5 本章小结 118

第8章 非线性反演工程实例分析 119

8.1 工程概况 119

8.2 神经网络直接反演 119

8.3 基于最小二乘反演结果的反演 122

8.4 本章小结 125

第9章 总结与展望 127

9.1 总结 127

9.2 展望 129

附录 130

附录一：标准BP神经网络反演的matlab代码 130

附录二：标准RBF神经网络反演的matlab代码 132

参考文献 134