基于神经网络的混合非线性电阻率反演成像

第1章 绪论
1．1 电阻率成像
1．2 电阻率成像技术国内外研究进展及发展趋势
1．2．1 国外电阻率成像反演的研究进展
1．2．2 国内电阻率成像反演的研究进展
1．2．3 电阻率成像反演的发展趋势
1．3 神经网络的研究现状
1．3．1 神经网络的概念和研究历史
1．3．2 神经网络的基本模型
1．3．3 神经网络在电阻率法反演中的应用
1．4 粒子群优化算法
1．4．1 粒子群优化算法的研究现状
1．4．2 粒子群优化算法在地球物理资料反演中的应用
1．5 微分进化算法
1．5．1 微分进化算法的研究现状
1．5．2 微分进化算法在地球物理资料反演中的应用
1．6 主要研究工作和章 节安排
1．6．1 课题研究的目的与意义
1．6．2 主要研究工作
1．6．3 章 节安排
1．7 本章小结

第2章 基于神经网络的电阻率反演成像
2．1 电阻率法的基本理论
2．1．1 稳定电流场的基础理论
2．1．2 视电阻率的概念和意义
2．1．3 常用电阻率方法
2．1．4 正演问题的数值模拟方法
2．2 BP神经网络的反演方法
2．2．1 BP神经网络的基本结构
2．2．2 BP神经网络的学习算法
2．2．3 BP神经网络的样本划分与建模
2．2．4 BP神经网络的反演流程
2．3 本章小结

第3章 基于混沌振荡PSO-BP算法的电阻率成像反演
3．1 粒子群优化算法的基本原理
3．2 基于混沌惯性权重的PSO算法
3．2．1 基于振荡递减的PSO算法
3．2．2 混沌的基本理论
3．2．3 基于混沌振荡的PSO算法
3．3 混沌振荡PSO一BP算法反演建模
3．3．1 BP神经网络的样本划分与建模
3．3．2 BP神经网络的隐含层结构设计
3．3．3 混沌振荡PSO-BP算法的实现步骤
3．4 数值仿真与模型反演
3．4．1 混沌振荡PSO一BP算法的性能验证
3．4．2 理论模型反演结果评估
3．5 本章小结

第4章 基于混沌约束DE-BP算法的电阻率成像反演
4．1 微分进化算法的基本原理
4．2 基于混沌约束的DE算法
4．3 混沌约束DE-BP算法反演建模
4．3．1 BP神经网络的样本划分与建模
4．3．2 BP神经网络的隐含层结构设计
4．3．3 混沌约束DE-BP算法的实现步骤
4．4 数值仿真与模型反演
4．4．1 混沌约束DE-BP算法的性能验证
4．4．2 理论模型反演结果评估
4．5 本章小结

第5章 基于信息准则的RBF神经网络电阻率成像反演
5．1 RBF神经网络结构
5．2 RBF神经网络学习算法
5．2．1 聚类算法
5．2．2 梯度算法
5．2．3 正交*小二乘法
5．3 基于汉南一奎因信息准则的OLS学习算法
5．3．1 RBF神经网络的泛化能力
5．3．2 信息准则
5．3．3 HQOLS算法的实现步骤
5．4 ：HQOLS-RBF电阻率成像反演建模
5．5 数值仿真与模型反演
5．5．1 HQOLS-RBF算法的性能验证
5．5．2 理论模型反演结果评估
5．6 本章小结

第6章 基于二阶段学习的RBF神经网络电阻率成像反演
6．1 基于二阶段学习的RBF神经网络基本理论
6．1．1 OLS-RBFNN的不足
6．1．2 RBF神经网络的样本规划与建模
6．1．3**阶段学习
6．1．4第二阶段学习
6．2 基于二阶段学习的RBF神经网络实现步骤
6．3 数值仿真与模型反演
6．3．1 信息准则的选择
6．3．2 二阶段学习RBF神经网络的性能验证
6．3．3 理论模型反演结果评估
6．4 本章小结

第7章 基于主成分一正则化极限学习机的超高密度电法非线性反演
7．1 超高密度电法的基本原理及正演方法
7．2 极限学习机理论
7．2．1 标准极限学习机
7．2．2 主成分一正则化极限学习机
7．3 主成分一正则化极限学习机反演建模
7．3．1 样本构造
7．3．2 PCA降维
7．3．3 参数寻优
7．3．4 反演流程
7．4 模型反演
7．5 本章小结

第8章 非线性反演工程实例分析
8．1 工程概况
8．2 神经网络直接反演
8．3 基于*小二乘反演结果的反演
8．4 本章小结

第9章 总结与展望
9．1 总结
9．2 展望
附录
附录一：标准BP神经网络反演的matlab代码
附录二：标准RBF神经网络反演的matlab代码
参考文献