多频褶积神经网络反演方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 引言 | 第9-10页 |
| 1.2 选题背景 | 第10-12页 |
| 1.2.1 褶积神经网络 | 第10-11页 |
| 1.2.2 匹配追踪 | 第11-12页 |
| 1.3 论文研究内容 | 第12-13页 |
| 第2章 褶积神经网络反演 | 第13-29页 |
| 2.1 监督型前馈神经网络 | 第13-16页 |
| 2.1.1 多层前馈神经网络 | 第13-14页 |
| 2.1.2 输入输出之间的关系 | 第14页 |
| 2.1.3 BP学习算法 | 第14-16页 |
| 2.2 褶积神经网络反演原理 | 第16-23页 |
| 2.2.1 网络结构及输入输出关系 | 第17-19页 |
| 2.2.2 映射算子的求取 | 第19-21页 |
| 2.2.3 非线性传递函数的选取 | 第21页 |
| 2.2.4 褶积神经网络反演流程 | 第21-23页 |
| 2.3 褶积神经网络反演方法测试 | 第23-28页 |
| 2.3.1 模型数据 | 第23-27页 |
| 2.3.2 实际数据应用 | 第27-28页 |
| 2.4 结论 | 第28-29页 |
| 第3章 快速匹配追踪算法 | 第29-86页 |
| 3.1 匹配追踪基本原理 | 第29-30页 |
| 3.2 复数域快速匹配追踪算法 | 第30-32页 |
| 3.3 复数域快速匹配追踪算法的优化 | 第32-62页 |
| 3.3.1 相位 | 第34-47页 |
| 3.3.2 瞬时频率 | 第47-50页 |
| 3.3.3 应用效果分析 | 第50-54页 |
| 3.3.4 算法对比 | 第54-62页 |
| 3.3.5 小结 | 第62页 |
| 3.4 快速指数追踪算法 | 第62-86页 |
| 3.4.1 指数分布函数拟合 | 第63-70页 |
| 3.4.2 指数追踪算法 | 第70-71页 |
| 3.4.3 算法测试 | 第71-78页 |
| 3.4.4 指数追踪算法的应用 | 第78-84页 |
| 3.4.5 小结 | 第84-86页 |
| 第四章 最大似然AVO反演 | 第86-93页 |
| 4.1 正演方程 | 第86-88页 |
| 4.2 贝叶斯最大似然AVO反演方法 | 第88-89页 |
| 4.3 实例分析 | 第89-92页 |
| 4.4 小结 | 第92-93页 |
| 第五章 结论 | 第93-95页 |
| 参考文献 | 第95-101页 |
| 攻读硕士学位期间取得的学术成果 | 第101-103页 |
| 致谢 | 第103页 |
