图书介绍

基于神经网络的混合非线性电阻率反演成像2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

江拂菠著著
出版社：长沙：中南大学出版社
ISBN：9787548720676
出版时间：2015
标注页数：143页
文件大小：23MB
文件页数：159页
主题词：神经网络－应用－电阻率法勘探－研究

PDF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]

点击复制MD5值：c64b8286bbbec5ec88c8a8fc5847804c

下载说明

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。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载详情点击-查看共享计划

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

图书目录

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